毕业设计论文基于等边三角形麦克风列阵的平面声源定位建模与仿真.doc

《毕业设计论文基于等边三角形麦克风列阵的平面声源定位建模与仿真.doc》由会员分享，可在线阅读，更多相关《毕业设计论文基于等边三角形麦克风列阵的平面声源定位建模与仿真.doc（26页珍藏版）》请在三一办公上搜索。

1、毕业设计说明书(论文) 题 目： 基于等边三角形麦克风列阵的 平面声源定位建模与仿真 指导者： 评阅者： 年 月 日基于等边三角形麦克风列阵的平面声源定位建模与仿真摘要随着科学技术的不断发展，以及相关学科的相互渗透，机器人系统正在向着智能化的方向不断发展。机器人听觉系统同视觉系统一起都是智能机器人的重要标志，通过听觉系统可以实现人机交互、机器人与环境交互。在实际环境下，声音具有可以绕过障碍物的性质，因此可以使听觉与机器人视觉、嗅觉等感官相配合，弥补其它传感器视场有限且不能穿过非透光障碍物的局限。因此,利用声信号处理机制对声源定位技术进行基础性研究，并将其应用于机器人声源目标定位中，是目前智能机

2、器人应用的现实需求，并且声源定位技术在服务机器人领域必然具有广阔的应用前景。本课题通过对麦克风阵列的设计，建立了一种基于仿生学方法的移动机器人听觉系统模型；然后采用基于声音到达时间差的方法实现对特定声源方向的测定。主要内容包括以下几个部分：1.平面声源定位的基本原理2.MATLAB软件介绍及神经网络NNET的应用3.仿真实验及结果分析关键词：机器人听觉，声源定位，声达时间差MODELING AND SIMULATION OD BEAMFORMER BASED ON THE PLANE EQUILATERAL TRIANGLE MICROPHONE ARRAYABSTRACTWith the d

3、evelopment of science and technology and mutual infiltration of related disciplines, robot system is moving towards to the direction of development and Intelligence. Robot vision system together with auditory system is an important symbol of intelligent robot, so robot can realize human-machine inte

4、ractions and robot-environment interactions through the auditory system. In the actual circumstances, as the sound can bypass the obstruction, hearing can be made with the robot vision, sense of smell and so on to make up for the limited field of view and the limitation cannot pass through the barri

5、er of non-transparency for other sensors. Therefore, through the basic research of beamformer technology by using the acoustic signal processing mechanism, we can apply it to the robot goal orientation, because it is the realistic demand of currently intelligent robot applications, at the same time,

6、 beamformer technology in service robot field must have broad application prospects.This text contains the subjects as following：1. The basic principle of planar beamformer2. The introduction of MATLAB software and the application of neural network3. Simulation and analysis of the results Keywords：r

7、obot audition, sound location, TDOA目 次1绪论11.1研究背景及意义11.2研究现状21.2.1国外发展现状21.2.2国内发展现状31.3本课题研究的内容31.4本课题的主要工作过程32平面声源定位的基本原理42.1人耳声源定位的基本原理42.1.1声音的物理性质42.1.2双耳效应52.1.3平面麦克风仿生定位原理52.2麦克风阵列平面声源定位模型的建立62.3小结73 MATLAB软件介绍及神经网络NNET的应用83.1MATLAB软件的介绍83.2NNET工具箱的原理介绍及应用83.2.1原理介绍83.2.2神经网络介绍93.2.3工具箱的原理介绍1

8、13.2.4应用123.3小结124仿真实验134.1系统设计134.2神经网络设计134.2.1训练数据的获得134.2.2网络的生成与测试144.2.3实验过程说明164.2.4函数说明164.3实验结果分析17结 论202.1论文完成的主要工作202.2工作展望20参 考 文 献3致 谢41绪论1.1研究背景及意义随着科学技术的不断发展，以及相关学科的相互渗透，机器人系统正在向着智能化的方向不断发展。我们要求新的智能机器人初步具备环境适应能力、判断能力和运动能力等，从目前的发展来看，研究仍是主要放在机器人的声音识别上，机器人在声源定位方面只是在远场的定位上有初步的进展，精确度不是很高，不

