改进的SRP-PHAT声源定位方法

基于联合可控响应功率和相位变换(SRP-PHAT)的传声器阵列声源定位方法是一种鲁棒的声源定位方法。该方法在弱噪声和适度混响的环境下,可以获得较精确的波达方向角(DOA)估计,但在低信噪比或强混响的环境下,该方法的性能并不理想,而且庞大的运算量也限制了其在实时定位系统中的应用。针对这两方面的问题,本文提出了一种改进的SRP-PHAT传声器阵列声源定位方法,从而使定位方法的运算量大大降低。仿真实验表明,改进的SRP-PHAT定位方法即使在噪声干扰较大和混响影响较严重的环境下,仍具有较高的定位精度。     

一种利用线性预测定位的声源跟踪方法

在声源跟踪中,声源定位的精度和更新速率决定了声源跟踪方法的精确度和实时性。常用的声源定位算法易受噪声和混响的干扰,定位精度较差。提出了一种声源跟踪方法,利用语音的线性预测残留误差求互相关对声源定位,减小了噪声和混响对定位的影响。仿真结果显示,该声源跟踪方法有较高的精度和稳定性。     

基于频率信噪比加权的麦克风阵列声源定位算法

为了提高噪声和混响环境下麦克风阵列的声源定位算法性能,提出了一种基于频率信噪比加权的可控响应功率定位算法。该算法首先根据每帧阵列信号的频域协方差矩阵估计每个频率的信噪比;然后通过激活函数将频率信噪比映射为加权值,并修正传统的相位变换可控响应功率计算公式;最后利用修正公式计算每个候选位置的可控响应功率值,通过搜索可控响应功率的最大值实现声源定位。该算法根据实时估计的频率信噪比自适应地调整各频率分量对可控响应功率的贡献。仿真结果表明,与传统的相位变换可控响应功率算法、维纳预滤波波束形成算法相比,在噪声和混响的复杂声学环境下,本文算法的定位正确率更高,均方根误差更小,对噪声的鲁棒性更强。      

基于BP神经网络和声达时间差的声源定位算法

提出了利用神经网络进行声源定位的方法,该方法是在基于声达时间差(TDOA)的定位系统基础上提出的.概括了利用传声器阵列进行声源定位的几种方法,详细给出了BP神经网络算法原理.利用MATLAB仿真工具和BP神经网络对输入样本进行仿真训练,距离误差可以保持在0.5 m内,方位角误差在0.2°内.最后在声达时间差估计不准的情况下根据仿真结果对发令枪声进行了实例检测,证明定位效果仍可以满足要求.     

数字传声器阵列声源定位FPGA实现

在FPGA系统上实现了一个实时的数字传声器声源定位系统,包括信号预处理、语音活动检测、信号互相关运算三部分.FPGA实现声源定位,运算速度快,采用同样的算法可以完成多对传声器阵列的实时信号处理.该系统在15 dB信噪比的环境中能够检测出声源入射的方向.     

基于分层采样粒子滤波的麦克风阵列说话人跟踪方法

针对噪声与混响环境下的说话人跟踪问题,本文提出了一种基于粒子滤波的麦克风阵列声源定位与跟踪方法.该方法在粒子滤波框架下,将无混响影响的语音建立信号作为观测信息,通过计算麦克风阵列波束形成器的输出能量来构建似然函数,同时考虑语音信号不同频率成分在声源定位中的作用,利用分层采样方法提高粒子的采样效率.实验结果表明,本文方法提高了说话人声源跟踪系统的抗噪声与抗混响能力.     

