CN103837858A - 一种用于平面阵列的远场波达角估计方法及*** - Google Patents
一种用于平面阵列的远场波达角估计方法及*** Download PDFInfo
- Publication number
- CN103837858A CN103837858A CN201210483581.XA CN201210483581A CN103837858A CN 103837858 A CN103837858 A CN 103837858A CN 201210483581 A CN201210483581 A CN 201210483581A CN 103837858 A CN103837858 A CN 103837858A
- Authority
- CN
- China
- Prior art keywords
- angle
- arrival
- sigma
- microphone
- subarray
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000004807 localization Effects 0.000 claims abstract description 14
- 239000000203 mixture Substances 0.000 claims abstract description 7
- 230000005236 sound signal Effects 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims description 7
- 238000001228 spectrum Methods 0.000 claims description 7
- 238000006467 substitution reaction Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 238000003491 array Methods 0.000 abstract 2
- 238000007781 pre-processing Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 23
- 238000013459 approach Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
- G01S5/20—Position of source determined by a plurality of spaced direction-finders
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
- G01S3/80—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using ultrasonic, sonic or infrasonic waves
- G01S3/802—Systems for determining direction or deviation from predetermined direction
- G01S3/808—Systems for determining direction or deviation from predetermined direction using transducers spaced apart and measuring phase or time difference between signals therefrom, i.e. path-difference systems
- G01S3/8083—Systems for determining direction or deviation from predetermined direction using transducers spaced apart and measuring phase or time difference between signals therefrom, i.e. path-difference systems determining direction of source
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
- Circuit For Audible Band Transducer (AREA)
Abstract
本发明涉及一种用于平面阵列的远场波达角估计方法及***,所述的方法包含:步骤101)将平面阵列作为麦克风对组成的线性子阵列的几何组合,且每一个线性子阵列决定一个子波达角;步骤102)在假定波达方向x已知的情况下:采用全局波达角来计算各子阵列的期望子波达角θi;通过各子阵列的时间差计算子阵列的估计子波达角步骤103)基于估计子波达角和期望子波达角构造代价函数为:步骤104)将代价函数收敛时的波达角作为最终确定的波达角的值,完成声源定位。所述τi采用如下策略获得:提取麦克风阵列的输出数字信号,对每一帧的数字化声音信号做加窗预处理,傅立叶变换并且在频域白化信号;计算预处理后信号的交叉相关,求取所有麦克风对之间的时间延迟τi。
