阅读说明：本技术 利用音频到达时间差对空间中发声物体的定位方法 (Method for positioning sounding object in space by using audio arrival time difference ) 是由 邵瑜 张淑 张彬鑫 斯文学 韩祎 李向阳 施哲宇 诸葛斌 董黎刚 蒋献 于 2019-10-24 设计创作，主要内容包括：本发明公开了一种利用音频到达时间差对空间中发声物体的定位方法。包括如下步骤：1)基于网络对多个智能音频传感节点进行精准时钟同步；2)通过部署多个智能音频传感节点,构建定位空间；3)对部署的多个智能音频传感节点进行位置定位；4)利用算法对空间中的发声物体进行精确定位。本发明利用SDN架构,将低成本的智能网络传感节点进行集中控制和软件定义,通过PTP协议对多网络节点实现精准时钟同步,从而把传统的麦克风阵列升级成可以灵活部署的智能网络传感节点阵列,通过云服务器的统一音频信号处理,可以实现高可用、高精度、高实时性、高鲁棒性的近距离位置感知。(The invention discloses a method for positioning a sound-producing object in space by using an audio arrival time difference. The method comprises the following steps: 1) carrying out accurate clock synchronization on a plurality of intelligent audio sensing nodes based on a network; 2) a positioning space is constructed by deploying a plurality of intelligent audio sensing nodes; 3) positioning a plurality of deployed intelligent audio sensing nodes; 4) and accurately positioning the sounding object in the space by using an algorithm. According to the invention, an SDN framework is utilized, low-cost intelligent network sensing nodes are subjected to centralized control and software definition, and a precise clock synchronization is realized on multiple network nodes through a PTP (precision time protocol), so that a traditional microphone array is upgraded into an intelligent network sensing node array which can be flexibly deployed, and high-availability, high-precision, high-instantaneity and high-robustness close-range position sensing can be realized through unified audio signal processing of a cloud server.)

利用音频到达时间差对空间中发声物体的定位方法

技术领域

本发明属于通信技术领域，具体涉及一种利用音频到达时间差对空间中发声物体的定位方法。

背景技术

移动通信的蓬勃发展深刻地变革了现代人的生活习惯。日新月异的智能设备改变了人们的日常出行方案，维系社会纽带的途径以及紧急情况下的应对方案。由于计算机硬件和软件技术的发展，搭载有多核处理器和千兆字节存储器的智能设备可以迅速地完成若干年前桌面计算设备所难以完成的任务。不同于桌面设备，小型化的智能设备可以被用户随身携带，也可以被部署在室内场景的任意位置，使得用户可以在任何时间，任何地点进行信息的访问和处理。与此同时，最新的智能设备上(例如，智能手机，智能手表，智能眼镜等)上集成了大量的高精度传感器：智能设备可以自行计算出当前朝向，运动加速度，环境光强度等数据，还可以录制音频和视频来感知周围环境的变化。这使得智能设备有机会从一个计算终端进化为一个拓展人类感知世界的窗口。更为可观的是，这些功能强大的智能设备可以被连接到互联网上，分享所感知到的周围环境数据，进而大大拓展了单个个体有限的感知范围。

随着物联网(IoT,Internet of Thing)的蓬勃发展，许多室内环境中常见的普通设备也开始逐渐智能化，进而为感知用户行为提供了绝佳的机会。设备感知周围环境的目的是为人类提供更精准的服务，其中准确地获取用户在环境中的位置是众多服务的基础。随着现代社会的不断发展，城镇化进程加快，大型建筑日益增多，人们以上的时间处于室内环境中。在全球范围内有超过10亿的空巢老人和学龄儿童，每年地震、火灾、矿难等各类自然灾害百万起，餐饮、购物和地铁交通成为人们生活中重要的组成部分。这些变化使得用户对室内位置服务的需求迅速增加。研究报告显示，室内定位服务产业有望在2020年成为一个50亿美元产值的新兴产业。当前，全球定位系统(GPS)在室外环境中已经可以达到很高精度，但是在室内环境中，由于信号受到建筑物的严重遮挡，导致其表现不佳。目前的主流定位系统是基于WiFi信号的室内定位系统，具有易用性高，设备兼容性强的特点。但是，WiFi信号易受到来自环境变化导致的严重多径(multi-path)效应，同时信源数目的不足会严重影响其精度和覆盖范围。基于其他信源的定位方案，例如基于蓝牙，基于调频信号以及基于射频标签信号的定位方案能够达到米级甚至是亚米级的方案，但是这些方案都有其部署局限性和应用场景上的较大限制。在基于射频信号的解决方案会受到环境变化的严重干扰，且其非视距的感知性质带来了用户隐私上的隐患。其他的解决方案，例如基于惯性传感器的方案的感知精度较低，感知范围较小。基于已有方案的不足，以及激增的产业需求，本文提出基于发声物体的近距离定位技术，它具有精度高而且成本低的特点，而且与智能终端完全兼容，具有良好的发展潜力。

