Шумовая пеленгация

[j2]

Господа в свое время решал вопрос пеленга звукового объекта по произведенному звуку.
Задача достаточно просто решалась с помощью трех акустических датчиков размещенных на плоскости. Теперь усложним задачу.

Объектов стало несколько, а вопросов стало больше:
1) что это за объекты?
2) сколько мы слышим объектов?
3) пеленг на объекты?
3) с какой скоростью они движутся?

Перечитал море литературы, испробовал цифровую фильтрацию и вейвлет анализ, но до сих пор пока не могу ответить на все вопросы, т.к. все эти объекты звучат одновременно и имеют схожие спектры.

Когда объект один, то все вопросы можно с некоторой долей погрешности решить, но как решить эту задачу для нескольких объектов.

Представьте себе такую схему, на основе которой можно проилюстрировать мою ситуацию. Например мы расположили на двух сторонах дороги 3 акустических датчика. Едут две машины рядом. У каждой машины несколько источников звука (например по 4 колеса), необходимо классифицировать полученные сигналы, произвести пеленги на все источники звука и определить скорости движения.

[j2]

Порассуждаю в одиночку. Что мы слышим и как мы слышим.

Высокочастотные колебания имеют маленькую длину волны, они самые шустрые, с помощью них можно максимально точно производить пеленг объектов, но в то же время они и быстрее всего затухают.

Низкочастотные колебания имеют большую длину волны, они медленнее передвигаются и точность пеленга будет частично зависеть от базы акустических датчиков.

Теперь ближе к теме. При приближении объекта мы сначала начинаем слышать низкочастотные колебания, а если прислонимся к земле, то даже если не видно скачашей лошади, то лошадь можно услышать. Значит анализ ситуации надо вести с низкочастотных областей сигнала. Скорее всего частотную характеристику датчиков надо разбить на несколько участков и вести анализ изменения спектра в этих участках.

Т.е. при приближении к нам объекта надо сначала следить за изменением спектральной плотности низкочастотных колебаний, как только произойдет нарастание данного параметра, то надо начинать отслеживать более высокочастотные участки спектра и тоже вычислять на интервалах спектральную плотность сигнала. При обнаружении изменений надо производить пеленг на времена изменения спектральной плотности у каждого датчика.

Чтобы разобраться с тем сколько объектов мы видим надо на мой взгляд строить визуализацию, т.е. построить трехкоординатный график: по оси Х(расстояние до пеленгуемого объекта), Y-спектральная плотность и Z - расстояние между датчиками. Т.е. мы на плоской поверхности Х, Z должны увидеть цветовую спектральную картинку принимаемого сигнала. Например при приеме сигнала от машины мы должны увидеть 4 колеса и какой-то фоновый шум вокруг них.

Все это пока предположительно. Осталось найти алгоритм оптимальной обработки принятого сигнала.

[Alik]

Уж очень мне кажется, что надо перейти в сферические координаты, точнее взять ежика, имплантировать в каждую иголку по микрофону и научить его разговаривать в свернутом состоянии.

[Zai]

j2 писал(а):

...а если прислонимся к земле

Это звучит как некоторая патентная новизна. Попробуйте это сформулировать для уединенных охранных объектов. Обычно слушают воздух.

[j2]

Есть мысль попробовать активную локацию объекта, т.е. излучение в сторону пеленгуемого объекта заранее известного сигнала и в дальнейшем его пеленгация. Мысль эта остается, но использовать полученные исследования при таком определении будет сложно. Самый точный пеленг на высокочастотных колебаниях, а они сразу затухают вблизи от места излучения.

Земная толща представляет собой пласты из различного вида резонаторов, и при воздействии на нее идет неравнозначное распространение звука в этих пластах. Т.е. есть прямая зависимость величины амплитуды сигнала и его спектральных составляющих от материала расположенных под ним пластов земной породы. Такой метод больше всего подходит для эхо-зондирования земли и определения например неоднородностей, зон тектонических изменений, горных пород и т.п. Данную теорию хорошо развивает Адам Григорьевич Гликман на сайте http://www.newgeophys.spb.ru
Тема не менее интересная я ее исследую параллельно. Особенно интересны моменты обнаружения и локации подземных объектов.

