基于麦克风阵列的声源定位系统设计

从系统的角度对真实声场环境下基于到达时间差的声源定位算法进行了研究,搭建了基于麦克风阵列的声源定位系统,将LabVIEW应用于声源定位软件的开发,方便地完成信号的采集与处理,运用广义互相关函数法进行时延估计,结合平面四元十字阵模型建立方程组实现定位。该系统人机界面友好,具有较强的数据分析和处理能力,能及时跟踪声源的位置变化。     

基于分布式麦克风阵列的声源定位算法

为了提高相位变换加权的可控响应功率SRP-PHAT(Steered Response Power-Phase Transform)声源定位算法的性能,提出一种基于分布式麦克风阵列的改进算法。根据分布式麦克风阵列的特点,使用麦克风对接收信号的广义互相关GCC-PHAT(Generalized Cross-Correlation with Phase Transform weighting)函数的最大值来评价接收信号的质量。在传统SRP-PHAT算法的基础上,以该最大值为权重乘以每对麦克风接收信号的GCC-PHAT函数。该算法质量较高的麦克风对接收信号赋予了较大的权重,因而能提高定位性能。仿真结果表明,在信噪比低于10 dB,混响时间大于300 ms的条件下,改进算法的定位成功率比传统算法提高了2%~4%。     

基于麦克风阵列系统的声源定位技术研究现状

麦克风阵列信号处理是数字信号处理领域的一个热点问题,对麦克风阵列接收到的信息量,根据各个阵列之间信息的相关性,可以使用融合处理的方式实现对参数的估计,这种融合不仅可以在时间域处理,也可以在频域处理.麦克风阵列信号处理技术能够在统计意义上得到测量数据,该技术已应用在无线通信,雷达,声纳与工业控制等场合得到了广泛的应用.     

改进DSB方法的语音信号多声源定位

延迟求和波束形成（DSB）在麦克风阵列信号到达角估计上有着广泛应用,然而在语音信号源下由于栅瓣等问题使得该方法对多个语音信号源方位估计不理想,此外,在实际复杂环境下,该方法受噪声混响影响,方位识别更加困难。针对这些问题,提出一种改进的DSB方法,联合信号频率及麦克风阵列间距对子段内的频点进行选择,之后对数据协方差矩阵加权处理。同时在仿真及实际环境下进行实验,结果表明,与未改进DSB方法相比,该方法计算量降低为原来的18.37%,有效地降低了运算量;仿真实验中在不同反射系数0.2、0.4、0.6下,平均角度定位偏差分别降低了27.3%、21.4%、36%;实际环境实验方位角度估计偏差最大值为9°、最低为1.35°,要低于未改进算法的12.1°和3°。     

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。     

基于声源阵列的空间麦克风定位方法研究

针对当前麦克风位置估计方法出现较少且只对平面的麦克风阵列进行位置估计的问题,提出了一种基于声源阵列的空间麦克风定位方法。该方法将四个声源按照正四面体形式排列,在利用其对称性保证定位全向性的同时,根据时延估计的测距方法计算麦克风与各个声源之间的距离,之后根据几何关系确定麦克风位置坐标,实现在线的基于声源阵列的空间麦克风位置估计。通过进行MATLAB仿真实验,验证了该方法的可行性和有效性。     

基于麦克风阵列的实时声源定位

由于噪音和多路的存在,声源定位总是很难达到一个很高的精度.针对这个问题提出了一个在智能教室环境下使用麦克风阵列对声源位置进行实时估计的算法,该算法分为三个阶段--去除噪音、延时估计和空间定位,即首先通过一个滤波器来对语音信号中噪音进行预处理,然后通过一个改进的GCC-PHAT算法来对多路语音信号的时延进行估计,最后通过构建几何关系来估计声源的位置.实验结果表明,在有一定噪音的自然教室环境下,算法的平均定位精度能够控制在5cm以内,具有很强的应用性.     

基于环形阵列的近场多声源波达方向跟踪

针对基于可控功率响应的多声源跟踪算法定位复杂度高,且弱声源易受强声源影响而造成无法跟踪的问题,提出了一种利用环形阵列的近场多声源波达方向跟踪方法,首先利用语音信号在时-频域的稀疏性和声源间的屏蔽效应定义了信号的相关性,并利用相关性检测主声源较强的帧,其次利用环形阵列结合SRP方法获取单帧主声源的方位角,然后集合多帧的数据从方位角的统计直方图中分析出当前声源的数目和所在方位。仿真实验结果表明,本文方法对声源数目估计的准确率为92%,且具有较高的方位角跟踪精度,其误差小于1.5?,因此可有效应用于近场环境中声源数目和方位的跟踪中。     

声源定位中波达角一致性检测方法

针对混响条件下声源定位的帧选取策略问题,提出了一种波达角一致性检测方法.该方法充分利用了传声器阵列的空域信息和每个传声器的时频域信息,能够检测出受混响影响较小的信号帧,进而提高声源定位算法的性能.实验结果表明,在一般会议室场景(混响时间大于300 ms)下,与传统基于信噪比和能量的帧选取方法相比,该方法在抗混响方面具有优势.     