Description
技术领域
本发明涉及宽带信号、远场的麦克风阵列声源定位技术领域,具体的说,本发明涉及一种用于平面阵列的远场波达角估计方法。
背景技术
远场波达角估计在麦克风阵列的应用中占居重要位置,它可用于远程会议,为麦克风阵列指示波束聚焦的方向,为会议摄像头提供指向信息。它能指示声源目标所在的空间方位,为后续的信息采集与处理提供重要的空间信息。
传统的宽带波达角估计算法分为两类,第一类是以基于相位变换的联合可控响应功率(SRP-PHAT)算法为代表的空间谱估计算法,另外一类是以基于相位变换的广义交叉相关(GCC-PHAT)为代表的时间差算法。前者以鲁棒性著称,具有较好的抗噪声、抗混响能力,但计算复杂度高;后者以计算效率著称,但鲁棒性差,容易遭受噪声和混响的干扰。这两类算法的代价函数存在两个共同的问题。其中,波达角是指声源入射的方向,相对于平面阵列的方位角和仰角。
其一,他们的代价函数通常拥有多个极值,而且根据最优准则,无法导出波达角的最优解,因此,不得不采用计算复杂度较高的格点搜索方法,寻求一个最优估计。格点搜索是导致这些算法高复杂度的主要原因。尽管有些算法提出了一些格点搜索的优化方法,但优化后的格点搜索的计算复杂度仍然不可忽略。
其二,基于交叉相关的时间差估计方法容易受到噪声和混响的影响,由于各麦克风所处于的位置不同,他们受到噪声和混响干扰的程度不同,计算精度差异较大。此外,时间差计算的精度,也和麦克风与声源的相对位置有关,在垂直于麦克风对的方向,时间延迟估计较准,然而在接近于平行方向,时间延迟估计精度较差。因此,我们必须在代价函数中考虑这种差异。不幸的是,大多数算法往往忽略了这一点,它们平等对待每一时间延迟信息。对于某一时间差的大幅度扰动,往往导致较大的波达角估计误差。
以上两个问题根源于代价函数的定义,因此,解决上述问题必须从代价函数的定义入手。
发明内容
本发明目的在于,为克服现有技术的上述缺陷,本发明提供了一种用于平面阵列的远场波达角估计方法及***。
为实现上述目的,本发明提供了一种用于平面阵列的远场波达角估计方法,所述的方法包含:
步骤101)将平面阵列作为麦克风对组成的线性子阵列的几何组合,且每一个线性子阵列决定一个子波达角;
步骤102)在假定波达方向x已知的情况下:
步骤103)基于针对各子阵列估计波达角和期望波达角构造代价函数为:
其中,M为总的麦克风对的数目,gi为第i对麦克风连线的方向,τi为第i对麦克风估计的时间延迟,di为第i对麦克风的间距,x为波达方向,wi为给予第i对麦克风的权重,c为声波在空气中的传递速度;
步骤104)将上述代价函数收敛时的波达角的取值作为最终确定的波达角的值,完成声源定位。
上述期望子波达角θi的计算公式为:
θi=arccos(cτi/di)
所述估计子波达角的计算公式为:
上述τi采用如下策略获得:
步骤1:提取麦克风阵列的输出数字信号,对每一帧的数字化声音信号做加窗预处理,进行傅立叶变换,并且在频域白化信号;
步骤2:计算预处理后信号的交叉相关,对于来自每对麦克风的傅立叶谱进行点乘,求取所有麦克风对之间的时间延迟τi。
上述步骤104)进一步包含:
步骤104-1)假定权重系数相等,即wi=1/M,初始化指向x=[1,0,0];对于所有麦克风对,计算它们的连线表示的单位方向矢量,gi=[gi,1,gi,2,0]T,其中,gi′=[gi,1,gi,2]T;0表示所有的麦克风位于同一个平面内;
基于上述方法本发明提供了一种用于平面阵列的远场波达角估计***,所述的***包含:
设置模块,用于将平面阵列作为麦克风对组成的线性子阵列的几何组合,且每一个线性子阵列决定一个子波达角;
波达角获取模块,用于在给定一个未知的DOA情况下采用如下策略获取波达角:
代价函数生成模块,用于基于针对各子阵列的上述估计子波达角和期望子波达角构造代价函数为:
M为总的麦克风对的数目,gi为第i对麦克风连线的方向,τi为第i对麦克风估计的时间延迟,di为第i对麦克风的间距,x为声源入射方位。wi为给予第i对麦克风的权重;和
波达角确定输出模块,用于将上述代价函数收敛时的波达角的取值作为最终确定的波达角的值,完成声源定位。
上述期望子波达角θi的计算公式为:
θi=arccos(cτi/di)
当获取τi时采用如下模块:
预处理模块,提取麦克风阵列的输出数字信号,对每一帧的数字化声音信号做加窗预处理,进行傅立叶变换,并且在频域白化信号;
计算预处理后信号的交叉相关,对于来自每对麦克风的傅立叶谱进行点乘,求取所有麦克风对之间的时间延迟τi。
上述波达角确定输出模块进一步包含:
初始化子模块,用于假定权重系数相等,即wi=1/M,初始化指向x=[1,0,0];对于所有麦克风对,计算它们的连线表示的单位方向矢量,gi′=[gi,1,gi,2]T;
迭代处理子模块,用于根据波达方向求取新的权重系数, 其中 跳转到第一处理子模块;和
与现有技术相比本发明的技术优势在于:
1.计算速度快。传统的宽带信号波达角估计方法中,由于代价函数有多个极值,不得不采取全局搜索的方法,导致很高的计算复杂度。本算法通过定义一个凹函数,直接获取波达角的解析解,避免了复杂的搜索过程。因而具有很好的计算效率。它的计算速度是经典的SRP-PHAT的30倍,是基于时间延迟估计方法的5倍。