[worm2]

j2 писал(а):

Данную теорию хорошо развивает Адам Григорьевич Гликман на сайте http://www.newgeophys.spb.ru...

Альтернативщик. Хотя шифруется очень хорошо. Фундаментальную физику, вроде, не трогает...

[j2]

vytian писал:

Цитата:

Хм, у астрофизиков, которые как раз большие любители и вэйвлетов тоже, для более запущенных случаев ещё и поиск главных компонент используют, как раз похожий случай - огромные массивы данных пишутся с неба в радиодиапазоне на разных детекторов, а "надо правду знать"(с).
Боюсь переупростить, давно читал соотв. матчасть и не очень вдумчиво, но идея такая: берутся последовательные куски сигнала со сдвигом в отсчет, или на инкремент характерного параметра размера и т.п., и сворачиваются со всеми остальными фраментами. получающаяся матрица NxN диагонализуется и voila - получайте наиболее вероятные "подписи" сигналов с весами уже сразу. а уж потом хоть корреляционно идентифицуруйте их, хоть по библиотеке.
А можно сразу многомерный массив со всех детекторов диагонализовывать, наверно, хотя там без предварительной фильтрации "измерения матрицы" для разных датчиков распадутся на независимые задачи. а может и нет тогда вообще чудно.
Насчет идентификации у спектроскопистов тоже собак съедено немало, только надо грамотно характеристический спектр сигнал подготовить. Но насколько я предстваляю себе, всё к тому же методу главных компонент сводится, варационному анализу, пик-фитингу типа Левенберга-Маквардта, впрочем, тот же принцип, или попросту по евклидову расстоянию и аналогичным характеристикам сравниваются.

Именно этим путем я сейчас и пытаюсь идти. Т.е. принцип похож на радиоинтерферометр. Как раз подглядел у астрофизиков.
Несколько акустических датчиков слушают вобщем-то один и тот же с акустический сигнал и непрерывно кадрами записывают его. Если задуматься, то один из датчиков, расположенных треугольником, услышит нарастание определенных спектральных компонент первым. А другие два с каким-либо запаздыванием. Впринципе получается, как вы и пишите, что если произвести свертку сигнала первого датчика с последующими фрагментами двух других датчиков, то можно корелляционным методом определить момент вступления сигнала. Но во всей этой теории есть одно но. Все это хорошо работает на больших базах, как у радиоастрономов, т.е. когда датчики слушающие эфир синхронны во времени и разнесены на большие расстояния. Т.е. тем более точным будет этот пеленг. Чем ближе датчики тем хуже пеленг на объект и явное влияние на погрешность будет оказывать скорость кадрирования принимаемого сигнала.

Звук в земле бежит на скоростях от 2500 до 6000 м/с (предположим что в примере будет 2500 м/с). При такой скорости можно определить максимально допустимую погрешность пеленга. Например мы хотим определять пеленг не хуже чем с точностями 1 м. Данное расстояние звук пробежит за 400 мкс. Если учесть что измерительная система должна состоять из 3 датчиков, то хотелось бы обеспечить 3 запас по измерению. Т.е. кадры берутся максимальной величиной 133 мкс. Длина волны будет порядка 30 см, а ширина необходимой полосы пропускания 10 кГц. Частоту дискретезации возьмем 100 кГц.

