三维定位技术范文（精选7篇）
三维定位技术 第1篇
1基于相位差变化率的三维定位原理
利用相位差变化率的三维定位, 是利用空中运动平台所携带的三单元天线阵获得的目标辐射源辐射波的相位差变化率信息, 从中获取辐射源的方位、俯仰信息以及距离信息, 从而对辐射源进行定位[5], 其定位原理如图1所示。
选机腹下机身轴与机翼轴的交点0'作为机身代表点, 建立载机三维直角坐标系如图1 (a) 所示。机载运动平台上两副相位干涉仪接受目标辐射电磁波相位差信息几何图, 如图1 (b) 所示。图中, 为在机身轴上相位干涉仪的两个单元天线, 间距及基线长度为为接收到目标的来波方向, 目标相对于观测平台的方位角和俯仰角为β、ε。
由图中的几何关系可得二单元天线阵接收目标来波信号的相位差变化率分别为
式中, fT为到达观测平台的来波频率;分别为β、ε的导数;c为光速。
假设在时刻i, 目标相对于观测平台的方位角和俯仰角分别为βi和εi, 目标的位置为 (xT, yT, 0) 。由几何关系知
由此可得到目标辐射源的位置为
利用相位差变化率测距定位的过程中所要用到的定位参数有当这些测量参数的精度足够高时, 可实现对目标的实时定位。
2 定位误差分析
定位误差与参数的测量误差有关。假设各测量误差相互独立, 且均服从零均值的高斯分布, 记为
对以上两式取微分, 求偏导数可得
3 定位误差与测量误差的关系
图2为根据上述公式计算结果绘出的某时刻 (观测站位置 (0, 0, 15 km) ) GDOP曲线。参数指标为:辐射源信号频率f=3.0×109Hz、基线长度dx=10 m、dy=10 m。误差指标为:, 运动速度
在各测量参数精度已知情况下的定位误差几何分布 (GDOP) 如图2所示, 定位精度的大小随着定位距离的增大而增大, 且与方向有关, 即在干涉仪观测平台的运动方向, 观测精度低。而在远离平台运动的方向, 定位误差则相对较小。定位精度不存在基线方向的模糊性, 仅仅在速度方向上不可观测, 提高了定位的可观测性。
从图3可看出, 相位差测量误差σφ对定位精度的影响在各方向上不均匀, 具有较强的方向性。目标越靠近V直线, 由σφ引起的定位误差越大。目标越远离V直线, 由引起的定位误差越小。
由图4可看出, 相位差变化率精度对定位精度的影响较大, 且具有较强的方向性。
4 结束语
三维定位技术 第2篇
1 材料与方法
1.1 放疗设备
>70 cm孔径旋CT模拟定位机、治疗计划系统(TPS)、直线加速器、手动多叶准直器及头、体架。
1.2 体位固定
根据病情需要选择体位,以仰卧位和俯卧位为主。头颈部肿瘤采用头架和面膜固定,体部肿瘤采用真空袋固定,均按治疗体位进行固定。
1.3 CT扫描
患者体位固定后,使头颈部立体定位框架或体部立体定位框架X、Y、Z轴的零位与激光定位线三线重叠。并在患者体表或固定装置上划出定位线。定位点最好放置在刚性结构上,形成的定位中心靠近肿瘤。然后行CT扫描,扫描范围包括拟照射的部位,并适当扩展层面,扫描方式为连续螺旋扫描,层厚3~5 mm,扫描后,CT图像信息传入TPS计算机内。
1.4 计划设计
临床医生在TPS上勾画出肿瘤靶区和危及器官,并给予处方剂量。放射物理师在CT影像找出定位点和定位中心,根据CT图像信息重建三维图像,按照放疗的原则,进行放疗计划的设计,从各个平面(横断面﹑冠状面﹑矢状面)观察剂量曲线分布,动态显示靶区剂量分布的三维立体图像,评价剂量体积直方图。经临床医师审核后,优化方案得出三者的放疗计划,然后将治疗参数传至治疗机,并打印出需要的图像和数据。
1.5 治疗机复位
患者在治疗机上固定后激光点对准定位点,完全重复出CT扫描时的体位。根据TPS提供的参数,利用治疗机的三维坐标系统,将激光中心移到等中心治疗的中心,在患者体表或固定装置上做好等中心照射的各种标记并划线。
1.6 实施放疗和观察疗效
将患者置于等中心治疗的中心后,按照设计的参数实现照射野。使用多叶准直器形成适形照射野,必要时制作低熔点铅挡块。使用治疗机拍摄照射野验证片,验证合格后对患者实施放疗。
1.7 观察指标
在放疗结束时及放疗后3个月复查评定疗效:根据WHO疗效评价标准[2]评定肿瘤退缩情况,分为完全缓解(CR),部分缓解(PR),无变化(NC),进展(PD),CR+PR为有效。根据RTOG标准评价正常组织的急性毒副作用[3]。
2 结果
我科于2006年5月~2008年5月,对120例肿瘤患者应用CT模拟定位实施了3-DCRT。其中,鼻咽癌52例,肺癌20例,食道癌33例,脑星形细胞瘤12例,上颌窦癌3例;男76例,女44例;年龄16~71岁。全组病例中,完全缓解34例(28.7%),部分缓解47例(39.1%),稳定36例(30.0%),进展3例(2.5%),总有效率为67.5%(81/120)。
CT定位时按放疗体位进行扫描,此体位在放射治疗机上能完全重复出来,根据TPS设计的参数在治疗机上复位,结果准确可靠。使用治疗机拍摄照射野验证片,与三维TPS的数字影像重建技术(DRR)图像进行比较,两者吻合度令人满意,头颈部误差<3 mm,体部误差<4 mm。
从体位固定至完成计划设计所需时间平均为120 min,其中,体位固定10 min,CT扫描5 min,影像传输5 min,靶区勾画和计划设计100 min。
3 讨论
放射治疗是治疗恶性肿瘤的主要方法之一,常规外照射技术,比较符合传统放射生物学基础的治疗方法,而立体适形放疗新技术,由于其适形性强,相对副作用明显降低,从而使提高放疗总剂量、改变分割方式及缩短治疗疗程变成了现实,因而提高了相应的放射生物学及物理学效应,从而使治疗效果得到了提高。
三维适形放疗是采用立体定向技术在直线加速器上附加特制铅块或多叶光栅等技术实施共面或非共面照射,在三维空间上照射野与肿瘤靶区形状一致,由于可以使治疗体积与靶区体积近似适形,靶区更精确,放射野更小更适形,照射野更多,可以增加放疗剂量和减少正常组织的受照射容积,提高局部控制率和生存率,同时减轻反应[4]。
应用放射治疗模拟机对3-DCRT计划进行治疗模拟,可以及时纠正、弥补各个环节在实施过程中出现的不足之处,使照射区得到清楚显示,验证临床医师勾画靶区的范围、重要器官的保护、铅模制作是否达到计划设计的要求,以及照射野是否有移位而造成重要组织的放射性损伤和肿瘤照射剂量不足等问题,以达到进一步提高3-DCRT的疗效。
X线模拟定位机曾在放疗中起着重要作用,但其对软组织的分辨能力有限。随着精确放疗的发展,逐步为CT模拟定位机所取代[5]。
74中国医药导报CHINA MEDICAL HERALD
应用CT模拟定位能准确地显示肿瘤范围和周围危险器官的轮廓,通过对肿瘤靶区(PTV)的适形度来增加照射剂量,减少危险器官的照射体积和剂量,从而减少晚期损伤的几率,从而增加肿瘤控制而不增加正常组织毒性的方式来提高放疗的治疗增益比[6]。
全身任何部位的肿瘤均能应用CT模拟定位开展放疗,对于鼻咽癌﹑喉癌﹑脑肿瘤﹑肺癌等常见肿瘤,CT模拟定位明显优于X线模拟定位[7]。
应用CT模拟制订三维放疗计划,所需时间平均为120 min,比常规模拟定位制订放疗计划所需时间长,但患者只在体位固定和CT扫描时参与该过程,平均时间为15 min,比常规模拟定位时间短。因此,该技术特别适合因各种原因难以坚持较长时间定位的患者,例如呼吸困难﹑骨痛的肿瘤患者。
随着科学技术的不断进步,放射治疗技术取得了很大的进展,立体定向放疗、三维适形放疗、调强放疗新技术在临床先后广泛应用。三维适形放疗是利用立体定向技术对病灶进行精确定位,采用多角度适形野对肿瘤靶区给予高剂量照射,而对周围正常组织给予很好的保护的先进技术,适应广,已具备CT模拟定位、TPS及高精度放射治疗设备的单位均可开展。普及三维适形放疗的技术,对提高肿瘤的治疗率及生活质量具有重要意义[8]。精确放疗已经成为21世纪放疗发展的方向。
参考文献
[1]殷尉伯,余子豪,徐国镇,等.肿瘤放射治疗学[M].3版.北京:中国协和医科大学出版社,2008:1018-1019.
