一种基于深度学习的声音碰撞检测及声源定位方法技术

本发明专利技术公开了一种基于深度学习的声音碰撞检测及声源定位方法，其特征是，包括如下步骤：1）建立声音碰撞检测与声源定位系统；2）产生声音信号；3）区分声音信号；4）声音数据类型转换；5）绘制声音频谱图；6）时延差估计；7）数据划分；8）构建深度学习模型；9）确定声源位置。这种方法声源定位检测的精度高，检测速度快、实时性强。

【技术实现步骤摘要】
一种基于深度学习的声音碰撞检测及声源定位方法
本专利技术涉及声学
，具体是一种基于深度学习的声音碰撞检测及声源定位方法。技术背景声源定位是通过测量物体发出的声音对物体定位，与使用声纳、雷达、无线通讯的定位方法不同，前者信源是普通的声音，是宽带信号，而后者信源是窄带信号。由于信号质量、噪声和混响的存在，使得现有声源定位方法的定位精度较低。若声源在传声器的选择方向之外，则会引入大量的噪声，导致拾取信号的质量下降，而且，当传声器距离声源很远，或者存在一定程度的混响及干扰的情况下，也会使拾取信号的质量严重下降。为了解决单传声器系统的这些局限性和目前的声音碰撞检测与声源定位方法精度不高，且实时性差的问题，提出了用传声器阵列进行声音处理的方法，另外，对于大量的数据进行处理时，深度学习方法的引入提高定位精度并缩短定位所消耗的时间。
技术实现思路
本专利技术的目的是针对现有技术的不足，而提供一种基于深度学习的声音碰撞检测及声源定位方法。这种方法声源定位检测的精度高，检测速度快、实时性强。实现本专利技术目的的技术方案是：一种基于深度学习的声音碰撞检测及声源定位方法，与现有技术不同的是，包括如下步本文档来自技高网...

【技术保护点】
1.一种基于深度学习的声音碰撞检测及声源定位方法，其特征是，包括如下步骤：1)建立声音碰撞检测与声源定位系统：声音碰撞检测与声源定位系统包括一组麦克风形成的麦克风陈列、声源、噪声源和声学传感装置，麦克风组内的麦克风单侧排列呈麦克风陈列，麦克风陈列与声学传感装置连接，声源与噪声源分别位于距离麦克风陈列不同的位置点处；2)产生声音信号：步骤1)建立的声音碰撞检测与声源定位系统中声源与噪声源发出声音，通过麦克风陈列和声学传感装置对声源与噪声源产生的声音进行采集；3)区分声音信号：声学传感装置将麦克风陈列收到声音信号进行识别，区分声源与噪声源，声学传感装置对麦克风陈列收到声音信号先分类后分组，确定声音...

【技术特征摘要】
1.一种基于深度学习的声音碰撞检测及声源定位方法，其特征是，包括如下步骤：1)建立声音碰撞检测与声源定位系统：声音碰撞检测与声源定位系统包括一组麦克风形成的麦克风陈列、声源、噪声源和声学传感装置，麦克风组内的麦克风单侧排列呈麦克风陈列，麦克风陈列与声学传感装置连接，声源与噪声源分别位于距离麦克风陈列不同的位置点处；2)产生声音信号：步骤1)建立的声音碰撞检测与声源定位系统中声源与噪声源发出声音，通过麦克风陈列和声学传感装置对声源与噪声源产生的声音进行采集；3)区分声音信号：声学传感装置将麦克风陈列收到声音信号进行识别，区分声源与噪声源，声学传感装置对麦克风陈列收到声音信号先分类后分组，确定声音样本的数据量与数据类型；4)声音数据类型转换：声学传感装置对麦克风陈列收到声音信号进行去噪与声音数据类型转换，将被识别的声音数据进行模拟音频转换成数字音频；5)绘制声音频谱图：依据短时傅里叶变换原理，结合Matlab软件对步骤4)得到的音频数据绘制对应的频谱图，即用一个短的窗函数和信号滑动相乘，对每一个窗函数截取区间的数据进行傅立叶变换，对于傅里叶变换，设定一个长度为N的窗函数w(k,τ)，一个二维函数X(w,τ)，这两个函数表示中心点位于τ的加窗声音的傅里叶变换；6)时延差估计：分别测量声源、噪声源发出的声音到达麦克风阵列与声学传感装置的时间差；7)数据划分：将步骤4)转换后的音频数据随机划分2部分，分别用作训练集和测试集；8)构建深度学习模型：深度学习模型是caffe框架，其中，数据的组织...

【专利技术属性】
技术研发人员：钟艳如，卫涛，姜静月，罗笑南，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：广西,45