9、是很适合在实际的应用。可以说利用声信号处理机制对声源定位技术进行基础性研究，并将其应用于机器人声源目标定位中，是目前智能机器人应用的现实需求。通过对生物社会行为的人工模拟，使机器人产生适应性强、鲁棒性高的智能行为。这些智能特性使得机器人系统在航空航天、地质探测、医疗服务、交通管理、工农业生产、科学考察以及军事和民用等领域显示出广阔的前景，极大地提高了工农业和国防的现代化程度。数字信号处理技术和声电技术的不断完善和成熟为机器人听觉系统的发展做了良好的铺垫，现在听觉系统的研究已经成为机器人研究领域的重要研究对象，并且为机器人感知技术的研究提供了新的思路。实际上，声源定位技术通过模拟人耳听觉机制，利

10、用声学传感装置接收声波，再利用电子装置将声信号进行转化处理，以此实现对声源位置进行探测、识别并对目标进行定位及跟踪。声源定位技术的优点有隐蔽性强、不易受干扰、低成本、不易被发现等，因此逐渐受到各国的重视，尤其是在军事和民用上有很广阔的前景。比如，潜水艇的声纳对运动声源的定位跟踪就是由声探测系统完成的；地震救灾任务中，使用的声波振动生命探测仪就是利用被困者发出的声音来判断其具体位置的。在声源定位系统中，有效地提高定位精度是科研人员要解决的问题，也是当前研究的热点。要提高精度，就要排除环境中其他噪声的影响，这包括背景噪声、声源回声以及机器人自身电机发出的声音等等，因为这些因素会干扰听觉系统对目标声

11、源信息的有效检测，比如，当噪声与目标声源的性质相近时，定位的精度会大大降低，更甚至会导致定位结果是错误的。另外，我们也要注意软件和硬件的实际问题，要根据现场的情况，设计定位方法简单，计算量小的程序，从而提高效率。因此，如何提高声源定位的精度还有效率问题是必须要解决的关键问题。机器人听觉系统同视觉系统一起都是智能机器人的重要标志，通过听觉系统可以实现人机交互、机器人与环境交互。在实际环境下，声音具有可以绕过障碍物的性质，因此可以使听觉与机器人视觉、嗅觉等感官相配合，弥补其它传感器视场有限且不能穿过非透光障碍物的局限。因此，建立移动机器人听觉系统模型，并对其关键技术进行研究，同时将其应用于复杂环境

12、中执行危险作业任务具有重要的理论意义和应用价值，作为智能机器人听觉感知的关键技术之一，声源定位技术在服务机器人领域必然具有广阔的应用前景。1.2研究现状1.2.1国外发展现状随着科学技术的不断发展，机器人技术备受科研人员的关注。目前机器人的视觉系统有较高水平，技术较成熟，而听觉系统尚处于发展阶段，仍有一大段路去走。1995年，麻省理工学院的Irie等人在机器人Cog和Kismet上安装了简易的听觉系统3，这是关于移动机器人声源定位的最早的研究为今后机器人人工听觉的研究指明了方向，开辟了一个新的领域。1999年，日本会津大学的Jie Huang等人研发出一种装载有实时声源定位系统的移动机器人，该

13、机器人能够在存在混乱的环境中绕过障碍对发声源进行准确定位。2000年以来，日本京都大学研发的SIG系列机器人采用了双耳听觉系统。2004年，IEEE/RSJ关于智能机器人系统的国际会议首次将机器人听觉作为一个研究主题，大大促进了听觉机器人的发展和实际中的应用。最近几年，在机器人听觉方面开始采用了多个麦克风，实现更高效的定位。日本索尼公司研制的QRIO SDR-4XII型号的机器人安装了由7个麦克风构成的听觉系统，澳大利亚CSIRO ICT信息通讯与技术中心的Jean-Marc Valin等人在机器人 Pioneer2上安装了由八只麦克风构成的听觉系统进行了声源定位，这使得机器人具有较好的鲁棒性