室内近场位置感知是实现智慧物联的核心,商场导航、地铁出口选择、幼儿园儿童监管、停车场室内导航等成为迫切的需求，通过位置感知技术让多种多样的硬件设备、各式各样的应用场景联系到一起，进而形成人与物、物与物的相互连接。因此，现有技术中亟需针对近距离位置感知提供一种可靠的解决方案。

发明内容

本发明的目的是解决现有技术中存在的问题，并提供一种利用音频到达时间差对空间中发声物体的定位方法。该方法的基本包括如下步骤：1)基于网络对多个智能音频传感节点进行精准时钟同步；2)通过部署多个智能音频传感节点，构建定位空间；3)对部署的多个智能音频传感节点进行位置定位；4)利用算法对空间中的发声物体进行精确定位。

本发明所采用的具体技术方案如下：

一种利用音频到达时间差对空间中发声物体的定位方法，其包括如下步骤：

1)对若干带有实时操作系统的智能音频传感节点，采用SDN架构通过软件定义对其进行集中控制，所述智能音频传感节点具有远程时钟同步、实时音频采集和播放功能；并基于网络对所有智能音频传感节点进行精准时钟同步；

2)将经过时钟同步的若干个智能音频传感节点布置于待定位区域，构建定位空间；

3)通过人工定位或者拓扑发现的方法，对部署于定位空间中的所有智能音频传感节点进行位置定位；

4)在所述的定位空间中，利用经过位置定位的智能音频传感节点接收目标发声物体发出的声音信号，通过TDOA定位方法对目标发声物体进行精确定位。

作为优选，所述的步骤1)中，每个智能音频传感节点为安装有麦克风阵列的嵌入式开发板，且嵌入式开发板上安装实时操作系统；利用SDN架构将所有智能网络传感节点进行集中控制和软件定义，通过PTP协议对多网络节点实现精准时钟同步，通过云服务器进行统一的音频信号处理。

作为优选，所述的步骤1)中，基于网络对所有智能音频传感节点进行精准时钟同步的步骤如下：

所有的智能音频传感节点分为主节点和从节点，首先将主节点的主时钟与参考时间同步，然后在SDN架构下主从节点之间进行同步数据帧的发送，记录数据帧的发送时间和接收时间信息，并且将该时间信息添加到该数据帧中，从节点获取这些时间信息，并计算从时钟与主时钟的时间偏差和网络节点之间的传输延时，对本地时钟进行纠正，使之与主节点时钟同步。

作为优选，所述的步骤2)中，构建定位空间的步骤如下：

将所述的智能音频传感节点按一维均匀线阵、二维面阵或三维均匀阵列部署在室内，节点之间的间隔不小于TDOA的最小精度50cm，各节点和发声物体之间没有障碍物的阻挡，且部署的节点数量M满足M≥N+2，其中N为待计算的发声物体的坐标维数。

作为优选，所述的步骤3)中，人工定位方法步骤如下：以所述的定位空间中其中一个智能音频传感节点为基准，测量该节点到其他智能音频传感节点之间的距离，并按照测量的距离标定坐标

作为优选，所述的步骤3)中，拓扑发现的定位方法步骤如下：通过拓扑发现算法，利用每个智能音频传感节点的收发时间计算到达时间差TDOA进行位置定位，在SDN控制器的控制下每个节点扮演接收和发送的角色，每个节点都获取到局域网内所有的TDOA，实现拓扑的高精度定位。

作为优选，所述的步骤4)中，对目标发声物体进行精确定位采用TODA解方程法实现，所述TDOA解方程法步骤为：通过对声音到达不同智能音频传感节点的时间差方程求导变形扩展得到发声源坐标(X,Y,Z)的系数矩阵，利用GPU计算破解方程得到计算发声源坐标。