[2]孙燕,石远凯.临床肿瘤内科手册[M].3版.北京:人民卫生出版社,2007:147-148.
[3]Cox JD,Stetz J,Pajak TF.Toxicity criteria of the radiation Therapy On-cology Group(TTOG)and the European Organization for Research and Treatment of Cance(EORTC)[J].Int J Radiat Oncol Boil Phys,2004,31(6):1341-1346.
[4]Wu KL,Jiang GL,Liao Y,et al.Three-dimensional conformal radiation therapy for non-small-cell lung cancer:a phaseⅠ/Ⅱdose escalation clinical trial[J].Int J Radiat Oncol Biol Phys,2007,57(5):1336-1344.
[5]Ragan DP,Forman JD,He T,et al.clinical results of computerized to-mography-pased.Simulation with laser patient marking[J].Int J Radiat Oncol Biol Phys,1996,34(3):691-695.
[6]夏廷毅,范乃斌,孙庆选,等.CT模拟在放射治疗中的应用[J].中华放射肿瘤学杂志,2000,9(4):260-261.
[7]吕庆文.CT模拟定位放疗系统的研究[J].医疗卫生装备,2003,24(10):255-256.
有砟线路三维定位及精确测量 第3篇
关键词：三维定位,定位桩,精密测量,起道量,拨道量
随着高速铁路迅速发展,无砟轨道和有砟轨道都有着不同的发展规模,无砟轨道因其覆盖精测网和相配套的精密测量仪器,能够为维修养护提供准确的作业数据,而有砟轨道无论新开通线路还是大提速后的既有线,精测网覆盖不到位,没有相配套的精密测量仪器,不能为维修养护提供准确作业数据,因此如何做好有砟轨道的维修养护是我们面临的问题。
为了做好有砟轨道线路设备维修管理,提高维修技术水平,满足线路高平顺性、高稳定性、高可靠性的要求,需要对线路进行精确测量并准确定位,因此我们应积极采用新技术和先进的测量、施工作业方法,优化作业组织,提高线路检修质量,“线路三维定位”系统就是其中一项新方法。
近些年三维定位技术在铁路线路中逐步应用,通过建立永久性定位桩,固定轨道结构,为日后维修养护制定标尺,但对定位桩如何定位及精确测量,在各个地方都不相同,在此谈谈自己的想法。
1 三维定位概述
1)“线路三维定位”系统是通过在线路上设立定位桩,对线路横向、纵向距离,高程进行定期观测控制管理的系统。
2)“线路三维定位”系统能够监测控制线路形状的固定位置,指导大中维修及日常线路的施工养护维修,它能够准确固定保持线路位置,进而保证和提高线路设备质量,对确保线路高平顺、高稳定性、高可靠性起着重要的作用。
3)“线路三维定位”系统是高速铁路和提速干线实施线路定位管理的新方法,它对保证有砟线路的质量发挥了重要作用。同时它对其他线路的线型控制也有很好的作用。
2 “线路三维定位”系统的布置
定位桩的布置包括直线定位、曲线定位、道岔定位。
1)直线定位:
每50 m布置1个桩,可布置于两线间或上下行分别布置(建议上下行分别布置不仅是因为路肩处容易布置:而且可以为日后大机作业提供方便);
2)曲线定位:
每条曲线于曲线要素处布桩分别为直缓点、缓圆点、曲中点、圆缓点、缓直点,进入缓和曲线和圆曲线内每10 m布置1个桩;
3)道岔定位:
在进入岔区前50 m开始布桩,每10 m布置1个桩(上下行可共用此桩),进入道岔后,每组道岔设置5个定位桩,其中在基本轨轨头、尖轨中部、导曲线中部、尖轨限位器、辙叉根端各安装1个桩,夹直线每10 m布置1个桩(上下行可共用此桩)。
直线、曲线、道岔布桩应结合现场实际情况科学布桩;
直线和曲线定位桩编号按照里程由小到大进行,道岔区单独编号按照里程由小到大进行。
3 “线路三维定位”系统的测量方法
首先确定测量目标:
一是定位桩即预先布置的有十字标志的控制桩;
一是轨面测量点即与定位桩对应钢轨轨面,其中曲线高程需测量曲线下股,偏距需测量曲线上股。
1)CPⅢ精测网测量法。
当线路布置有精测网时,利用轨道三维控制网(CPⅢ),通过使用全站仪对CPⅢ点进行测量,与CPⅢ网建立坐标系,可以采用后方交会法。
a.使用全站仪进行定位桩测量,得到定位桩坐标x,y,z值(x,y为平面坐标,z为高程)。
b.使用全站仪进行轨面测量点测量,得到轨面测量点坐标x′,y′,z′值。
c.通过定位桩坐标x,y,z值及轨面坐标x′,y′,z′值,使用里程对应公式得到定位桩所对应里程位置Y里程,并得到该里程线路中心坐标X,Y,Z值,根据坐标值计算出定位桩到线路中心的理论高差H理,定位桩到线路中心的理论偏距L理。
d.使用L形轨道卡尺测量,得到定位桩到轨面测量点的实际高差HL,定位桩到轨面测量点的实际偏距LL,并计算得到定位桩到线路中心的实际高差H实
e.计算起道量H起和拨道量L拨:
H起=H实-H理(H实>H理);
L拨=|L实-L理|。
当定位桩在所测行别线路中心的左侧时:
L实-L理>0,拨道方向为左;
L实-L理<0,拨道方向为右;
当定位桩在所测行别线路中心的右侧时:
L实-L理>0,拨道方向为右;
L实-L理<0,拨道方向为左。
f.数据标记:在钢轨外侧标记定位桩到轨面测量点的设计偏距L标=LL±L拨和设计高差H理=HL+H起,为日后维修养护作业提供调整标准。
2)参考点测量法。
当线路并未覆盖精测网时,通过选取一个固定点作为参考点,使用全站仪对参考点进行测量并建立临时坐标系。
a.使用全站仪进行定位桩测量,得到定位桩坐标x,y值(x,y为平面坐标)。
b.使用全站仪进行轨面测量,得到轨面坐标x′,y′值。
c.对多个轨面测量x′,y′数据进行线性拟合,选取最理想线性函数,得到轨面理论坐标X,Y值。
d.使用L形轨道卡尺测量,得到定位桩到线路轨面测点的实际高差H实,定位桩到线路轨面测点的实际偏距L实。
e.计算拨道量L拨:
L拨=L实
当定位桩在所测行别线路中心的左侧时:
L拨>0,拨道方向为左;