14、。综上所述，科研人员在机器人听觉系统上不断摸索前进，使听觉机器人不断成熟，并且各研究机构成功开发的实际产品以及大量丰富的机器人听觉控制技术和方法，对本课题的基于听觉的移动机器人目标定位方法的研究都具有重要的借鉴和参考价值。1.2.2国内发展现状相较于国外对声源定位技术的研究，国内则起步较晚，从事这一领域研究的大学和研究机构相对较少，尤其是应用实际方面，但是随着需求的增加，对基于声达时间差的声源定位技术的研究越来越深入。开展这方面研究工作的单位主要是一些大学和研究所，如中国科学院、南京理工大学、北京理工大学等。中科院声学研究所主要研究声矢量传感器的分布式定位系统在水下宽带声源定位中的应用；南京理

15、工大学主要研究空间目标声定位方法以及风对被动声定位的影响；北京理工大学利用被动声传感器阵列对直升机目标进行定位的实现方法。可以说我们面对的事一个全新的领域，不但要注重理论上的基础研究和创新，更要把成熟的技术应用于工业生产和社会生活中去，方便人们的生活，更好的为人们服务，这也是科研人员不断努力研究的方向。1.3本课题研究的内容本课题针对等边三角型麦克风阵列这一特定结构，根据几何关系，建立平面声源定位解析模型，并通过仿真实验分析其性能，进而利用BP神经网络方法对平面定位计算模型进行拟合以改善系统性能。本研究的主要内容有：1.我们要通过机器人仿生学方法模拟人类听觉系统，建立听觉系统模型，其包括三个单

16、元：传声器单元、预处理单元和定位单元。2.对软件部分进行相应的介绍，并分析结果。本文研究的重点是机器人听觉模型的构建和实现。1.4本课题的主要工作过程1.对本课题进行初步了解，对传感器进行了解，建立本课题实施的初步理论方法，查阅相关文献，完成前期报告。 2.构建机器人听觉系统模型，给机器人安装麦克风阵列作为其接受声音的装置，通过设计适用于机器人目标定位的传声器阵列的拓扑结构，并对声音信号进行预处理，然后利用各阵元信息的相对关系进行定位计算，从而实现声音信息的完整获取和全向定位。3.对建立的实验系统进行调试，以达到预期效果。 4.完成论文初稿；完善最终成果的表达，完成论文定稿。2平面声源定位的基

17、本原理 我们给机器人安装声音接收装置可以使机器人具有识别声音和识别声源方向的功能，可以通过模拟人耳的听觉系统建立声源定位模型：听觉系统根据声音到达两耳的时间差，判断出声源的方向和位置。因此，机器人的听觉系统要具有传声器单元来接收声音信号，并且还需要声音分析单元。综上所述，本课题拟采用麦克风作为阵元构成传声器阵列，用于接收声音，通过设计适用于机器人目标定位的传声器阵列的拓扑结构，并对声音信号进行预处理，然后利用各阵元信息的相对关系进行定位计算，从而实现声音信息的完整获取和全向定位。本章研究了人耳的听觉系统，建立了机器人听觉系统模型。2.1人耳声源定位的基本原理2.1.1声音的物理性质声音是通过一

18、定介质中传播的，属于机械运动，在陆地上，声音的传播介质是空气。在声音传播的过程中，空气分子在声音的传播方向上来回振动，造成空气交替地被压缩和稀疏，形成所谓的密波和疏波。我们视理想状态下的声音波形为正弦，可表达为：但在现实中声音并不是简单的正弦而是一个复杂的波形，我们分析时会用到频率、相位、幅度等物理量。音调的高低由声音的频率高低决定，频率越高，音调越高，二者不是简单的线性关系；响度的高低主要由声音幅度大小决定，幅度越大，响度越高，二者不是简单的线性关系；音色与声音的频谱特性有关，对音乐而言，音色主要由某一基频音的谐波决定。2.1.2双耳效应当声源偏向左耳或右耳，即偏离两耳正前方的中轴线时，声源

