基于压缩感知的麦克风阵列声源定位算法

为了提高麦克风阵列在高混响、低信噪比环境中的定位性能,提出了一种基于压缩感知的声源定位算法.该算法将声源定位问题转化为稀疏信号的重构问题,将不同位置的房间冲激响应作为特征以构建字典.首先,将麦克风接收信号转换至频域,从具有较高能量的频点中求得一组扩展的频域声源信号矢量,该矢量中包含了声源的位置信息.然后,在频域中整合这些扩展的声源信号矢量,使声源的位置信息更突出,矢量中最大元素所对应的空间位置即为声源的位置估计.仿真实验结果表明,与相位变换加权的可控响应功率(SRP-PHAT)定位算法相比,所提算法的定位成功率更高,对混响的鲁棒性更强,更适合高混响低信噪比环境中的声源位置估计.     

基于单片机控制的声音引导系统设计

目的 设计并制作基于AT89S52单片机控制的声音引导系统.方法 由小车和蜂鸣器组成可移动声源系统,3个以有线方式连接的驻极体麦克风作为声音接收系统.蜂鸣器发出约3 000 Hz的音频信号,声音接收系统的单片机B控制麦克风接收该音频信号,对音频信号进行放大、滤波及整形后,得出误差信号,将分析结果经无线收发模块传到可移动声源平台的单片机A进行通信,单片机A通过控制PWM波的占空比,由LM293D驱动电路,达到精确控制小车电机的运动.结果 蜂鸣器响,小车前进,到达Ox线后暂停5～10 s,同时数码管显示平均速度;之后小车左转90°,声源继续发声,小车运动到中心点W后停止,数码管再次显示平均速度,比较好地实现了声音引导系统.结论 设计方案简单实用,具有低功耗和高性价比的指标.     

近场声源方位和距离联合估计算法

为提高近场麦克风阵列的声源定位精确度,对基于麦克风阵列的声源定位技术进行研究.详细分析了近场信号传播模型,并结合窄带子空间算法,对宽带ISM(Incoherent Signal-Subspace Method)算法进行改进,提出一种近场子空间声源方位和距离联合估计算法.该算法根据短时信号的频率特性,在特定频率上对信号应用子空间算法进行方向距离联合估计并对结果进行叠加,从而得到最终结果.该算法在相关信源和混响条件下均能得到较好的DOA(Direction-of-Arrival)估计效果.计算机仿真验证了算法的有效性.     

基于TDOA麦克风阵列声源定位技术

随着科技的进步和发展,声源定位技术已经成为人们研究的重要课题之一。基于声达时间差(TDOA)是阵列语音信号处理的核心技术,其作用是估算出同一声源信号到达不同麦克风时,因为传输的距离不相同而引起的时间差。麦克风阵列对于室内环境噪声抑制、声源定位、跟踪这些方面都比单个麦克风有优势,从而优化语音信号采样质量。该文主要讲的是用麦克风阵列和时延估计声源定位方法对声源进行定位及跟踪。     

基于麦克风阵列声源定位的发展历程及关键技术

回顾了基于麦克风阵列的声源定位系统的发展历程,对声源定位关键技术进行了讨论,分析了现有算法并对各算法的优缺点进行比较,文章的最后对麦克风声源定位技术的难点进行了概述,为进一步研究麦克风阵列信号处理奠定基础。     

基于HRTF和主成分分析的声源定位研究

传统双麦克风阵列在进行声源定位时有误差大、范围小,易产生前后镜像声源的混淆等缺点,而人的双耳却可以较准确地判断三维空间的声源方向.根据双耳定位原理,本文提出了一种基于HRTF和主成分分析的声源定位方法.利用具有双耳特性的双麦克风接收声信号,采用相关法辨识不同方位双耳特性差异并和HRTF数据库计算得到的真实值比较完成声源定位.仿真实验证明,提出的方法能有效进行三维空间的声源定位,突破了传统双麦克风的声源定位限制,引入主成分分析节省了定位所用数据的存储空间,为方案的实时实现提供了依据.     

