CN119511201A 利用无人机搭载传声器阵列实现声源定位的方法及装置 （国网湖南省电力有限公司）

利用无人机搭载传声器阵列实现声源定位本发明公开了一种利用无人机搭载传声器得的含有无人机飞行噪声的多通道音频信号；神经网络模型以获得预测的声源位置和声源强实现无人机搭载传声器阵列对于高频声源进行22.根据权利要求1所述的利用无人机搭载传声器阵列实现声源定位的方法，其特征在3.根据权利要求1所述的利用无人机搭载传声器阵列实现声源定位的方法，其特征在,第m个传声器阵元在t-Tm时刻的音频信号，t为时间，Tm为第m个传声器阵元在方向的S2.2，将各个传声器阵元预延迟后的音频信号通过A/D转换为数字采样信号后输入采,上式中，y(i)为波束输出时间序列的第i个采样点的音频信号，xm[i-(l-1)l为第m个传声器阵元预延迟后的、第i-(l-1)个采样点的音频信号，hm为第m个传声器阵元第l个,,率点数量，e(fp)为第k个频率点的向量函数，Ha(fn)为第k个频率点的期望,34.根据权利要求1所述的利用无人机搭载传声器阵列实现声源定位的方法，其特征在位置和声源强度包括：首先使用采用64个大小为7x差网络单元的输出经过一个池化层的平均池化处理后送入全连接输出层得到声源位置的5.根据权利要求4所述的利用无人机搭载传声器阵列实现声源定位的方法，其特征在位，再将缩放移位后得到的特征F采用通道注意力模块提取特征后再与原始的缩放移位后6.根据权利要求1所述的利用无人机搭载传声器阵列实现声源定位的方法，其特征在于，步骤S3之前还包括设置仿真声源并采集含有无人机飞行噪声的多通道音频信号样本，使用实际测量得到的含有无人机飞行噪声的多通道音频信号样本作为神经网络模型的输7.根据权利要求6所述的利用无人机搭载传声器阵列实现声源定位的方法，其特征在,8.一种利用无人机搭载传声器阵列实现声源定位的9.一种计算机可读存储介质，该计算机可读存储介被编程或配置以通过处理器执行权利要求1～7中任意一项所述利用无人机搭载传声器阵4[0003]声源定位是基于多通道采集的声音信号来估计一个或多个声源相对于某个参考[0005]但是，无法忽视的是常规波束形成在无人机搭载传性实现无人机搭载传声器阵列对于高频声源进行高效且实时的声源定位。5S3、将波束形成图输入训练好的神经网络模型以获得预测的声源位置和声源强,上式中，为第m个传声器阵元预延迟后的、第i个采样点的音频信号，xm(t-Tn)为第m个传声器阵元在t-Tm时刻的音频信号，t为时间，TmS2.2，将各个传声器阵元预延迟后的音频信号通过A/D转换为数字采样信号后输元第个快拍的权值为hm，所述FIR滤波器组对所有数据加权求和得到波束输出时间序列,上式中，y(i)为波束输出时间序列的第i个采样点的音频信号，xm[i-(l-,,中的频率点数量，e(fp)为第k个频率点fr的向量函数，Ha(fe)为第k个频率点fr的期望响,6[0011]可选地，所述残差网络单元中的每一个残差层对输入特征处理得到输出特征包理以实现缩放移位，再将缩放移位后得到的特征F采用通道注意力模块提取特征后再与原,或指令被编程或配置以通过处理器执行所述利用无人机搭载传声器阵列实现声源定位的7[0024]图7为本发明实施例中无人机悬停在声源上方6.2m处绘制的声像图以及模型输出利用无人机搭载传声器阵列使用神经网络绕过无人机上复杂的声学环境优化波束形成图[0026]如图1所示，本实施例利用无人机搭载传声器阵列实现声源定位的方法包括下述S3、将波束形成图输入训练好的神经网络模型以获得预测的声源位置和声源强可以是多个无人机搭载的传声器阵列，本实施例中具体为32个无人机搭载的传声器阵列，其中各个传声器阵元的分布如图2所示。本实施例步骤S1中得到的含有无人机飞行噪声的本实施例中传声器阵列阵元数量为32。使用无人机搭载的传声器阵列获取声音信号数据，8,上式中，为第m个传声器阵元预延迟后的、第i个采样点的音频信号，xm(t-Tn)为第m个传声器阵元在t-Tm时刻的音频信号，t为时间，TmS2.2，将各个传声器阵元预延迟后的音频信号通过A/D转换为数字采样信号后输的在t时刻的音频信号，经过T1～TU预延迟后得到的然后经过A/D转换为数字采样信号X(i)～x(i)，即可输入F,上式中，y(i)为波束输出时间序列的第i个采样点的音频信号，xm[i-(l-,,中的频率点数量，e(fp)为第k个频率点fr的向量函数，Ha(fn)为第k个频率点fr的期望响,9函数激活和池化层的最大池化处理后送入残差网络单元，所述残差网络单元包括残差层1~残差层4共四个级联连接的残差层；所述残差网络单元的输出经过一个池化层的平均池化处理后送入全连接输出层得到声源位置的预测值和声源强度的预测值构成的输[0030]如图5所示，本实施例所述残差网络单元中的每一个残差层对输入特征处理得到批归一化处理以实现缩放移位，再将缩放移位后得到的特征F采用通道注意力模块提取特[0031]本实施例中步骤S3之前还包括设置仿真声源并采集含有无人机飞行噪声的多通,,,=(动，AX为常规波束形成的扫描间距。[0033]为了验证本实施例利用无人机搭载传声器阵列实现声源定位的方法对于播放声施例利用无人机搭载传声器阵列实现声源定位的方法提出的神经网络一方面通过学习提用的神经网络模型为基于ResNet架构搭建起的能够实现在阵列拾取的极低信噪比信号中机搭载传声器阵列对于高频声源进行高效且实时序或指令被编程或配置以通过处理器执行所述利用无人机搭载传声器阵列实现声源定位[0038]本领域内的技术人员应明白，本申请的实施例可提供的技术方案形式可为方法、