一种改进的AEDA声源定位及跟踪算法

开展了基于麦克风阵列的真实声场环境声源定位的工作。针对传统的自适应特征值分解时延估计算法收敛时间慢、对初值敏感以及不能有效跟踪时延变化等问题,提出了一种改进的自适应特征值分解时延估计算法,该方法通过改进初值设定方法,有效改善了对时延变化的估计。另外,通过引入一个基于相关运算的语音检测算法,提高了定位系统的抗噪声能力。实验表明在真实的声场环境下该算法能够对单个声源的三维空间位置进行实时的定位和跟踪,系统在1.5m范围内对声源的定位误差小于8cm,声源位置变化时,系统也能准确跟踪声源的位置。

基于NLMS的AEDA声源估计优化算法

针对传统的自适应特征值分解(AEDA)的延估计算法收敛时间慢的问题,提出一种改进的AEDA自适应算法,该方法将归一化最小均方法与AEDA相结合,加快了收敛速度,使其可应用于信号的实时处理.实验结果证明,在真实声场中,该算法能够用于声源定位.