تشخيص موقعيت دوبعدي منبع صدا در صفحه شيشه اي با نرخ داده برداري پايين

Sound localization in glass plate using low sampling rate

در اين پژوهش موقعيت مكاني صداي ايجاد شده به روي يك صفحه شيشهاي با استفاده از حسگرهاي صوتي تشخيص داده شده است. براي اين منظور در بخش آزمايشي اين تحقيق از صداي اصابت توپ پينگپنگ به صفحه شيشهاي، استفاده شده است. پيش از اين اكثر پژوهشهاي منتشر شده متكي به تعداد بالاي حسگرها با نرخ داده برداري بالا بوده‌اند. در پژوهش حاضر روش نويني براي تعيين موقعيت منبع صدا ارايه شده است. در اين روش با كاهش تعداد حسگرها به دو عدد از يك الگوي مشخص در استفاده از نقاط كمكي استفاده شده است. در الگوي پيشنهادي موقعيت قرارگيري نقاط با توجه به مشخصات فركانسي سيگنال دريافتي از دو حسگر، بر روي خطوطي مشخص محدود ميگردد. براي سنجش درستي و كارايي روش، سيگنال دريافتي ناشي از برخورد توپ به روي يك صفحه شيشهاي ذخيره شد. بهمنظور تشخيص موقعيت ضربات، يك بردار ويژگي مبتني بر آنتروپي سيگنال تقريب و جزييات تبديل موجك فضاي فركانسي ضربات و مشخصات هندسي توسعه يافت. در نهايت با پردازش سيگنالها موقعيت منبع صدا تعيين گرديد و ميانگين مقادير خطا در تشخيص موقعيت منبع صدا و انحراف معيار به ترتيب 17 سانتيمتر و 34.1 حاصل شدهاند.

In this study the sound localization is implemented to find the impact position on the surface of a glass plate using acoustical sensors. As an experimental example, the sound caused by ping pong ball impact on the glass plate is used. Most of the published paper algorithms are based on using large number of sensor with high sampling rates. In this study a new method is extended due to sound localization. In the proposed method, by reducing the number of sensors into two, a pattern for secondary points is extended. In the specified pattern, locations of points are restricted according to the sensors signal frequency specification. To achieve this goal, a database is gathered from sound caused by ball impact on the glass plate. Furthermore, in order to specify sound localization, space feature based on entropy of wavelet transform coefficient signals from frequency domain of impacts and geometrical specification was extracted. Finally, by implementing signal processing into the data the location of impacts is specified. The results show average values of error and Standard deviation 17 cm and 1.34 cm, respectively.