機(jī)器人聽(tīng)覺(jué)系統(tǒng)中指紋定位改進(jìn)方法*

楊 鵬,徐 靜,王碩朋

(1.河北工業(yè)大學(xué)控制與工程學(xué)院,天津 300130;2.教育部智能康復(fù)裝置與檢測(cè)技術(shù)工程研究中心,天津 300130)

移動(dòng)設(shè)備和無(wú)線通信技術(shù)的發(fā)展使得基于位置的服務(wù)[1]近年來(lái)得到廣泛應(yīng)用,例如共享單車、百度地圖、庫(kù)存和倉(cāng)儲(chǔ)。全球定位系統(tǒng)在室外定位表現(xiàn)出色,然而GPS信號(hào)穿透能力弱,難以在非視距傳播信道和多障礙物的室內(nèi)環(huán)境獲得足夠的定位精度[2-3]。因此,國(guó)內(nèi)外投入了大量精力來(lái)尋找適合室內(nèi)環(huán)境定位的短距離信號(hào),如:視覺(jué)信息和聽(tīng)覺(jué)信息。其中,聲音是物體振動(dòng)產(chǎn)生的聲波,相對(duì)于視覺(jué)信息具有傳播全向性和不受能見(jiàn)度束縛的優(yōu)勢(shì)。利用聽(tīng)覺(jué)信息估計(jì)目標(biāo)位置的過(guò)程稱為聲源定位,聲源定位技術(shù)[4]利用機(jī)器人處理麥克風(fēng)陣列接收的聲音信號(hào)來(lái)對(duì)單個(gè)或多個(gè)聲源位置進(jìn)行估計(jì),是一種自然且有效的定位方式,為室內(nèi)定位技術(shù)的發(fā)展提供了新的研究方向。

目前,使用聲音信號(hào)進(jìn)行室內(nèi)定位的方法分為幾何定位法和指紋定位法兩大類。幾何定位法是通過(guò)至少兩個(gè)位置標(biāo)定的參考節(jié)點(diǎn)和未知節(jié)點(diǎn)的幾何關(guān)系獲取未知節(jié)點(diǎn)的位置。該類定位方法需要增加額外的硬件設(shè)施,且在非線性結(jié)構(gòu)化的室內(nèi)環(huán)境中存在模型依賴度高和系統(tǒng)穩(wěn)定性差等缺點(diǎn)?；谖恢弥讣y的聽(tīng)覺(jué)定位方法是一種常用的場(chǎng)景分析法,通過(guò)對(duì)定位環(huán)境內(nèi)聲場(chǎng)信息的感知和邏輯推理對(duì)目標(biāo)定位節(jié)點(diǎn)的位置進(jìn)行估計(jì),可以有效克服幾何定位法的缺點(diǎn),具有定位精度高、模型依賴度低等優(yōu)勢(shì),是室內(nèi)定位的主流技術(shù)。然而在大型室內(nèi)空間中指紋定位法需要面臨兩個(gè)難題:①系統(tǒng)開(kāi)銷大。指紋定位法需要消耗大量的時(shí)間和人力在多個(gè)參考點(diǎn)處進(jìn)行多次數(shù)據(jù)采集,構(gòu)建高維數(shù)據(jù)庫(kù)以提高定位精度。此外,構(gòu)建數(shù)據(jù)庫(kù)和定位目標(biāo)要在同樣的條件下進(jìn)行,若定位條件發(fā)生變化,原有數(shù)據(jù)庫(kù)的使用將會(huì)使定位效果急劇惡化。②定位復(fù)雜度高。指紋定位法多采用最佳匹配算法搜索整個(gè)高維數(shù)據(jù)庫(kù)選擇與待定位聲源特征向量最相似的鄰近參考點(diǎn),嚴(yán)重影響了定位的實(shí)時(shí)性。本文針對(duì)上述問(wèn)題,提出了一種低開(kāi)銷、低復(fù)雜度、高定位精度的基于聲音位置指紋的改進(jìn)室內(nèi)定位方法。