L拨<0,拨道方向为右;
当定位桩在所测行别线路中心的右侧时:
L拨>0,拨道方向为右;
L拨<0,拨道方向为左。
f.使用高程标尺对定位桩进行高程测量,得到定位桩高程h1。
g.使用高程标尺对轨面测量点进行高程测量,得到定位桩高程h2。
h.对一系列轨面h2数据进行拉坡重计算,得到轨面测量点的理论高程H理。
i.计算起道量H起:
H起=H理-h2(H理-h2>0)。
j.数据标记:在钢轨外侧标记L标=L实±L拨和H标=H理-h1,标记数据为日后维修养护作业提供调整标准。
上述最后指导现场作业的数据是起道量H起和拨道量L拨,起道量永远为正值,拨道量以小里程到大里程方向为依据,分为向左拨道和向右拨道。
4 建立“线路三维定位”系统台账
因新线路开通后,随着运营时间的增加,线路结构逐步变化,与设计资料比较,线路轨道设备发展不均衡,不能保持良好状态。
既有线路没有设计资料,在进行拨道量和起道量计算时,使用的是优化参数,同时坐标系为临时坐标系,作业后的线路没有设计资料可以比较,因此必须对“线路三维定位”系统建立台账。
1)定位桩台账:
对每一个定位桩编号并记录在册,包括损毁和新建情况;
2)轨面测量点台账:
对每一处轨面测量点编号并记录在册,包括测点所在位置,线路基本情况(线型、坡度、钢轨型号、作业次数)等内容;
3)数据台账:
分为测量数据台账,计算数据台账,作业数据台账,复测数据台账。
通过系统台账的建立,我们可以对“三维定位”系统的了解做到及时性、系统性、准确性。
随着铁路事业的高速发展,通过认真学习和借鉴国外高速铁路建设和运营的成功经验,坚持博采众长,加强自主创新,系统设计,系统集成,在此基础上,构建具有自主创新的技术体系,才能创造我国自有的铁路运输体系。随着大提速的步伐对线路的要求越来越严格,不能只凭借经验和照搬其他国家体系系统,因此通过自己建立数据系统来整理适合自身的工作系统,三维定位系统的建立能通过长期对线路观测,整理和总结数据资料,从而建立适合我国铁路工务管理养护的系统模式。
参考文献
[1]王兆祥.铁道工程测量[M].北京:中国铁道出版社,1998:25-27.
[2]铁道部.中华人民共和国高速铁路有砟轨道线路维修规则[M].北京:中国铁道出版社,2013:3.
三维时差频差定位算法研究 第4篇
对辐射源的无源定位是电子战中必不可少的重要手段。无源定位有多种方法,比较常用的方法有测向定位法、到达时间差(Time Difference of Arrival,TDOA)定位法和到达频率差(Frequency Difference of Arrival,FDOA)定位法等[1,2],这些方法各有优、缺点。测向定位法其定位误差不仅与测向误差有关,还与定位基线长度有很大的关系。时差定位法是一种实时高精度的定位算法,但至少需要3个接收站,定位系统设备量大[3]。为了克服上述定位方法的缺点,加强了对组合定位技术的研究,提出了各种新的定位方法,如时差频差(TDOA-FDOA)无源定位[4]。
双机TDOA-FDOA法常采用二维定位[5],其缺点是精度较低[6]。为了进一步提高定位精度,本文提出了一种三维空间双机TDOA-FDOA无源定位方法。三维空间TDOA-FDOA无源定位是利用2个空中运动的观测载机,通过测量同一个辐射源的到达时间差和频率差信息,并结合地球椭球方程来实现对辐射源的精确定位[7]。该方法定位精度高,适用范围广,已成为无源定位领域中研究热点之一。
1三维TDOA-FDOA定位原理分析
三维空间中2架运动飞机上的接收机同时接收到辐射源信号时,由于辐射源到2架飞机的路径不同,辐射源信号到达两机的时间存在时差,通过这个时差可以确定一个方程(时差方差);如果两机相对于地面辐射源的径向速度不同,辐射源信号到达两机时产生的多普勒频移不同,通过这个频率差可以确定一个方程(频差方差)。将以上2个方程与地球椭圆方程联合起来,采用高斯—牛顿迭代法可解算出地面辐射源的位置参数。
双机三维空间定位场景如图1所示。
设2架飞机在A1(x1,y1,z1)和A2(x2,y2,z2)位置,速度矢量分别为v1(vx1,vy1,vz1)和v2(vx2,vy2,vz2)。辐射源位置为S(x,y,z),速度矢量为v0(vx0,vy0,vz0)。记2架飞机接收到信号的到达时间差为Δt,多普勒频率差为Δfd,假设辐射源目标是地球表面的固定目标,速度为v0(0,0,0)。
目标辐射源到载机Ai的距离为:
undefined。 (1)
式中,i=1,2。
载机Ai测量得到辐射源的接收信号频率为:
undefined。 (2)
式中, fc为辐射源信号的发射频率;(vxi,vyi,vzi)为载机的速度矢量,i=1,2。
根据两载机的测量时差Δt=Δr/c,可得目标到两载机的距离差Δr以及两站测量频率差Δfd:
Δr=r1-r2, (3)
Δfd=fd1-fd2。 (4)
地球椭球约束方程为:
undefined。 (5)
式中,undefined;α为该点的纬度;e为第一偏心率;R为地球赤道半径。
联立时差参数方程、频差参数方程和地球约束方程,利用高斯—牛顿迭代法可以解算出目标的位置坐标。
2几何稀释精度
几何稀释精度(GDOP)反映的是由于观测站几何位置关系影响,各测量误差对总的定位误差的贡献程度[8]。通过GDOP值,可以较为直观地分析出各测量误差、目标位置和观测站位置分别对总的定位误差的影响。
分别对式(3)、式(4)和式(5)求偏导数并整理成矩阵形式为:
CdX=dY+U1dS1-U2dS2-V1dV1+V2dV2。 (6)
式中,
若C可逆,令C-1=B。假设各误差之间是互不相关的,则目标位置估计误差的协方差矩阵为:
E[dX·dXT]=B{E[dY·dYT]+U1E[d1S1·dST1]UT1+U2E[dS2·dST2]UT2+V1E[dV1·dVT1]VT1+V2E[dV2·dVT2]VT2}BT。 (7)
根据GDOP的定义可以得到时差频差联合定位的几何稀释度[9]为:
undefined。 (8)
式中,trace(·)表示求迹运算。
3仿真试验与性能分析
为了定性分析算法的定位性能,下面给出了试验仿真。
试验条件如下:假设目标为地面固定目标,载机1在大地坐标系中的位置为S1(119°,39.135°,7.5 km),飞行速度V1=(300,0,0) km/h;载机2在大地坐标系中的位置为S2(119°,38.865°,7.5 km),飞行速度V2=(300,0,0) km/h;信号载频fc=600MHz,站址误差σs=20 m,测频误差Δf=0.4 Hz,速度误差Δv=0.5 m/s,时差误差Δt=0.2 μs。