2.鲁棒性好。传统的基于时间延迟求解波达角的类似方法中,每一对相关函数或者时间延迟被赋予同等的权重,那些不可靠的延迟或相关函数导致较大的估计误差。本方法中,通过赋予不同的权重,避免不可靠的时间延迟信息对最终估计结果的干扰。因此它的鲁棒性好,它的性能接近于以鲁棒型著称的SRP-PHAT,它的鲁棒性大幅度超出以计算速度著称的GCC-PHAT。
附图说明
图1估计波达角的流程图
图2用于算法评价的声学仿真环境
图3-a为设定房间的混响时间为200毫秒,得到的“错误率——误差门限”曲线;
图3-b为设定混响时间为300毫秒得到的“错误率——误差门限”曲线;
图3-c为设定混响时间为200毫秒,外加10dB的白噪声的“错误率——误差门限”曲线。
具体实施方式
下面结合附图对本发明的内容进行详细阐述。
本发明提出了一种快速的波达角估计方法,下面以宽带语音声源为例,说明如何使用该算法进行定位。
本发明涉及一种快速而鲁棒的声源定位算法,该算法把平面阵列看作麦克风对组成的线性子阵列的几何组合,每一个线性子阵列决定一个子波达角。传统的波达角由方位角和仰角描述,为了方便起见,这里波达角表示为一个三维的单位向量x=[x1,x2,x3]T,其中T表示矩阵的转置。假定第i个子阵列所在的位置表示为g=[gi,1,gi,2,0]T,由于所有的麦克风都在一个平面内,所以第三个维度为零表示。那么假定波达方向x已知的情况下,期望的子阵列波达角可以表示为:
θi=arccos(cτi/di)
通过广义交叉相关可以估计第i个子阵列的时间差,从而可以计算该子阵列的估计子波达角:
这里wi表示第i个子阵列的权重系数,反映他的可靠性。最优波达角估计通过最小化该权重均方误差获得,即
这是一个基于Kuhn-Tucker条件的最小化约束问题,对应的拉格朗日梯度方程可以表示为
L(x,μ)=ε(x)+μ(xTx-1)
δi=arccos(xTgi)-arccos(cτi/di)
wi可以通过迭代的方式获取。首先假设所有子阵列的权重系数相同,从而求取一个最优波达角的估计,用此估计求取新的权重系数,用新的权重系数求取新的波达角估计。此迭代不断循环,直至波达角收敛。
如图1所示,包括下列步骤:
步骤1:提取麦克风输出的数字信号,对这一帧的数字化声音信号做预处理,对数字信号进行加窗处理,设每帧长度为F点。先补零到N点,N≥F,N=2j,j为整数,且j≥8,进行N点离散傅里叶变换,得到离散谱其中,表示缓存中第个麦克风采集信号的第n个采样点,表示缓存中第个采集信号傅里叶变换值(k=0,1,...,N-1);然后白化幅度谱,所述的预处理包括加窗、或/和预加重;所述的加窗函数采用汉宁窗或哈宁窗。
步骤2:进行交叉相关处理,对于来自每对麦克风的白化傅立叶幅度谱进行点乘。对于由第p个和第q个麦克风组成的第i个对,求其反傅利叶变换其实部real(xi,n)表示两个信号的相关函数,对real(xi,n)循环移动N/2个采样点,得到相关函数序列zi,k,根据麦克风的间距di计算最大时间延迟τmax=fix(fsdi/c),其中fs表示信号的采样率,c表示声速,fix表示取整数运算。在从k1=N/2-τmax到k2=N/2+τmax的范围内,在 序列中搜索最大值,该值对应的时间索引第p个和第q个麦克风信号间的时间延迟。以此类推,求取所有麦克风对之间的时间延迟τi。
步骤3:假定权重系数相等,即wi=1/M,初始化指向对于所有麦克风对,计算它们的连线表示的单位方向矢量,gi′=[gi,1,gi,2]T。
基于上述实施例的算法,对声源定位算法的性能进行评估。我们采用image声学仿真工具,模拟一个普通房间的声学环境。房间中放置一个9元的麦克风平面阵列,8个麦克风均匀放置在圆周上,一个放置在圆心。话者距离麦克风中心位置大约1.8米处。房间的几何平面图如图2所示。
采用TIMIT数据库中的60秒的语音信号。算法性能的评价指标为给定门限下的错误率,具体定义为:在给定一个方位角误差门限的情况下,误差大于门限的样本所占总体样本的百分比定义为错误率。图2为实例比较了本发明的权重最小均方误差算法WMMSE、不考虑权重的最小均方误差算法MMSE、经典的基于相位变换的广义交叉相关算法(GCC-PHAT)、基于相位变换的联合可控响应功率(SRP-PHAT)效果比对图。图3-a、3-b和3-c表示算法评价的数据指标对比。首先通过仿真工具,设定房间的混响时间为200毫秒,得到的“错误率——误差门限”曲线如图3-a所示;然后设定混响时间为300毫秒,如图3-b所示;最后设定混响时间为200毫秒,外加10dB的白噪声,如图3-c所示。该实验表明,算法的性能接近于SRP-PHAT,但远远超出GCC-PHAT。同时我们在普通台式电脑上对比了算法的计算效率。本算法分别为GCC-PHAT的5倍,SRP-PHAT的30倍。
总之,本发明提供了一种快速而鲁棒的声源定位算法,该算法把平面阵列看作麦克风对组成的线性子阵列的几何组合,每一个线性子阵列决定一个子波达角。该子波达角既可以通过交叉相关来估计,也可以通过给定的全局波达角来计算。在理想的声学条件下,估计的子波达角和计算得到的子波达角相等。我们采用这两个子波达角余弦差的平方作为代价函数,波达角的最优估计应该使代价函数最小。根据该准则,可以推导出最优波达角为所有麦克风对时间差的线性函数。同时,我们在该函数中引入权重系数,衡量每一子阵列的可靠度。我们在仿真环境和真实环境下测试了该算法,它的计算速度比SRP-PHAT高出30倍,与以计算效率著称的GCC-PHAT相比,甚至高出5倍。它的鲁棒性大幅超出GCC-PHAT,接近于以鲁棒性闻名的SRP-PHAT。该算法适用于低功耗硬件平台上的声源定位。
