基于HB加权函数的改进广义互相关算法

针对HB加权广义互相关时延估计算法在低信噪比情况下,算法性能急剧下降的问题,提出了一种联合加权广义互相关时延估计算法。该算法将SCOT加权函数和HB加权函数相结合,构成复合加权函数。在接收信号信噪比不高于10 dB的情况下,该算法能锐化时延估计的峰值、提高时延估计结果的鲁棒性。仿真结果表明,与现有同类算法相比,该算法时延估计的正确率更高,均方根误差值也更小。

自适应广义互相关的声阵列炸点定位

为了获取炸点在复杂环境中的精准定位,提出自适应广义互相关声阵列定位算法。该算法改进PHAT加权函数,通过调节加权因子α能够适应更为复杂的实验环境;同时采用两个信号相干解决声源信号较弱时PHAT加权函数趋于无穷大,提高时延估计的准确性以及声源目标的精度。建立五元立体的远场模型以及近场模型,通过实验验证改进的PHAT加权函数在近场和远场时延估计的准确度。实验结果表明,改进的PHAT加权算法相比较于SOCT加权函数、PHAT加权函数具有更好的抗噪性能和更准确的时延估计,减小了声源目标定位的误差。

基于互相关序列和BP网络的声源定位算法

在基于麦克风阵列的声源定位算法中,一种常用算法的基本思路是通过麦克风接收到信号的相关序列来计算信号之间的时延,进而再根据阵列的结构确定声源的位置。在分析传统的声源定位算法基础上,针对双五元十字阵模型,介绍传统的基于广义互相关相位变换加权(generalized cross correlation-phase transform,GCC-PHAT)时延估计的定位算法,并给出基于GCC-PHAT时延估计和反向传播(back propagation,BP)神经网络的定位算法、基于抛物线互相关时延估计和BP网络的定位算法,进而通过分析影响时延估计的主要因素,提出了基于互相关序列和BP网络的新定位算法,该算法将GCC-PHAT互相关序列最大值点的位置、最大值点及其左右各一点的相关值作为BP网络的输入,通过对BP网络进行训练来实现声源的三维定位。仿真实验表明:与传统的基于GCC-PHAT时延估计的定位算法相比,所提出的各个算法均具有较好的定位效果,后者均比前者的定位精度更高,而且提出的基于互相关序列和BP网络的新定位算法在低信噪比和高混响的条件下,也具有较好的定位效果。

面向声源定位的改进广义互相关时延估计方法

面向以数字微机电系统(MEMS)麦克风作为声传感器的声源定位阵列,完成了前端麦克风阵列的电路设计和以现场可编程逻辑门阵列(FPGA)为核心的数据采集系统的开发,并对麦克风输出的脉冲密度调制信号进行了降采样处理。针对传统的广义互相关算法在低信噪比下时延估计误差较大的问题,提出了一种改进PHAT加权函数的方法。在同等条件下对基于不同加权函数的广义互相关算法进行了MATLAB仿真验证,实验结果表明,在低信噪比条件下该方法相较于传统的广义互相关算法,时延估计误差更小且抗噪性能更强。

基于广义互相关的时延估计算法研究

在理论分析互相关时延估计算法的基础上,研究了基于加权函数的广义互相关时延估计算法。通过对不同加权函数的广义互相关时延估计算法进行MATLAB仿真,分析比较了Roth、SCOT、PHAT和HB加权函数的时延估计效果。仿真结果表明:各种加权函数的时延估计性能均会随信噪比的降低而恶化,信噪比越高,信号长度越长,时延估计就越理想;HB加权函数算法用时较长,但其时延估计的次峰相对较少,抗噪性能表现最好,表现出较好的稳定性。

同源微震信号广义互相关时差估计算法性能研究

利用时间到达差进行震源定位最重要的一步就是进行时差估计,时差估计的精度直接影响定位的精度。广义互相关算法是目前时差估计最常用的算法。本文首先对广义互相关算法的原理进行概述,然后分类论述广义互相关的几种加权函数,进而对这几种加权函数进行仿真,最后通过实验结果比较得出几种加权函数的优劣。

