基于BP神经网络的声源定位研究

传统声源定位算法计算量较大,不适合复杂多变的场景,因此提出基于BP神经网络的声源定位算法。该算法以麦克风阵列接收声音的时间差作为输入,以声源位置坐标作为输出。为了得到较理想的BP神经网络模型,借助MATLAB仿真实验,分别讨论了神经网络中神经元个数、隐藏层层数以及反向传播函数对算法精确性的影响。其中,结合不同反向传播函数的特点和局限性,选择5种反向传播函数分别在不同数据量下进行对比实验。实验结果表明,采用7个神经元、3层隐藏层与LM反向传播函数的BP神经网络模型较适合该研究场景,准确度可达到较高水平,R值可达到1,MSE值在e-11数量级下,位置误差在毫米范围内。