利用Matlab实现驻波系列实验

用压强式麦克风收集音叉产生的声波信号,经Matlab分析得到振动图象后可求出音叉频率;利用辅助设备还可以一观察到音叉阻尼振动产生的声波图象;在盛水的量筒上方放置声源可以产生驻波,用麦克风逐点测量后经Matlab分析得到驻波图象可求得声速。     

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。     

采用可调波束形成器的GSC麦克风阵列语音增强方法

基于广义旁瓣抵消器(generalized sidelobe canceller,GSC)算法的麦克风阵列语音增强技术已得到广泛研究,但由于其通常需传统的声源定位方法提供声源方位,语音信号信噪比(SNR)低时声源定位精度将明显下降并影响到语音增强效果.提出了一种新的麦克风阵列语音增强方法,该方法在GSC中引入可调波束形成器估计声源方位以抑制背景噪声影响.不同类型背景噪声下的实验室语音增强结果表明了该方法的有效性.     

基于单片机的声音导引自动定位系统设计

1理论算法分析距离远的接收器一定比距离近的接收器后接收到信号。如图1中当移动小车声源从OX线右侧开始运动后,实时判断A、B两点接收到的音频脉冲信号的时间差,当时间差为零时,说明声源到A、B两点的距离相同。同理可以利用接收器A、C图实1现移系动统声示源意离图目标Y方向的位置。     

基于多普勒效应的单声源速率测定算法研究

应用多普勒效应原理,实现了对固定频率、匀速运动的单声源的速率测定.利用MATLAB拟合了固定传感器接收到的该声源运动时的声音信号,用Hilbert变换得到了该信号的瞬时频率,并以离散时间域的多普勒效应为目标函数,采用非线性最小二乘拟合得到其速率.算法采用小波分析及经验模态分解(EMD)方法分别对原始声音信号和瞬时频率进行去噪.实验结果表明,该算法精度较高,是一种可行的方法.     

基于Tabu算法的声源定位方法

提出一种Tabu搜索算法的声源定位方法．该方法在获得声源信号后，使用基于声到达时间差TDOA方法计算信号的时间延迟，最后应用Tabu搜索算法搜索最佳声源位置．模拟结果表明，该方法是一种定位精度高、效率高的声源定位方法。     

一种WSN环境下多机器人协作式声源定位方法

研究多机器人协作式任务执行具有现实意义。针对目前机器人声源定位算法不能满足多机器人协作式搜寻声源的场合,提出一种无线传感器网络(Wireless Sensor Networks, WSN)环境下的多机器人窄带声源定位方法。该方法根据接收信号强度对多个机器人的全局坐标进行测距定位,利用到达时间差(Time Difference of Arrival,TDoA)定位方法估计机器人与声源的相对距离,并结合全相位傅里叶变换(all-phase FFT,apFFT)算法提高相对距离的估计精度,最后通过测距定位算法得到声源的全局坐标值。在4个WSN节点和3个机器人组成的系统中进行方法测试,实验结果表明：该方法能实现三机器人协作式的声源定位任务,定位准确率较高,可满足搜救场合中声源定位的要求。     

基于波束形成的三维传声器阵列仿真

为研究基于传声器阵列的声源定位技术在户外环境下实现全方位、高效、便捷的声源信号定位,通过使用波束形成声源定位算法,在考虑传声器阵列的拓扑结构特性下,对各个三维阵列进行声源定位数值仿真。为验证不同阵列的传声器阵列定位效果,基于波束形成算法使用Matlab对相同阵元数不同分布阵型的三维传声器阵列声源定位进行仿真。结果表明：相同阵元数不同分布阵型的三维传声器阵列定位声源点的定位精度存在不同的差异,且基于波束形成的三维旋排球阵列传声器阵列在全方位声源定位中结果精确度最高。可见设计传声器阵列时,应该要充分考虑到阵元个数、阵列孔径的大小及阵元间距对阵列声源定位的影响。     

