基于无线光传感器的多节点信息融合声源定位研究

刘文龙 张博阳 包向辉

（绥化学院信息工程学院 绥化 152000）

引言

随着信息技术和通信能力的迅速发展与不断提升，越来越多的信息处理过程依赖声源定位的方式实现，信息处理过程中，只要保证对信息融合时声源的定位准确，便能快速、精准的处理多节点信息[1]，因此，对信息融合声源进行准确的定位是极其必要的。融合声源定位技术简单来说就是利用信号接收装置进行声波信号处理与分析的过程，能够快速获取某一多节点信息的特征及传输目标，也正因此被广泛应用于视频会议、位置环境探索等方面。

传统的声源定位多使用麦克风阵列的方式，通过模拟麦克风的传声原理，使信息声源的信号具有增益高、抗干扰能力强的效果，但在实际应用中，由于受到阵列孔径的限制[2]，且信息特征的复杂性逐渐增强，导致最终的定位效果并不理想。随着无线通信技术的日益成熟，具有感知能力、计算能力和通信能力的无线光传感器随之产生，能够利用线光的快速传播，实时检测、采集并处理多节点信息，再直接通过无线光传感器感知客观信息，从而极大的拓宽信息处理的方式及认知可观信息的能力。

在这样一个大背景下，本文提出并设计了一种基于无线光传感器的多节点信息融合声源定位方法。同时，为验证该方法的有效性与可行性，在VC6.0++系统内进行声源定位仿真实验，结果表明，利用无线光传感器，能够准确、快速的实现信息融合声源的定位，与传统方法相比具有显著的优势，鲁棒性较好，具备实际推广意义。

1 多节点信息融合声源定位方法设计

1.1 收集节点信息

无线光传感器能够对多节点信息传输过程中产生的信号波进行搜索，因此，直接采用无线光传感器将信息融合声源产生的信号波能量调制到最大功率，实现快速、准确的收集多节点信息。利用无线光传感器收集多节点信息并分析其特征的具体过程如下：

将要定位的信息融合声源均匀分布在无线光传感器内，形成一个圆形阵列，将这个阵列按照某一时刻内存在的声源数量进行分区[3]，那么处于二次分区内的多节点信息必定是活跃的，这些活跃的信息传输时会产生大量的信号波。假设这些信号波有M个圆形阵列，N个接收信号波的无线光，则关于N与M的函数关系如下：

分析式1可知，每个圆形矩阵都有1/2个无线光进行接收，这种接收状态下的多节点信息能够自动生成其特征函数，则关于这些信号波的函数选择形式如表1所示。

根据表1所示的函数选择形式，对上述收集到的多节点信息进行非线性优化，以获取真实的声源位置，并对其可控信号波进行估计，达到与信息融合声源位置等价变换的效果，为下一步的多节点信息融合过程提供数据基础。

1.2 融合信息声源背景

多节点信息融合声源的定位过程，最重要的就是将信息与背景进行融合区分，区分过程中，无线光传感器能够依据线光特征级对多节点信息进行融合提取[4]，并根据信息特征对目标对象进行判别、分类，结合简单的逻辑运算，若满足执行逻辑，则将这些信息面向决策需要进行检测。这一过程中，还可以利用无线光传感器的决策级融合方式，将多节点信息与其声源背景进行区分，以保证最终声源定位结果的准确性。为增强背景融合的效率及准确率，将多节点信息采取强兼容的形式进行传输，获取其均值差。本次研究随机选择几个声源位置，对其均值进行计算，具体均值差比较如表2所示。

表2中，A～J均为多节点信息融合时声源的实际位置；活跃区代表声源的空间位置。

通过上述比较计算，得到关于多节点信息的离散特征，分析可知，信息融合声源能在某一离散频率上进行融合处理，这一过程中不考虑多节点信息的噪声特征，直接按照声源的传输位置对其活跃度进行计算[5]，计算过程如下：

表1 多节点信息的函数选择形式表

表2 信息融合均值比较结果

式中，S(N)代表信息融合声源的活跃度；代表信息声源位置的最小值；k代表狄拉克系数，能够准确获取每个多节点信息传输的线光点数；Nf代表f个无线光传感器的敏感系数。

至此得到各个信息融合声源的活跃值，通过下式计算，便可得到声源与背景的融合区分模型：

式中，j代表信息融合声源区分函数；δ代表有效线光率； ri代表初步融合结果；θ代表与ri距离最近的节点估计角。

结合式（3），将某一时间内的多节点信息进行活跃值预测，同时，对其声源位置进行初步检测，为下一步的声源跟踪与定位计算做准备。

1.3 目标声源跟踪算法设计

在不确定多节点信息初始状态的情况下，传统的麦克风阵列法是通过声源计算的方式获取目标省源的位置并进行跟踪，虽能实现目标声源的跟踪过程，但跟踪过程中产生的误差量较大，且耗时较久，跟踪精度也无法保证[6]。针对这一问题，本次研究引入混合高斯函数，在不保证多节点信息通信质量的前提下，利用高斯函数的非线性特征，对信息融合声源的位置进行有效跟踪。

在实际跟踪过程中，并不能保证信息声源是没有位置偏移差的，因此方差计算值不具代表性[7]，而混合高斯函数便能根据这一非线性特征，对信息声源的位置进行完全随机的掌控与观测。且随着信息节点的增加，融合时产生的声源滤波步数也会大幅增加，大大提高了信息融合声源跟踪的难度[8]。选择初始滤波作为高斯函数的首要计算目标，将进行随机观测，记录每一时刻声源的初始滤波，并计算其均值。滤波均值计算函数如下：