1 相關(guān)工作

基于聲音位置指紋的聽(tīng)覺(jué)定位方法在室內(nèi)定位領(lǐng)域引起了廣泛研究。文獻(xiàn)[5]對(duì)所有參考節(jié)點(diǎn)進(jìn)行多次數(shù)據(jù)采集,記錄各能量比值在每個(gè)參考點(diǎn)出現(xiàn)的概率,然后計(jì)算待測(cè)聲源在這些參考節(jié)點(diǎn)位置出現(xiàn)的最大概率;文獻(xiàn)[6]提出了最鄰近算法,以指紋數(shù)據(jù)庫(kù)中與聲源特征最相似的參考節(jié)點(diǎn)對(duì)應(yīng)的空間坐標(biāo)作為定位結(jié)果;文獻(xiàn)[7]提出了改進(jìn)的K近鄰法,待測(cè)聲源的位置不僅由K個(gè)鄰近參考點(diǎn)的坐標(biāo)決定,而且要考慮它們占有的權(quán)值;文獻(xiàn)[8]提出了基于神經(jīng)網(wǎng)絡(luò)的聲源定位方法,使用數(shù)據(jù)庫(kù)的預(yù)存指紋數(shù)據(jù)進(jìn)行訓(xùn)練,建立一個(gè)基于聲音信號(hào)參數(shù)和位置的非線性映射模型;文獻(xiàn)[9]提出了具有相位變換濾波器的導(dǎo)向響應(yīng)功率法,通過(guò)網(wǎng)格搜索大量的聲源候選位置來(lái)提高混響環(huán)境下的系統(tǒng)魯棒性。這些定位方法能有效改善室內(nèi)定位的性能,但沒(méi)能均衡數(shù)據(jù)采集、處理、選擇的復(fù)雜度和聽(tīng)覺(jué)定位系統(tǒng)的高精度。基于這樣的發(fā)展背景,我們希望在某種情況下,能夠在保持聲音指紋定位精度最高的條件下,確保定位復(fù)雜度最小化,同時(shí)通過(guò)對(duì)參考節(jié)點(diǎn)位置特征的有效利用,保證聽(tīng)覺(jué)定位系統(tǒng)開(kāi)銷的最小化。

指紋定位方法首先要建立由參考節(jié)點(diǎn)的信號(hào)特征和位置構(gòu)成的數(shù)據(jù)庫(kù),本文選取定位精度高且硬件要求低的麥克風(fēng)之間的聲達(dá)時(shí)間差TDOA(Time Difference Of Arrival)[10]作為聲源信號(hào)的特征,然后通過(guò)特征匹配實(shí)現(xiàn)目標(biāo)位置估計(jì)。

設(shè)某定位區(qū)域內(nèi)共有I個(gè)參考點(diǎn),第i個(gè)參考點(diǎn)的二維空間坐標(biāo)是Li=[xi,yi],驅(qū)動(dòng)移動(dòng)機(jī)器人在每個(gè)參考點(diǎn)處多次釋放位置信息,將多次測(cè)量得到的指紋均值作為參考點(diǎn)的位置指紋儲(chǔ)存起構(gòu)建數(shù)據(jù)庫(kù)。t時(shí)刻在第i個(gè)參考點(diǎn)處獲得的聲音位置特征向量表示為:

(1)

(2)

(3)

第i個(gè)參考點(diǎn)的聲音位置特征向量與其對(duì)應(yīng)的二維空間坐標(biāo)組合構(gòu)成一組位置指紋,記為:

Fi=[Ri,Li]=[ri1,ri2,…,riM,xi,yi]

(4)

將每個(gè)參考點(diǎn)以式(4)的形式形成I組位置指紋,這些指紋以行向量的形式排列構(gòu)成了目標(biāo)區(qū)域初始狀態(tài)的指紋數(shù)據(jù)庫(kù)F:

(5)

當(dāng)移動(dòng)機(jī)器人在待定位聲源發(fā)出聲音信號(hào)請(qǐng)求定位時(shí),分布式麥克風(fēng)陣列將采集這一信號(hào)并上傳至中心處理平臺(tái)提取該點(diǎn)的聲音位置特征信息Fx=[r1,r2,…,rM],rm表示待定位聲源處第m個(gè)麥克風(fēng)與標(biāo)準(zhǔn)麥克風(fēng)之間所接收信號(hào)的TDOA,待定位聲源的位置估計(jì)問(wèn)題可以表示為:

