智能麦克风阵列语音分离和说话人跟踪技术研究

本文介绍一种新的基于麦克风阵列的语音分离和说话人跟踪技术.该技术使用麦克风阵列,形成一个指向感兴趣说话人的波束来增强信号,并通过方向置零来抑制其他说话人的声音和噪声,同时用自适应算法跟踪说话人的方位变化.仿真验证了该技术的有效性.与常规的自适应算法相比,该算法不需训练序列,具有显著的优势.     

基于粒子滤波的交互式多模型说话人跟踪方法

 本文提出一种基于采样交互的多模型粒子滤波方法,实现了对随意运动说话人的有效跟踪。该方法根据说话人跟踪问题的特点,用马尔可夫跳变系统描述说话人的动态特性,用粒子滤波方法估计说话人的位置。在说话人跟踪过程中,通过调整滤波粒子的采样区域,完成交互式多模型方法中的输入交互,这不仅实现了各子滤波器中粒子数目的任意设定,避免了模型转换过程中的性能退化现象,而且取消了对模型后验概率密度函数的高斯分布假定,增强了说话人跟踪系统的鲁棒性。计算机仿真实验结果验证了本文方法的有效性。     

量子进化粒子滤波算法及其在说话人跟踪中的应用

以说话人跟踪问题作为应用背景,针对非线性、非高斯随机系统的状态估计问题,本文将量子进化算法和粒子滤波相结合,提出了一种量子进化粒子滤波算法.该算法采用量子编码来表示粒子;通过模拟量子坍塌产生粒子集,同时引入量子变异与量子交叉操作来保持粒子的多样性,从而提高了算法的滤波性能.计算机仿真与说话人跟踪实验结果表明,量子进化粒子滤波算法比通常的粒子滤波算法具有更好的滤波性能.     

基于粒子滤波的静音检测与声源跟踪算法

基于粒子滤波的跟踪算法是解决说话人跟踪问题的一种常用方法.结合了静音检测技术的声源跟踪算法,在静音期间,主要靠声源动态方程来估计目标的位置,可有效地减小误差.传统的噪声环境中的静音检测算法计算量较大,不利于实时跟踪.该文利用声源跟踪中的粒子滤波算法实现静音检测,算法用每帧信号的粒子状态观测值方差来检测静音,简便而可靠.仿真结果表明,该算法能有效地减小静音期间的跟踪误差,且计算量不增加.     

基于遗传重采样粒子滤波的弹道跟踪方法

在雷达对目标的跟踪过程中,受不同位置回波干扰的影响,测量噪声常表现出以闪烁噪声为代表的非高斯特性,严重破坏了卡尔曼滤波算法的高斯假设,使得卡尔曼滤波器的估计精度大幅下降.同时,不依赖高斯假设的粒子滤波又存在着粒子退化等问题,无法获得良好的跟踪效果.针对这一情况,文中借鉴生物遗传思想,给出了基于遗传重采样的粒子滤波算法,...     

基于迭代中心差分卡尔曼滤波的说话人跟踪方法

利用状态空间方法对说话人进行语音跟踪时,观测方程的非线性会影响说话人位置的估计精度。该文将迭代滤波理论与中心差分卡尔曼滤波技术相结合,提出迭代的中心差分卡尔曼滤波方法,并应用于说话人跟踪系统。仿真实验结果表明,该文所提出的方法减少了系统线性化误差,增强了滤波算法的鲁棒性,提高了说话人跟踪精度。     

被动传感器阵列中基于粒子滤波的目标跟踪

针对被动传感器阵列中的机动目标跟踪问题,该文提出了一种基于多模Rao-Blackwellized粒子滤波的机动目标跟踪新方法。算法首先基于Rao-Blackwellization理论将机动目标跟踪问题划分为模型选择和目标跟踪两个子问题;采用多模Rao-Blackwellized粒子滤波对目标运动模型进行选择,扩展Kalman滤波对目标进行更新,有效降低了抽样粒子状态维数,节省了计算时间;最后,建立了被动传感器阵列的非线性观测模型。实验结果表明,提出方法可以有效地对目标模型进行选择,算法的跟踪性能及稳定性要好于交互多模型(IMM)方法。     

基于局部粒子密度的粒子滤波跟踪方法

定义了欧氏空间内的局部粒子密度的概念,针对四种不同的情况作出分析,对优选粒子的优劣作出评价并指导后续的粒子重采样和模板更新过程,并在此基础上给出了一种新的基于局部粒子密度的目标跟踪方法.比较实验显示,相对于原始粒子滤波方法和其他粒子重要性重采样方法,该方法在保证跟踪有效性的同时,提高了跟踪效率.     