在典型场景下,不同时差、频差误差下的GDOP图如图2所示。
比较图2(a)和图2(b)可以看出,频差测量误差一定时,随着时差测量误差的增大,相对定位误差等高线包含的区域变小,即对目标的定位精度越来越低。
比较图2(a)和图2(c)可以看出,时差测量误差一定时,随着频差测量误差的增大,相对定位误差等高线所包含的区域面积迅速变小,即对目标的定位精度明显降低,由此可见FDOA测量误差是影响定位精度的重要因素。
4结束语
针对二维时差频差定位方法对固定目标定位精度偏低的问题[10],提出了三维空间中时差频差定位方法:首先列出了时差方程、频差方程和地球椭球方程,形成了三维空间时差频差定位方程组;然后推导了求解目标位置坐标的高斯—牛顿迭代法,并列出求解过程;最后重点推导了目标位置坐标的几何稀释精度求解公式,并首次仿真给出了不同时差误差和频差误差情况下的双机定位GDOP,为以后的工程实现提供了理论基础。
参考文献
[1]孙仲康,周一宇,何黎星.单多基地有源无源定位技术[M].北京:国防工业出版社,1996.
[2]王奉帅,刘聪锋,张亚.基于互模糊函数的快速时差频差联合估计[J].中国电子科学研究院学报,2011(6):57-61.
[3]崔弘珂,王玉林.三机时差频差联合定位精度分析[J].无线电工程,2011(7):25-27.
[4]冯天军.双机时差频差组合定位研究[D].长沙:国防科学技术大学硕士学位论文,2008:18-69.
[5]齐晓东,刘志文,徐友根.时差频差联合估计算法研究[J].无线电通信技术,2006,32(1):17-18.
[6]张勇,盛卫东,郭福成,等.低轨双星无源定位算法及定位精度分析[J].中国惯性技术学报,2007(2):64-68.
[7]HO K C,CHAN Y T.Geolocation of a Known AltitudeObject from TDOA and FDOA Measurements[J].IEEETransactions on Aerospace and Electronic Systems,1997,33(3):770-783.
[8]朱伟强.高精度时差/频差测量在双站定位中的应用[J].现代雷达,2009,31(3):1-6.
[9]郭福成,樊昀.双星时差频差联合定位方法及其误差分析[J].宇航学报,2008,29(4):1381-1386.
一种基于实景三维模型的定位方法 第5篇
数字地球是一个无缝的覆盖全球的地球信息模型,它把分散在地球各地的从各种不同渠道获取到的信息按地球的地理坐标组织起来,既能体现出地球上各种信息( 自然的、人文的、社会的) 的内在有机联系,又便于按地理坐标进行检索和利用[2]。城市作为人类的聚集地,也是数字地球的组成单元,城市中的楼宇、桥梁、河流都是三维数字化的对象,随着“数字地球”等发展战略的提出和实施,构建城市的数字化三维模型扮演了越来越重要的角色。如图1 是武汉大学行政楼的三维重建模型。
提出了一种基于三维模型的定位方式,首先通过三维激光扫描仪、INS、立体相机等多源传感器构建真实可测量的数字三维模型,并以此为基础实现后期异构源数据与实景三维空间位置的关联,进一步提供一个可浏览、可测量、可追溯的三维空间信息的模型管理系统,用于目标空间位置的定位。整个定位过程分为粗定位和精定位,现主要讲述粗定位方法。
1 相关工作
近些年来,关于室内外定位的解决方案层不出穷。在室外场景中,GPS定位的精度能达到10 m左右,占有着绝对的优势,但是在室内场景中,由于GPS信号受到严重遮挡,无法用于定位,因此专家们提出了许多基于不同技术的解决方案,比如超声波技术、红外线技术、蓝牙技术、射频识别技术等等。文献[3]中将目前一些常用的室内定位方法按照信号测量、位置估算和位置求精三个阶段分别进行了归类和比较,其中第三个阶段是可选的[4]。
文献[5]提出了一种基于CDMA-TDOA的室内超声波定位系统,系统中的中心站负责发射同步指令,目标节点接收信标发射来的超声波,当收到超过三个信标的信号后便可以用定位算法进行运算。而文献[6]则将超声波定位和红外线定位相结合,克服了单一传感器测量的不足,最终实现了精度的提高。LANDMARC ( Loc Atio N i Dentification based on dynamic active rfid calibration) 系统[7]是RFID在定位方面的一个比较好的应用,文献[8]对LANDMARC方法进行了简要的介绍,它主要是基于RSSI( received signal strength indication) 方法,系统中的阅读器读取参考标签和待测点的信号强度等级,对不同参考标签接受到的信号强度赋权值,最后计算出待测点的位置。Wi Fi定位由于其易获取和分布广等特点,是目前应用比较多的室内定位方法,它主要分为三角形算法和位置指纹识别算法( fingerprinting) 两类[9],其中位置指纹算法是研究和应用的主流[10]。文献[11]提出了一种基于Wi Fi和ZigBee的对矿井下人员的定位方法,已经在煤矿中获得应用且效果良好。
目前的室内定位方法都是在特定条件下的主动定位,基本都离不开布置好的室内传感网络和位置已知的节点,而这些东西在未知环境中是没有的,用户的手机也不一定能连接上Wi Fi信号。其次,仅仅知道在室内所处的坐标没有很大实际意义,更需要知道的是所在位置附近的环境信息,从而对自己所处的环境做出判断,这样的定位方式更为直观。因此本文提出了一种基于三维模型的定位方法,得知了在建筑物三维模型中所处的位置,就可以获取到更多的关于周围环境的信息而不仅仅是单纯的坐标。
2 基于三维模型的定位方法
随着“数字地球”、“智慧城市”等城市信息化、智能化发展战略的实施,如何高效构建城市三维虚拟环境成为其中的关键技术问题之一,并将有助于实现公共监控、设施管理、数字生活等城市智能环境的建立[12]。真实场景的三维模型可以包含很多信息,既能细致地还原出场景中的一草一木,也详尽的包含了每个点的坐标信息,这种方法形象生动地向使用者传递他的位置信息,更加的全面、客观、真实。基于三维模型的定位方法主要包括两个步骤: 首先是包含位置信息的三维模型的建立,其次是基于无线电定位技术的粗定位以及基于影像比对技术的精定位。当使用者置身未知环境中,拿出手机对周围的景象拍一张照片,同时手机上的App对他所在的位置进行粗定位得到大概的范围,将这两组数据上传至服务端进行影像比对,最终得到使用者的精确位置并返回到手机上。