Вроде бы все решается, но пока только для одного источника звука, а если их несколько и звучат они одновременно. Как их различить? Вот здесь я начинаю теряться.
По моему в этой задаче вообще надо пеленговать не кадры как таковые, а относительные изменения элементарных кусочков спектра. Делать что-то типа быстрого преобразования Фурье на коротких участках и копать в этом направлении

[Victor Orlov]

j2 писал(а):

vytian писал:

Цитата:

Хм, у астрофизиков, которые как раз большие любители и вэйвлетов тоже, для более запущенных случаев ещё и поиск главных компонент используют, как раз похожий случай - огромные массивы данных пишутся с неба в радиодиапазоне на разных детекторов, а "надо правду знать"(с).
Боюсь переупростить, давно читал соотв. матчасть и не очень вдумчиво, но идея такая: берутся последовательные куски сигнала со сдвигом в отсчет, или на инкремент характерного параметра размера и т.п., и сворачиваются со всеми остальными фраментами. получающаяся матрица NxN диагонализуется и voila - получайте наиболее вероятные "подписи" сигналов с весами уже сразу. а уж потом хоть корреляционно идентифицуруйте их, хоть по библиотеке.
А можно сразу многомерный массив со всех детекторов диагонализовывать, наверно, хотя там без предварительной фильтрации "измерения матрицы" для разных датчиков распадутся на независимые задачи. а может и нет тогда вообще чудно.
Насчет идентификации у спектроскопистов тоже собак съедено немало, только надо грамотно характеристический спектр сигнал подготовить. Но насколько я предстваляю себе, всё к тому же методу главных компонент сводится, варационному анализу, пик-фитингу типа Левенберга-Маквардта, впрочем, тот же принцип, или попросту по евклидову расстоянию и аналогичным характеристикам сравниваются.

Именно этим путем я сейчас и пытаюсь идти. Т.е. принцип похож на радиоинтерферометр. Как раз подглядел у астрофизиков.
Несколько акустических датчиков слушают вобщем-то один и тот же с акустический сигнал и непрерывно кадрами записывают его. Если задуматься, то один из датчиков, расположенных треугольником, услышит нарастание определенных спектральных компонент первым. А другие два с каким-либо запаздыванием. Впринципе получается, как вы и пишите, что если произвести свертку сигнала первого датчика с последующими фрагментами двух других датчиков, то можно корелляционным методом определить момент вступления сигнала. Но во всей этой теории есть одно но. Все это хорошо работает на больших базах, как у радиоастрономов, т.е. когда датчики слушающие эфир синхронны во времени и разнесены на большие расстояния. Т.е. тем более точным будет этот пеленг. Чем ближе датчики тем хуже пеленг на объект и явное влияние на погрешность будет оказывать скорость кадрирования принимаемого сигнала.

Звук в земле бежит на скоростях от 2500 до 6000 м/с (предположим что в примере будет 2500 м/с). При такой скорости можно определить максимально допустимую погрешность пеленга. Например мы хотим определять пеленг не хуже чем с точностями 1 м. Данное расстояние звук пробежит за 400 мкс. Если учесть что измерительная система должна состоять из 3 датчиков, то хотелось бы обеспечить 3 запас по измерению. Т.е. кадры берутся максимальной величиной 133 мкс. Длина волны будет порядка 30 см, а ширина необходимой полосы пропускания 10 кГц. Частоту дискретезации возьмем 100 кГц.

Вроде бы все решается, но пока только для одного источника звука, а если их несколько и звучат они одновременно. Как их различить? Вот здесь я начинаю теряться.
По моему в этой задаче вообще надо пеленговать не кадры как таковые, а относительные изменения элементарных кусочков спектра. Делать что-то типа быстрого преобразования Фурье на коротких участках и копать в этом направлении

Насколько я понимаю, нет проблемы решить Вашу задачу прямо в лоб, если использовать звуковую антенну и трехмерную сетку микрофонов в фокусе звуковой антенны. При этом будет
получатся трехмерная картина источников звуков, так что нет проблем различить разные источники звука. Но так как звуковая антенна должна выглядеть как цельнометаллический параболоид размером метров 10 или еще больше, то вряд ли прямое решение Вашей задачи может быть применено на практике. Поэтому, как не такой монументальный вариант, можно соорудить из отдельных микрофонов антенну-фазированную решетку. Правда, такая антенна должна работать в очень широком диапазоне частот, так что соружение такой антенны будет отдельной, достаточно сложной, задачей. Короче, все это можно сделать и Вашу задачу решить, но уверены ли Вы, что Ваша задача достаточно важна, чтобы тратить на ее решение такие значительные усилия?