基于三麦克风混合模型的三维声源定位方法

《Measurement》：Three-dimensional sound source localization method using hybrid model with three microphones

　　

•一种混合逐步框架实现了使用三个麦克风进行三维定位。
•具有垂直偏移的非共线阵列提供了俯仰角灵敏度。
•基于峰度的角度细化提高了混响环境下的稳定性。
•该方法在测试条件下减少了虚假峰值干扰。
•低通道数设计支持四足机器人声学检测。

引言
在工业 4.0 的背景下，自主移动机器人正逐渐替代人力，并在复杂环境中承担机械设备的检测任务 [1]。目前大多数检测机器人依赖机器视觉获取信息 [2]。然而，视觉传感器易受光照条件影响，且仅能捕捉表面特征。因此，它们无法检测振动异常等非视觉缺陷，也无法精确定位故障位置 [3]。为了克服这些视觉局限性，机器人听觉系统和来自移动平台的声学传感已成为智能时代的研究热点 [4], [5]。声学信号包含丰富的设备健康状态信息，能够在复杂的工业场景中进行非侵入式故障诊断 [6], [7]。将声源定位（SSL）技术与机器人结合，满足了检测期间精确定位故障的需求。

声源定位的核心任务包括两个方面：首先是方向估计，即确定水平方位角和垂直俯仰角；其次是距离估计，即计算声源与麦克风阵列之间的距离 [8]。声源定位方法通常分为两类：传统方法和基于深度学习的技术 [9]。传统的声源定位方法通常可分为基于 TDOA 的方法、波束形成方法和子空间方法 [10], [11], [12]。这些方法主要利用阵列中不同麦克风之间的相对位置和距离关系，通过广义互相关等技术计算信号时延差，从而推导出声源位置。它们建立在清晰的声学传播模型之上，提供了可解释的物理机制 [13]。然而，其中大多数依赖于密集的麦克风阵列以确保稳定的定位性能。当传感器数量减少时，系统冗余度降低，导致定位精度下降，这促使了近期对稀疏阵列配置和欠定声源定位的探索 [14], [15], [16]。基于深度学习的方法采用数据驱动的方式学习声学信号与声源位置之间的映射关系 [17]。尽管它们在真实场景中表现出较高的定位精度和稳定性 [18]，但它们严重依赖大规模标注数据集。当测试场景与训练环境差异显著时，性能往往会显著下降。近期基于三麦克风阵列的深度学习模型试图增强其适应能力，但在低功耗嵌入式设备上进行实时定位仍然具有挑战性 [19], [20]。

为机器人平台配备声学传感器相较于传统的固定监测系统具有许多独特优势。首先，机器人可以在大型工业场景中进行自主检测，而不是局限于固定麦克风阵列有限的传感范围内，从而显著扩大有效监测区域。其次，机器人的移动性实现了多角度声学观测。通过调整位置，机器人可以主动改变声源与麦克风阵列之间的几何关系，这有助于减少遮挡的影响，减轻环境混响干扰，并提高定位鲁棒性。此外，机器人可以主动靠近疑似故障声源以增强信号的信噪比（SNR）。这种物理近距离检测增强了时延估计的可靠性，并最终提高了定位精度 [21], [22]。需要注意的是，这些是移动声学检测的一般平台级优势。本研究开发的定位算法并未明确利用机器人运动、轨迹约束或多视角声学融合；每次定位估计都是基于机器人静止时采集的三通道声学数据计算的。

许多研究探索了声源定位与移动机器人平台的整合。现有方法通常可分为两大类：基于多麦克风阵列的方法和运动辅助定位策略。多麦克风阵列配置通常被采用以提高定位精度。例如，16 通道和 8 通道阵列已被安装在机器人系统上以增强空间分辨率和鲁棒性 [23], [24], [25], [26], [27]。虽然这种配置确实提升了检测能力，但它们显著增加了硬件复杂度和系统成本，给紧凑型移动平台的部署带来了约束。另一类定位方法利用机器人的运动特性来提高定位性能 [28], [29], [30], [31]。通过引入空间运动，这些方法在一定程度上扩大了有效感知范围。然而，它们的精度通常依赖于重复测量或特定的运动轨迹，这增加了时间消耗并限制了灵活性。此外，大多数当前的机器人声学检测系统仍局限于二维平面定位或粗略区域锁定，而不是完整的三维坐标估计 [32]。

