1.一种基于改进神经动力学解算的移动声源TDOA定位方法,其特征在于,包括以下步骤:S1、构建声信号源的轨迹方程,并基于轨迹方程构建声传感器坐标方程;
S2、将声传感器坐标方程转换为线性方程;
S3、构建NPGZNN模型;
S4、基于NPGZNN模型,构建MZND离散模型;
S5、根据MZND离散模型,对线性方程进行求解,得到移动目标位置;
所述S1中,声信号源的轨迹方程的表达式为:
;
式中,为声源的理论轨迹,t为时间值,为三行一列的实数矩阵;
所述声传感器坐标方程的表达式为:
;
式中,为第1个子传感器的x轴坐标,为第1个子传感器的z轴坐标,为第2个子传感器的x轴坐标,为第2个子传感器的y轴坐标,为第2个子传感器的z轴坐标,为第n个子传感器的x轴坐标,为第n个子传感器的y轴坐标,为第n个子传感器的z轴坐标,为第2个传感器到虚拟三维坐标系原点的距离相关的计算参数,为第n个传感器到虚拟三维坐标系原点的距离相关的计算参数,表示声源与主传感器的距离,表示声源距离第2个传感器与距离主传感器之间的距离差,表示声源距离第n个传感器与距离主传感器之间的距离差,为移动目标的x轴坐标,为移动目标的y轴坐标,为移动目标的z轴坐标;
所述S2中,线性方程的表达式为:
;
式中,为第一计算式,为第二计算式,为第三计算式,t为时间值;
所述S3中,NPGZNN模型的表达式为:
;
式中,为线性方程的误差函数的一阶导数,为时间值的被积函数,为控制收敛速度的尺度参数,为能量函数的一阶导数,为提高模型稳定性的积分系数,t为时间值,为时间值的换元,表示时间值的换元的积分;
所述S4中,MZND离散模型的表达式为:
;
式中,为时的值,为时的值,为时的值,为时的值,为时的一阶导数,为时的一阶导数,为时的一阶导数,为时间值的换元,t为时间值,为移动目标的x轴坐标,k为整数;
所述S5中,对线性方程进行求解的表达式为:
;
式中,为时的值,为时的值,为时的值,为时的值,为时的一阶导数,为时的一阶导数,为时的一阶导数,为时的值,为时的值,为时的值,为时的广义逆矩阵,为时的广义逆矩阵,为时的广义逆矩阵,为时的一阶导数,为时的一阶导数,为时的一阶导数,为时的值,为时的值,为时的值,为时的一阶导数,为时的一阶导数,为时的一阶导数,为向量或矩阵的转置,为提高模型稳定性的积分系数,为控制收敛速度的尺度参数,为时间值的换元,t为时间值,为移动目标的x轴坐标,k为整数,为第一计算式,为第二计算式,为第三计算式,为第i个传感器的第一计算式,为第i个传感器的第二计算式,为第i个传感器的第三计算式。
2.根据权利要求1所述的基于改进神经动力学解算的移动声源TDOA定位方法,其特征在于,所述S1中,构建声传感器坐标方程的方法为:为用于接收声信号的各个传感器的坐标赋值,确定声传感器坐标方程。
3.根据权利要求2所述的基于改进神经动力学解算的移动声源TDOA定位方法,其特征在于,所述为用于接收声信号的各个传感器的坐标赋值的表达式为:;
式中,为n个声传感器的坐标,为第1个子传感器的x轴坐标,为第1个子传感器的y轴坐标,为第1个子传感器的z轴坐标,为第2个子传感器的x轴坐标,为第2个子传感器的y轴坐标,为第2个子传感器的z轴坐标,为第n个子传感器的x轴坐标,为第n个子传感器的y轴坐标,为第n个子传感器的z轴坐标,为第n个子传感器的三行一列的实数矩阵。