CN108375763A - 一种应用于多声源环境的分频定位方法 - Google Patents
一种应用于多声源环境的分频定位方法 Download PDFInfo
- Publication number
- CN108375763A CN108375763A CN201810004440.2A CN201810004440A CN108375763A CN 108375763 A CN108375763 A CN 108375763A CN 201810004440 A CN201810004440 A CN 201810004440A CN 108375763 A CN108375763 A CN 108375763A
- Authority
- CN
- China
- Prior art keywords
- signal
- frequency range
- noise
- scanning band
- feature vector
- 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
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
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/14—Systems for determining distance or velocity not using reflection or reradiation using ultrasonic, sonic, or infrasonic waves
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
本发明公开了一种应用于多声源环境的分频定位方法。本方法为:利用麦克风阵列的传递函数,得到空间中各个方向、不同频段的方向矢量;对麦克风阵列记录时刻n时的空间信号进行分带处理,计算每一频段fi对应的协方差矩阵;对每一扫描频段对应的协方差矩阵进行特征值分解,得到一组相互正交的特征值和与之对应的特征向量;将最大特征值对应的特征向量作为信号空间,其余特征向量对应噪声空间;根据信号空间对应的特征值和噪声空间的噪声方差,估计每一扫描频段的信号能量;然后使用频段fi对应的噪声空间特征向量和方向矢量,计算频段fi的空间谱;用各扫描频段的信号能量为对应空间谱的权重,对各扫描频段的空间谱进行加权,得到定位结果。
Description
技术领域
本发明属于阵列信号处理技术领域,具体涉及一种声源定位方法,尤其涉及一种多声源环境下的定位方法。
背景技术
由于到达人的双耳之间的声音信号存在时间差和强度差,我们的大脑能够利用这些差异,对接收的声音信号进行非精准定向。同样,我们也可以构建两个麦克风或是多个麦克风组成的麦克风阵列,通过分析不同麦克风信道接收的声音信号的时间,强度等信息,来计算声源的到达方向(DOA)。在最近的10多年时间,声源定向得到了广泛的应用,包括语音识别,语音信号处理,移动机器人,无人驾驶,声音信号增强,虚拟现实等多个方向。随着计算机技术以及麦克风阵列技术的发展,声源定位的研究得到了越来越多的重视。
当前基于麦克风阵列进行声源定位的方法主要分为三类,基于波束形成(BF)算法的定位技术,基于声达时间差(TDOA)的定位技术以及基于高分辨率的谱估计技术(MUSIC)。
波束形成又称为空域滤波,通过对阵列中各个麦克风接收到的信号进行滤波并加权求和来形成波束,找出空间各个方向信号能量最大值来进行定向。通道之间的权重可以麦克风阵列的结构来估计,波束成形的一种改进算法是运用传递函数来估计权重,同时利用了时间差和强度差信息,提高了定位准确率。波束成形算法需要对整个空间进行扫描,计算量较大。
基于声达时间差的定位技术在单声源计算模型中较为常见,常用的方法是运用互相关相位变换(GCC-PHAT)来计算麦克风两两之间的延时,之后运用阵列和声源的空间坐标关系来找出声源的位置。这种算法的计算量较小,较为适用于实时定位操作。但这种算法在应用于多声源定位时,因声源之间存在较大的相互影响,带来的误差较大。
高分辨率谱估计是一种具有高分辨率的定位方法,其中一种经典方法为MUSIC算法。其原理是对各路麦克风接收到的信号计算自相关,对自相关矩阵的特征值进行正交分解,得到信号子空间和噪声子空间,运用噪声子空间与波达方向矢量(VS)的正交关系来估计声源的方向。该方法既可以应用在单声源定位也可以应用在多声源定位。另外,该方法率突破了瑞利限的限制,具有很高的定位分辨率。但是在传统的MUSIC算法中,方向矢量(steering vector)通常使用声源到达麦克风的时间差来进行估计,这种方法忽略了传播过程中幅度的变化。此外,由于在声音定位的实际应用中,声信号通常具有谐频特性,例如发动机声音,音乐声音,说话声等,这就意味着声音信号在频域上具有稀疏特性,即大部分的能量分布在小范围的频段上,不同频段具有不同的能量比例。传统MUSIC算法对全频带的定位结果进行整时合,没有考虑信号的频域特性。