最后所应说明的是,以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种用于平面阵列的远场波达角估计方法,所述的方法包含:
步骤101)将平面阵列作为麦克风对组成的线性子阵列的几何组合,且每一个线性子阵列决定一个子波达角;
步骤102)在假定波达方向x已知的情况下:
首先,采用全局波达角来计算各子阵列的期望子波达角θi;然后采用通过各子阵列的时间差计算子阵列的估计子波达角
步骤103)基于针对各子阵列估计波达角和期望波达角构造代价函数为:
其中,M为总的麦克风对的数目,gi为第i对麦克风连线的方向,τi为第i对麦克风估计的时间延迟,di为第i对麦克风的间距,x为波达方向,wi为给予第i对麦克风的权重,c为声波在空气中传递的速度;
步骤104)将上述代价函数收敛时的波达角的取值作为最终确定的波达角的值,完成声源定位。
3.根据权利要求1或2所述的用于平面阵列的远场波达角估计方法,其特征在于,所述τi采用如下策略获得:
步骤1:提取麦克风阵列的输出数字信号,对每一帧的数字化声音信号做加窗预处理,进行傅立叶变换,并且在频域白化信号;
步骤2:计算预处理后信号的交叉相关,对于来自每对麦克风的傅立叶谱进行点乘,求取所有麦克风对之间的时间延迟τi。
4.根据权利要求1所述的用于平面阵列的远场波达角估计方法,其特征在于,所述步骤104)进一步包含:
步骤104-1)假定权重系数相等,即wi=1/M,初始化指向x=[1,0,0];对于所有麦克风对,计算它们的连线表示的单位方向矢量,gi′=[gi,1,gi,2]T,其中gi,1和gi,2分别表示表示gi的第一维和第二维;
6.一种用于平面阵列的远场波达角估计***,所述的***包含:
设置模块,用于将平面阵列作为麦克风对组成的线性子阵列的几何组合,且每一个线性子阵列决定一个子波达角;
波达角获取模块,用于在给定一个未知的DOA情况下采用如下策略获取波达角:
代价函数生成模块,用于基于针对各子阵列的上述估计子波达角和期望子波达角构造代价函数为:
M为总的麦克风对的数目,gi为第i对麦克风连线的方向,τi为第i对麦克风估计的时间延迟,di为第i对麦克风的间距,x为声源入射方位。wi为给予第i对麦克风的权重;c为声波在空气中的传递速度;和
波达角确定输出模块,用于将上述代价函数收敛时的波达角的取值作为最终确定的波达角的值,完成声源定位。
8.根据权利要求6或7所述的用于平面阵列的远场波达角估计***,其特征在于,获取τi时采用如下模块:
预处理模块,提取麦克风阵列的输出数字信号,对每一帧的数字化声音信号做加窗预处理,进行傅立叶变换,并且在频域白化信号;和
计算预处理后信号的交叉相关,对于来自每对麦克风的傅立叶谱进行点乘,求取所有麦克风对之间的时间延迟τi。
9.根据权利要求6所述的用于平面阵列的远场波达角估计***,其特征在于,所述波达角确定输出模块进一步包含:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210483581.XA CN103837858B (zh) | 2012-11-23 | 2012-11-23 | 一种用于平面阵列的远场波达角估计方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210483581.XA CN103837858B (zh) | 2012-11-23 | 2012-11-23 | 一种用于平面阵列的远场波达角估计方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103837858A true CN103837858A (zh) | 2014-06-04 |
CN103837858B CN103837858B (zh) | 2016-12-21 |
Family
ID=50801560
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210483581.XA Expired - Fee Related CN103837858B (zh) | 2012-11-23 | 2012-11-23 | 一种用于平面阵列的远场波达角估计方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103837858B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105044675A (zh) * | 2015-07-16 | 2015-11-11 | 南京航空航天大学 | 一种srp声源定位的快速实现方法 |
CN106405501A (zh) * | 2015-07-29 | 2017-02-15 | 中国科学院声学研究所 | 一种基于相位差回归的单声源定位方法 |
CN108445447A (zh) * | 2018-02-27 | 2018-08-24 | 国家电网有限公司 | 一种变电站放电源的站域空间波达方向估计*** |
CN109717835A (zh) * | 2018-12-21 | 2019-05-07 | 南京理工大学 | 一种基于麦克风阵列的鼾声***检测方法 |