2. 1 三维模型的建立
三维模型定位系统的关键在于结合立体相机获取的影像数据和激光雷达的点云数据构建真实场景的三维模型,进一步提供一个可浏览、可测量、可追溯的三维空间信息的模型管理系统,用于目标空间位置的定位。如图3 所示的是实验所采用的三维激光扫描仪,型号是Z + F 2010C。如图4 是三维激光扫描仪所采集的武汉大学计算机学院正面的点云。
立体影像和三维点云数据融合构建三维模型的主要研究内容包括激光雷达和立体相机的联合标定和场景感知,立体像对数据和激光雷达扫描数据的配准是进行数据融合的前提和基础,高精度的数据配准是数据融合的关键步骤。在激光雷达数据与立体像对数据配准和环境认识的基础上,可以实现环境的几何、纹理信息的重建。如图5 是由图4 中的点云贴纹理后重建的三维模型。
对于INS而言,可提供自身或与其刚性连接设备的相对位置和姿态参数。这两种数据源的联合,在场景的三维重建和移动平台自身的定位定姿方面具有优势互补的特点。这包含了两个方面的内容:① 当序列立体影像观察的场景连续时,结合INS和影像自身所能提供的相对位姿信息,对场景进行三维半自动重建; ② 当序列影像观察的场景不连续时,仅通过INS提供的位姿信息进行场景重建,并在具有闭环条件下,对INS进行校正和场景三维模型的优化。INS提供运动平台的初始位置和姿态,在此基础上,通过立体影像确定高精度的位置和姿态,并以此校准INS的时间漂移。
在静止状态下,运用激光雷达可以得到扫描对象的三维模型数据,但是由于存在视角遮挡等原因,扫描出来的模型数据存在缺陷,而INS系统可以测量出自身的姿态和位置信息,因而可以将激光雷达安置在自主运动平台上,得到不同位置下扫描的三维模型数据,同时记录相应位置下的INS数据,以此完成多个三维模型数据的拼接与优化,实现完整精确的三维模型构造。
2. 2 粗定位方法
由于无线电定位技术和影像定位技术在定位精度上存在差异,需要先利用无线电技术进行粗定位,确定目标的大概位置,然后再调用目标周围的三维模型数据,利用透视投影模型与当前实景影像进行比对,以完成精定位。现主要介绍粗定位的方法。
由于讨论的是在未知场景中的定位方法,那么粗定位过程所依赖的信号一定要具有普适性,既要信号强、覆盖面广,又要没有密码易于获得。因此可以选择手机能接收到的GPS信号和基站信号作测量信号,GPS在室外可以用于定位,结合影像比对技术可以进一步提高精度,而在室内可以采用的只有基站信号。基站定位的原理与GPS定位的原理相类似,它是在移动端接收到三个或三个以上的基站信号后,根据信号到达时间和基站位置通过三角公式估算法计算出移动端的位置。常用的信号测量方式有TOA和TDOA。
因为基站的位置信息不易测量和获取,所以采用百度地图提供的LBS定位服务接口,借助它所提供的定位SDK实现粗定位。百度地图Android定位SDK所提供的定位方法有三种,分别是GPS、Wi Fi和基站方法。根据官网提供的数据,GPS定位的精度在10 m左右,Wi Fi定位的精度在27 m左右,而基站定位的精度在240 m左右。如图6 所示是手机App定位的流程图。
在武汉大学电子信息学院室外用手机App所测得的经纬度和精度如表1 所示,实验所使用的手机型号是三星Galaxy S3。
从表中的数据可以看到所测得的经纬度相差不大,能保持在小数点后第三位,将地球看作一个标准的球体,按赤道周长4 万km可以粗略估算出经纬度定位精度在100 m左右。从表中可以看出,基站定位的精度比官网所提供的精度略高,这主要取决于基站的分布情况。
然而基站定位的精度也并不是很高,在室内场景中,特别是在城市这种楼房密集的地方,半径200 m左右可以包括许多建筑物,只缩小到基站定位的范围是不够的,还需要进一步缩小比对的范围。
当定位App在手机上运行的时候,每隔两秒会发送一个请求定位的信号,然后根据是否开启GPS和Wi Fi选择定位模式,最后返回经纬度和精度,这个过程是一直循环的。因此可以从定位模式切换的角度出发,当使用者手里拿着不断更新经纬度的手机从室外走进室内的时候,由于缺少GPS信号,也没有连接上Wi Fi信号,App会自动切换为基站模式的定位,标志就是返回的精度范围不相同,由此反过来可以这样推断,当连续不间断地返回的精度数据范围发生明显变化的时候,这个拿着手机的人已经进入了某一栋建筑物内,那么以最后一次GPS定位的位置为中心点,以定位模式切换的时间乘以人步行的速度得到的距离为半径,可以估算出一个最大的半径,根据实验数据可知手机定位模式切换的平均响应时间为10 s,人步行的速度取最大速度10m / s,计算得最大半径为100 m,这样可以将精定位的范围锁定在中心点附近100 m范围内的建筑物中。用这个方法,在进行图像比对的时候可以大大缩小比对的范围,节省精定位的时间。
2. 3 精定位方法
在基于实景三维模型的定位系统中,精定位是指在粗定位初步确定的范围内确定移动端的准确位置,并将信息实时地返回到用户的手机上。现对精定位方法提出了两种解决方案。
第一种方案是采用基于图像比对的方法,用户将用手机拍摄的周围环境的照片上传至服务端,与实景三维模型中的影像进行比对,然后服务端将比对所得的用户位置信息返回到用户的手机上,然而由于图像比对得到的结果不一定唯一,可以将三维模型中相似度较高的几张影像同时传回用户端,由用户自己选择准确的那一张作为比对的结果,然后返回准确的位置信息。图像比对查询可以分为三个层次: 第一层次是对于图像简单特征,如颜色、纹理等的查询; 第二层次是对于图像个体特征,如分类某目标或者人物的查询; 第三层次是对于图像抽象属性的查询[13]。如图7 所示,图7( a) 是用手机拍摄的照片,图7( b) ~ 图7( d) 是三维模型中搜索到的三张图像,用户根据周围的环境选择相似度最高的图7( b) 即可获得自身的位置信息。
第二种方案则是不用图像比对的方法,直接根据用户上传的粗定位的位置信息和估算出的距离半径,在实景模型中将这一块位置的模型打包发送给用户,然后用户可以在手机上通过多角度查看这一部分的三维模型,找到自己所在的具体位置,从而获得自己的位置信息。这种方法相对基于图像比对的方法操作较为简单,省去了图像比对的时间,用户能直观地在手机上看到自己周围环境的三维模型,也使得定位更加准确。如图所示,图8( a) 所示是用户所处的大概范围,图8( b) 是粗定位之后初步划定的范围,将这一块模型打包发送给用户,由用户自己选择所处的准确位置。