发明内容
针对现有技术中存在的技术问题,本发明的目的在于提供一种应用于多声源环境的定位方法。本发明使用传递函数,综合时间差和强度差信息来更加准确地估计方向矢量;在MUSIC算法的基础上,提出了一种频域加权的方式(FW-MUSIC),通过分析信号能量所在频带(频点),对不同的频带的定位结果,加入不同的权重系数,来实现定位结果的优化。
在MUSIC算法中,方向矢量的估计直接关系到定位结果的准确性。传统的MUSIC算法使用不同麦克风之间的时间差信息来估计方向矢量,而麦克风之间的时间差则运用麦克风的位置信息来估计。θ方向的方向矢量如下式表示:
这些估计过程都会对结果带来误差,因为没有考虑环境信息以及不同频率声音强度差信息。本发明提出运用传递函数来估计方向矢量的方法,并引入了球模型理论,声音信号到达球模型表面会出现散射和衍射现象,因此不同频率的传递函数强度差不同。使用传递函数估计方向矢量,能够更加精确估计声源方位。此时,fi频段下,θ方向的方向矢量可以使用下式来表达:
上式中,M为麦克风个数,αM为通道M(即第M个麦克风)信号强度,θ为信号方向,代表麦克风M上信号相位,fi为第i个频带。此外,实际应用中所遇到的信号,例如语音信号,音乐信号等,在频域上具有稀疏特性,信号的能量大多数集中在小部分频带内,能量较大的频带具有更好的抗噪特性,不同频带对最终定位结果的贡献率也有不同,所以通过分频带定位,对不同频带结果加不同权重,能够进一步提高MUSIC算法的定位准确度。由于不同频带中,即存在声源信号,同时也存在噪声信号,本发明提出了一种计算频带中信号能量的方法,并将该方法应用于了噪声环境下的单声源定位和多声源定位之中。该方法基于需要满足以下几个条件:
1)声源信号之间不存在相关性;
2)噪声为无指向性高斯白噪声;
3)声场为远场,信号近似看做平面波。
本发明的技术方案为:
1)预先测量麦克风阵列传递函数,得到空间中各个方向,不同频段的方向矢量;
2)使用麦克风阵列记录时刻n时的空间信号,对信号进行分带处理,对于每一扫描频带fi,记其对应的信号为X(n,fi),X(n,fi)=[X1(n,fi),X2(n,fi),…,XM(n,fi)]T为M个阵元输入,计算扫描频带fi对应的各个通道的协方差,得到协方差矩阵R:
R=E[X(n,fi)XH(n,fi)]
3)利用广义特征值分解法,对协方差矩阵进行特征值分解,得到一组相互正交的特征值和与之对应的特征向量;
4)根据语音信号的频域稀疏性,本发明使用单声源假设:接收信号的每个频带中,至多存在一个声源。因此,特征值最大的特征向量对应信号空间,其余特征向量对应噪声空间。
5)根据噪声空间中的特征值的大小,估计噪声方差的大小;
6)根据信号空间特征值大小和噪声方差的大小,估计当前频段中信号能量的大小;
7)使用当前频段噪声空间特征向量(使用En(fi)表示)和方向矢量,对当前频段fi的空间谱进行估计:
其最大值对应的θ就是信号源方向的估值;
8)对所有频段信号重复上述步骤,用各扫描频段的信号能量为对应空间谱的权重,对各扫描频段的空间谱进行加权,得到定位结果。
与现有技术相比,本发明的积极效果为:
实际环境中声源,例如语音,音乐等,在频域上具有谐波特性,即在不同频段,信号能量分布不同。本发明利用信号能量频域稀疏性的特点,对不同频段的定位结果加上了不同的权重,提高了原定位方法的抗噪性。此外,对于多声源信号,该方法减少了信号源之间互相的影响,提高了多声源定位结果的准确率。
附图说明
图1是定位流程图;
图2是单声源定位结果误差曲线;
(a)为音乐信号,(b)为语音信号;
图3是单声源定位结果示意图;
(a)为音乐信号,(b)为语音信号;
图4是多声源定位结果图;
(a)传统算法(traditional MUSIC)定位结果,(b)使用传递函数的MUSIC算法(TF-MUSIC)的定位结果,(c)使用频带加权MUSIC算法(FW-MUSIC)的定位结果;
图5是多声源定位结果误差曲线。
具体实施方式
下面参照本发明的附图,详细地描述本发明的实施例。
假设声源个数为P,麦克风个数为M。首先使用传递函数对方向向量进行估计。麦克风阵列均匀摆放在散射体球的圆周上,根据散射体对声波的反射和衍射特性,测量不同声源位置到麦克风阵列的传递函数,使用不同频带上,声源到麦克风阵列的相位差和时间差组合,作为该频带的一组方向矢量。
另外,在频段fi上,接收信号协方差矩阵可以表示为:
