仪器仪表学报

作者：刘昊，李文国，徐明，王晨，席旭刚

单位：刘昊,杭州电子科技大学智能控制与机器人研究所杭州310018,,李文国,杭州奇点感知技术有限公司杭州310009,,徐明,杭州奇点感知技术有限公司杭州310009,,王晨,杭州奇点感知技术有限公司杭州310009,,席旭刚,杭州电子科技大学智能控制与机器人研究所杭州310018,xixugang@hdu.edu.cn,

关键词：声源定位;自适应卡尔曼滤波;算法融合;分布式麦克风阵列

针对复杂环境下低空无人机的动态轨迹难以高精度跟踪问题，提出了一种基于分布式麦克风阵列的残差驱动融合自适应卡尔曼滤波（RD-AKF）方法。该方法采用分布式麦克风阵列框架，通过两种不同维度互补的算法获取声源观测信息：基于几何关系的基线交汇定位法提供方向约束，基于信号能量的频域相位补偿波束形成（FD-PCB）算法提供能量空间分布特征。这两类在物理本质上互补的观测信息，被同步作为联合观测输入进一个统一的卡尔曼滤波框架。为克服固定参数模型在应对动态目标突发噪声时的脆弱性，提升追踪精度，该方法进一步在卡尔曼滤波中引入残差驱动的自适应机制，通过实时计算各观测通道的预测残差，并依据其统计特性动态重构观测噪声协方差矩阵，优化数据权重，实现声源位置与速度的联合估计。将该方法与单一的基线交汇、FD-PCB定位方法和固定协方差矩阵的标准卡尔曼滤波方法在相同环境下进行对比实验，结果表明，经过卡尔曼框架融合的追踪方法较单一算法均方根误差降低至少24.3%，引入残差驱动后，RD-AKF较标准卡尔曼滤波均方根误差降低了18.5%，最大定位误差降低了15.6%，并在保持合理计算成本的条件下，显著提高了动态声源追踪的精度与稳定性，为在复杂场景下动态声源轨迹追踪提供了高精度的、稳定的解决途径。

来源：2025年第12期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2025年第12期