Lx=O(F1,F2,…,FI,Fx)

(6)

式中,Lx表示待定位聲源的估計(jì)位置,O是需要確定的定位函數(shù),本文采用基于特征相似度的加權(quán)K近鄰算法[11]估計(jì)聲源位置。待定位聲源與數(shù)據(jù)庫(kù)F中每個(gè)參考點(diǎn)的距離Di可以反映它們之間的特征相似度。Di的計(jì)算公式如下:

(7)

式中,p≥1。當(dāng)p=1時(shí),Di稱為哈曼頓距離,當(dāng)p=2時(shí),Di稱為歐式距離,當(dāng)p=∞時(shí),Di表示兩位置距離的最大值。實(shí)驗(yàn)表明,p值的選取與定位精度無(wú)線性關(guān)系。

2 系統(tǒng)模型

離線階段,移動(dòng)機(jī)器人在每個(gè)參考點(diǎn)釋放聲音位置信息,具有四路通道的分布式麥克風(fēng)陣列將接收信號(hào)并交由采集模塊進(jìn)行特征提取,其中采樣頻率為100 kHz,采樣周期為1 s。不同位置的參考點(diǎn)擁有唯一的特征標(biāo)識(shí),然后組合這些聲音位置特征構(gòu)建指紋數(shù)據(jù)庫(kù)。在線階段,中央處理平臺(tái)將實(shí)時(shí)檢測(cè)的位置特征和數(shù)據(jù)庫(kù)的預(yù)存信息匹配來(lái)估計(jì)聲源位置。常用的匹配算法有最近鄰法NN(Nearest Neighbor)和K近鄰法KNN(K-Nearest Neighbors)。指紋定位方法的系統(tǒng)模型如圖1所示。

圖1 指紋算法的原理圖

3 本文算法

本文針對(duì)參考點(diǎn)密度對(duì)經(jīng)典指紋定位算法性能的影響,從指紋算法包括的離線采集和在線定位兩個(gè)階段[12-13]進(jìn)行改進(jìn)。

3.1 離線階段

聚類技術(shù)[14]將同一數(shù)據(jù)庫(kù)中的所有元素按照一定的特征規(guī)律分類,它可以減少搜索數(shù)據(jù)庫(kù)的時(shí)間和指紋定位算法的復(fù)雜度,同一聚類內(nèi)的元素相比于聚類之外的元素更加相似,有多種方法可以用于聚類。本文采用基于位置的聚類技術(shù),具體過(guò)程為:將定位地圖分成互不相鄰或部分重疊的相鄰網(wǎng)格點(diǎn)集群,如圖2所示。

圖2 定位區(qū)域劃分示意圖

設(shè)每個(gè)集群包含的元素個(gè)數(shù)為z,為每個(gè)集群定義中心,將聚類后獲得的參考點(diǎn)的位置指紋存儲(chǔ)起來(lái)得到最終的位置指紋數(shù)據(jù)庫(kù)F:

F=[F1F2…FK]

(8)

式中,Fk(k=1,2,…,K)表示聚類k內(nèi)參考點(diǎn)的位置指紋集合,K表示聚類的總數(shù)。

聚類是離線采樣階段的步驟,該步驟不需要在在線定位階段重復(fù),且在線定位時(shí),首先計(jì)算待定位聲源的位置特征與每個(gè)聚類中心的特征相似度,然后選擇與待定位聲源有最佳特征相似度的聚類中心所在的聚類來(lái)估計(jì)聲源位置,省略了搜索整個(gè)數(shù)據(jù)庫(kù)的步驟,提高了指紋定位的效率。

3.2 在線階段

在在線定位階段,首先確定待定位聲源所在的聚類。歐式距離被用來(lái)表示待定位聲源與各聚類中心的位置特征相似度,歐式距離越短,表明聲源與各聚類中心的位置特征越相似,聲源與各聚類中心的位置越接近,聲源在該聚類中心所在聚類內(nèi)的可能性越大,反之,表明聲源與各聚類中心的位置特征差異越大,聲源與各聚類中心的位置距離越遠(yuǎn),聲源在該聚類中心所在聚類內(nèi)的可能性越小。因此,聲源所在聚類的獲得方法為:

