杨韬 余文辉 曹申

2020-09-30 Wednesday

针对2020年第十五届全国大学生智能车竞赛信标组关于声音信标的识别，需要采集声音信号和FM信号，通过声音信号和FM信号互相关进行距离检测和通过两组声音信号互相关进行信标方位判断。

实际中，是在频域中对两组信号做乘法求最大值，而将时域信号变换为频域信号需要经过FFT变换，本系统引入一种新的级联FFT变换，大大提高了计算速度和效率。为了增加系统的抗干扰性，我们使用了广义互相关算法，有效抑制了噪声和混响的干扰。

关键词：级联FFT；广义互相关；计算速度；

快速傅里叶变换(FFT)本身便是利用了离散傅里叶变换(DFT)中的对称性和周期性，大大缩短了傅里叶变换的时长，这使得FFT成为基本的信号处理算法。

在2020年第十五届全国智能车竞赛中，信标组的比赛模式发生了很大的变化，从原始的识别一定频率的光信号变为周期性的250~2000Hz的Chirp声音信号和对应的FM调频信号。信标发出的信号的变化导致了信号识别和处理模式的变化，由原来识别光信号使用摄像头，变为接收声音信号的麦克风模块及接收FM信号的FM解调模块，经过不断尝试和选择，麦克风我们使用了9814带自动增益的麦克风模块，FM解调模块使用了RDA5807解调芯片，两者在实际使用中都取得了非常好的效果。

在信号处理中，一定距离的麦克风接受到的信号进行互相关可以获得声源方位，紧挨着的FM模块和麦克风接受到的信号进行互相关可以得到车身与信标的距离。时域互相关运算计算量是十分庞大，实际上可以看做是两组离散信号的时域卷积运算，因此一般我们会把这种卷积运算转换到频域中，将时域卷积等效为频域相乘，这样会大大简化我们的计算。将时域信号变换到频域一般使用快速傅里叶变换(FFT)，但在实际使用中这种速度仍然无法满足高速定位的需求。我们选用了TC264DA芯片的核心板，与普通TC264D芯片不同，TC264DA拥有512K的EMEM内存空间和内置了硬件FFT计算资源，硬件FFT比软件FFT在速度上有质的提升。但其存在的缺点为硬件FFT只能计算整形数据，会造成一定程度的精度丢失，并且硬件FFT最多只能计算1024个点的，这种精度不能满足本次比赛中信标的识别。在本次比赛中至少要使用2048点的FFT，才能在高速下准确定位。为了解决此问题，我们引入了一种新的级联FFT变换，既使用1024点的硬件FFT又能弥补序列长度不够的缺陷，并在此基础上融合入广义互相关，提升互相关的抗干扰性。

级联FFT算法的基本思想是把