基于互相关序列和神经网络的任意阵列声源定位方法技术

本发明专利技术公开了一种基于互相关序列和神经网络的任意阵列声源定位方法，其特征在于，包括如下步骤：1）提取特征参数；2）训练神经网络；3）声源定位。这种方法具有网络规模小、计算量少而且定位性能更好的效果，而且适用于任意结构的阵列。构的阵列。构的阵列。

【技术实现步骤摘要】
基于互相关序列和神经网络的任意阵列声源定位方法


[0001]本专利技术涉及音频信号处理
，具体是一种基于互相关序列和神经网络的任意阵列声源定位方法。

技术介绍

[0002]传统的声源定位技术主要有三类：基于到达时间差的定位技术(TDOA)、基于最大输出功率的可控波束形成技术和基于高分辨率谱估计的定位技术。TDOA由于其计算量相对较小、在实时系统中易于实现等原因而被广泛使用。
[0003]TDOA定位的关键在于时延估计的精度，时延估计的精度越高，定位的精度越高。时延估计通常通过互相关函数进行计算，2016年秦芳远等人公开了基于互相关最大值及其邻近值的抛物线插值分数时延估计方法，这种方法提高了时延估计的精度；2019年杨旭等人公开了室内七元十字阵被动声定位的反演算法，这种方法对测向测距进行了分析、定位效果较好；2019年唐浩洋等人公开了基于麦克风阵列的改进的相位变换加权广义互相关时延估计算法，该算法在低信噪比情况下能有效地抑制噪声和锐化峰值,从而提高声源定位的精度；2019年张涛等人公开了一种基于卷积神经网路的室内声源定位算法，这种方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于互相关序列和神经网络的任意阵列声源定位方法，其特征在于，包括如下步骤：1)提取特征参数：提取特征参数即基于互相关序列提取声源定位的特征参数，具体步骤如下：1
‑
1)计算各路信号与参考信号的互相关序列：任意阵列是指对阵列结构没有特殊要求的阵列，但任意阵列满足可用于三维空间定位的基本要求即任意阵列的所有阵元不在同一平面且阵元个数不少于4个，设任意阵列由M+1个麦克风组成，M
i
代表第i个麦克风，其中，i＝0,1,2,
…
,M，M0为参考麦克风，参考麦克风为阵列中心或接近中心位置的麦克风，其余各个麦克风到参考麦克风的间距为d
i
，P代表声源，声源P三维空间坐标设为(x,y,z)，设麦克风M
i
接收到的声源数字信号为x
i
(n)，n＝0,1,
…
,N
‑
1，n为采样点序号，N为采样点数，采样频率设为f
s
，计算两信号x0(n)和x
i
(n)的归一化且右移了N个采样点的互相关序列r
0i
(m)，m＝0,1,
…
,2N
‑
2；1
‑
2)通过互相关序列获得声源定位的特征参数：对各个互相关序列计算：即是互相关序列最大值对应的样点位置，设阵列中麦克风M
i
与M0的最大距离为d，其中，i＝0,1,2,
…
,M，即有：d＝max{d1,d2,
…
,d
M
}
ꢀꢀꢀꢀ
(2)，用公式(1)搜索最大值点时，在N
‑
n0与N+n0之间的整数范围内进行搜索：其中c为声音在空气中的传播速度，ceil(
·
)表示向上取整，互相...

【专利技术属性】
技术研发人员：曾庆宁，苏盼，龙超，王红丽，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：