基于声阵列的无人机实时检测和定位系统及方法与流程

本发明涉及运动物体定位领域，特别涉及一种基于声阵列的无人机实时检测和定位系统及方法。

背景技术：

近年来，在无人机迅速成为研究热点时，也带来一系列问题，比如无人机黑飞，严重影响区域安全。因此无人机防御正在成为各国政府和军方重点关注的新领域。消费级民用无人机成本较低、易于获取、操控简单，用户数量多，监管难度大，极易被不法分子利用，给安保、保密工作带来很大压力。

目前用无人机的检测手段主要有雷达、声音、视频以及射频。雷达成本较高，同时对于低空、慢速的飞行物体检测难度较大；视频可以用于无人机的识别，但是定位难度大，同时存在图像畸变，影响定位的精度；射频装置主要用于检测无人机发出的射频通信信号，但是由于环境中无线信号较为复杂，无人机的射频信号能量较小，难以对无人机进行侦别。

技术实现要素：

本发明的目的在于针对现有技术的不足，提供一种基于声阵列的无人机实时检测和定位系统及方法。由于无人机的声音较大，能量较高，在较远的距离便可以被声音传感器接收到信号，因此可采用声音传感器阵列对无人机进行被动检测和定位。无人机的声音具有明显的特征，可以有效侦别出空中飞行的物体。通过架设多个声阵列，从不同位置估算目标物体的角度，可以得到无人机在空间中的三维坐标。声阵列成本较低，可以铺设多个声阵列，形成对被保护区域的有效覆盖。对无人机的定位是由多个阵列协同进行，每个阵列在不同位置估计出无人机相对于各个阵列的角度，再利用阵列之间距离就可以估计出无人机在空间中的三维坐标。

本发明的目的是通过以下技术方案来实现的：一种基于声阵列的无人机实时检测和定位系统，该系统包括至少两个声阵列和PC端；声阵列采用十字型对称设计，每条边等间距对称安装四个声音传感器，每个声阵列共有八个声音传感器；PC端接收采集卡采集的声音传感器信号，利用时频分析的结果检测目标是否为无人机，如果为无人机则针对十字型阵列的每个线阵分别做一维的波达方向角度估计，得到目标与十字型阵列两个边的夹角，利用多个阵列各自估计的角度和阵列之间的距离计算出无人机在空间中的坐标。

进一步地，所述PC端检测目标是否为无人机的步骤具体为：

(1)当声阵列架设在距离地面一定的高度上，空中物体相对于地面存在水平运动时，发出的声音通过地面反射传给声音传感器，此时在时频图上形成U型高能量区域，根据该特征判断目标物体位于空中还是地面。

(2)无人机飞行时会产生一个基波和一系列基波整数倍频率的谐波，将声音传感器采集的信号作傅里叶变换，得到一个复数向量，取向量中100Hz-1000Hz之间的谐波的模值形成一个行向量作为采集信号的特征向量，从而判断目标是否为无人机。

进一步地，所述PC端计算无人机在空间中的坐标的步骤具体为：

(1)以其中一个声阵列为空间坐标原点建立坐标系；

(2)估算目标与声阵列每个线阵的夹角：在频谱图上搜索100Hz-1000Hz之间的无人机各次谐波所对应的向量；利用非相干子空间波达方向角度估计得到空间谱函数，分别估算出各次谐波对应的角度；将各次谐波的角度按照频谱图中的幅值进行加权得出无人机与声阵列线阵的夹角。

(3)利用步骤(2)得到的角度和声阵列中心之间的间距计算出无人机在空间的坐标。

一种基于声阵列的无人机实时检测和定位方法，该方法包括以下步骤：

步骤1，首先在待监测区域铺设至少两个声阵列，声阵列采用十字型对称设计，声阵列之间有一定的距离，便于覆盖待监测的区域。采用数据采集卡将声的信号同时汇聚到PC端；

步骤2，PC端将接收到的声信号作短时傅里叶变化得到时频结果，利用U型高能量区特征鉴别声源是否由空中发出，利用信号特征频率向量判断目标是否为无人机；

步骤3，在频谱图上搜索100Hz-1000Hz之间的无人机各次谐波所对应的向量；利用非相干子空间波达方向角度估计得到空间谱函数，分别估算出各次谐波对应的角度；将各次谐波的角度按照频谱图中的幅值进行加权得出无人机与声阵列线阵的夹角；