一种改进加权函数的GCC时延估计方法研究

针对多站时差定位系统在低信噪比下无法获得准确的时延估计,进而影响时差定位的精度,提出一种改进加权函数的广义互相关(GCC)时延估计方法。通过分析和比较采用不同传统加权函数进行广义互相关时延估计的性能,对加权函数进行改进。改进的加权函数同时引入两路信号的自功率谱密度函数和互功率谱密度函数,使得加权函数的分子分母变化趋势相同,以适应不同强度的信号。在相同条件下,模拟分析不同加权函数的时延估计精度,结果表明,采用改进的加权函数进行广义互相关时延估计,在较低信噪比下能够获得较高的时延估计精度,同时对小功率信号也具有良好的时延估计效果。

基于倒谱预滤波的二次互相关算法

传统的广义互相关算法在噪声和混响的情况下效果不佳,而基于倒谱预滤波的时延估计算法尽管改善了广义互相关算法的抗混响效果,但其在噪声环境下性能仍然较差,针对这一缺点,引入二次互相关,同时对相位变换(PHAT)加权函数进行改进,提出了基于倒谱预滤波的二次互相关算法。仿真结果表明:基于倒谱预滤波的二次互相关算法在抗混响和抗噪声的能力上要优于倒谱预滤波时延估计算法和相位变换加权广义互相关(GCC-PHAT)算法,在低信噪比和强混响的条件下仍然可以得到较为准确的时延估计值。

基于双五元十字阵列被动声源定位算法研究

随着国防进入科技现代化,高精度、低误差的被动声源定位技术举足轻重。为了进一步减小声源定位的定位误差,提高定位精度,在双五元十字麦克风阵列模型的研究基础上,研究了经典MUSIC声源定位算法并进行了定位仿真实验。在此基础上又提出了使用广义互相关时延估计(GCC)仿真定位,并对其四种加权函数进行仿真分析,遴选出仿真效果最佳的PHAT(Phase Transform)加权函数。基于PHAT加权的广义互相关算法定位仿真定位误差是经典MUSIC算法定位误差的1/7.274,前者定位误差比后者明显降低,具有一定的研究意义。

基于线性判别分析的室内声源定位方法

在小信噪比和混响时间较长的恶劣环境下,基于模式分类的手段能够有效克服传统的声源定位算法鲁棒能力不足的缺点,其中朴素贝叶斯分类器定位的准确率高,计算量小,鲁棒能力强。在此基础上,为了获得更好的定位性能,提出使用线性判别分析(LDA)分类器进行声源定位。使用Matlab进行仿真,截取声源信号的相位变换加权广义互相关函数(PHAT-GCC)作为特征向量,通过投影变换,找到最佳的特征空间来区分特征数据,从而训练得到线性判别分析分类器。然后在不同的混响时间和信噪比的条件下,进行定位测试,比较了线性判别分析分类器和朴素贝叶斯分类器的性能。仿真结果表明,在环境恶劣场合更宜使用线性判别分析分类器,特别是混响严重时,线性判别分析分类器的定位准确率比朴素贝叶斯分类器高1%~2%。

一种基于改进AMDF的时延估计方法

两路传感器接收信号的时延估计是时间到达差(TDOA)定位中需要解决的首要问题。多途效应是影响时延估计性能的重要因素。提出一种基于改进平均幅度差函数(AMDF)的时延估计方法,通过对信号进行多帧延拓与叠加,提高对多途效应的抑制能力。同时,结合广义互相关方法降低算法的噪声敏感性。仿真结果表明,该算法时延估计结果与传统方法相比具有更小的误差和更高的稳定性。

强混响环境下基于K⁃medoids特征聚类的话者计数

强混响环境下的话者数量是语音处理应用中的关键信息.以不同话者语音之间的频域幅度平方相干(Magnitude Squared Coherence,MSC)为特征进行话者计数,首先提取语音中的短时频域MSC特征,再采用K⁃medoids算法对其进行聚类得到话者个数.该方法无需麦克风间距和话者到麦克风之间相对距离的先验信息.不同混响条件、不同信噪比和不同麦克风间距的实验结果表明,频域MSC特征与话者是相干的,与基于广义互相关相位变换(Generalized Cross⁃Correlation Phase Transform,GCC⁃PHAT)的到达时间差方法(Time Difference of Arrival,TDOA)相比,本方法的话者计数准确率更高,对麦克风间距的敏感度更低,鲁棒性更优.

