[发明专利]一种基于广义互相关的高斯拟合包络时延估计方法及系统

说明书

本发明属于无线电定向；无线电导航；采用无线电波测距或测速；采用无线电波的反射或再辐射的定位或存在检测；采用其他波的类似装置技术领域，公开了一种基于广义互相关的高斯拟合包络时延估计方法及系统，通过广义互相关法得到信号的互相关函数值；采用分段极大值法提取互相关函数的包络点；利用高斯函数拟合包络，以高斯函数最大值点作为信号的时延估计值。本发明利用广义互相关计算互相关函数值；采用分段极大值包络提取的方法提取互相关函数的包络；采用高斯拟合的方式拟合包络；取包络最大值对应的时延为两信号的到达时延差值。本发明计算复杂度低，易于实现，仿真实验验证了算法的有效性、普适性和时延估计的准确性。

技术领域

本发明属于无线电定向；无线电导航；采用无线电波测距或测速；采用无线电波的反射或再辐射的定位或存在检测；采用其他波的类似装置技术领域，尤其涉及一种基于广义互相关的高斯拟合包络时延估计方法及系统。

背景技术

目前，业内常用的现有技术是这样的：被动目标探测以隐蔽性好、功耗低、成本少、不易干扰等优势在军事、国防安全、环境监测、紧急救援、军事侦察等领域占据重要地位。声阵列传感器网络是最为常用的被动探测技术之一，在自动探测、定位、识别及高速实时跟踪等方面展现出杰出的性能，且声波可绕过树木、乱石等障碍物，即便在雷达探测盲区，也能有效的搜索到目标。因此，声阵列传感器网络可以弥补主动式探测存在的问题，体现出较高的实用价值。精确的时延估计是声阵列传感器网络探测的核心环节，也是被动目标定位精度改善的关键步骤。最小均方自适应滤波法(LMS)和广义互相关函数法(GCC)是使用频率最高的方法，并且以这两种方法为基准，改进或衍生出的众多算法，提高了时延估计的准确性。然最小均方自适应滤波法易受环境、滤波器阶数等的影响，不能很好的逼近真实值；广义互相关函数法计算复杂度低、易于实现、实时性好且具有抗混响和噪声的能力，应用更为广泛。基于GCC声源时延估计方法从不同测试环境、不同声源对象等方面显现算法的健壮性和时延估计的精确性。现有技术一提出了一种基于频域概率模型的分频段时延估计校准算法，在GCC的基础上，对接收信号在频域进行分段训练建立测量节点和参考节点的概率模型，以各频段加权的方式获得这个信号的时延估计；这种方法解决了接收信号节点硬件性能及环境因素差异造成的时延估计精度低的问题，但该方法需要先验知识进行模型训练，实际中先验知识往往无法提前获知，且模型性能受频段划分及偏差阈值选择的限制，合理的频段划分和偏差阈值策略还需进一步研究确定。现有技术二提出了一种基于经验模态分解重构的二次相关时延估计方法，在进行相关前，采用倒谱法和谱减法结合的方法，区分了信号主导分量和噪声分量，并采用经验模态分解方法进行信号分解和重构，从而使得方法进行时延估计时抗噪性更优，互相关峰值更加锐利；这些预处理及降噪技术虽提高了时延估计精度，但计算复杂度极高，在系统生存期受限的情况极有可能导致整个系统瘫痪，无法达到探测目标的目的。现有技术三提出了一种广义互相关函数法与小波去噪算法相结合的新方法，该算法不仅可以抑制噪声，而且针对移动声源也可展现较优的时延估计性能，但小波的去噪效果受小波基的选择及分解尺度的制约。在噪声和混响环境下，GCC时延估计精度显著下降，为解决这一问题，二次互相关、希尔伯特变换、谱分析、匹配滤波等方法应运而生，然这些算法均采用优化算法锐化峰值，削弱噪声对时延估计的影响进而导致极高的计算复杂度，占用大量存储空间，造成系统巨大的存储开销。

综上所述，现有技术存在的问题是：

(1)现有技术一在模型建立时，需要先验知识，实际场景中，该要求往往难以满足，且模型的性能受频段划分及偏差阈值选择的限制，该技术并未给出合理最优的频段划分及偏差阈值选择方案。

(2)现有技术二采用各种信号预处理及降噪技术提高了时延估计精度，但该方法进行的高频信号的选择、分解、重构等操作，导致了极高的计算复杂度，给系统存储提出了更高的要求；若系统生存周期短，该技术将无法应用。

(3)现有技术三在噪声和混响环境下，采用小波降噪技术进行信号预处理，但该技术降噪性能受小波基及分解尺度的制约，该技术中并未给出确定该参数的最佳方案。