CN110221250A (zh) * | 2019-06-27 | 2019-09-10 | 中国科学院西安光学精密机械研究所 | 一种异常声音定位方法及定位装置 |
CN110337819A (zh) * | 2016-11-18 | 2019-10-15 | 诺基亚技术有限公司 | 来自设备中具有不对称几何形状的多个麦克风的空间元数据的分析 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001017109A1 (en) * | 1999-09-01 | 2001-03-08 | Sarnoff Corporation | Method and system for on-line blind source separation |
CN101034158A (zh) * | 2007-02-25 | 2007-09-12 | 四川川大智胜软件股份有限公司 | 基于麦克风阵联网的低空目标监视方法 |
US7414582B1 (en) * | 2006-03-03 | 2008-08-19 | L-3 Communications Integrated Systems L.P. | Method and apparatus for all-polarization direction finding |
CN102169170A (zh) * | 2010-12-29 | 2011-08-31 | 电子科技大学 | 一种相干分布式信号二维波达角的测定方法 |
-
2012
- 2012-11-23 CN CN201210483581.XA patent/CN103837858B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001017109A1 (en) * | 1999-09-01 | 2001-03-08 | Sarnoff Corporation | Method and system for on-line blind source separation |
US7414582B1 (en) * | 2006-03-03 | 2008-08-19 | L-3 Communications Integrated Systems L.P. | Method and apparatus for all-polarization direction finding |
CN101034158A (zh) * | 2007-02-25 | 2007-09-12 | 四川川大智胜软件股份有限公司 | 基于麦克风阵联网的低空目标监视方法 |
CN102169170A (zh) * | 2010-12-29 | 2011-08-31 | 电子科技大学 | 一种相干分布式信号二维波达角的测定方法 |
Non-Patent Citations (6)
Title |
---|
CHA ZHANG ET AL.: ""Maximum Likelihood Sound Source Localization and Beamforming for Directional Microphone Arrays in Distributed Meetings"", 《IEEE TRANSACTIONS ON MULTIMEDIA》 * |
FUTOSHI ASANO ET AL.: ""Speech Enhancement Based on the Subspace Method"", 《IEEE TRANSACTIONS ON SPEECH AND AUDIO PROCESSING》 * |
HUAWEI CHEN ET AL.: ""Sound Source DOA Estimation and Localization in Noisy Reverberant Environments Using Least-Squares Support Vector Machines"", 《J SIGN PROCESS SYST》 * |
J.ALLEN ET AL.: ""Image method for efficiency simulating small-room acoustics"", 《J.ACOUST.AMER.》 * |
MEHREZ SOUDEN ET AL.: ""Broadband source localization from an eigenanalysis perspective"", 《IEEE TRANS.SPEECH,AUDIO,LANG.PROCESS.》 * |
刘珂: ""宽带信号DOA估计算法研究"", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105044675A (zh) * | 2015-07-16 | 2015-11-11 | 南京航空航天大学 | 一种srp声源定位的快速实现方法 |
CN106405501A (zh) * | 2015-07-29 | 2017-02-15 | 中国科学院声学研究所 | 一种基于相位差回归的单声源定位方法 |
CN106405501B (zh) * | 2015-07-29 | 2019-05-17 | 中国科学院声学研究所 | 一种基于相位差回归的单声源定位方法 |
