声源定位
复刻一下电赛的声源定位
前言
2023年的电子设计竞赛快要开始了，同时我也已经大三下了正在准备找工作，重新做一下2022年的电赛题目声源定位吧，也为电赛和找工作做点准备。
一、题目
设计制作一个声源定位跟踪系统，能够实时显示及指示声源的位置，当声源移动时能够用激光笔动态跟踪声源。声源检测系统测量区域分布俯视如图所示。
二、设计步骤
1.设计思路
以 k210 单片机为控制核心,由电源模块，音频发生模块，音频接收模块，二维电动云台，激光笔等模块构成。系统通过声源发出一定周期性的音频信号，由 6+1 个 MEMSMic 组成阵列对可移动声源的检测，通过麦克风端接收到的音 频信号，运算后输出电压信号传输到控制端的单片机，单片机使用 PID 算法经串口输出控制信号对电动云台舵机实行控制，使其转向声源方向，以实现对声源的定位追踪过程。
2.声源追踪定位的分析
对声源位置的追踪确过程，本系统采用时间差值法采用麦克风作为声波接收头，音频信号通过空气介质以 340m/s 的速度传播，到达五处麦克风的时间不同，从而不同麦克风接收到音频信号的时间差作为变量，可以推算出可移动声源的具体位置。由于每一个麦克风在接收音频信号的机械特性不一样，对于同一种音频信号的响应时间不用。经过测试，我们发现不同频率的声音在麦克风接受时有不同的效果，通过选用固定频率的声音作为声源信号，可以避免了一般的声音信号的干扰。同时有利于后期滤波程序的编写，软件硬件相结合，更好的克服了在接收音频信号时间差的不确定性。
3.舵机转角的确定
舵机转角，既声源与信号检测装置的连线与中心线 A 的夹角 γ，系统通过声源发出一定周期性的音频信号，由 6+1 个 MEMSMic 组成阵列对可移动声源的检测，通过麦克风端接收到的音频信号，运算后输出电压信号传输到控制端的单片机，单片机通过对各麦克风信号大小的分析，使用 PID 算法经串口输出控制信号
对电动云台舵机实行控制，使其转向声源方向，同时记录此时舵机的所处角度，
与舵机中值进行对比，从而确定舵机转角 γ。示意图如下
(−angle + 90) / 180 ∗ 10 + 2.5
4.声源距离的计算
声源距离既声源 A 与声源定位检测装置 B 两点间直线距离 γ 通过测量同一
音频信号到达麦克风接收器的时间不同，从而三个接收器接收到音频信号的时
间差作为变量，可以推算出可移动声源的具体方向，从而实现了移动声源的精
确定位。公式如下：
文章来源：https://www.toymoban.com/news/detail-456090.html
三、代码编写
声源的代码比较简单，这个难点在于怎么处理杂波，一个是求均值，另一个就是卡尔曼了文章来源地址https://www.toymoban.com/news/detail-456090.html
1.求均值
##########################求均值##############################
def get_arv(times):
i=0
j=0
angle=[]
maxAng=-999999
minAng=999999
sumAng=0
while True:
i=i+1
Angle=get_mic_dir()
if(Angle != -1):
angle.append(Angle)
j=j+1
if(j>=times):
break;
if(i>2*times+20):
break;
if j>2:
for ang in angle:
sumAng=sumAng+float(ang)
if( ang > maxAng):
maxAng=ang
if( ang < minAng):
minAng=ang
return (sumAng-minAng-maxAng)/(j-2)
else:
return -1
##########################求均值##############################
2.卡尔曼滤波
##########################卡尔曼##############################
KF_lastP=1000 #上次的协方差
KF_nowP=0 #本次的协方差
KF_x_hat=0 #卡尔曼滤波的计算值，即为后验最优值
KF_Kg=6000 #卡尔曼增益系数
KF_Q=5 #过程噪声
KF_R=0.01 #测量噪声
def Kalman_Filter(value):
global KF_lastP #上次的协方差
global KF_nowP #本次的协方差
global KF_x_hat #卡尔曼滤波的计算值，即为后验最优值
global KF_Kg #卡尔曼增益系数
global KF_Q #过程噪声
global KF_R #测量噪声
output=0 #output为卡尔曼滤波计算值
x_t=KF_x_hat #当前先验预测值 = 上一次最优值
KF_nowP=KF_lastP+KF_Q #本次的协方差矩阵
KF_Kg=KF_nowP/(KF_nowP+KF_R)#卡尔曼增益系数计算
output=x_t+KF_Kg*(value-x_t)#当前最优值
KF_x_hat=output #更新最优值
KF_lastP=(1-KF_Kg)*KF_nowP#更新协方差矩阵
return output
##########################卡尔曼##############################
到了这里，关于电赛E题声源定位跟踪系统制作全过程的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