R=E[X(n,fi)XH(n,fi)]=ARsAH+RN
X(n,fi)=AS(n,fi)+U(n,fi)
上式中,X(n,fi)代表时刻n麦克风阵列接收信号,[]H为共轭转置,A代表空间中各个声源方向矢量组成的向量,Rs代表空间信号的协方差矩阵,Rn为噪声协方差矩阵,U(n,fi)为噪声信号,S(n,fi)代表频率声源信号在时刻n频率fi的数值。
对协方差矩阵记性特征值分解:
上式中,Λ=diag(λ1,λ2,…,λM)为矩阵分解得到的M个特征值,E为其对应的特征向量。其中,Λs=diag(λ1,λ2,…,λP)对应信号空间的特征值,Es代表信号空间的特征向量。
Λn=diag(λP+1,λP+2,…,λM)对应噪声空间的特征值,En代表噪声空间的特征向量。
使用噪声空间的特征值,来得到噪声方差:
之后,根据噪声方差,得到当前频段的信号能量:
E(fi)=λ1+…+λP-P·σ2
在实际计算中,对于声源个数未知的情况下,本发明使用信号稀疏性假设:对于每个频带内,至多只存在一个声源。于是对于每个频带内,P都为1,所以上式可以变为
E(fi)=λ1-σ2
使用信号能量大小作为权重,对每一频段结果进行加权并累加,得空间谱的估计结果为:
其最大值对应的θ就是信号源方向的估值。
对于实验结果,本发明使用平均估计误差(MAEE)来对定位结果进行评价,对于单声源信号,使用如下公式:
其中,N为信号帧数,为声源i真实角度,θi为声源i定位角度。
对于多声源定位结果,假设声源个数为P,第i个声源的误差使用表示,则平均估计误差为下式:
实验结果
根据图2可以发现,对于语音信号,使用传递函数的方法使定位精度高了1dB左右,使用频带加权算法又使信噪比提高了2dB。对于音乐信号,使用传递函数方法使定位精度提高了3dB,而使用频带加权算法,使结果又提高了3dB。这时因为音乐信号在频域上分布较为集中,因此加权定位算法能够带来更好的效果。为了进一步分析传递函数和频带加权带来的好处,本发明对-11dB信噪比下,两种信号的定位指向图进行了比较了,如图3所示,可以发现,基于传递函数的MUSIC算法定位指向图指向性较传统定位方法更为尖锐,而频带加权算法,由于权值能较为明显地突出声源方位的估计值大小,所以指向性更加显著。这种现象解释了图2中定位准确率的差异情况。
对于多声源定位情况,本发明使用三声源定位来测试算法的准确性。试验中,三个声源采用语音信号,声源方位分别为0度,60度和180度。信噪比为10dB,定位结果为图4,可以发现,在传统MUSIC算法中,由于方向向量的不准确估计,导致部分帧的结果出现在错误的方位上(120度),在使用传递函数后,由于对方向向量进行了准确的估计,消除了这一出误差。另外,频带加权的方法减少了多声源信号之间,以及空间噪声的影响,使定位方位更为准确。图5展示了不同信噪比下,多声源定位错误率比较情况,由于多声源之间存在影响,所以传统方法在较高信噪比环境下也不能得到好的定位效果,运用传递函数对方向向量进行更为准确的预测,可以改善这一现象,使定位结果提升了大约5dB。最终,通过对频带进行加权,使定位结果又有了3dB的提高,另外,由于加权算法对其他声源的抑制作用,使在高信噪比下,多声源定位误差角度减少到5度左右。
以上包含了本发明优选实施例的说明,这是为了详细说明本发明的技术特征,并不是想要将发明内容限制在实施例所描述的具体形式中,依据本发明内容主旨进行的其他修改和变型也受本专利保护。本发明内容的主旨是由权利要求书所界定,而非有实施例的具体描述所界定。
Claims (9)
1.一种应用于多声源环境的分频定位方法,其步骤包括:
1)测量不同声源位置到麦克风阵列的传递函数;然后利用麦克风阵列的传递函数,得到空间中各个方向、不同频段的方向矢量;
2)对麦克风阵列记录时刻n时的空间信号进行分带处理,得到多个扫描频段的信号;对于第i个扫描频段fi,记其对应的信号为X(n,fi);计算频段fi对应的各个通道的协方差,得到频段fi的协方差矩阵;
3)对每一扫描频段对应的协方差矩阵进行特征值分解,得到一组相互正交的特征值和与之对应的特征向量;将最大特征值对应的特征向量作为信号空间,其余特征向量对应噪声空间;根据噪声空间对应的特征值的大小,估计噪声方差的大小;
4)根据信号空间对应的特征值和所述噪声方差,估计每一扫描频段的信号能量;其中,第i个频段fi中的信号能量E(fi);然后使用频段fi对应的噪声空间特征向量En(fi)和频段fi对应的方向矢量a(θ,fi),计算频段fi的空间谱P(θ,fi);其中,θ为信号方向;
5)用各扫描频段的信号能量为对应空间谱的权重,对各扫描频段的空间谱进行加权,得到定位结果。
2.如权利要求1所述的方法,其特征在于,所述方向矢量