作为优选，所述的步骤4)中，对目标发声物体进行精确定位采用查表法实现，所述查表法步骤为：通过仿真测试，将一张二维笛卡尔坐标系映射成为一张以坐标系为最小单元格的表格，每个坐标对应的TDOA填入该坐标对应的单元格中，智能音频传感节点根据接收到的TDOA查表获取坐标地址。

本发明在分析近场位置感知需求的基础上，重点关注基于音频采集定位方案的缺陷与不足，结合SDN架构集中控制的技术优势，提出将SDN(Software Defined Network)架构与精确时钟同步相结合，设计出一套基于多传感网络节点音频采集的近场位置感知方案。本发明利用SDN(Software Defined Network)架构将低成本的智能网络传感节点进行集中控制和软件定义，通过PTP协议对多网络节点实现精准时钟同步，通过SDN控制器的统一音频信号处理，以此来实现高可用、高精度、高实时性、高鲁棒性的近距离位置服务，它对推进万物互联具有重要的基础意义、现实意义和科学及技术价值。

附图说明

图1是单智能节点位置感知过程；

图2是TDOA目标定位示意图；

图3主从时钟同步过程示意图。

具体实施方式

下面结合附图，对本发明的具体实施方案作进一步详细描述。

本发明中，提供一种利用音频到达时间差对空间中发声物体的定位方法，其步骤如下：

1)对若干带有实时操作系统的智能音频传感节点，采用SDN架构通过软件定义对其进行集中控制，其中智能音频传感节点具有远程时钟同步、实时音频采集和播放功能，由此构建了一套利用音频到达时间差对空间中发声物体的定位系统。完成定位系统构建后，基于网络对所有智能音频传感节点进行精准时钟同步。

2)将经过时钟同步的若干个智能音频传感节点布置于待定位区域，构建定位空间。

3)通过人工定位或者拓扑发现的方法，对部署于定位空间中的所有智能音频传感节点进行位置定位。

4)在上述定位空间中，利用经过位置定位的智能音频传感节点接收目标发声物体发出的声音信号，通过TDOA定位方法对目标发声物体进行精确定位。

下面对上述具体方法的步骤进行详细说明，以便本领域技术人员理解其在本实施例中的具体实现过程。

首先，本发明的第1)步是针对近场位置感知的特定，构建了一套利用音频到达时间差对空间中发声物体的定位系统。在该系统中，以安装有麦克风阵列的嵌入式开发板作为节点，并在嵌入式开发板上安装实时操作系统形成智能音频传感节点。同时，利用SDN架构，将低成本的智能音频传感节点进行集中控制和软件定义，形成一个节点网络，通过PTP协议对多网络节点实现精准时钟同步，从而把传统的麦克风阵列升级成可以灵活部署的智能网络传感节点阵列，通过云服务器进行统一的音频信号处理，以此来实现高可用、高精度、高实时性、高鲁棒性的近距离位置服务。

在本实施例中，在各个智能音频传感节点安装的操作系统为实时Linux操作系统，保证能够实时精确的采集到录音开始和结束的Linux操作系统内核时间，以提高之后定位的精度。安装系统后，需要修改实时Linux操作系统，提高PTP协议和录音软件的优先级，减少了录音过程中其他进程引入的延时。另外，在每个智能音频传感节点中，音频通过高低通滤波器，去除录音过程中引入的噪音，减少自相关计算引入的误差；同时，还需要降低时钟同步的同步间隔，减少各个智能音频传感节点之间的时间差，进一步同步以及精确录音开始和结束的时间。智能音频传感节点可以实现控制转发分离，软件定义网络。

当完成上述定位系统的局域网构建后，需要将网络内的各节点进行精准时钟同步。本发明利用5G网络的超低延时特性作为室内定位的嵌入式开发板PTP时钟同步的通信基础，我们设定一个开发板为主时钟(master)，其余为从时钟，从时钟通过采集终端之间时刻保持精确同步，减少计算带来的误差，主从节点之间进行同步数据帧的发送，记录数据帧的发送时间和接收时间信息，并且将该时间信息添加到该数据帧中。从节点获取这些时间信息，并计算从时钟与主时钟的时间偏差和网络节点之间的传输延时，对本地时钟进行纠正，使之与主节点时钟同步。本发明利用SDN架构将低成本的智能网络传感节点进行集中控制和软件定义，通过PTP协议对多网络节点实现精准时钟同步，通过云服务器的统一音频信号处理，以此来实现高可用、高精度、高实时性、高鲁棒性的近距离位置服务。