(9)

基于位置指紋的室內(nèi)定位方法通常采用遞增式網(wǎng)絡(luò)劃分法和柵格法在定位地圖內(nèi)生成參考點(diǎn),這類方法生成的參考點(diǎn)的密疏分布由定位精度的需求決定,一般情況下,參考點(diǎn)數(shù)量的增加會(huì)使得定位系統(tǒng)的性能有效改善:定位精度提高,定位誤差波動(dòng)趨于平穩(wěn)。本文第4節(jié)通過(guò)實(shí)驗(yàn)驗(yàn)證了參考點(diǎn)數(shù)量對(duì)系統(tǒng)定位性能的影響。但在實(shí)際定位環(huán)境中,存在一定局限。首先,不同定位區(qū)域?qū)Χㄎ痪鹊囊蟛煌?遞增式網(wǎng)絡(luò)劃分法和柵格法在形成參考點(diǎn)時(shí)依據(jù)定位精度定義柵格大小,容易造成局部定位區(qū)域內(nèi)參考點(diǎn)疏密布置不合理的問(wèn)題,為指紋數(shù)據(jù)庫(kù)的構(gòu)建帶來(lái)多余的工作量;其次,同一定位區(qū)域但不同位置的參考點(diǎn)的使用率參差不齊,部分參考點(diǎn)的存在反而會(huì)降低定位精度,參考點(diǎn)的布置合理問(wèn)題存在盲目性。但直接降低參考點(diǎn)的密度,則無(wú)法實(shí)現(xiàn)位置特征的有效匹配,定位性能會(huì)下降。

(10)

如圖3所示,更新后的參考點(diǎn)由離線階段布置在定位區(qū)域內(nèi)的原始參考點(diǎn)和線性插值生成的虛擬參考點(diǎn)兩部分組成,為了降低定位算法的復(fù)雜度,只增加聲源選定聚類內(nèi)的參考點(diǎn)密度,該聚類內(nèi)原參考點(diǎn)和虛擬參考點(diǎn)的聲音位置指紋構(gòu)成了更新后的數(shù)據(jù)庫(kù)。

圖3 更新后的參考點(diǎn)位置示意圖

(11)

argminDkj,j=1,2,…,J

(12)

(13)

式中,e=10-4,加入e是為了避免分母為0。待定位聲源的位置通過(guò)鄰近參考點(diǎn)坐標(biāo)的線性組合得出:

(14)

聲源位置的估計(jì)過(guò)程如下:

4 實(shí)驗(yàn)分析

如圖4所示,定位區(qū)域在一個(gè)6 m ×5 m的長(zhǎng)方形實(shí)驗(yàn)室內(nèi)進(jìn)行且房間墻壁未做隔音處理。采用 NI9215A數(shù)據(jù)采集卡采集麥克風(fēng)接收的聲音信號(hào),具有4路通道的麥克風(fēng)陣列布置在定位區(qū)域的4個(gè)頂點(diǎn),高度為 136 cm,其最佳拾音距離≤10 m;聲源為一個(gè)小型藍(lán)牙音響。采用16個(gè)具有位置標(biāo)定的參考點(diǎn)構(gòu)建數(shù)據(jù)庫(kù),聚類的個(gè)數(shù)為4。

圖4 實(shí)驗(yàn)環(huán)境

參考點(diǎn)數(shù)量和系統(tǒng)定位性能的關(guān)系通過(guò)一個(gè)簡(jiǎn)單的對(duì)比實(shí)驗(yàn)來(lái)驗(yàn)證。實(shí)驗(yàn)環(huán)境內(nèi)噪音約為40 dB,在定位區(qū)域內(nèi)包含4路麥克風(fēng)和13個(gè)測(cè)試點(diǎn)。初始定位地圖布置4個(gè)參考點(diǎn),基于聲音位置指紋的聽(tīng)覺(jué)定位系統(tǒng)僅采用這4個(gè)參考點(diǎn)的聲達(dá)時(shí)間差作為特征構(gòu)建數(shù)據(jù)庫(kù),然后從定位地圖四周向內(nèi)逐漸增加到10個(gè)參考點(diǎn),接下來(lái)增加到20個(gè)參考點(diǎn)、50個(gè)參考點(diǎn)和70個(gè)參考點(diǎn)。在該過(guò)程中,實(shí)驗(yàn)環(huán)境和測(cè)試點(diǎn)的位置等其他測(cè)試條件不變。