其中,αM为所述麦克风阵列中通道M的信号强度,θ为信号方位,代表通道M上方位为θ的相位。
3.如权利要求1或2所述的方法,其特征在于,利用公式
计算不同方位θ对应的空间谱P(θ,fi),将P(θ,fi)最大值对应的方位θ作为扫描频段fi中信号源方向的估值。
4.如权利要求3所述的方法,其特征在于,利用公式PFW-MUSIC(θ)=∑fiP(θ,fi)E(fi)对各扫描频段的空间谱P(θ,fi)进行加权,计算不同方位θ对应的定位结果PFW-MUSIC(θ);将PFW-MUSIC(θ)最大值对应的θ作为信号源方向。
5.如权利要求1所述的方法,其特征在于,第i个扫描频段fi中的信号能量E(fi)=λ1-σ2;σ2为频段fi对应的所述噪声方差,λ1为频段fi的信号空间对应的特征值。
6.如权利要求1所述的方法,其特征在于,利用广义特征值分解法,对协方差矩阵进行特征值分解,得到一组相互正交的特征值和与之对应的特征向量。
7.如权利要求1所述的方法,其特征在于,同一时刻n,每个所述扫描频段中至多存在一个声源。
8.如权利要求1所述的方法,其特征在于,不同声源的信号之间不存在相关性、各声源的声场为远场;空间中的噪声为无指向性高斯白噪声。
9.如权利要求1所述的方法,其特征在于,所述麦克风阵列中的麦克风均匀摆放在散射体球的圆周上,根据散射体对声波的反射和衍射特性,测量不同声源位置到麦克风阵列的传递函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810004440.2A CN108375763B (zh) | 2018-01-03 | 2018-01-03 | 一种应用于多声源环境的分频定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810004440.2A CN108375763B (zh) | 2018-01-03 | 2018-01-03 | 一种应用于多声源环境的分频定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108375763A true CN108375763A (zh) | 2018-08-07 |
CN108375763B CN108375763B (zh) | 2021-08-20 |
Family
ID=63016434
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810004440.2A Active CN108375763B (zh) | 2018-01-03 | 2018-01-03 | 一种应用于多声源环境的分频定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108375763B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109115409A (zh) * | 2018-09-04 | 2019-01-01 | 温州大学激光与光电智能制造研究院 | 一种基于平行压电阵列的阀门泄漏声发射源定位方法 |
CN109358317A (zh) * | 2018-09-30 | 2019-02-19 | 科大讯飞股份有限公司 | 一种鸣笛信号检测方法、装置、设备及可读存储介质 |
CN109782231A (zh) * | 2019-01-17 | 2019-05-21 | 北京大学 | 一种基于多任务学习的端到端声源定位方法及*** |
CN109831709A (zh) * | 2019-02-15 | 2019-05-31 | 杭州嘉楠耘智信息科技有限公司 | 音源定向方法及装置和计算机可读存储介质 |
CN110488223A (zh) * | 2019-07-05 | 2019-11-22 | 东北电力大学 | 一种声源定位方法 |
CN111724801A (zh) * | 2020-06-22 | 2020-09-29 | 北京小米松果电子有限公司 | 音频信号处理方法及装置、存储介质 |
CN112731282A (zh) * | 2020-12-09 | 2021-04-30 | 浙江工业大学 | 一种基于虚拟子阵交织的声阵列空间滤波方法及*** |
CN112731086A (zh) * | 2021-01-19 | 2021-04-30 | 国网上海能源互联网研究院有限公司 | 一种用于对电力设备进行综合巡检的方法及*** |
CN113093195A (zh) * | 2021-03-22 | 2021-07-09 | 中国人民解放军海军大连舰艇学院 | 基于时频分布相关的水下瞬态声源深度距离估计方法 |