19、到达左、右耳的距离存在差异，这将导致到达两耳的声音在声级、时间、相位上存在着差异，这种微小差异被人耳的听觉所感知，传导给大脑并与存贮在大脑里已有的听觉经验进行比较、分析，得出声音方位的判别，这就是双耳效应。双耳时间差和双耳声级差的形成如图1所示。图中声音到右耳的时间短于到左耳的时间，右耳的声强大于左耳图1 双耳时间差和双耳声级差的形成双耳时间差：双耳时间差是指声音信号分别传至两只耳朵时所形成的时间差。由于左右两耳之间有一定的距离，因此，除了来自前方和正后方的声音之外，由其他方向传来的声音到达两耳的时间就有先后，从而造成时间差。如果声源偏右，则声音必先到右耳后到达左耳。声源越是偏向一侧，则时间差

20、也越大。总之，人类对声源的定位机理是通过声音发散到达双耳的时间差和声级差（它们都是声源的方位和声波频率f的函数），将这些差异与以往的经验比较，从而决定声源的方向，是个逆推过程。设计的平面麦克风仿生定位原理与双耳效应相同。2.1.3平面麦克风仿生定位原理根据人听觉系统的双耳效应，我们应计算出声音到麦克风列阵的时间差，然后通过逆向推导，计算出声源的坐标，得出声源的方向。2.2麦克风阵列平面声源定位模型的建立我们给机器人安装声音接收装置可以使机器人具有识别声音和识别声源方向的功能，可以通过模拟人耳的听觉系统建立声源定位模型：听觉系统根据声音到达两耳的时间差，判断出声源的方向和位置。因此，机器人的听觉

21、系统要具有传声器单元来接收声音信号，并且还需要声音分析单元。采用麦克风作为阵元构成传声器阵列，用于接收声音，通过设计适用于机器人目标定位的传声器阵列的拓扑结构，并对声音信号进行预处理，然后利用各阵元信息的相对关系进行定位计算，从而实现声音信息的完整获取和全向定位。声源定位系统结构图如图2。检测定位放大比较整形采集声音传 声 器 模 块预 处 理 模 块定 位 模 块机器人图2 声源定位系统结构图麦克风列阵为等边三角形，我们在三个顶点安装三个麦克风接收声音，如图3所示。XYABCP图3 麦克风阵列和声源的几何关系我们设定等边三角形的边长为1，并且坐标轴原点为三角形的集合重心，可以得出三个顶点的坐

22、标分别为A（0，）、B（，）、C（，），我们假设平面内任意一点的坐标为P（x，y），PA的距离为r1，PB的距离为r2，PC的距离为r3，则：其中（x，y）是随机位置，推出声源到各点的距离，声速是c=340，再根据距离差公式算出时间差：d13=r1-r3；t13=d13./cd23=r2-r3；t23=d23./c由于位置是随机的，所以需要大量的数据来模拟，运算量是比较大的，并且是非线性的问题，怎样快速处理然后得出仿真结果是关键，运用MATLAB软件中的Neural Network Toolbox（神经网络工具箱）可以实现这一目标。2.3小结本章通过对人耳听觉系统的研究，采用声达时间差原理，建

23、立了基于麦克风阵列的机器人听觉定位模型，为实现声源的平面定位打下了理论基础。3 MATLAB软件介绍及神经网络NNET的应用计算机仿真是应用电子计算机对系统的结构、功能和行为以及参与系统控制的人的思维过程和行为进行动态性比较逼真的模仿。人们利用这样的模型进行试验，从中得到所需的信息，然后帮助人们对现实世界的某一层次的问题做出决策。仿真是一个相对概念，任何逼真的仿真都只能是对真实系统某些属性的逼近。仿真是有层次的，既要针对所欲处理的客观系统的问题，又要针对提出处理者的需求层次，否则很难评价一个仿真系统的优劣。3.1MATLAB软件的介绍MATLAB是矩阵实验室（Matrix Laboratory

24、）的简称，它的基本数据单位是矩阵，用MATLAB解算问题要比用其他语言完成相同的事情简捷得多， MATLAB 的应用范围非常广，包括信号和图像处理、通讯、控制系统设计、测试和测量、财务建模和分析以及计算生物学等众多应用领域。附加的工具箱（单独提供的专用 MATLAB 函数集）扩展了 MATLAB 环境，以解决这些应用领域内特定类型的问题。本设计是关于平面声源定位的方针与建模，根据实验要求，我们使用了MATLAB软件，在这次设计中我们通过Neural Network Toolbox（神经网络工具箱）来解决声源定位建模与仿真的实验，计算声源的距离和角度。3.2NNET工具箱的原理介绍及应用3.2.