3 小结
提出了一种基于三维模型的定位方法,通过多源数据构建出真实场景的三维模型,用精定位的方法确定用户所在的位置,因三维模型数据量庞大,故需要采取措施先缩小精定位的范围。一般手机都装有GPS芯片,在室外场景可以采用GPS定位的方式确定范围,精度在10 m左右,而在室内由于没有GPS信号,可以采用基站定位及定位跟踪的方式先缩小图像比对的范围,根据实验结果,采用这种方法能将定位的精度保持在100 m左右甚至更低,这样最终实现基于三维模型的精确定位。
摘要：实景三维模型的建立是数字地球技术的一个重要组成部分,它包含了多种多样的地理信息,可以细致地还原出城市的形态面貌。将定位技术与数字地球的概念相融合,提出了一种基于实景三维模型的定位方法,通过将待定位点的影像与多源传感器生成的实景三维模型中的影像信息进行比对来达到定位的目的,由于实景三维模型数据量庞大,在此基础上先进行粗定位,确定用户所在的大概位置,最终将影像比对的搜索范围控制在100 m以内。
三维定位技术 第6篇
随着信息技术不断的完善与发展, 无线传感器网络越来越受到人们的关注, 在环境监测、智能家居、医疗、军事等领域具有广泛的应用前景。无线传感器网络是由一组具有计算能力、感知能力和通信能力的传感器节点以多跳形式组成的自组织网络。通过这些传感器节点能够实现监测和采集网络区域内感知对象的信息, 从而实现目标的监控与追踪, 具有可移动、可靠性高、低成本、易于安装等优点[1]。在无线传感器网络中, 如何准确的获取节点位置或者事物的位置信息已成为广大研究者的热点研究问题之一。然而在实际研究中, 不同的应用场景采用不同的定位算法, 没有固定的定位模型。文献[2]提出了I-LAN-3D的定位算法, 通过继承和扩展二维算法, 降低信标节点的依赖度, 提高算法的定位精度和信标节点的利用率。文献[3]提出了3D-MDS三维定位, 通过搜索最短路径建立轻度相异性矩阵, 采用分布式算法以降低算法复杂度、提高定位精度。文献[4]提出了基于共面度的三维定位算法, 先根据RSSI的值和距离判断移动节点和信标节点模糊的远近判断, 然后再进行质心点的判断, 以达到定位的目的。本文以三维地形为背景来对未知节点进行定位, 以RSSI和加权质心作为理论基础, 通过将点到平面的距离作为权值从而达到提高未知节点定位精度的目的。
1 算法理论
1.1 基于RSSI的定位模型
在无线传感器网络算法研究中, 一般有3种无线信号的传播模型:自由空间 (Free-Space) 模型、双向地面反射 (Two-Ray Ground Reflection) 模型和屏蔽 (Shadowing) 模型[5]。屏蔽模型又分为路径损耗模型和对数—常态分布模型。其中, 使用最为广泛的对数—常态分布模型为:
式 (1) 中, d为信号的传播距离;λ为路径衰减因子, 取值范围一般为2~5;Xσ为均值, 为0;标准差为4~10的高斯分布;PL (d0) 为自由空间传播模型损耗基础值, d0=1m。传感器节点间的接收信号强度为:
式 (2) 中, PR为发射功率, GT为天线增益。
在实际的应用中, RSSI的值可以多次测量得到, PR和GT为已知的量。根据式 (1) 和式 (2) 可以计算出节点之间的距离d。
1.2 质心定位算法
质心定位算法是一种与距离无关的估计定位算法。该原理为信标节点周期性的向周围临近节点发送广播消息分组, 在该分组中包含了该信标节点的节点号和位置信息。当未知节点接收周围信标节点广播的消息分组超过一定时间T或者分组数量达到一定门限K后, 未知节点默认自己位置为所收到的所有信标节点所组成的多边形的质心。假设未知节点通信范围内的信标节点有n个, 节点的通信测量距离为di, 则三维空间的加权质心坐标可以表示为[6]:
2 改进的算法
由于传统的三维加权质心算法所采用的权值为点到点的距离, 当算法中的节点共线时会存在很大的误差。因此本文采用点到平面的距离替代点到点的距离, 本文改进的算法可表示为:已知空间中有Pi (xi, yi, zi) (i=1, 2, 3) , 并且三个点不共线, 记三个点确定的唯一的面方程为:ax+by+cz+d=0。
此时有如下关系:
设平面外任意一点为 (x0, y0, z0) , 则这个点到平面的距离为:
假设在三维空间中, 未知节点的通信半径内有N个信标节点, 此时则可以确定K (K<CN3) 个平面。记 (x', y', z') 到第K个平面的距离为dk, 此时修正质心坐标可以表示为:
3 算法步骤
假设三维空间内, 节点部署在某个平面的附近。根据前面算法的改进, 本文算法的整个定位步骤如下:
(1) 首先信标节点周期性广播自己的编号ID及其位置坐标。
(3) 将信标节点位置坐标和距离带入式 (3) , 设由质心定位算法所得到的位置为 (x', y', z') 。
(4) 已经未知节点的通信半径内的3个未知点坐标, 根据式 (4) 和式 (5) 可以确定一个平面方程。
(5) 求出未知节点到信标节点组成的平面距离dk, 并将相应坐标和距离带入到式 (4) 中, 求出新的估计点 (x'', y', z') 。
(6) 对定位结果进行误差分析, 绝对定位误差计算如下:
式 (7) 中, (x, y, z) 为未知节点真实坐标, n表示未知节点的数目。
(7) 实验过程进行N次, 计算平均误差。平均误差定义为:
4 实验仿真
为了验证本文所提方法的有效性, 在这里利用Matlab进行实验仿真。本文所采用的监测区域的范围为50m×50m×100m, 未知节点数量为200个, 各个节点的通信半径都设置为相同, 节点都采用随机部署方式部署。为使数据更加可靠, 本文对每个结果都进行50次仿真然后再取平均值, 并且和传统质心算法的定位精度进行比较, 仿真结果如图一、图二所示。
图一表示在信标节点数目相同的情况下, 节点的通信半径为30m, 35m, 40m, 45m, 50m时对定位误差的影响。从图一中可以看出, 随着节点通信半径的增大, 质心算法和本文改进算法的定位误差都逐渐减小, 当通信半径为30m时, 质心算法的定位误差超过了16m, 而本文改进算法低于10m;当通信半径增加到50m时, 本文改进算法的定位误差在3m左右, 定位精度比较高。本文改进算法的定位精度平均比质心算法提高了7.22m。