其次，本发明的第2)步是通过部署经过精准时钟同步的智能音频传感节点进而构建一个定位空间。部署主要分为一维均匀线阵，二维面阵，三维均匀阵列。均匀直线阵列就是智能音频传感节点均匀的布置在一条直线上。二维面阵可以看作是由多个一维均匀线阵组合而成的阵列，三维均匀阵列就是按照球体或者椎体的形状进行排列，三维阵列可以在三维空间中定位出声源的三维坐标以及声源到阵列的相对距离。具体的部署方式可灵活选择，本实施例中优选采用三维均匀阵列部署。智能音频传感节点在室内部署时，节点之间的间隔不小于TDOA的最小精度50cm，各节点和发声物体之间没有障碍物的阻挡，且部署的节点数量M满足M≥N+2，其中N为待计算的发声物体的坐标维数。

再次，本发明的第3)步是对部署于定位空间中的所有智能音频传感节点进行位置定位：

本发明可以采用手工测量和拓扑发现两种方法来标定各个智能音频传感节点的位置。第一种方式为手工测量，做法为：以一台智能音频传感节点为基准，可以人工测量该节点到其他智能音频传感节点之间的距离(可以辅助包括空间方位角)，其他智能音频传感节点按照测量的距离标定坐标。第二种方式为拓扑发现，做法为：通过拓扑发现算法，利用每个智能音频传感节点的收发时间计算到达时间差TDOA进行位置定位，在SDN控制器的控制下每个节点扮演接收和发送的角色，每个节点都获取到局域网内所有的TDOA，实现拓扑的高精度定位。在本实施例中，拓扑发现的具体做法如下：以一台智能音频传感节点为原点，智能音频传感节点按顺序依次开始发声，其余的智能音频传感节点获取音频计算TDOA(到达时间差)，指定每台智能音频传感节点的Locate-ID，并保证每台智能音频传感节点Locate-ID全网唯一，每台智能音频传感节点向所有智能音频传感节点发送Hello包，用来确定是否有智能音频传感节点邻居，若发现智能音频传感节点则建立邻居关系，形成邻居表，之后互相发送TODA(到达时间差)，使用TDOA定位算法计算出其余智能音频传感节点的节点坐标。

经过该步骤，可以得到一个时钟同步且在空间中的位置明确的定位网络，当发声物体在该空间中发声时，就可以利用音频到达时间差对空间中的发声物体进行精确定位。

因此，对于本发明第4)步的精确定位过程，本发明可根据应用的实时性要求和控制器的计算能力选择TODA解方程法或者查表法来。

所谓的TODA解方程法，也就是通过对声音到达不同智能音频传感节点的时间差方程求导变形扩展得到发声源坐标(X,Y,Z)的系数矩阵，利用GPU强大的计算能力破解方程得到计算发声源坐标。其计算矩阵为：

我们通过距离公式的变换获取左右矩阵的各个参数，通过联立方程即可求解x、y、z。

所谓的查表法：

首先，通过大量的仿真测试，将一张二维笛卡尔坐标系映射成为一张以坐标系为最小单元格的表格，每个坐标对应的TDOA填入该坐标对应的单元格中，后续在实际测量过程中获取到智能音频传感节点的TDOA后，即可根据接收到的TDOA查表获取对应的坐标地址。另外，该方法可以增加智能音频传感节点的数量，通过多次测量提高测量的精度。

本发明的定位方法实现过程如上，其中核心的是定位系统的构建、精确时钟同步以及TDOA定位方法的实现。各部分的方法在现有技术中已有现成的实现方案，为了使本领域技术人员更好的理解，下面对其在本发明中的具体实现原理进行进一步的阐述。

对于单个智能网络节点的位置感知过程，可用图1表示，声源从内部发出声音所需时间可用t1表示，声音在空气中传播的时间用t2表示，智能网络节点捕获采集声音信号处理过程用t3表示，智能网络节点间时钟误差用t4表示，总的传播时长可以表示为：

t＝t1+t2+t3+t4

对于不同的网络节点，传播时长可以表示为：

t_i＝t_i1+t_i2+t_i3+t_i4 i＝1,2,3...n

对于每次位置感知过程，两个节点之间到达时间差可以表示为:

t_i-t_j＝＝(t_i1+t_i2+t_i3+t_i4)-(t_j1+t_j2+t_j3+t_j4)