25、1原理介绍神经元介绍在学习过程中，首先研究了单个神经元的模型图（如图4所示），是一个多输入单输出的非线性原件。我们可以看到输入的部分有P个输入，然后与对应的权重Wi相乘，用表示，再与偏置b相加，得n=，再通过函数f得到输出a。由此得a=f(wp+b)。bafP1P2P3PpW1Wp神经输入n图4 神经元模型在设计多神经元和由多神经元组成的多层神经网络时，我们往往使用图5的表示方式，可以运用矩阵的思想，简化计算的形式。下面对图5进行说明。WbP+fan图5 神经元另一种表达方式左侧的黑色长方形是Rx1的矩阵，表示的是左侧有R个输入，权重W是1xR的矩阵，W矩阵与P矩阵相称，形成1x1的矩阵再与偏

26、置b相加得：n=WP+b，然后a=f（WP+b）。3.2.2神经网络介绍我们说的神经网络，是从现实中生物学神经系统得到启发，是在人类对其大脑神经网络认识理解的基础上，通过计算机模拟，而形成的复杂系统。一般的神经系统是可以调节的，我们通过改变连接点的权重，使一定范围的输入达到特定的输出，最后使输出和目标匹配，以达到调节的作用(如图6所示)。目前，神经网络已经在各个行业广泛应用，因为可以解决目前计算机和人难以解决的问题，广泛的应用前景不可小视。神经网络比较输入输出目标调整权重图6 神经网络控制系统单层神经元网络有R输入元素和S个神经元组成的单层网络如图7所示。输入n21bafnbafnbafWsx

27、pP1P3PpP2神经元层S个神经元图7 单层神经元网络图中P为输入向量的元素个数，S为层中神经元的个数。在一个单层网络中，输入向量p的每一个元素都通过权重矩阵W和每一个神经元连接起来。第I个神经元通过把所有加权的输入和偏置加起来得到它自己的标量输出n(i)。不同的n(i)合起来形成了有S个元素的网络输入向量n。最后，网络层输出一个列向量a。a=f(wp+b)注意输入元素个数P和神经元个数S通常是不等的，我们也并不需要这两者相等。你也可以建立一个简单的复合神经元层，它将上面所示的网络并行的合在一起，使用不同的转移函数。所有的网络都有相同的输入，而每一个网络都会产生输出。 输入向量元素经加权矩阵

28、W作用输入网络。与神经元模型相同，神经网络也可简化成以下的符号，如图8所示：WbP+fanRx1SxRSx1Sx1Sx1输入神经元层图8 神经网络简化符号这里，p是一个有R个元素的输入向量，W是一个SxR的矩阵，a和b是有S个元素的向量。a=f(wp+b)3.2.3工具箱的原理介绍BP网络模型处理信息的基本原理是：输入信号X通过中间节点（隐层点）作用于输出节点，经过非线形变换，产生输出信号Y，网络训练的每个样本包括输入向量X和期望输出量t，网络输出值Y与期望输出值t之间的偏差，通过调整输入节点与隐层节点的联接强度取值W和隐层节点与输出节点之间的联接强度T，使误差沿梯度方向下降，经过反复学习训练

29、，确定与最小误差相对应的网络参数（权值和阈值）。如果输出层不能产生期望输出，则进行误差反向传播，根据误差修正网络的权值和阈值，以减小误差，使网络输出不断逼近期望输出。BP的传输函数为非线性函数，常用的是tansig函数和logsig函数，有的输出层也采用线性函数（purelin）,如图9所示。输入层输出层隐层输入量X输出量YWT图9 典型BP网络结构模型3.2.4应用BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络算法是在神经网络现有算法的基础上