基于传声器阵列的声源定位

采用基于时延估计(Time Delay Estimation,TDE)的声源定位技术,估计出目标声源到达不同麦克风阵元间的时间差,并结合平面五元十字阵的几何定位模型算法确定了声源位置。针对目前基于传声器阵列声源定位系统定位精度有待进一步提高的问题,提出一种新的定位算法,利用组合传声器阵列阵元相互之间几何位置关系,即通过多个传声器,多方向估计,多个阵列之间综合考虑,确定具有较高精度的声源位置。     

正确定位传声器的几个要素

在使用传声器的过程中,面对各种各样的声源,传声器的定位也各不相同,这是由声源的多样性和声场环境的复杂性所决定的。如何做到在任何场合下都能正确地使用传声器,使拾取的声音达到最令人满意的效果并不是一件容易的事,这与传声器的准确定位有着密切关系。因此从事录音专业的人员要在实践中不断地积累和摸索经验,才能做到在各种不同环境和不同声源的情况下,熟练地掌握传声器（少则几只多则十几只）的定位艺术。下面根据个人的经验谈谈关于传声器定位的几个重要因素。１传声器与声源的距离因素由于声源有单一声源和综合声源之分,在录…     

基于改进二次相关算法的声源定位仿真研究

基于广义相关时延算法的被动声源定位技术,其定位精度随着声源信号信噪比的降低而大幅下降,且易受噪声和混响等因素影响。针对此问题,该文提出了一种改进的二次相关时延算法,该算法引入了最小均方差（LMS）自适应滤波器作为前端处理以获得高质量的信号,并将信噪比作为控制参数对二次相关函数进行高次方运算,使二次相关函数峰值锐化,以提高当前广义二次相关算法的精度和鲁棒性。通过MATLAB进行不同信噪比环境下实验仿真,结果表明,该改进算法在低信噪比环境下能获得更精确的时延估计,进而有效提高了声源定位精度。     

一种修正的近场声源定位时延估计方法

时延估计是近场声源定位领域中的一项关键技术。相位转换广义互相关时延估计方法（PHAT-GCC）由于其低的计算复杂度和易于实现的特点使得此方法在实际的被动声定位系统中得到了广泛应用。但是此方法只能在高信噪比和适度混响条件下有较好的性能。针对此问题,给出了一种修正的PHAT—GCC方法。并在不同信噪比和混响环境下与PHAT—GCC方法进行比较,仿真实验表明,修正的方法在较低信噪比下的抗混响性能有所提高。     

基于时频单元选择的双耳目标声源定位

针对复杂声学环境下,现有目标声源定位算法精度低的问题,该文提出了一种基于时频单元选择的双耳目标声源定位算法。该算法首先利用双耳目标声源的频谱特征训练1个基于深度学习的时频单元选择模型,然后使用时频单元选择器从双耳输入信号中提取可靠的时频单元,减少非目标时频单元对定位精度的负面影响。同时,基于深度神经网络的定位系统将双耳空间线索映射到方位角的后验概率。最后,依据与可靠时频单元相对应的后验概率完成目标语音的声源定位。实验结果表明,该算法在低信噪比和各种混响环境,特别是存在与目标声源类似的噪声环境下目标声源的定位精度得到明显改善,性能优于对比算法。     

基于视觉、听觉系统的声源水平方位定位

针对空间声源水平方位定位的精度问题,提出了利用基于软域值的小波分析方法对声源信号进行去噪处理.在此基础上,利用机器人的听觉系统对目标声源的水平方位进行粗定位;通过双目立体视觉系统对粗方位进行一定的矫正、补偿,实现方位的精定位.实验证明,提出的由粗到精的定位策略和方法具有较高的定位精度.     

Acoustic Source Localization in Wireless Sensor Network

In this paper, we consider the problem of acoustic source localization in a wireless sensor network based on different measured signal quantities, such as the received signal strength (RSS), the angle of arrival (AOA) and the time of arrival (TOA). For each of these quantities, an appropriate weighted least squares criterion function is developed to be used for sound source localization. The weights of each criterion function take into account the decrease in the signal-to-noise ratio (SNR) with distance from the source. In addition, RSS localization algorithm proposed in this paper provides improvement of the localization accuracy for low SNR. Finally, separate criterion functions for RSS, TOA and AOA are used together to obtain minimal localization error and maximal reliability of the acoustic source localization. Simulation analysis confirms improved performance of the proposed localization algorithm.     

被动合成孔径声呐阵列目标远程定位

该文讨论了被动合成孔径声呐远程定位问题。首先得到了合成孔径声呐阵列接收的声场方程,利用简正波滤波新方法,通过短线阵的水平移动,实现远程目标方位、深度及距离的定位。数值仿真结果表明,通过阵列的移动,可以合成大的孔径,提高目标的方位、距离估计精度。对合成孔径声呐阵列,利用简正波滤波方法可以很有效地实现对目标方位、深度及距离的估计。     

一种多基阵炸点声源定位系统设计

为提高火炮武器的命中精度和攻击效果,提出了一种基于无源声探测的目标定位技术。系统通过传声器阵列采集目标声源发出的声信号,采用多个基阵定向结果对目标进行交汇定位,搭建了基于FPGA+DSP架构的基阵节点,对节点的软硬件进行了详细设计,并利用时延估计和定位算法解算出目标声源的三维坐标,实现对炮弹炸点的精确定位。最后模拟现场环境,设计完成了多次测试实验,验证了方位角估计理论的正确性及试验系统的可行性。实验数据表明,该方法具有较高的估计精度,可获得炸点的具体位置信息,具有一定的实用价值和应用前景。     

基于MSP430的声音定位系统的设计

声源定位在当今日益智能化的社会中有着诸多方面的应用,特别是在智能控制,军事等领域。文中设计的系统以MSP430F449单片机为控制核心,步进电机驱动的小车作为移动声源载体,设计两个间距固定的麦克风作为接收设备,测量声源发声到麦克风接收到声音的时间差数据,声源通过无线模块接收到数据从而计算出声源的坐标,然后控制声源小车运行到指定坐标实现定位控制。经测试,本系统能精确的控制小车到达指定坐标点,系统工作稳定。     

基于麦克风阵列的相容时延矢量声源定位方法

时延估计是常用的声源定位方法,传统的算法将定位分为两个步骤,即先估计麦克风阵列中每一对基元的接收信号时延,然后根据这些时延用几何的方法确定声源的位置。在低信噪比下,一对麦克风的时延估计误差较大,导致定位误差较大。相容时延矢量估计算法将两步合为一步,没有逐对估计时延,而是构造一个目标函数,通过搜索得到声源的位置。仿真结果表明,在低信噪比下,只需要较短的数据,该算法仍可得到较高的定位精度。     

引入注意力机制的视频声源定位

在日常生活中视觉事件通常伴随着声音的产生。这表明视频流与音频之间存在某种潜在的联系,本文称之为音视频同步的联合表达。本文将视频流与音频融合并通过训练所设计的神经网络预测视频流和音频是否在时间上同步来学习这种联合表达。与传统音视频信息融合方法不同,本文引入注意力机制,利用视频特征与音频特征的皮尔森相关系数在时间维度和空间维度同时对视频流加权,使视频流与音频关联更加紧密。基于学习到的音视频同步的联合表达,本文进一步利用类激活图方法进行视频声源定位。实验结果表明,所提出的引入注意力机制的音视频同步检测模型可以更好地判定给定视频的音视频是否同步,即更好地学习到音视频同步的联合表达,从而也可以有效地定位视频声源。      

A fast search method of steered response power with small-aperture microphone array for sound source localization

The Steered Response Power （SRP） method works well for sound source localization in noisy and reverberant environment. However, the large computation complexity limits its practical application. In this paper, a fast SRP search method is proposed to reduce the computational complexity using small-aperture microphone array. The proposed method inspired by the SRP spatial spectrum includes two steps： first, the proposed method estimates the azimuth of the sound source roughly and determines whether the sound source is in far field or near field; then, different fine searching operations are performed according to the sound source being in far field or near field. Ex- periments both in simulation environments and real environments have been performed to compare the localization accuracy and computation complexity of the proposed method with those of the conven- tional SRP-PHAT algorithm. The results show that, the proposed method has a comparative accuracy with the conventional SRP algorithm, and achieves a reduction of 93.62% in computation complexity compared to the conventional SRP algorithm.