综上所述，现有的声源定位技术在应用于机器人平台进行工业设备检测时面临以下两个挑战：1) 大多数现有方法需要复杂的麦克风阵列配置，声学传感器的数量通常在 6 到 16 个之间。此外，一些方法依赖机器人的特定运动模式，这不仅增加了硬件成本和系统复杂度，也限制了在空间受限或具有轻量化设计要求的移动机器人平台上的部署灵活性。2) 现有方法在定位维度上存在局限性。一些方法只能实现二维平面定位，难以满足实际场景中故障声源位置三维空间定位的实际需求。因此，使用最少数量的麦克风实现精确的三维定位已成为一个关键且极具挑战性的问题。然而，减少传感器数量会使定位系统变成欠定系统，从而导致空间模糊。

为了缓解稀疏阵列三维定位中欠定和空间模糊的实际影响，本文提出了一种基于混合模型的声源定位方法。该方法仅使用具有垂直偏移的非共线三麦克风阵列，通过逐步策略解耦角度和距离参数，在约束优化框架下实现包括方位角、俯仰角和径向距离在内的三维位置估计。本文预计有两方面贡献：

首先，本文提出了一种仅使用三个麦克风进行三维声学定位的混合逐步解耦框架。通过近场和远场混合建模方案，角度估计和距离估计被明确分离，将本质上欠定的 3D 定位问题重构为顺序约束优化过程。与保留相同的三维 SRP 目标函数并逐步减小网格间隔或搜索区域的常规分层球面波搜索不同，所提出的框架在各阶段之间改变了传播模型、参数化和优化目标：首先是有界的三维球面波粗搜索，随后是二维平面波角度优化和一维球面波径向搜索。

其次，该方法仅使用三个垂直偏移非共线排列的麦克风，在不依赖大规模麦克风阵列或预设机器人运动轨迹的情况下，实现了稀疏传感下的实用 3D 声学定位。这种轻量化设计保留了物理可解释性和鲁棒性，同时显著降低了硬件要求，使其适用于资源受限的移动检测平台。

本研究的目标不是确定麦克风数量的理论最优值，而是调查在严格通道约束下是否可以使用更少的传感器实现实用的三维定位。四个麦克风可以提供额外的独立 TDOA 约束，理论上更适合完全确定的 3D 定位公式。然而，增加麦克风数量也会增加同步采集通道、信号调理路径、布线连接和成对信号处理操作。因此，特意采用三个麦克风作为低通道数传感配置。所提出的逐步混合框架通过逐步限制可行解空间来补偿独立观测数量的限制。实验结果表明，所得的三麦克风系统在评估条件下能够提供实用的 3D 定位精度。

本文其余部分组织如下：第 2 节建立了所提出方法的数学模型。第 3 节详细介绍了所提出的三麦克风混合模型定位方法。第 4 节进行实验验证和性能评估。最后，第 5 节总结了本文的工作。

章节摘要
声学信号建模
本节介绍了三麦克风阵列的基本信号接收模型，并建立了到达时间差（TDOA）估计框架，为后续定位算法研究提供必要的数学基础。

所提出的方法
基于第 2 节建立的声学信号模型，本节提出了一种高效的由粗到精的逐步解耦 3D 定位方法。为了解决仅使用三麦克风阵列进行 3D 空间定位的欠定和非线性挑战，所提出的方法创造性地利用了近场（NF）和远场（FF）模型的互补优势。如图 1 所示，所提出方法的整体架构解耦了定位过程

实验验证
为了客观评估基于混合模型的三麦克风声源定位方法的性能，使用固定支架和四足机器人平台采集了斜齿轮测试台的声学数据进行验证。实验旨在从三个维度进行定量分析：定位精度、计算效率和参数敏感性，并最终验证算法在...上的工程适用性

结论
本研究提出了一种使用具有垂直偏移的非共线三麦克风阵列的逐步解耦三维声源定位方法。该框架结合了近场 SRP-PHAT 粗搜索、基于平面波近似的基于峰度的角度细化和近场径向搜索。在固定支架和四足机器人实验中，该方法产生的定位误差低于相应的测试 SRP-PHAT 和 MUSIC 实现。在

CRediT 作者贡献声明
陈志：写作 – 审阅与编辑，写作 – 初稿，可视化，概念化。杨斌：监督，资金获取。雷亚果：资金获取，概念化。李翔：调查，资金获取。冯柯：监督，概念化。司少生：监督，概念化。

竞争利益声明
作者声明，他们没有已知的竞争性财务利益或个人关系可能会影响本文中报告的工作。

陈志 | 杨斌 | 雷亚果 | 李翔 | 冯柯 | 司少生