30、提出的，是通过任意选定一组权值，将给定的目标输出直接作为线性方程的代数和来建立线性方程组，解得待求权，不存在传统方法的局部极小及收敛速度慢的问题，且更易理解。3.3小结BP算法是一种有监督式的学习算法，其主要思想是：输入学习样本，使用反向传播算法对网络的权值和偏差进行反复的调整训练，使输出的向量与期望向量尽可能地接近，当网络输出层的误差平方和小于指定的误差时训练完成，保存网络的权值和偏差。4仿真实验4.1系统设计计算机仿真是应用电子计算机对系统的结构、功能和行为以及参与系统控制的人的思维过程和行为进行动态性比较逼真的模仿。它是一种描述性技术，是一种定量分析方法。通过建立某一过程和某一系统的模式

31、，来描述该过程或该系统，然后用一系列有目的、有条件的计算机仿真实验来刻画系统的特征，从而得出数量指标，为决策者提供有关这一过程或系统得定量分析结果，作为决策的理论依据。人们利用这样的模型进行试验，从中得到所需的信息，然后帮助人们对现实世界的某一层次的问题做出决策。4.2神经网络设计4.2.1训练数据的获得我们建立一个artificial neural network，它只是一个没有任何功能的空白network，需要training data（训练数据）来训练网络，使网络符合训练要求。用matlab语言编写程序并说明：clcclearx=randint(1,2000,-50 50); %随机生成

32、1行2000列的X矩阵，范围是-5050y=randint(1,2000,-50 50); %随机生成1行2000列的X矩阵，范围是-5050input1=x;y;r1=sqrt(x.2+(y-30.5/3).2);r2=sqrt(x-1/2).2+(y+30.5/6).2);r3=sqrt(x+1/2).2+(y+30.5/6).2);d13=r1-r3; %计算距离差d23=r2-r3;c=340; %计算声速t13=d13./c; %计算时间差t23=d23./c;output1=t13;t23;input=output1;output=input1;save datadke input

33、 output; 保存在datalke.mat训练数据生成后，保存在datalke.mat文件中，建立神经网络，把时间差作为神经网络的输入端，距离作为输出端。4.2.2网络的生成与测试clcclearload datadke input outputk=rand(1,2000); %归一化的意义m,n=sort(k);input_train=input(n(1:1900),:);output_train=output(:,n(1:1900);input_test=input(n(1901:2000),:);output_test=output(:,n(1901:2000);inputn,inp

34、utps=mapminmax(input_train);outputn,outputps=mapminmax(output_train);TF1=tansig;TF2=logsig;net=newff(inputn,outputn,20,20,TF1 TF2);net.trainParam.epochs=500; %训练次数net.trainParam.lr=0.1; %学习速率net.trainParam.goal=1e-8; %训练目标最小误差net=train(net,inputn,outputn); %网络训练inputn_test=mapminmax(apply,input_test

35、,inputps);%预测数据归一化an=sim(net,inputn_test); %网络预测输出BPoutput=mapminmax(reverse,an,outputps); %网络输出反归一化A=BPoutput;B=output_test;for j=1:100x(j),y(j),z(j)=cart2sph(A(1,j),A(2,j),0);endC=x;y;z;for k=1:100u(k),v(k),w(k)=cart2sph(B(1,k),B(2,k),0);endD=u;v;w;for i=1:100errortheta(i)=C(1,i)-D(1,i);endfigure(

36、2)plot(errortheta,-*b)title(方位角预测误差)for k=1:100errorr(k)=C(3,k)-D(3,k);endfigure(3)plot(errorr,-*b)title(距离预测误差)4.2.3实验过程说明在生成的input和output中的2000个数据中各选取1900个作为训练数据，命名为input_train和output_train，剩下的100个数据作为测试数据，命名为input_test和output_test。对input_train和output_train进行归一化处理，生成新的inputn和outputn，再根据inputn和outp

37、utn的数据训练网络net。对测试数据input_test归一化处理，通过网络net预测输出an，再对an逆归一化得到BPoutput，再使BPoutput与output_test不断比较，调整权重，使其比较结果小到一定的范围，最后训练网络成功，保留生成的参数。其中，TF1=tansig;TF2=logsig；net=newff(inputn,outputn,20,20,TF1 TF2)；建立了一个BP神经网络：网络的输入是100个元素的向量，第一层有20个神经元，第二层有20个神经元，第一层的转移函数是tansig,输出层的转移函数是logsig，是以inputn作为输入向量和以output

