基于麦克风阵列的真实声场环境声源定位跟踪系统设计

设计制作了基于麦克风阵列的真实声场环境声源定位跟踪系统。该系统基于树莓派4B和Arduno单片机，依托声阵列云台，通过传感器采集声音信号，采用TDOA算法对信号进行处理，集采集、处理、控制于一体，成功实现对目标的定位与跟踪。采用两种独立的信号处理方法：以TDOA算法为主，幅度相位检测为辅，对结果进行验证和自检，形成闭环正反馈，增强了该定位系统的准确性和稳定性。另外，针对声源存在回音、噪声干扰等问题，将麦克风阵列变全向为单向以及引入一个基于相关运算的语音检测算法，提高了定位系统的抗噪声能力。测试表明在声场环境下该系统能够对单个声源的三维空间位置进行实时的定位和跟踪，当声源位置变化时，系统也能较为准确跟踪声源的位置。     

基于耳蜗核模型改进双耳时间差的声源定位

人耳听觉系统在噪声环境中能够准确定位感兴趣的声源,实现其定位的主要因素是双耳时间差,但是在噪声环境下利用双耳时间差方法进行定位的效果比较差。针对这一问题,提出一个基于耳蜗核模型的声源定位系统。利用耳蜗核模型模拟耳蜗核对听觉信息的处理机制,提取听觉神经纤维中对语声刺激同步的信息和发放率信息,从而实现对噪声的抑制,完成噪声环境下的声源定位。该系统在噪声环境下定位的误差为1.297°。实验结果证明改进之后的声源定位系统能在噪声环境下进行声源定位。     

基于Gabor滤波的引导源目标定位

针对引导源目标定位算法在低信噪比声源信号条件下不能有效定位的问题,在推导了引导源目标定位(GTL,Target localization algorithm using a guide source)算法原理基础上,根据低信噪比条件下GTL算法处理结果的特点,提出了利用Gabor滤波对算法输出条纹图进行降噪处理的方法。利用几组不同信噪比的引导声源和目标声源信号,对基于Gabor滤波降噪处理的GTL算法进行了仿真,并比较分析了其降噪前后引导源目标定位算法的处理结果。仿真结果表明,基于Gabor滤波处理后的GTL算法能准确实现低信噪比条件下的目标声源定位。     

基于模糊集合改进的TDOA声源定位方法

面向在复杂场景下对特定的声源进行筛选并定位的情况,设计了一套声源定位系统该系统以STM32为主控芯片,以基于时间差定位算法(the time differences of arrival,TDOA)作为基本原理。对于可能出现的低信噪比、线性度不贴合实际、以及多径效应等情况,首先利用模糊集合对采集到音频数据进行筛选处理处理,增强信号的抗干扰性,从而得到理想的音频数据。之后利用网格迭代法估算声源坐标。在相同条件下与传统TDOA算法进行实验对比,结果表明在对特定频率的音频进行定位时,整个系统相比于传统算法更具有抗干扰性和定位准确度,达成了预期目标。     

基于声源定位技术的智能视频监控系统

针对目前的大部分视频监控系统都是基于图像检测的静态或动态监控,提出了在智能视频监控系统中应用声源定位和摄像头动态采集进行联合判决的方案。系统采用麦克风阵列对声源进行定位,然后驱动摄像头转动到声源位置监控,通过图像分析给出报警动作。实验结果表明,该系统在低噪声干扰的实验环境下,能实现对声源的有效定位,并进行异常情况报警。     

基于TDOA和AOA算法的声源定位模型的研究

基于几何形状麦克风阵列的声源定位系统是近年来声源定位的研究热点之一,在众多领域应用广泛。本文在探讨已有的声源定位方法基础之上,对现有声源定位算法的优缺点进行整合,结合三维系统声源定位分布规律,以及TDOA和AOA算法构建仿真模型进行求解。     

基于传声器阵列的声源定位算法与误差分析

基于传声器阵列和互相关算法的时间延迟技术对声源进行定位,互相关算法对宽频带信号（扫频信号）定位比较准确,对窄带信号（风琴信号）定位不显著,分析了影响声源定位精度的因素,并改进声源定位系统.通过实验验证了影响风琴信号声源定位的因素,实现了风琴信号的声源定位,并在NI CompactRIO系统上开发了一个实时声源定位系统.     