浅谈基于时延估计算法的声源定位技术

声源定位算法的关键是在不同的收集时间延迟估计在阵元阵列的声信号.在时延估计算法中有两个重要的概念.即时间延迟和时间延迟估计.时间延迟估计是指使用信号处理和参数估计方法的原理以及声源信号的时延估计来进行测定,以确定声源信号的空间距离,空间定位和运行速度等相关参数.     

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。     

机器人听觉声源定位研究综述

声源定位技术定位出外界声源相对于机器人的方向和位置,机器人听觉声源定位系统可以极大地提高机器人与外界交互的能力.总结和分析面向机器人听觉的声源定位技术对智能机器人技术的发展有着重要的意义.首先总结了面向机器人听觉的声源定位系统的特点,综述了机器人听觉声源定位的关键技术,包括到达时间差、可控波束形成、高分辨率谱估计、双耳听觉、主动听觉和视听融合技术.其次对麦克风阵列模型进行了分类,比较了基于三维麦克风阵列、二维麦克风阵列和双耳的7个典型系统的性能.最后总结了机器人听觉声源定位系统的应用,并分析了存在的问题和未来的发展趋势.     

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.     

基于角度预估计的声源定位MUSIC算法实验研究

基于MUSIC算法的声源定位技术具有很高的估计精度及稳定性,算法的运算量主要集中在谱搜索部分。可以通过时延估计声源定位算法预先估计出方位角来缩小谱搜索空间,降低MUSIC算法的运算量。实验结果表明,该方法在保证定位精度的同时,可以大大地降低运算量,对工程应用具有一定的参考价值。     

基于DFRCT滤波器组自适应语音增强算法

提出一种改进的语音增强方法,将带噪语音信号进行子带分解,再对子带信号进行离散分数余弦变换（DFRCT）域滤波,利用了DFRCT良好的正交特性,且自适应滤波采用最小均方（LMS）算法。对滤波后的信号进行DFRCT逆变换得到增强后的子带语音信号,合成增强后的语音信号。仿真结果表明,该算法在减少输入信号自相关程度的基础上,提高了收敛速度,减少了计算时间（约10 s）,增强后的语音信号的分段信噪比（SegSNR）和PESQ值都有所提高,具有良好的语音增强效果。     

一种基于粒子滤波的混合声源跟踪算法

为了提高噪声和混响环境中说话人跟踪的精度,提出一种基于粒子滤波的混合声源跟踪算法。根据接收信号信噪比变化较大的特点,该算法使用相位变换加权的可控响应功率定位函数来计算每帧信号的粒子状态观测值,利用其方差将接收信号帧分为高信噪比和低信噪比两种。对于高信噪比帧,仍采用该定位函数构造的似然函数来评价粒子权重,对于低信噪比帧,则采用常规可控波束形成定位函数构造的似然函数来评价粒子权重。仿真结果表明,在平均信噪比较高的条件下,该算法的跟踪性能与传统算法接近;在平均信噪比低于10 dB,混响时间大于200 ms的条件下,跟踪误差比传统算法减少20%~30%。     

基于麦克风阵列的声源定位系统

推导出声音传播的近场模型,采用相位变换(PHAT)作为加权函数的广义互相关算法（GCC）完成时延差估计,再采用基于数据关联的时延选择算法选择时延,最后使用到达时延差的算法估计声源方位,并在算法模型的基础上搭建了基于数字信号处理器（DSP）的声源定位硬件系统开发平台。实验结果表明,在声音传播的近场模型下该系统角度估计误差不大于3°。     

基于双麦克风的室内语音分离与声源定位系统

为了探究利用两个麦克风进行多声源分离和二维平面定位的可能性,提出了一种基于双麦克风的室内语音分离与声源定位系统。该系统根据麦克风采集的信号,建立了双麦克风时延-衰减模型,然后利用DUET算法估计了模型的时延-衰减参数,并绘制了参数直方图。在语音分离阶段,建立了二进制时频掩膜（BTFM）,根据参数直方图,结合二值掩蔽的方法对混合语音进行了分离;在声源定位阶段,通过推导模型衰减参数与信号能量比之间的关系,得到了确定声源位置的数学方程组。利用Roomsimove工具箱模拟室内声学环境,通过Matlab仿真和几何坐标计算,在对多个声源目标分离的同时完成了二维平面中的定位。实验结果表明,该系统对多个声源信号的定位误差均在2%以下,有助于小型系统的研究和开发。     

混响噪声下声源定位与跟踪的多特征自适应IMM粒子滤波算法EI北大核心CSCD

针对混响噪声下声源定位精度低和鲁棒性弱等问题,提出了多特征自适应IMM粒子滤波算法.该算法以麦克风接收信号的多特征作为观测信息,采用空时相关和迭代滤波建立了时延选择机制和波束输出能量优化机制,并在两者的基础上构建了似然函数以获得合理的声源位置信息.考虑到说话人运动的随机性,给出了自适应IMM算法,通过在线粒子集生成并将不同过程方差的模型进行交互来拟合说话人的不同运动模式,改善了说话人跟踪系统的稳健性.仿真和实测结果表明,所提算法利用了多特征定位信息的互补性,降低了观测误差不确定性对声源位置估计的影响,增强了随机运动声源跟踪系统的鲁棒性,提高了系统的定位精度.