38、n作为输出向量，也就是要训练成的向量。4.2.4函数说明tansig和logsig是网络结构的传递函数，tansig函数的值域是（1，1），logsig函数的值域是（0，1），目的都是把输出限定在一个范围内。mapminmax函数目的是归一化，归一化化就是要把你需要处理的数据经过处理后（通过某种算法）限制在需要的一定范围内，即处理把所有数据转化为0,1或者-1,1之间的数，首先归一化是为了后面数据处理的方便，其次是保正程序运行时收敛加快。4.3实验结果分析图10为仿真的界面。这个声源定位系统是用来实现机器人对目标声源的跟踪为目的，预测出方位角和距离，机器人就可以得出目标声源的方向，实现跟踪。图

39、10图11为100组预测数据的方位角误差预测，根据实验结果图可以得出，此程序在方位角的预测上是较准确的，基本没有误差。图中误差较大的是奇点处，计算机处理为无限大，可以忽略不计。远场和近场的随机位置都有，从仿真结果来看，误差分布很均匀，说明神经网络可以应用于远场和近场的方位角预测。图11图12为100组预测数据的距离预测误差，根据实验结果图可以得出，在不同的点，误差在一定范围内上下摆动，误差范围在30。我们大都认为声源的位置是位于远场的，并且声音是以平面波传播的，这样可以通过仿真得到近似的结果。若声源位于近场时，即当麦克风之间的距离相对于声源到麦克风的距离较大时，这种假设就不能成立了，我们得不到

40、可以用的结果。图12结 论2.1 论文完成的主要工作本文谈论机器人在平面上的声音定位，主要是在模拟生物听觉系统的基础上，通过神经网络对声源定位进行仿真模拟，运用几何知识，建立了平面的模型，通过matlab软件，仿真出BP神经网络的参数，达到目的。本文主要研究内容就是建立基于仿生学的机器人听觉定位模型。通过模拟人耳的听觉系统建立如下声源定位模型：、听觉系统根据声音到达两耳的时间差，判断出声源的方向和位置。传声器单元机器人听觉定位模型中的一部分，传声器阵列由三个麦克风阵元构成，用于接收声音, 然后根据声音到达麦克风的时间差进行定位计算，从而实现声音信息的完整获取和全向定位。2.2 工作展望本仿真初

41、步实现了机器人对特定声源的平面定位，在其平面定位理论方面和实际应用方面尚有待于进一步的探讨和研究,主要有以下方面：（1）使用性能指标一致的传声器，这样就能保证麦克风接收到的声音信号没有产生误差或误差可以忽略，这是提高系统定位精度的首要条件。（2）研究声强衰减规律，找出距离与声强衰减的规律，将声强衰减信息加入到方位计算公式当中。（3）将声源定位信息用于机器人路径规划之中。4参 考 文 献1 李磊,叶涛,谭民,陈细军. 移动机器人技术研究现状与未来.机器人, 2002, 24(5): 475-480.2 靳莹, 杨润泽.声测定位技术的现状研究. 电声基础,2007, 31(2): 4-8.3 R.

42、 Irie. Robust sound localization: An application of an auditory perception system for a humanoid robot, Masters thesis, MIT Department of Electrical Engineering and Computer Science, 1995.4 M. Fujita, Y. Kuroki, T. Ishida and T. Doi, .Autonomous behavior control architecture of entertainment humanoi

43、d robot SDR-4X.In Proceedings IEEE/RSJ International Conference on Intelligent Robots and Systems, 2003, pp. 960-967.5 杨亦春, 程翔, 陈庆生, 张元. 反直升机雷弹声探测系统设计. 弹道学报, 1999,11(4):25-30.6 贾云得, 冷树林, 刘万春, 朱玉文, 裴洪安. 一种简易被动声直升机定位系统.北京理工大学学报, 2000,20(3):338-342致 谢本论文是在孙昊老师的悉心指导下完成的，孙老师和蔼可亲，在治学上要求严格，有着坚忍不拔的工作作风，特别在毕设期间给我留下了深刻的印象，这种影响会使我在今后的工作和生活中受益匪浅，在此谨向老师表示深深的谢意。最后，感谢所有支持关心我的朋友及各位评审和答辩的老师。