声源定位中声音到达各阵元时延估计的虚拟仪器实现

基于TDOA(Time Difference Of Arrival)的声源定位研究的核心问题是时延估计,时延估计的精度决定该算法的定位精度.将虚拟仪器的技术引入声源定位的研究中,用数字信号处理的方法进行时延估计,有效地提高了声源定位的精度和灵活性.     

基于四元十字阵的分布式声源定位实验研究

构建了基于测向交叉定位法的分布式声源定位实验系统。首先,利用四元十字阵节点通过到达时间差（TDOA）方法计算声源位置角度,然后,通过测向交叉定位法融合各节点角度,计算声源位置。通过该系统实验测试了测向交叉定位法在实际应用中的性能。该系统在声源距离阵元50m时定位误差为2．9m,声源距离阵元100m时,定位误差为5．8m。实验结果表明：测向交叉定位法在实际应用中能准确计算出声源位置,定位误差随麦克风与目标的距离增大而增大。     

基于FPGA的实时声源定位

提出了利用2个麦克风基于FPGA的声源定位的方法.具体通过基于相位变换改进的互相关方法成功在低信噪比(10 dB)的噪声环境下完成声源定位.利用同样的算法和硬件结构,可以在1片FPGA芯片上实现5组并行的时域处理的系统,而且每个麦克风的功耗只有77 mW～108 mW.     

基于麦克风阵列的储罐内爬壁机器人定位技术

为提高储罐内爬壁机器人的智能水平及作业效率,研究设计了基于被动声定位技术的机器人定位系统.该系统利用麦克风阵列拾取机器人发出的声信号,运用改进的时延估计定位方法处理信号,从而定位爬壁机器人.介绍了系统涉及的语音信号处理方法,并利用卡尔曼滤波算法处理定位数据.实验表明15m内该系统的定位距离误差不超过12cm.     

针对头佩式麦克风阵列的声源定位算法研究

头佩式麦克风阵列在单兵便携反狙击声探测定位系统和机器人声定位系统中具有实际的应用价值。一般的声源定位方法是基于无遮挡的线性或非线性麦克风阵列。采用头佩式麦克风阵列,考虑到背向声源麦克风的低频声波由于头盔遮挡而发生的衍射作用,针对低频波段的声音信号进行定位算法的设计和研究。该算法利用低频声波的绕射路径计算时延,采用联合可控功率响应（SRP-PHAT）框架进行时延补偿搜索定位。实验表明,相比于普通的无遮挡定位算法,基于绕射路径的头佩式麦克风阵列定位方法通过综合利用背向声源的麦克风数据,明显地提高了定位的精度,这种精度的提升在选择1 kHz以内的信号频率窗口时达到最佳效果。     

麦克风阵列下互相关函数分类的声源定位

传统的基于麦克风阵列的声源定位方法,往往容易受到低信噪比或高混响等不利的声学条件的影响。近年来,基于模式识别和机器学习技术的方法被用来在恶劣环境下进行声源定位。引入了一种基于Fisher判别理论的加权方法,实现了基于Fisher加权朴素贝叶斯分类器（Fisher Weighted Naive Bayes Classifier,FWNBC）的声源定位。通过基于相位变换（Phase Transformation,PHAT）加权的互相关函数来计算每个位置的特征向量,利用Fisher加权朴素贝叶斯分类器估计声源位置。在实际的定位系统中进行实验,验证改进算法的性能。实验结果表明,与使用朴素贝叶斯分类器（Naive Bayes Classifier,NBC）相比,FWNBC算法有效提高了声源定位的精度。     

基于数字式MEMS声传感器阵列的声源定位系统设计

在研究声源定位算法模型的基础上,搭建了声源实时定位系统。采用空间锥形六元阵并结合数字式MEMS声传感器构建定位阵列。以DSP作为系统算法实现平台,完成数据采集模块和数据处理模块设计,分析了IIS音频数据传输的实现,包括数据传输通道的建立和DMA工作方式。通过测试,验证了系统核心模块的性能达到预期效果,具有较好的实用性。     

