基于卡尔曼滤波算法的声源目标跟踪研究

作     者：戴文丰 

作者单位：华南理工大学 

学位级别：硕士

导师姓名：刘永桂

授予年度：2020年

学科分类：0711[理学-系统科学] 080902[工学-电路与系统] 0809[工学-电子科学与技术（可授工学、理学学位）] 07[理学] 08[工学] 080202[工学-机械电子工程] 0802[工学-机械工程] 

主      题：声源目标跟踪 事件触发 聚类算法 联合概率数据关联算法 

摘      要：定位与跟踪技术已经广泛用于通讯、雷达、医学、声纳、和航空航天等诸多领域,而且相当成熟,但是将定位与跟踪技术应用于声音领域还比较少,所取得的研究成果就更少。由于声音信号不受视线、环境的影响,利用声源信息对目标进行定位和跟踪有着广泛的应用前景,可应用于视频电话会议、智能机器人、声源监控、反狙击步枪等领域,利用声源信息对目标进行定位和跟踪越来越成为新的研究热点。另外卡尔曼滤波算法在目标跟踪应用领域已经具有很成熟的理论算法,本文根据目标的声信号特性通过改进卡尔曼滤波跟踪算法,应用到声源目标的定位与跟踪中。本文的主要工作如下:1、在分布式声阵列传感器网络中采用了基于事件触发的机制来驱动声阵列传感器进行工作,解决了传声器频繁通信造成通信负载加剧的问题,有效降低传声器间的通信负载以及声阵列传感器网络的能量消耗。结合分布式声阵列传感器网络的拓扑结构以及事件驱动机制,我们通过设计合适的声源目标的状态估计方程,充分利用自身节点测量和状态估计信息以及相邻节点的状态估计信息,能够准确地预测声源目标下一时刻状态。采用卡尔曼测量增益和共识增益同时进行修正声源目标的状态估计值,能够提高声源目标跟踪准确度。2、在多声源目标跟踪研究中,由于声阵列传感器所获得的观测数据的不确定性和多目标跟踪环境的复杂性,量测与目标存在不确定配对问题,因此我们采用聚类算法对多目标进行状态初始化,保证正确的数据关联,再应用联合概率数据关联（JPDA）算法进行每个时刻的轨迹跟踪。3、设计开发声阵列传感器网络目标跟踪系统的软件平台,对声源目标的声信号进行处理分析,通过本文研究的算法对声源目标进行精确地定位跟踪,并显示其跟踪轨迹,以达到实时监测及分析声源目标状态的目的。