＝(t_i1-t_j1)+(t_i2-t_j2)+(t_i3-t_j3)+(t_i4-t_j4)

对于同种型号的发声设备的(t_i1-t_j1)和声音采集设备的(t_i3-t_j3)的混合延迟相互抵消，可对他们的随机延迟通过Gamma分布建模，对时钟同步时间差(t_i4-t_j4)应用以下文的精确同步过程建模，应用TDOA定位方法可求得音频信号到达不同节点的时间差。

TDOA定位方法又叫做双曲线定位法，以图2为例，使用N_i(x_i,y_i)表示第i个节点的坐标，T(x,y)表示目标坐标，r_i表示第i个节点和目标之间的距离，则节点i和节点j之间的到达时间差可由下式得到：

(x-x_i)²+(y-y_i)²＝r_i ²

d_ij＝r_i-r_j(i,j＝1,...,m)

TDoAij＝d_ij/c

其中m表示节点总数目，c表示声音传播速度。

以1号节点(Node1)为参考,TDoA_i1(i＝2,...,m)可通过上述公式计算得到。目标定位的目的在于找到一个最优的坐标解(x,y)，使得误差函数f(x,y)值最小。

基于TDOA的目标定位问题就是寻找最优解的问题。由于目标位置T(x,y)包含两个未知数，所以至少需要两个方程才能求解。而两个节点只能得到一组距离差d_ij，所以至少需要三个节点才能实现二维平面上的定位。

对于精确时钟同步过程，其原理如下：

IEEE 1588 PTP使我们能够估计相对于主时钟的所谓从时钟的相位偏移和频率偏移。假设主时钟与参考时间同步，参考时间可以来自GPS信号。使用双向消息交换机制的同步过程通过在主设备和从设备之间交换定时数据包来实现。每个定时消息经过延迟后到达目的地。该延迟可以分为fixed和random两部分。延迟的混合部分来自网络中设备的处理时间以及传播时间。延迟的随机部分通常来自网络流量负载引起的随机排队延迟。在第n个同步间隔，主设备第n次发送包含其本地时间的同步消息。从时钟在C(t_n+d_ms+x_n)接收此消息。C(t)表示主时间为t和数据包从主设备到从设备的时间或下行链路延迟时间为d_ms+x_n的从时钟的本地时间。其中，d_ms是fixed部分，x_n是延迟的随机部分。然后，从时钟在时间C(t'_n-d_sm-y_n)将其本地时间作为Delay-Req消息发送到主时钟，在t'_n收到此消息，其中d_sm+y_n是上行延迟。类似于下行链路延迟，d_sm是fixed部分，y_n是延迟的随机部分。最后所有这些数值都是在从时钟一侧收集。图1显示了上述过程。

假设下行链路和上行链路方向上的延迟的fixed部分相等。因此，d_sm和d_ms可以等价。然后可以通过以下等式估计相位和频率偏移：

对以太网网络中的PDV(packet delay variations，分组延迟变化)和严格优先级排队可以通过Gamma分布建模。PDF(probability density function,概率密度函数)的参数是交通负载和跳数的函数。Gamma的PDF是

其中α和β分别称为整形和缩放参数。当整形参数α等于1时，为指数分布，是Gamma分布的特例。

精确时钟同步过程中，为简单起见，首先假设频率偏移为零，并且fixed相位偏移是需要估计的唯一不准确来源。对于上行链路方向，从主时间减去从时间用δ_UP(n)表示。因此，对于下行方向，有

δ_DL(n)＝C(t_n+d+x_n)-t_n＝θ+d+x_n

上行链路

δ_UP(n)＝t'_n-C(t'_n-d-y_n)＝-θ+d+y_n

其中x_n和y_n分别表示下行链路和上行链路延迟，θ是相位偏移。此方法分别估计下行链路和上行链路的偏置，因此在这一点上只考虑下行链路延迟。Gamma的CDF

(Cumulative Distribution Function,累积分布函数)是：

其中是一个不完整的Gamma函数，由下式确定：

Gamma分布的期望值由α和β的积确定，因此有：

E(X)＝αβ

α和β的值是未知的，所以无法E(X)＝αβ使用计算延迟的期望值。

考虑两个连续随机变量的最小值。在IEEE 1588的上下文中，这意味着当接收器接收到(2i-1)次同步消息时，它等待下一个消息，然后采用以下最小值：

δ'_DL(i)＝min[(C(t_2i-1+d+x_2i-1)-t_2i-1),(C(t_2i+d+x_2i)-t_2i)]

