[发明专利]基于大耳蝠双耳廓仿生声呐的目标定位装置及方法

权利要求书

1.基于大耳蝠双耳廓仿生声呐的目标定位装置，其特征是，包括：超声发生器，所述超声发生器向待测物体发射超声信号；超声信号经过待测物体反射后被安装在两个仿大耳蝠耳廓内侧底部的两个超声接收器接收；两个超声接收器接收后，将接收的信号送入信号采集器；信号采集器将采集的两个麦克风的信号由模拟信号转为数字信号后送入信号处理器；信号处理器对接收的数字信号通过短时傅里叶变换进行信号能量特征提取，将能量特征输入到训练好的神经网络中，识别待测物体的方位角和俯仰角；

所述发射超声信号是chirp脉冲串信号， 每个chirp脉冲串中包括若干个等间隔的chirp脉冲，单个chirp脉冲为频率从20kHz下降到5kHz的线性调频信号，单个chirp脉冲频率从20kHz下降到5kHz持续5ms。

2.如权利要求1所述的装置，其特征是，所述仿大耳蝠耳廓，包括左仿生耳廓和右仿生耳廓；是对真实大耳蝠的左右两个耳廓分别进行三维扫描，获得大耳蝠耳廓的三维数据；然后通过3D打印机打印获得；打印尺寸为真实大耳蝠耳廓尺寸的n倍，超声信号的发射频率为真实蝙蝠频率的

3.基于大耳蝠双耳廓仿生声呐的目标定位方法，其特征是，包括：

步骤(1)：调整仿大耳蝠耳廓的俯仰角，超声发生器向待测物体发射超声信号；

步骤(2)：分别安装在左右两个仿大耳蝠耳廓内侧底部的超声接收器，接收超声信号的回波信号；两个超声接收器接收后，将接收的信号送入信号采集器；

步骤(3)：信号采集器将采集的两个麦克风的信号由模拟信号转为数字信号后送入信号处理器；

步骤(4)：信号处理器对接收的数字信号通过短时傅里叶变换进行信号能量特征提取，将能量特征输入到训练好的神经网络中，识别待测物体的估计方位角和估计俯仰角。

4.如权利要求3所述的方法，其特征是，信号处理器对接收的数字信号通过短时傅里叶变换进行信号能量特征提取的具体步骤为：

对接收的数字信号分为m帧，通过短时傅里叶变换之后，得到每个回波信号的频谱图；针对频谱图含有回波信号的每一帧区域提取p个频谱数据，作为回波信号的能量特征；因此，最终回波信号的能量特征是一个p*m的二维特征向量；将提取出的二维特征向量转换为一维特征向量，得到两路信号的能量序列：

左耳：X＝(x₁,x₂,...,x_p,x_p+1,...,x_2p,...,x_p*m)；

右耳：Y＝(y₁,y₂,...,y_p,y_p+1,...,y_2p,...,y_p*m)。

5.如权利要求3所述的方法，其特征是，神经网络的训练步骤为：

将训练集的数据特征输入到神经网络中对神经网络进行训练；以两路信号的能量序列作为神经网络的输入值，分别以待测物体在空间中的方位角和俯仰角作为标签，进行神经网络训练；

将测试集的数据特征输入到神经网络中对神经网络的分类精度进行测试；

当分类精度达到设定阈值时，停止训练，得到训练好的神经网络。

6.如权利要求3所述的方法，其特征是，

将能量特征输入到训练好的神经网络中，识别待测物体的方位角和俯仰角的具体步骤为：

以两路信号的能量序列作为训练好的神经网络的输入值，神经网络输出目标的方位角和俯仰角。

7.如权利要求3所述的方法，其特征是，还包括：

步骤(5)：使用滑动窗计数平均法，对步骤(4)获取的待测物体的估计方位角和估计俯仰角进行处理，得到精确的方位角和精确的俯仰角；或者，

使用滑动窗累加法，对步骤(4)获取的待测物体的估计方位角和估计俯仰角进行处理，得到精确的方位角和精确的俯仰角。