步骤4，利用步骤3得到的角度和声阵列中心之间的间距计算出无人机在空间的坐标；

步骤5，将结果在三维坐标系中进行显示，实时更新无人机在三维坐标系中轨迹，实现目标的可视化。

本发明提出的基于声阵列的无人机实时检测和定位系统及方法，可以自动检测无人机并进行定位跟踪，本发明具有以下优势：

1.与传统的二维波达方向角度联合估计方法不同，本系统分别对声阵列的各个线阵进行单独的一维角度估计，大大减少了算法的复杂度；

2.在波达方向估计中，充分利用了无人机的声音特征，采用各次谐波幅值加权的方法得出无人机与声阵列的角度信息，增加了角度估计的准确性；

3.通过铺设多个声阵列，可以扩大待监测区域的范围，能够全方位地应对无人机带来的安全隐患；

4.系统可以提供良好的可视化界面，能够方便地观察出无人机的位置坐标、方向信息，同时可以实时观察到无人机的运动轨迹。

附图说明

图1为实时检测和定位系统组成图；

图2为系统实时检测和定位流程图；

图3为空中运动无人机在时频图上产生的U型高能量区域；

图4为无人机产生的多次谐波频率；

图5为无人机谐波能量加权的非相干子空间波达方向估计流程图；

图6为波达方向角度估计实验结果对比；

图7为十字型声阵列定位原理图；

图8为上位机实时操作界面图。

具体实施方式

以下结合附图对本发明的实施作如下详述：

附图1是整个声阵列定位系统的组成，声音传感器采用声传科技的CHZ-213，同时配置前置放大器。首先系统前端由声阵列组成，每个声阵列由两个线阵构成，每个线阵分别安装4个声音传感器，一个声阵列总计8个声音传感器，相邻两个声音传感器之间的间距为0.17m，保证空间中小于1000Hz的声源信号均可以被有效识别，同时需要至少两个声阵列来确定阵列上方空间中无人机的坐标；然后，声音信号通过NI-9234四通道数据采集卡进行采集，每个采集卡可以同时采集一个线阵上的4个声音传感器信号，每个阵列配置两个采集卡，采集频率为5120Hz，同时将采集卡汇集到采集卡箱，并将所有数据通过数据线统一传输给PC端；最后，PC端负责将采集的数据进行记录并存储到硬盘，并采用LabView上位机嵌入Matlab脚本实时计算和显示无人机的方位。

附图2是该系统运行的流程图，首先由声阵列采集声音信号，每采集一秒钟的数据，通过时频分析的结果和特征进行判断是否为无人机，如果否，则没有检测到无人机，那么继续进行数据采集；如果是，则进行波达方向角度估计。最后将角度和阵列的位置信息转化为无人机的空间坐标信息。

附图3是在空中运动的无人机时频分析结果，可以看出矩形框中的部分即为产生的U型高能量区域，它是由于空中运动物体的声音直接传送给声音传感器和经过地面反射传递给声音传感器所形成的，地面物体发出的声音无法产生该现象。

附图4是无人机从静止到在空中悬停时时频分析结果，可以看出，空间中依次出现了各次谐波，且呈规律分布。实验采用的大疆-精灵3无人机的基频率大约为160Hz，空间中依次出现了基波整数倍频率的谐波，其频率依次为320Hz，480Hz，640Hz等，由该频谱100Hz以上的信号组成的特征向量可用于判断空中飞行的物体是否为无人机。

附图5展示了采用无人机各次谐波能量加权的非相干子空间波达方向估计算法计算无人机方向的过程，每两秒进行一次方向估计。首先将采集到的无人机声音信号矩阵每一秒进行一次进行傅里叶变换得到频谱图，在100Hz和1000Hz之间进行分段频率搜索获得目标信源的向量x(i)，构造协方差矩阵其中N为快拍数，由于每两秒进行一次方向计算，因此N＝2；然后，对协方差矩阵进行特征值分解R_x＝VΛV^H，将特征值进行降序排列，把与目标信号个数相等的特征向量作为信号子空间，剩余部分作为噪声子空间，即构造空间谱函数搜索谱函数最大值对应的θ就是信号源的方向；最后，将无人机各次谐波频率估算的角度按照谐波幅值进行加权得出最终角度，该角度表示无人机与线性阵列法线的夹角，范围是[-90°,+90°]。

附图6展示了角度估计的实际效果，无人机在阵列前匀速平行飞过，与阵列的夹角从正到负依次变化；对比发现，该方法能够较好地估计出无人机的方向。

附图7展示了采用两个声阵列进行无人机定位的方法，如图建立空间坐标系，其中d两个阵列之间的距离，分别为无人机与阵列各边之间的夹角，d₁,d₂分别为无人机到两个阵列中心的距离，A₁(0,0,0)和A₂(d,0,0)分别为两个阵列的坐标。相对于A₁，无人机的坐标可以表示为x＝d₁cosθ₁，相对于A₂，无人机的坐标可以表示为x＝d-d₂cosθ₂，由以上方程可以写出无人机到两个阵列中心的距离分别为那么可以将无人机在空间中的三维坐标表示出来为但是两个声阵列只能将在声阵列上方的区域运动的无人机进行定位，下方则无法区分，可以通过铺设更多的声阵列进行区分。

附图8是LabView编写的实时上位机，该上位机主要由四个部分组成。第一部分是数据采集模块，可以各个声音传感器接收信号记录在一个数组之中，并单独提取出来进行计算，为保证系统的实时性，开辟了缓冲区，解决数据采集速度快于算法计算速度的问题；第二部分为嵌入的Matlab脚本文件，该部分为核心模块，主要是用来检测和定位无人机；第三部分为显示模块，以阵列的位置为参考点建立空间坐标系，实时显示无人机在空间中的坐标和运动轨迹；第四部分是数据记录模块，可以将声的信号存储在TDMS格式的文件之中，便于后续的分析。