如圖5所示,不同參考點(diǎn)密度下的測(cè)試點(diǎn)的平均定位誤差、最大誤差和方差不同,且隨著參考點(diǎn)密度的增加,系統(tǒng)定位精度逐漸提高,誤差波動(dòng)趨于平緩,因此,證明定位區(qū)域內(nèi)參考點(diǎn)的數(shù)量對(duì)定位性能具有顯著影響。

圖5 不同參考點(diǎn)條件下的定位效果

在定位區(qū)域內(nèi)均勻的選取13個(gè)測(cè)試點(diǎn),采用經(jīng)典的指紋定位法(L=0)和改進(jìn)后的指紋定位方法進(jìn)行對(duì)比定位實(shí)驗(yàn),鄰近參考點(diǎn)個(gè)數(shù)N=4。改進(jìn)的定位算法中分別在插值次數(shù)L=2和L=4的條件下進(jìn)行實(shí)驗(yàn),定位結(jié)果如圖6所示。表1總結(jié)了傳統(tǒng)指紋定位算法與改進(jìn)的指紋定位算法在不同插值次數(shù)和參考點(diǎn)數(shù)量條件下的系統(tǒng)性能。

圖6 定位結(jié)果

表1 傳統(tǒng)與改進(jìn)后的定位性能比較

從圖5(a)可以看出傳統(tǒng)指紋定位方法其定位結(jié)果和待定位聲源的實(shí)際位置差距較大,且誤差波動(dòng)劇烈。而圖5(b)和圖5(c)所示的改進(jìn)后的指紋定位方法其定位結(jié)果和待定位聲源的實(shí)際位置保持著高度一致性,且誤差波動(dòng)較小。

表1則說(shuō)明同等參考點(diǎn)密度下,改進(jìn)后的指紋方法的各方面定位性能均優(yōu)于傳統(tǒng)指紋定位方法,且插值次數(shù)L越大,定位精度越高,定位誤差波動(dòng)越小,但綜合考慮計(jì)算機(jī)的運(yùn)行速度和計(jì)算復(fù)雜度,結(jié)合多次實(shí)驗(yàn)驗(yàn)證,當(dāng)插值次數(shù)L=4時(shí),算法在定位精度和實(shí)時(shí)性等方面綜合性能最符合室內(nèi)定位環(huán)境下的位置服務(wù)需求。

5 結(jié)語(yǔ)

本文提出了采用多種策略降低基于位置指紋的室內(nèi)定位技術(shù)的復(fù)雜度,相比于傳統(tǒng)指紋定位法的改進(jìn)如下:在離線階段,優(yōu)化安排在定位區(qū)域內(nèi)的參考點(diǎn)數(shù)量,減少處理數(shù)據(jù)的工作量和構(gòu)建數(shù)據(jù)庫(kù)的開(kāi)銷;采用基于位置的聚類算法構(gòu)建數(shù)據(jù)庫(kù),提高在線搜索數(shù)據(jù)庫(kù)的效率。在在現(xiàn)階段,在選定聚類內(nèi)使用插值方法,結(jié)合位置標(biāo)定的參考點(diǎn)擴(kuò)展指紋數(shù)據(jù)庫(kù)的維數(shù)來(lái)增加待定位聲源附近的參考點(diǎn)密度,提高系統(tǒng)的定位性能;使用加權(quán)K近鄰法選取鄰近參考點(diǎn)估計(jì)聲源位置來(lái)進(jìn)一步降低計(jì)算復(fù)雜度。實(shí)驗(yàn)結(jié)果表明,本文方法降低了參考點(diǎn)密度對(duì)室內(nèi)定位性能的影響力,在保證高定位精度的前提下,有效的減少了指紋算法的復(fù)雜度,提高了機(jī)器人聽(tīng)覺(jué)定位系統(tǒng)的實(shí)用性。