基于时延估计的麦克风阵列一致性分析

基于麦克风阵列的声源定位技术广泛应用于现场录音及会议通信等领域.常用的麦克风阵列声源定位技术中,时延估计是一种硬件成本低、计算量小且易于实现的算法.影响麦克风阵列时延估计的因素很多,麦克风阵列阵元的一致性性能是其中之一.基于相位变换的广义互相关算法,提出了一种新的麦克风阵列阵元一致性估计指标.构建3组阵元一致性指标不同的麦克风阵列,开展了对实际声源的角度估计.计算麦克风阵列对声源角度的估计时延和声源角度的理想时延之间的差值,建立了其与声源角度估计误差的方差关系,提出了基于时延估计误差的麦克风阵列阵元一致性估计指标,并验证了该指标在麦克风阵列阵元选择上的实际指导意义.

节水机关建设下的给水管道智慧探漏研究

利用在人工智能领域广泛应用的麦克风阵列声源定位技术,基于时延估计(TDE,Time Delay Estimation),采用广义互相关(GCC,Generalized Cross‑correlation)算法,并引入相位变换(PHAT,Phase Transform)加权函数抑制噪声干扰,实现给水管道的快速智能泄漏检测。

基于Kinect的声源定位时延获取及算法性能研究

声源定位已广泛地应用于视频会议和语音控制系统中,针对传统的声源定位系统中采集电路采集到的声音信号易受噪音和混响的影响,提出采用运动传感输入设备Kinect中集成的小型线性麦克风阵列采集音频信号,通过Kinect采集四通道音频信号,并应用互相关(CC)、相位变换(PHAT)、最大似然估计(ML)和平均平方差函数(ASDF)等四种时延算法对采集的音频信号进行处理分析,从而获取时延实现声源的定位。另外,从信号-噪音比(SNR)、峰值锐化两个方面分别利用MATLAB仿真和实测实验比较了四种算法的性能。实验结果表明,利用Kinect线性麦克风阵列采集定位能更有效地去除噪声,提高信噪比,并且四种算法中相位变换法拥有尖锐的峰值和较低的信噪比门限,从而能够适用于声源定位中获取精确时延。

基于麦克风阵列的GCC时延估计算法分析

准确的时延估计(Time Delay Estimation,TDE)是基于到达时间差(Time Difference of Arrival,TDOA)的声源定位技术的前提.在众多时延估计算法中,广义互相关(Generalized Cross Correlation,GCC)算法因其较低的运算复杂度和易于实现的特点得到了广泛的应用.针对不同的噪声情况,GCC时延估计算法利用不同的加权函数来抑制噪声干扰.本文在介绍麦克风阵列模型和GCC时延估计算法的基础上,针对GCC算法的弊端提出了一种改进算法,并在多种信噪比条件下,对部分加权函数的GCC时延估计算法进行了MATLAB仿真,通过比较其时延估计性能和声源定位精度,分析了这些加权函数各自的优劣性.

时延估计算法在乒乓球落点检测中的仿真研究

到达时间差(TDOA)是一种重要的信号发射源定位方法,它通过处理多个信号发射传感器采集到的信号到达时间测量数据来实现声发射源目标的定位,具有较高的定位精度。运用四种不同加权函数的广义互相关时延估计方法,来提高乒乓球辅助评价系统中关于乒乓球落点位置的精度。对广义互相关法的四种不同的加权函数进行介绍和阐述,将噪声信号加入原信号,使用Matlab进行实验仿真。实验结果表明:使用PHAT加权和SCOT加权可以提高时延估计的精度,从而达到更精准的估计出乒乓球落点位置的目的。

基于改进可控响应功率算法的混合定位算法

针对相位变换加权可控响应功率算法(SRP-PHAT)在噪声和混响增大时定位性能下降以及运算量大的问题,提出了一种基于改进可控响应功率算法的混合定位算法。首先利用五元十字形阵进行几何定位,得到粗略的定位结果,然后利用引入基于倒谱预滤波的二次互相关算法改进后的可控响应功率算法,在此定位结果的基础上进行精确的二次定位,通过双步定位提高其定位速度。仿真结果表明:混合定位算法在抗混响和抗噪声的能力上要优于几何定位算法和SRPPHAT算法,并且提高了可控响应功率算法的定位速度。