基于主动探测的移动机器人声源目标定位方法

In order to improve the accuracy and adaptability of sound source localization method based on time difference of arrival and achieve speaker localization for mobile service robot, in this project the mobile robot's motion control combines with the sound source localization technology. And the full-ranged sound source localization model under uncertainty conditions will be built. Through active detection of mobile robot, a high-precision sound source localization can be realized. The main contents include: (1) Establish the full-ranged sound source direction angle calculation model considering the motion uncertainty; (2) Establish the sound source distance calculation model; (3) Design an online optimization method for distance estimation. The project innovation is: (1) Take full account of the uncertainties of the mobile robot's motion to establish the full-ranged sound source direction angle calculation model; (2) Through the active movement of the mobile robot to obtain the sound source distance, and the optimal detection point calculation method based on particle swarm optimization will be proposed. This project can form the original research results, has important theoretical and application value, and is of great significance to promote the development of robotic sensing technology. This research can be applied to home care, rescue and disaster relief, security monitoring, hazardous environment detection, fault detection, and other civilian and military fields.

本项目旨在通过对基于声达时间差的声源定位方法的准确性和适应性问题进行研究，以面向服务的移动机器人对说话人进行定位的实际应用为背景，将移动机器人的运动控制与声源定位技术相结合，在不确定性条件下构建全范围声源定位模型，利用移动机器人主动探测的方式实现高精度的声源目标定位。主要研究内容包括：（1）建立不确定性条件下全范围声源目标角度计算模型；（2）建立声源目标距离计算模型；（3）设计距离估计在线优化方法。项目创新之处在于：（1）在充分考虑机器人运动不确定性因素的情况下，建立全范围声源定向模型；（2）通过移动机器人主动运动实现声源目标距离的测定，并提出了一种基于粒子群优化的最优探测点计算方法。本项目可形成原创性的科研成果，具有重要的理论和应用价值，对推动机器人感知技术的发展具有重要意义，可应用于家庭护理、救援救灾、安全监控、危险环境探测、故障检测等民用和军事领域。

室内环境中的面向服务为导向的智能移动机器人系统，是近年来的一个热门的研究课题。为了提高移动机器人对说话人进行定位的准确性和实用性，本项目将移动机器人的运动控制与声源定位技术相结合，结合机器人的主动运动进行多次定向，进而建立距离估计模型，进而实现移动机器人对声源目标精确定位。通过分析声音传播机制，以给定声源位置为输出，以结合正四面体麦克风阵列模型根据几何关系计算出的声达时间差为输入，利用RBF神经网络适用于多输入多输出系统和非线性系统的特点，对其进行直接逆建模。提出基于RBF神经网络的正四面体麦克风阵列声源定向模型，通过仿真和实验验证了该定向模型的适用性和可靠性。结合机器人运动模型，引入蒙特卡洛概率模型下的粒子滤波算法研究了机器人运动过程中位姿的不确定性。利用已建立的RBF神经网络声源定向模型研究麦克风阵列位姿的不确定对定向声源误差的影响。建立不确定性条件下机器人声源定位模型，通过机器人的主动运动，采用两次定向实现一次定位，得到目标声源的距离信息，分别分析了机器人运动的误差和定向声源的误差对定位声源的距离产生误差影响。考虑移动机器人运动的不确定性导致的第二探测点的不确定，提出一种基于粒子群优化算法的最优探测点计算方法，以指导移动机器人主动运动。实验结果和数据证明，该方法具有较高的有效性和应用性，对推动移动机器人听觉感知技术的发展具有重要意义。在项目进行过程中，设计制作机器人声源目标定位的实验平台1 套，发表论文9 篇，获得发明专利授权1项，培养博士研究生1 名、硕士研究生6名。完成了计划的研究内容，解决了相关的关键问题。