CN110337819A (zh) * | 2016-11-18 | 2019-10-15 | 诺基亚技术有限公司 | 来自设备中具有不对称几何形状的多个麦克风的空间元数据的分析 |
CN108445447A (zh) * | 2018-02-27 | 2018-08-24 | 国家电网有限公司 | 一种变电站放电源的站域空间波达方向估计*** |
CN108445447B (zh) * | 2018-02-27 | 2021-09-28 | 国家电网有限公司 | 一种变电站放电源的站域空间波达方向估计*** |
CN109717835A (zh) * | 2018-12-21 | 2019-05-07 | 南京理工大学 | 一种基于麦克风阵列的鼾声***检测方法 |
CN110221250A (zh) * | 2019-06-27 | 2019-09-10 | 中国科学院西安光学精密机械研究所 | 一种异常声音定位方法及定位装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103837858B (zh) | 2016-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108375763B (zh) | 一种应用于多声源环境的分频定位方法 | |
CN111123192B (zh) | 一种基于圆形阵列和虚拟扩展的二维doa定位方法 | |
CN103837858A (zh) | 一种用于平面阵列的远场波达角估计方法及*** | |
WO2019061439A1 (zh) | 一种基于渐进串行正交化盲源分离算法的改进声源定位方法及其实现*** | |
CN109407045A (zh) | 一种非均匀传感器阵列宽带信号波达方向估计方法 | |
CN112487703B (zh) | 基于稀疏贝叶斯在未知噪声场的欠定宽带信号doa估计方法 | |
CN109946643B (zh) | 基于music求解的非圆信号波达方向角估计方法 | |
Ahmad et al. | Wideband DOA estimation based on incoherent signal subspace method | |
CN108089146B (zh) | 一种对预估角误差鲁棒的高分辨宽带波达方向估计方法 | |
CN111580042B (zh) | 一种基于相位优化的深度学习测向方法 | |
CN109696657A (zh) | 一种基于矢量水听器的相干声源定位方法 | |
EP1682923A1 (fr) | Procede de localisation d un ou de plusieurs emetteurs | |
CN108614235B (zh) | 一种多鸽群信息交互的单快拍测向方法 | |
CN116559778B (zh) | 一种基于深度学习的车辆鸣笛定位方法及*** | |
CN111352075B (zh) | 一种基于深度学习的水下多声源定位方法及*** | |
He et al. | DOA estimation of wideband signals based on iterative spectral reconstruction | |
CN112305497B (zh) | 一种近场麦克风阵列doa估计测向模糊消除方法 | |
Das et al. | Performance analysis of TLS-Esprit and QR TLS-Esprit algorithm for Direction of Arrival estimation | |
CN108051773A (zh) | 基于盖式圆盘准则估计信源数目的epuma方法 | |
CN110824484B (zh) | 一种基于恒模算法的阵元位置估计方法 | |
Ping | DOA estimation method based on neural network | |
Wang et al. | Performance analysis and DOA estimation method over acoustic vector sensor array in the presence of polarity inconsistency | |
Lu et al. | Robust novel EM-based direction-of-arrival estimation technique for wideband source signals | |
Cao et al. | Transform domain: design of closed-form joint 2-D DOA estimation based on QR decomposition | |
Huang et al. | 2-D DOA tracking using variational sparse Bayesian learning embedded with Kalman filter |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20161221 |
|
CF01 | Termination of patent right due to non-payment of annual fee |