Chopthin重采样粒子滤波的目标跟踪算法

针对粒子滤波中传统重采样存在的滤波性能不稳定、有效粒子数波动剧烈、样贫的缺点,提出了一种基于Chopthin重采样粒子滤波的目标跟踪算法。与传统重采样相比,Chopthin重采样产生的粒子权重不相等,粒子相对集中时,对边缘粒子的舍弃力度更小,因此能够改善传统重采样存在的样贫。Chopthin重采样可以在每一个迭代周期进行,不必在有效粒子数低于阈值时才进行,有效粒子数和滤波性能更加稳定。仿真实验表明,在不增加计算量的前提下,所提算法克服了传统重采样的缺点。     

基于数值积分卡尔曼-概率假设密度滤波的多说话人跟踪方法

针对多说话人跟踪的非线性系统模型,提出了一种基于数值积分卡尔曼-概率假设密度滤波的多说话人跟踪方法。该方法采用麦克风阵列的时间延迟估计作为观测数据,利用具有三次代数精度的球面-径向数值积分准则计算非线性系统贝叶斯滤波器中的多维积分,通过数值积分卡尔曼滤波和概率假设密度滤波对后验多说话人状态的一阶统计量进行估计,并通过递推更新得到说话人状态信息,实现非线性高斯系统的多说话人跟踪。该方法无需求解非线性系统函数的雅克比矩阵,且计算量较小。仿真实验分析了检测概率、虚警点数目、采样周期、信噪比以及混响时间变化时跟踪算法的性能。实验结果表明,该方法降低了系统模型非线性对滤波算法的影响,增强了跟踪算法的鲁棒性,提高了说话人状态和数目的估计精度。      

粒子优化组合的粒子滤波跟踪算法研究

为了改善运动目标跟踪问题中粒子滤波算法(PF)的估计精度,针对粒子滤波出现样本退化以及样本贫乏问题,提出了一种基于粒子优化组合的粒子滤波算法(POCPF)。该算法用一能使粒子朝后验概率分布值较大的区域运动的似然函数来改善粒子的位置,然后重估粒子的权值对粒子进行优化组合,满足粒子的多样性要求,从而克服了粒子的贫乏问题,在一定程度上减少系统状态为达到精确度所需的粒子数目,缩短运行时间。通过仿真实验证明了POCPF算法的有效性,当粒子数相同时,POCPF算法性能优于PF算法。     

一种平面传声器阵列在声源定位中的研究

空域中声源定位主要利用传声器阵列到达时间差(TDOA)技术实现,为避免阵列自身精度对测量的影响和复杂的计算,提出一种便捷的平面十字形传声器阵列模型,分析声源定位TDOA技术和模型在三维空间中的应用,给出了定位算法和误差公式,论证了模型在构造、计算方面的优势。系统虽在精度等方面有待进一步提高,但对无源定位的方法和阵列构造有较强的实用价值,在各类阵列技术领域中有广泛的应用前景。     

粒子滤波在机动目标纯方位跟踪中的应用

文章将多模粒子滤波算法用于机动目标纯方位跟踪，通过估计模型的概率而不是寻找最优算法去进行局部线性化和表征非高斯后验密度，从而减小了近似误差。在仿真研究中，与IMM—EKF的比较验证了多模粒子滤波处理机动目标纯方位跟踪问题的优越性。     

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）。     

基于麦克风阵列的数字助听器语音增强技术

针对噪声和混响环境下的助听器用户聆听上的困难,基于麦克风阵列的数字助听器设计能够很好的提高助听器在这种环境下的语音信噪比。本文研究了应用麦克风阵列进行数字助听器语音增强处理技术,提出了一种基于粒子群优化的改进粒子滤波算法,它将语音增强问题转换为从带噪语音中对纯净语音的估计过程,引入粒子群优化的方法来产生建议分布,使降噪结果更接近纯净语音,从而得到更好的语音增强效果。