＝min[(θ+d+x_2i-1),(θ+d+x_2i)]

＝θ+d+min(x_2i-1,x_2i)

其中DL代表下行链路。如果W＝min(X,Y)，其中X和Y是独立的随机变量，那么W的分布是

f_W(w)＝f_X(w)+f_Y(w)-[f_X(w)F_Y(w)+f_Y(w)F_X(w)]

其中f和F分别表示随机变量的CDF和PDF,假设X和Y服从Gamma分布，W的密度函数可以表示为

为了求W的均值，把展开

求均值，最终得到

因此，期望值可以由E(W)确定。假设从节点只使用δ_DL(n)来估计其值。从节点将数据传递到滤波器(例如卡尔曼滤波器)。由于随机延迟的期望值不为零(在这种情况下它是Gamma分布的平均值)，因此滤波器的收敛点是

Δ_DL＝θ+d+αβ

假设从时钟使用δ'_DL(i)来估计θ的值。将δ'_DL(i)的结果传递给过滤器。得到新的汇合点将是：

Δ'_DL＝θ+d+E(W)

其中E(W)由E(W)确定。用Δ_DL中减去Δ'_DL：

Δ_DL-Δ'_DL＝αβ-E(W)

其中：

从Δ_DL-Δ'_DL可以得出以下用于估计平均值的表达式：

其中

和是Δ_DL和Δ'_DL的估计值，以及Gamma分布延迟的平均值。

提供了用于估计偏差的显式方程。然而此时，α值未知。

对于f(α)与α的曲线。存在着这样的规律，随着α减少，f(α)/α变化更快。当α较大时，该比率更接近常数：

提供了比f(α)更简单的用于计算

的分母的等式。

为了估计整形参数，除了之外还需要一个独立的方程。该方程可以从延迟的方差中找到。上面讨论的偏置估计器不是在每次迭代时更新从时钟，而是在两次迭代之后。这个特性为我们提供了一种估算噪声方差的简单解决方案，计算以下表达式：

其中

δ(i)＝C(t_i+d+x_i)-t_i

通过取预期值

结果，上述预期值可以给出对下行链路延迟方差的估计。然后对上行链路延迟采用类似的方法。因为在两次迭代后校正从时钟，所以这两次迭代中的相位偏移θ几乎是不变的，因此它们相互抵消。

另外，Gamma分布的方差等于

σ²＝αβ²

其中αβ²是Gamma分布方差的表达式。通过组合

和

以及σ²，我们得到以下用于估计α的闭式方程式：

其中

和

是分别为整形参数和方差的估计值。可以递归地估计

右侧的所有变量。

在上述理论基础上，精确时钟同步过程可总结如下：在两个连续的同步间隔之后，更新σ和Δ_DL以及Δ'_DL的估计值。将这些新的估计值***

以更新估计值α。然后，在中替换新的估计值，得出对偏差的新估计。该过程分别针对下行链路和上行链路方向完成。

至此可根据偏差的估计来纠偏实现近距离定位系统中各节点的精确时钟同步。

本发明可以应用于面向火灾现场的消防人员室内高精度定位技术中，在此类应用场景中，现有方法采用了基于WIFI信号进行室内定位，但在实施过程中发现了有较多难以解决的问题，比如WIFI的信号强度的漂移，室内各类障碍物对WIFI信号传输路径的影响，以及实施部署的困难。而申请人利用SDN架构，将低成本的智能网络传感节点进行集中控制和软件定义，通过PTP协议对多网络节点实现精准时钟同步，从而把传统的麦克风阵列升级成可以灵活部署的智能网络传感节点阵列，通过云服务器的统一音频信号处理，可以实现高可用、高精度、高实时性、高鲁棒性的近距离位置感知算法库，实现近场位置感知，以此来推动智慧城市的建设和发展。

以上所述的实施例只是本发明的一种较佳的方案，然其并非用以限制本发明。有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型。因此凡采取等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。