图二表示在节点通信半径相同的情况下, 信标节点数目为40、45、50、55、60时对定位误差的影响。从图二中可以看出, 随着信标节点数目的增加, 质心算法和本文改进算法都呈下降趋势, 本文改进算法的定位误差一直都低于6m, 在信标节点数量达到60的时候, 改进算法的误差低于5m, 与质心算法相比, 本文改进的算法的定位精度平均提高了1.44m。
5 结束语
本文针对传统定位算法在三维地形定位中存在较大误差的问题, 提出基于RSSI加权的三维质心定位算法, 在RSSI测距和质心定位算法的基础上, 通过将点到平面的距离作为权值来提高未知节点的定位精度, 并且经过实验结果表明, 改进的算法在增加信标节点这一概念上提高了定位算法的精度。但是由于权值的选取是点到平面的距离, 当信标节点的数量增加时, 平面的个数会出现倍数的增长, 所以该算法具有一定的局限性。
摘要：节点定位是无线传感器网络中的关键技术之一, 本文针对三维地形定位存在较大误差的问题, 提出了一种将接收信号强度RSSI测量方法与加权质心定位相结合的算法。该算法的权值是用点到平面的距离作为其计算的一部分来代替传统加权质心算法中点到点的距离从而达到提高定位精度的目的。仿真表明, 该算法定位精度比传统的加权质心定位精度有提高。
关键词：三维地形,节点定位,接收信号强度,加权质心
参考文献
[1]李成大, 张京, 龚茗茗.无线传感器网络及其应用综述[J].成都电子机械高等专科学校学报, 2007, (03) :10-14.
[2]祁荣宾, 李思瑾, 马天义, 等.基于迭代的无线传感器网络三维定位算法[J].传感技术学报, 2012, 25 (05) :644-650.
[3]张荣磊, 刘琳岚, 舒坚, 等.基于多维定标的无线传感器网络三维定位算法[J].计算机应用研究, 2009, 26 (08) :3100-3104.
[4]毛科技, 赵小敏, 邵奔, 等.无线传感网络中基于共面度的三维定位算法研究与设计[J].传感技术学报, 2011, 24 (10) :1484-1488.
[5]孙利民, 李建中, 陈渝, 等.无线传感器网络[M].北京:清华大学出版社, 2005.
三维定位技术 第7篇
所谓矢量水听器就是用来测量水下声场矢量的声接收传感器, 由声压水听器与直接或间接测量质点振速的传感器以不同方式组合而成[9,10]。由于矢量水听器的性能优势, 其在水声工程中的应用日益广泛, 矢量阵逐渐进入人们的视野。文献11-14侧重于研究声场矢量物理特性, 文献15利用矢量水听器进行浅海地声参数的反演。然而当前将矢量水听器或矢量阵与匹配场定位相结合的研究较少。
本文将两者结合起来, 探讨如何将匹配场原理应用到矢量水平阵上实现声源的三维定位:距离、深度、角度。这里采用经典Bartlett处理器, 环境模型为Pekeris模型, 测量场和拷贝场都采用kraken[16]简正波模型计算, 并且搜索采用距离、深度、角度三维穷举搜索。
1 公式推导
首先, 根据简正波理论[12], 声场中简谐声源激发的声压p, 水平振速vr和垂直振速vz分别表示为:
其中vl=μl+iδl表示简正波的复本征值, 本征值实部μl表示水平波数, 本征值虚部δl表示简正波衰减, ψl (zs) 表示本征函数, ψ'l (z) =ψl (z) /z是其在z方向的导数。本文采用柱坐标系 (r, θ, z) , 如下图1所示。根据vx=vr×cos (θ) , vy=vr×sin (θ) 可以得到轴向振速vx和法向振速vy, 其中θ为水平方位角。
本文采用Bartlett处理器, 即在频域上将阵元输出进行加权求和。公式 (4) 为利用p进行Bartlett匹配表达式, 记作p方法;公式 (5) 为利用p和v进行Bartlett匹配表达式, 其中v可以表示vr、vx、vy或者vz, 记作pv方法;公式 (6) 为利用p, vx, vy进行Bartlett匹配表达式, 记作pxy方法;公式 (7) 为利用vx, vy, vz进行Bartlett匹配表达式, 记作xyz方法。
其中H表示共轭转置, Re为取实部。P为声压列向量, V为振速列向量。
引入归一化, 公式 (4) , 公式 (5) 即变为公式 (8) , 公式 (9) 。其中rplc表示拷贝场;data表示测量场。
由于分子项进行相关, 分母项归一化。为了进一步研究分子项, 这里给出其在水平阵下的表达式, 推导如下。
(10, 11) 式为声压和振速分别进行相关的表达式。将公式 (1) , 公式 (2) 分别带入公式 (10) , 公式 (11) , 得到公式 (12) , 公式 (13) 。
同理可得:
其中, 对于水平阵之所以仅仅保留对角项是因为当阵元数足够多和阵列孔径足够大时, 由于非对角项实部和虚部均含有正负值, 并可使最终求和的实部和虚部各自消去, 从而可使非对角项趋向于0[17]。进而 (8, 9) 式中分子项变为
其中numerator表示分子项, p表示利用声压进行匹配, pxy表示利用声压, 轴向振速和法向振速组合进行匹配。θ, 为搜索角度, θS为真实声源角度, 均表示第一个阵元距声源的水平夹角。需要说明的是, 在远场条件下, θj≈θ0, θj只会影响vx, vy, 进而影响角度估计而对深度距离定位影响有限, 为简化分析问题, 进行上述简化。
又因为vl=μl+iδl, 本征函数通常只包含实部, 本征值的虚部远小于其实部 (约3, 4个量级) , 所以δl≈0, vh*≈vh, vh≈μh。同时考虑到远场条件, 即有rj≈r0, rsjrs0。所以公式 (14) , 公式 (15) 变为
令
在公式 (16) 求和项中, A3为距离和本征值 (深度的函数) 的e指数函数, 只有当深度距离匹配的时候, A3=1, 而在其他情况下为复数, 由于模式累加和频率累积可以发生抵消进而抑制旁瓣。是随距离不变, 随频率深度缓慢变化的, 并且ψh (z's) , ψh (zs) 有正有负, 在求和中也会相消。
而公式 (17) 求和项与公式 (16) 求和项相比, 公式 (17) 是在模函数上乘以1, 公式 (16) 是在模函数上乘以A5。比如在公式 (17) 中, 在某个不匹配的距离深度上出现旁瓣, 而对于公式 (16) , 由于存在A5, 实部虚部可正可负, 通过模式求和和频率累积, 可以起到抑制旁瓣的作用。