CN113189544A (zh) * | 2021-04-23 | 2021-07-30 | 北京工业大学 | 一种利用活动强度矢量加权移除野点的多声源定位方法 |
CN114268883A (zh) * | 2021-11-29 | 2022-04-01 | 苏州君林智能科技有限公司 | 一种选择麦克风布放位置的方法与*** |
WO2023056905A1 (zh) * | 2021-10-09 | 2023-04-13 | 阿里巴巴达摩院(杭州)科技有限公司 | 声源定位方法、装置及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104076331A (zh) * | 2014-06-18 | 2014-10-01 | 南京信息工程大学 | 一种七元麦克风阵列的声源定位方法 |
WO2015129977A1 (ko) * | 2014-02-27 | 2015-09-03 | 전자부품연구원 | 대역별 정확도에 따른 가중 평균을 이용한 음원 위치 검출 방법 및 장치 |
CN105447244A (zh) * | 2015-11-18 | 2016-03-30 | 北京大学 | 一种3d录音***球面麦克风阵列分布方法 |
CN106772227A (zh) * | 2017-01-12 | 2017-05-31 | 浙江大学 | 一种基于声纹多谐波识别的无人机方向估计方法 |
-
2018
- 2018-01-03 CN CN201810004440.2A patent/CN108375763B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015129977A1 (ko) * | 2014-02-27 | 2015-09-03 | 전자부품연구원 | 대역별 정확도에 따른 가중 평균을 이용한 음원 위치 검출 방법 및 장치 |
CN104076331A (zh) * | 2014-06-18 | 2014-10-01 | 南京信息工程大学 | 一种七元麦克风阵列的声源定位方法 |
CN105447244A (zh) * | 2015-11-18 | 2016-03-30 | 北京大学 | 一种3d录音***球面麦克风阵列分布方法 |
CN106772227A (zh) * | 2017-01-12 | 2017-05-31 | 浙江大学 | 一种基于声纹多谐波识别的无人机方向估计方法 |
Non-Patent Citations (3)
Title |
---|
C. T. ISHI ET AL.: ""Evaluation of a music-based real-time sound localization of multiple sound sources in real noisy environments"", 《INTELLIGENT ROBOTS AND SYSTEMS》 * |
DESPOINA PAVLIDI ET AL.: ""Real-Time Multiple Sound Source Localization and Counting Using a Circular Microphone Array"", 《 IEEE TRANSACTIONS ON AUDIO, SPEECH, AND LANGUAGE PROCESSING》 * |
刘伟 等: ""单矢量水听器频域极化加权MUSIC算法"", 《哈尔滨工程大学学报》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109115409A (zh) * | 2018-09-04 | 2019-01-01 | 温州大学激光与光电智能制造研究院 | 一种基于平行压电阵列的阀门泄漏声发射源定位方法 |
CN109358317A (zh) * | 2018-09-30 | 2019-02-19 | 科大讯飞股份有限公司 | 一种鸣笛信号检测方法、装置、设备及可读存储介质 |
CN109782231A (zh) * | 2019-01-17 | 2019-05-21 | 北京大学 | 一种基于多任务学习的端到端声源定位方法及*** |
CN109831709A (zh) * | 2019-02-15 | 2019-05-31 | 杭州嘉楠耘智信息科技有限公司 | 音源定向方法及装置和计算机可读存储介质 |
CN110488223A (zh) * | 2019-07-05 | 2019-11-22 | 东北电力大学 | 一种声源定位方法 |