阵列声成像系统的设计

提出了一种阵型优化的平面传声器阵列。基于这种优化的阵型,研制了一种声源定位系统,也称阵列声成像系统。该系统硬件上由传声器,数据采集,信号处理和显示控制四个模块组成。软件上,开发了基于数字信号处理器的声源定位程序和基于MFC的显控界面,实现了很好的人机交互。通过半消声室的实验分析,证明了该阵列声成像系统在声场可视化应用方面的有效性。     

Development of acoustic source localization with adaptive neural network using distance mating-based red deer algorithm

Multichannel, audio processing approaches are widely examined in human–computer interaction, autonomous robots, audio surveillance, and teleconferencing systems. The numerous applications are linked to the speech technology and acoustic analysis area. Much attention is received to the active speakers and spatial localization of acoustic sources on the acoustic sensor arrays. Baseline approaches provide negotiable performance in a real-world comprised of far-field/near-field monitoring, reverberant and noisy environments, and also the outdoor/indoor scenarios. A practical system to detect defects in complex structures is the time difference mapping (TDM) technique. The significant scope of the research is to search the location using the minimum distance point in the time difference database to be apart from the verification point. In the case of the improved “time difference mapping (I-TDM)” technique and traditional “time difference mapping (T-TDM)” technique, the denser grids and vast database permit increased accuracy. In the database, if the location points are not present, then the accurate localization of the I-TDM and T-TDM techniques is damaged. Hence, to handle these problems, this article plans to develop acoustic source localization according to the deep learning strategy. The audio dataset is gathered from the benchmark source called the SSLR dataset and is initially subjected to preprocessing, which involves artifact removal and smoothing for effective processing. Further, the adaptive convolutional neural network (CNN)-based feature set creation is performed. Here, the adaptive CNN is accomplished by the improved optimization algorithm called distance mating-based red deer algorithm (DM-RDA). With this trained feature set, the acoustic source localization is done by the weight updated deep neural network, in which the same DM-RDA is used for optimizing the training weight. The simulation outcome proves that the designed model produced enhanced performance compared to other traditional source localization estimators.     

船载柔性阵基元坐标实时获取技术研究

为了解决船载柔性阵被动定位系统中基元位置不确定的问题,提出了实时获取柔性阵基元坐标的技术方案.利用辅助声源发射直接扩频的DPSK(Differential phase shift keying)信号,根据广义互相关法估计DPSK信号到达各基元的时延,进而计算各基元的位置坐标.利用水池试验和湖上试验对该方法进行了实验验证,用实时获取的阵元坐标计算得到的目标距离与GPS测量的结果相一致.理论与实验分析的结果表明,本文的方法能够准确地实时获取柔性阵基元的坐标信息.     

频域加权陷波多声发射源定位与伪源辨识方法

针对信号处理中的稀疏阵列有时会出现栅瓣和伪峰的现象,进而影响波束形成法在结构损伤定位中应用的问题,提出了基于频域加权波束零陷的未知真实声发射源数量的声发射定位与伪源辨识方法。首先,推导研究了波束零陷思想在二维频域加权波束形成方法中的作用机理;然后,基于频域加权陷波的波束形成方法,提出了在未知真实声发射源数量情况下的伪声发射源的辨识和真实声发射源的定位流程;最后,在存在较多伪声发射源干扰情况下进行了单声发射源和同时多声发射源的定位试验,验证了所提出方法的准确性。研究结果表明,所提出的方法对于推广波束形成法在结构健康监测领域的应用具有价值。     

基于最小熵值的麦克风阵列声源定位算法

针对传统麦克风阵列声源定位算法抗噪声及混响能力不强的问题,提出一种基于最小熵值和随机域压缩的麦克风阵列声源定位算法。利用最小熵值方法对麦克风阵列进行时延估计,并与随机域压缩方法相结合,对声源进行空间搜索。仿真实验结果表明,该算法在定位精度、抗噪声及抗混响能力方面均优于广义互相关-相位变换算法。