2 水平阵仿真
环境模型为Pekeris, 海深为2000m, 频率范围为10-35Hz, 步长为1Hz, 声源深度为500m, 接收阵深度为800m, 横坐标为0到980m, 步长为20m, 声源距第一个阵元距离为20km, 波达角度为90。距离搜索范围为18km-22km, 搜索次数为100;深度搜索范围为300m-700m, 搜索次数为100;角度搜索范围为0-359, 搜索次数为360。水平阵仿真声学参数见表1。
图2、4、6分别是p方法时分别固定角度、距离、深度时的模糊度图;图3、5、7分别是pxy方法时分别固定角度、距离、深度时的模糊度图。需要补充说明的是, 图2-图7分别是在角度匹配、距离匹配、深度匹配下得到的。
对于水平阵, 从图4、图6可以看到, p方法在角度上是有一定指向性, 但无法区分左右舷;从图5, 图7可以看到, pxy方法在角度是有指向性的, 可以区分左右舷。表2是这样获得的:在匹配角度的情况下, 分别进行距离、深度投影并获得主旁瓣比, 同理获得匹配距离和匹配深度的结果, 其中“———”表示此项无内容。从表2可以看出, 在水平阵下, pxy方法同p方法相比, 在距离和深度分辨能力有所下降, 但在角度上有所提高。
3 结果讨论与分析
从仿真结果可以看到:在水平阵中, pxy方法同p方法相比, 在距离和深度分辨能力有所下降。将p方法表达式中分子项 (Numerator) 、分母项 (denumerator) 及最后结果 (Result) (均相对 (6, 7) 式而言) 取对数进行比较, 进而获得最大值和最小值即动态范围。由于p匹配量纲不同于pxy匹配, 所以需要p2。进而获得下表3:
从上面表3可以看出, 在水平阵中, pxy-result动态范围没有p2-result动态范围大。进一步分析得到:p2-result大部分幅值在-2附近上下变化, 而pxy-Result大部分幅值在-0.25附近上下变化。
通过对水平阵进行分析, 得出以下结论:pxy方法相对p2方法整体幅度上均有所抬升。但是对于水平阵, pxy-result动态范围过小导致距离、深度上出现不少旁瓣, 影响距离深度定位。
考虑到vx=vr*cos (θ) , vy=vr*sin (θ) , 所以pxy实际上是pvr的组合, 角度是通过cos (θ) 、sin (θ) 的加权组合获得的, 距离深度定位直接依赖于pvr。为了进一步分析pxy在水平阵的表现, 分别进行pvz方法, vrvz方法仿真。为减少篇幅起见, 就不给出对应的模糊度图, 仅给出主旁瓣比。在水平阵匹配角度下, 深度投影的主旁瓣比为:pvz方法为1:0.5055, vrvz方法为1:0.4888。可以看出水平阵下, vrvz方法比p方法定位效果要好。按照第一部分对vrvz方法、pvz方法进行类似推导, 得到vrvz方法的求和项为A6, pvz方法为A7, 可以看到虽然本征值都被抵消掉, 但是vrvz方法引入了ψ'h2 (z) , 在距离、深度上还是有不错的性能。由于模函数是随距离不变, 随频率深度缓慢变化的, 导致pvr方法性能恶化;引入模函数导数一定程度上弥补了模函数采样不足, 保证了vrvz方法有相对不错的深度距离定位性能。从上面的分析可以看到, 模式采样对深度和距离定位的重要作用。所以我们在选择匹配量时一定要充分考虑模式的影响, 尽可能地丰富模式采样。其中
4 等通道数目的p方法与xyz组合
对xyz组合和p方法做进一步的比较, 在相同通道数目下仿真。仿真环境模型同2中参数, 有所不同的是, xyz组合为50元矢量水平阵不变, p方法为150元声压水平阵, 阵元间距均为20m。所以xyz组合使用通道数和p方法使用的通道数均为150。计算频点、深度、角度、距离搜索范围不变, 为了更加直观清晰, 将两种方法仿真结果画在一起, 用绿色表示xyz组合结果, 蓝色为p方法结果。图8、9、10分别是p方法、xyz组合分别固定角度匹配、距离匹配、深度匹配时的模糊度图。图8左图、右图分别为角度匹配下深度投影、距离投影;图9左图、右图分别为距离匹配下角度投影、深度投影;图10左图、右图分别为深度匹配下角度投影、距离投影。
从图8可以看到, 角度匹配下, 左图即深度投影, xyz组合主瓣宽度比p方法要窄;右图即距离投影, xyz组合主瓣宽度比p方法要宽。从图9可以看到, 左图即角度投影, xyz组合可以区分左右弦, 而p方法不能, 两者主瓣宽度相当;右图即深度投影, xyz组合主瓣宽度比p方法要窄, 而且旁瓣高度比p方法稍微高些。从图10可以看到, 左图即角度投影, xyz组合可以区分左右弦, 而p方法不能, 两者主瓣宽度相当;右图即距离投影, xyz组合主瓣宽度比p方法要宽一些。从上面对等通道数目的xyz组合和p方法比较可以看到, xyz组合在距离、深度上接近或超过p方法的性能, 并且具有角度分辨能力, 区分左右弦并且这些都是在孔径为方法孔径的1/3下得到的。
5 结束语
根据各种方法同p方法作比较得到如下结论:在水平阵下, p方法有一定的距离深度角度分辨, 但无法区分左右舷;pxy方法同p方法相比, 距离深度分辨能力有所下降, 角度分辨有所提高且可以区分左右舷;xy方法同p方法相比, 距离和深度分辨能力有稍许提高, 同时具有角度分辨且可以区分左右舷。
通过对等通道数目的xyz组合和p方法比较得到如下结论:xyz组合在距离、深度上接近或超过p方法的性能, 并且具有角度分辨能力, 区分左右弦, 并且这些都是在孔径为p方法孔径的1/3下得到的。
本文将匹配场方法应用到矢量水平阵上取得声源的三位定位:需要采用xyz方法。匹配场是水声物理和信号处理的结合, 而矢量阵又能够提供更丰富的声场信息, 两者的结合必定有广阔的应用前景。
摘要：将匹配场原理应用到矢量水平阵上实现对声源的三维定位, 根据声压、质点振速表达式进行推导, 获得对应的Bartlett相关表达式并进行分析和仿真验证。为了同时获得距离、深度、角度的估计, 需要应用垂直阵速、轴向振速、法向阵速组合。本文内容如下:第一部分推导了水平阵的Bartlett相关表达式, 不同方法的仿真结果在第二部分给出, 第三部分对不同方法的仿真结果进行分析, 等通道数目的垂直阵速、轴向振速、法向阵速组合和声压方法仿真比较在第四部分, 第五部分根据上面的一系列分析得出结论。
关键词：矢量水平阵,匹配场,Bartlett处理器,三维定位
参考文献