CN111724801A (zh) * | 2020-06-22 | 2020-09-29 | 北京小米松果电子有限公司 | 音频信号处理方法及装置、存储介质 |
CN112731282A (zh) * | 2020-12-09 | 2021-04-30 | 浙江工业大学 | 一种基于虚拟子阵交织的声阵列空间滤波方法及*** |
CN112731282B (zh) * | 2020-12-09 | 2023-12-26 | 浙江工业大学 | 一种基于虚拟子阵交织的声阵列空间滤波方法及*** |
CN112731086A (zh) * | 2021-01-19 | 2021-04-30 | 国网上海能源互联网研究院有限公司 | 一种用于对电力设备进行综合巡检的方法及*** |
CN113093195A (zh) * | 2021-03-22 | 2021-07-09 | 中国人民解放军海军大连舰艇学院 | 基于时频分布相关的水下瞬态声源深度距离估计方法 |
CN113189544A (zh) * | 2021-04-23 | 2021-07-30 | 北京工业大学 | 一种利用活动强度矢量加权移除野点的多声源定位方法 |
WO2023056905A1 (zh) * | 2021-10-09 | 2023-04-13 | 阿里巴巴达摩院(杭州)科技有限公司 | 声源定位方法、装置及设备 |
CN114268883A (zh) * | 2021-11-29 | 2022-04-01 | 苏州君林智能科技有限公司 | 一种选择麦克风布放位置的方法与*** |
Also Published As
Publication number | Publication date |
---|---|
CN108375763B (zh) | 2021-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108375763A (zh) | 一种应用于多声源环境的分频定位方法 | |
CN108828522B (zh) | 一种利用垂直阵lcmv波束形成的水下目标辐射噪声测量方法 | |
CN110488223A (zh) | 一种声源定位方法 | |
CN111123192B (zh) | 一种基于圆形阵列和虚拟扩展的二维doa定位方法 | |
CN105301563B (zh) | 一种基于一致聚焦变换最小二乘法的双声源定位方法 | |
CN109188019B (zh) | 基于多重信号分类算法的三维风速风向测量方法 | |
CN102841344A (zh) | 一种少阵元近场宽带信号源参数估计方法 | |
CN104502904B (zh) | 一种鱼雷自导波束锐化方法 | |
CN109188362B (zh) | 一种麦克风阵列声源定位信号处理方法 | |
CN109799495A (zh) | 一种用于高保真阵列处理的宽带时延估计方法 | |
CN105005038A (zh) | 一种改进的声矢量阵相干源doa估计算法 | |
CN108549052A (zh) | 一种时频-空域联合加权的圆谐域伪声强声源定位方法 | |
CN109600152A (zh) | 一种基于子空间基变换的自适应波束形成方法 | |
CN106646350A (zh) | 一种单只矢量水听器各通道幅度增益不一致时的修正方法 | |
CN110501675A (zh) | 一种基于mimo雷达低旁瓣发射方向图设计方法 | |
CN110888105A (zh) | 一种基于卷积神经网络和接收信号强度的doa估计方法 | |
CN109633555A (zh) | 基于遗传music算法的水下目标定位方法 | |
CN105572630B (zh) | 基于多波位联合处理的单脉冲目标doa估计方法 | |
CN103837858B (zh) | 一种用于平面阵列的远场波达角估计方法及*** | |
CN108318855A (zh) | 基于均匀圆阵的近场和远场混合信号源定位方法 | |
CN109696657A (zh) | 一种基于矢量水听器的相干声源定位方法 | |
CN107450046A (zh) | 低仰角多径环境下的波达角估计方法 | |
CN110196417A (zh) | 基于发射能量集中的双基地mimo雷达角度估计方法 | |
CN109541526A (zh) | 一种利用矩阵变换的圆环阵方位估计方法 | |
CN112098938B (zh) | 一种基于六元锥矢量阵的水声目标降维匹配声场定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |