传声器阵列的声源定位研究

对传声器阵列进行了总体概述,研究了基于传声器阵列的声源定位所面临的问题,分析和比较了几类主要的声源定位方法。给出了一种基于时间到达差的声源定位在处于混响环境下时延估计的有效算法并通过实验验证了该算法。     

基于遗传算法的声源三维定位方法

相位变换加权的可控响应功率（SRP-PHAT）算法是一种基于麦克风阵列的鲁棒声源定位方法,该算法在有混响和噪声的环境下仍有较高的定位精度.但该算法用网格法对整个声源空间进行搜索,逐点计算其目标函数,因而总的计算量非常大,不适用于实时定位系统.针对SRP-PHAT的特点,采用遗传算法进行搜索,使总的计算量大幅度降低.仿真结果表明在混响时间为300ms,信噪比为5dB的条件下,该算法仍可达到较高的定位精度.     

宽间距麦克风阵列迭代信噪比加权聚合角度谱方法研究

针对宽间距传声器阵列在混响环境下的多声源波达方向(DOA)估计问题,基于弥漫噪声模型研究了一种能有效抑制空间混叠影响的迭代信噪比加权聚合角度谱方法.该方法利用声源信号的时频稀疏和短时正交性,在每个时频点针对空间混叠周期的频变特点迭代消除各个真实声源在时频局域角度谱中的伪峰,从而在最终的聚合角度谱中有效抑制了空间混叠影响.在混响条件下针对不同声源数目进行了仿真实验,结果验证了所述方法的有效性.     

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.     

混响和空间噪声环境下的鲁棒时延估计方法

针对混响和空间噪声,本文提出一种基于三麦克风特征值分解的时延估计算法.该算法将混响和空间噪声下的时延估计构造成一个双入三出(DITO)系统的信道盲辨识问题,通过对房间冲激响应进行盲辨识来去除混响的影响,通过双初值初始化来分离声源与空间噪声的时延信息, 从而提高了实际环境下时延估计算法的性能.仿真实验结果表明,在混响和空间噪声环境下,本文算法能有效地进行时延估计.     

一种基于麦克风阵列的声源定位算法研究

麦克风阵列声源定位广泛应用于视音频会议系统及枪声定位系统等领域。提出了一种基于最小熵值（ME）的麦克风阵列声源定位新方法,其特点在于利用最小熵值方法对麦克风阵列进行时延估计,并与离散网格方法相结合,对声源进行空间搜索。实验结果表明,在同等混响或噪声条件下,该方法定位优于广义互相关-相位变换方法（GCC-PHAT）。     

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。     

复杂环境下基于时延估计的声源定位技术研究简

为了改善在复杂环境下声源定位算法的性能,提出了一种新的时延估计（TDE）方法,即基于传递函数比的统计模型方法（ATFR-SM）。该方法采用统计模型去除噪声对传递函数（ATF）的影响,在计算传递函数时对功率谱密度（PSD）进行平滑和“白化”,以去除混响对传递函数的影响。同时,算法中引入话音激活检测（VAD）去除对求取传递函数无用的噪声段,以提高时延估计的准确性。此外,将所提时延估计方法与线性定位法相结合,构成一套完整的声源定位方法。实验结果表明,在复杂环境下,时延估计方法具有更低的异常点百分比（PAP）和均方根误差（RMSE）,且明显优于传统的参考算法,同时声源定位方法具有更高的定位精度。     

TDOA中几种时延估计算法的比较

在现有的传声器阵列声源定位方法中,基于声达时间差(TDOA)估计定位法计算量较小,定位精度较高,同时也易于实现实时系统,是目前声源定位法中常用的方法。采用该方法最重要的就是进行时间延迟估计(TDE),其精确性直接影响到定位的准确与否。概括了基于传声器阵列的声达时间差(TDOA)估计定位法中几种时间延迟估计的算法,给出了部分算法的仿真结果,分析了每种算法中存在的优缺点并同时指出了需进一步研究的问题。     

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。      

改进的互功率谱相位时延估计方法

互功率谱相位是一种常用的时延估计方法,该方法在弱噪声和中度以下混响的环境下,可以获 得比较精确的时廷估计值;但在低信噪比和强混响的环境下,该方法的性能急剧下降,针对这一问题,本文 提出了一种改进的互功率谱相位时延估计方法。计算机模拟结果表明,改进后的方法即使在低信噪比和强混 响的环境下,也可以获得令人满意的时延估计值。     

真实环境中基于子帧分析的多说话人定位算法

针对真实环境中的多说话人定位问题,提出一种基于子帧分析的多声源定位算法。该算法将一帧语音信号分为8个子帧,利用每个子帧信号计算相位变换加权的可控响应功率函数,分别搜索其最大值得到声源位置的子帧估计。由于语音信号在时域具有稀疏性,这些估计值对应多个声源的位置。利用会聚聚类算法将子帧估计值分为若干类,然后用平均子帧可控响应功率函数对估计值进行评价,得到最终的声源位置估计。实验表明,在2~3个说话人的情况下,该算法比传统算法的定位性能有较大幅度提高。     

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。     

Time Delay Estimation Method Based on Canonical Correlation Analysis

The localization of sources has numerous applications. To find the position of sources, the relative delay between two or more received signals for the direct signal must be determined. The generalized cross-correlation method is the most popular technique; however, an approach based on eigenvalue decomposition (EVD) is another popular one that utilizes the eigenvector of the minimum eigenvalue. The performance of the eigenvalue decomposition (EVD) based method degrades in low SNR and reverberation, because it is difficult to select a single eigenvector for the minimum eigenvalue. In this paper, we propose a new adaptive algorithm based on Canonical Correlation Analysis (CCA) to extend the operation SNR to the lower SNR and reverberation. The proposed algorithm uses an eigenvector that corresponds to the maximum eigenvalue in the generalized eigenvalue equation (GEVD). The estimated eigenvector contains all required information for time delay estimation. We have performed simulations with uncorrelated, correlated noise and reverberation for several SNRs, to show that time delays can be more accurately estimated (especially for low SNR) a CCA based algorithm versus the adaptive EVD algorithm.     

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.     

一种基于语音和噪声统计信息改进相位估计的语音增强算法

为改善低信噪比环境下语音的质量,论文提出了一种改进相位估计的语音增强算法。算法首先根据语音和噪声频谱的统计模型的对称性得到用先验信噪比倒数形式表示的噪声频谱估计值,然后通过分析低信噪比条件下（0dB）相位估计对于幅度估计的重要性,利用噪声频谱估计值估计每一个频点的相位修正值,并给出了一种优化的先验信噪比估计算法,得到一种新的语音增强算法。由仿真实验给出的客观测试和非正式听音测试表明:该算法处理后取得了较好的效果,在抑制低信噪比语音增强所产生的音乐噪声的前提下,相比未改进相位估计的算法处理后的信号,语音失真度更小,语音质量有明显提高。      

改进的后滤波波束形成器语音增强算法

该文提出了一种具有后滤波的波束形成器的语音增强改进算法。该算法主要解决维纳滤波器的理想信号功率谱估计,结合自功率谱减法和互功率谱减法计算出尽可能多的功率谱估计值,以使平均结果更接近于真实值,同时修正了声源移动引起的互功率谱变化。实验结果信噪比提高5dB以上,汽车环境中基于隐含马尔可夫模型(HMM)的小词汇量短语识别达到84％。从信噪比、平均谱距离和语音识别率可以看出该算法有效去除了原始算法中易残留的低频噪声,减少了语音信号失真。     

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。