基于粒子群算法的欠定盲源分离方法改进研究

欠定盲源分离技术是一个热门的研究领域,其广泛应用于信息理论、神经网络、统计信号处理、生物医学工程等领域。在大多数实际情况下,当接收到由多路源信号叠加而成的观测信号时,源信号的数量大于观测时长,采用通常的盲源分离技术难以恢复源信号。着重讨论基于"两步法"的欠定盲源分离问题;该分离技术分两个阶段,第一阶段采用基于粒子群算法的K-均值聚类改进算法求解混合矩阵,将蚁群算法信息素的概念应用其中;第二阶段采用最短路径法求解L1-范数模型获得源信号的估计。相比于现存的二阶段方法,该方法可达到更高的信号重构信噪比。     

基于声源定位的头部姿态检测系统研究与实现

研究了声源定位技术在鼾声检测上的应用,主要研究鼾声的声学特性、声源定位技术原理,并利用声源定位技术对人体打鼾时头部姿态进行识别.采用广义互相关函数法对多路声音采集系统采集到的鼾声信号进行延迟估计计算,根据得到的相对时延信息进行声音定位,结合定位信息和朝向信息推断出当前受试者打鼾时头部姿态.采用数据采集卡进行高速信号采集,使用虚拟仪器Labview进行信号处理和算法实现,实验中受试者以不同头部姿态在该系统监测下模拟打鼾,通过该系统检测头部姿态,综合判断正确率达到80%.     

语音信号变速算法及其TMS320C5402实时实现

语音信号可表述成激励源和线性时变系统的冲激响应的卷积.若激励源是一白噪声信号,则声道发清音;若激励源是一准周期信号,则声道发浊音.在语音信号序列中影响语音表达速度的是浊音,它是基音,是由多次谐波构成的准周期信号.语音信号序列可以看成是基音周期经整数倍延时后叠加而成.插入部分基音周期使语音速度降低,删除部分基音周期能使语音速度提高.但是,插入或删除基音周期使语音信号的相位不连续,造成语音跳变,为此,采用交叠分帧的方法将语音信号划分成短时段序列.然后,求增或删后短时段序列相邻短时段之间的相关函数,进而求出相关函数极大值.按最大相关点实现相邻短时段之间的相位衔接,使其相位接近连续.此外,提出了一个TMS320C5402和AT89C51双处理机系统的硬件设计方案,将语音变速算法用TMS320C5402和人-机交互用单片机AT89C51实现.     

基于新进化优化BP学习算法的心音识别方法

为提高人工智能辅助诊断心音识别的准确率, 根据心音信号的周期性特点, 提出以快速主成分分析算法对心音信号降维和提取特征, 同时基于单形进化算法, 优化BP神经网络学习算法的输出与期望的误差函数, 以改进BP神经网络的学习性能, 实现对心音信号高准确度的分类识别. 针对正常心音及8类异常心音信号进行性能分析与测试, 实验结果表明, 各类心音的平均识别率为95.96%, 改进算法比其他对比算法识别率分别提高了4.9%,3.9%,1.9%, 表明该算法能更有效地分类识别心音信号, 提高人工辅助诊断的识别率.     

基于新进化优化BP学习算法的心音识别方法

为提高人工智能辅助诊断心音识别的准确率, 根据心音信号的周期性特点, 提出以快速主成分分析算法对心音信号降维和提取特征, 同时基于单形进化算法, 优化BP神经网络学习算法的输出与期望的误差函数, 以改进BP神经网络的学习性能, 实现对心音信号高准确度的分类识别. 针对正常心音及8类异常心音信号进行性能分析与测试, 实验结果表明, 各类心音的平均识别率为95.96%, 改进算法比其他对比算法识别率分别提高了4.9%,3.9%,1.9%, 表明该算法能更有效地分类识别心音信号, 提高人工辅助诊断的识别率.     

机械噪声故障特征提取的盲分离法与小波提纯法

机械噪声故障特征提取的难点在于观测信号的信噪比较小．将盲分离技术引入噪声故障特征提取，通过声源信号的相互独立性质，使用二阶盲分离算法从观测的混合信号中提取独立声源信号，然后，通过随机噪声与有效信号在多尺度空间中模极大值的不同传播特性，使用小波模极大值法提取有效信号特征．该算法不仅消除了临近机器或部件辐射噪声的干扰，还消除了随机噪声的干扰，有效提取了机械噪声故障特征．电动机噪声特征提取实验验证了上述算法的有效性．