式中，P代表多节点信息声源滤波均值；Hk代表被处理的声源信号与无用噪声信号的方差；n为整数，代表随机观测次数。

将每次跟踪的声源滤波均值进行特征统计，并发现其线性规律[9]，再利用混合高斯函数的非线性特征将滤波均值中和。根据不同的最优准则[10]，获取最优跟踪路径，在利用高斯函数，将最优跟踪路径进行递推计算，得到目标信息融合声源的跟踪最优解，如下：

式中，Pk代表信息融合声源跟踪的最优解；∂代表滤波均值的线性规律；ε代表高斯函数的非线性规律；Fi代表反馈信息中心。

将每次更新后的信息声源进行重新跟踪路径最优解的计算之后，保留计算结果，得到关于多节点信息融合声源的最优跟踪路径。

2 实现多节点信息融合声源定位

在收集到的多节点信息融合声源的基础上，针对最优跟踪集合Pk最优解进行声源的初步定位，计算如下：

式中，M代表信息融合声源初步定为结果；um代表进场节点信息总数；uq代表初步定位的节点信息融合声源总数；Σ在式（6）计算过程中代表求和操作。

为了保证信息融合声源定位的准确性和高效性，在初步定位结果的基础上扩大目标定位区域，利用无线光传感器收集到的所有节点信息组成的规律[11]，将所有线光都应用到声源定位过程中。同时通过动态节点选择的方式对选取的最优跟踪路径进行迭代计算，以避免偏差较大的节点信息影响最终的声源定位效果。

利用加权最小二乘法对信息声源的融合做准备[12]，并构造观测信息集，针对多节点信息的角度及距离[13]，引用欧式距离计算准则[14]，准确获取每相邻两个信息融合声源的间距，并根据间距计算结果，得到关于多节点信息融合声源的定位模型，其函数表达式如下：

式中，AM代表多节点信息融合声源定位模型；λi表示每相邻信息声源间的角度距离；γi表示两个不同节点信息的平行估计值。

经过上述定义，将无线光传感器定位方法进行一次多节点信息融合声源的定位推演，在收集并分析多节点信息特征的基础上，利用混合高斯函数的非线性特征对声源的跟踪路径进行计算。同时，结合欧氏距离原理，得出关于多节点信息的定位算法，并简化计算步骤，实现对多节点信息的快速、准确定位。

3 仿真实验

为了验证本文设计的声源定位方法的有效性进行仿真实验。实验选择2 Duo（TM）Intel（R）模块，其CPU 为E7500@2.93 GHz，内存为8 GB RAM，系统采用Win10 OS，终端选择PC端，编程实现在VC6.0++平台内进行[15]。同时，为增强实验结果的说明性，采用传统麦克风阵列定位法进行实验论证的对比，对两方法的声源定位效果进行对比。

3.1 声源定位效果对比

对于多节点信息进行声源定位测试，实验结果如图1所示。

通过对图1的分析可知，图1（b）中传统的麦克风阵列定位方法偏离目标中心位置的概率较大，且还出现错误定位现象的出现，对多节点信息的声源定位精度低，这是由于麦克风阵列法自身存在的问题，很难克服这一缺陷，导致最终的定位结果无法达到理想的效果。

图1（a）为本文设计的无线光传感器声源定位效果，分析可知，该方法能够直接对多节点信息传输过程中的光源信号进行追踪，较传统方法的定位精度高。这是因为利用无线光传感器定位时，能够将多节点信息的跟踪目标及节点损耗同时考虑，并选择最优的无线光进行定位，既节省了定位时间，又能减少背景对跟踪目标的不利影响，准确对多节点信息进行定位，获得令人满意的信息声源定位结果。

3.2 鲁棒性测试结果分析

为了分析声源定位方法的鲁棒性，选择各种类型的多节点信息进行定位测试实验，结果如图2所示。

从图2中可以清楚看出，本文方法对多节点信息进行声源定位时，其波动幅度较低，定位过程中，仅在0 °左右波动，最大幅度角不高于5 °。而传统方法进行声源定位时，虽能完成定位任务，但定位过程中的波动幅度过大，容易造成定位不稳定现象的出现，对最终的定位结果造成影响。通过上述分析可以确定本文设计的无线光传感器定位方法的有效性，鲁棒性要优于传统的麦克风阵列定位方法。

3.3 声源定位速度对比

在多节点信息融合声源定位的实际应用中，由于即时跟踪声源的情况较多，且多节点信息结构复杂，因此采用目标信息的平均跟踪时间作为衡量标准，对比两方法的实时定位速度，结果如图3所示。

图1 声源定位效果对比

图2 定位鲁棒性测试结果

图3 故障检测精度对比

分析图3可知，本文方法进行信息融合声源定位时，其最长的定位时间也要低于2 s而传统算法定位时，最快的定位也要在3 s左右，因此可以看出本文定位算法的优势。计算可知，本文方法的平均定位时间要少于传统方法的平均跟踪时间，能够有效提高多节点信息的融合声源定位速度，满足实际应用需求。

4 结束语

多节点信息融合声源定位是计算机视觉研究中的热点，本文充分利用无线光传感器声源定位的实时性，设计了一种无线光传感器声源定位方法。并通过仿真实验的方式确定了该方法的有效性，能够快速、准确、稳定的进行信息融合声源的定位，具备实际推广意义。但在本次研究过程中还存在一系列不足，例如信息采集过程中，没有对多节点信息进行降噪处理，导致最终的定位结果存在一定的误差，虽没有对定位结果造成严重的影响，但仍希望在下次研究时，能够针对不足进行更多的研究，以将定位误差无限趋于零，进而为我国多节点信息的处理提供理论依据和参考。