CN105954711A - 一种基于声强差效应的实时声源定向方法 - Google Patents
一种基于声强差效应的实时声源定向方法 Download PDFInfo
- Publication number
- CN105954711A CN105954711A CN201610422011.8A CN201610422011A CN105954711A CN 105954711 A CN105954711 A CN 105954711A CN 201610422011 A CN201610422011 A CN 201610422011A CN 105954711 A CN105954711 A CN 105954711A
- Authority
- CN
- China
- Prior art keywords
- sound
- data
- sampling
- real
- pick
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000008569 process Effects 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000009499 grossing Methods 0.000 claims abstract description 8
- 238000001514 detection method Methods 0.000 claims abstract description 4
- 238000005070 sampling Methods 0.000 claims description 61
- 238000001914 filtration Methods 0.000 claims description 29
- 230000000694 effects Effects 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 15
- 230000035945 sensitivity Effects 0.000 claims description 9
- 230000004807 localization Effects 0.000 claims description 7
- 230000005236 sound signal Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000011514 reflex Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
- G01S3/80—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using ultrasonic, sonic or infrasonic waves
- G01S3/802—Systems for determining direction or deviation from predetermined direction
Abstract
本发明公开了一种基于声强差效应的实时声源定向方法，采用四元十字拾音器阵列进行声源方向检测，在对检测到的声源信号进行处理定向过程中采用了平滑算法。本发明能够实时地根据突发声音信号判断出声音的方向，而且能避免回响对系统判断声源方向的影响，系统开销小。
Description
技术领域
本发明属于声源定向技术领域，尤其涉及一种基于声强差效应的实时音源定向方法。
背景技术
目前的多数研究和应用大都是基于时延估计的定位方法。此方法分两步来完成，第一步对各个麦克接受的信号进行处理，估计出时延；第二步根据麦克的空间结构，结合第一步估计的时延，计算出声源的空间方位。但基于时延估计的方法存在一些固有的缺点：估算时延的方法大都是采用互相关法及其各种的改进方法，而互相关法的精度受信号的采样率的影响，采样率越高，时延估计精度越高，这就对信号采样率有了特殊要求，增大了系统的开销。而且算法实现复杂，在信号处理和噪声处理过程中需要使用到傅立叶变换、互相关法、最小二乘法、协方差等需要的大量数学模型也增加了系统开销；另外，采用传统的定位方法还易受回响影响。
发明内容
为了解决现有技术存在的技术问题，本发明提供了一种基于声强差效应的实时音源定向方法，它能够实时地根据突发声音信号判断出声音的方向，而且能避免回响对系统判断声源方向的影响，系统开销小。
本发明采用的技术方案如下：
一种基于声强差效应的实时声源定向方法，采用四元十字拾音器阵列进行声源检测，在对检测到的声源信号进行处理定向过程中采用了平滑算法。
本发明采用了平滑算法对检测到的声源信号也即采集到的数据进行平滑，对回响增强原声的部分完全进行了限制，对回响削弱原声的部分降低其削弱效果。
本发明中，所述处理定向过程步骤包括如下：
S21.对四元十字拾音器阵列检测到的声源信号通过RC低通滤波；
S22.将经过RC低通滤波后的声源信号进行AD采样获得数据；
S23.对AD采样获得的数据进行平滑过滤处理；
S24.对平滑过滤处理后的数据进行抽样采集；
S25.对抽样采集的数据基于背景噪音进行触发判断，若数据大于触发值T则表示检测到了突发声音，并继续S26；其中触发值T为声源定位的灵敏度；
S26.对抽样采集的数据进行分析点均值处理；
S27.将均值处理获得数据进行方向角计算，进而获取声源方向。
进一步地，在S21中，所述声源信号通过RC低通滤波前先被拾音器放大形成声波，然后采用了半波整流电路去掉负半周的波形。
进一步地，在S22中，经过RC低通滤波后的声源信号在进行AD采样前先通过单片机引脚可兼容电压值对输出波形进行等比例缩小到AD采集合适范围内。
本发明中，声音通过拾音器如拾音器LM358放大后，显示为一系列杂乱无序的声波。在后端先采用半波整流电路去掉负半周的波形，再经过RC低通滤波，同时结合单片机引脚可兼容电压值对后端输出波形进行等比例缩小到AD采集合适范围内。
进一步地，所述AD采样过程具体步骤包括：按采集周期进行采样，并将4个拾音器每次采集的数据s1～s4保存为数组S1～S4。
进一步地，所述采集周期为每0.02ms采样一次。
本发明中，为了保证声音间隔有1ms左右的差异，所述四元十字拾音器阵列中横向设置的两拾音器之间的距离与竖向设置的两拾音器之间的距离均为30cm。
本发明中，根据两个拾音器之间最小距离为21.21cm，声音在15℃时的速度为34cm/ms则两个拾音器检测到声音的时间间隔最小约为0.623ms。为保证采集到足够的数据用于分析，每0.02ms采样一次，并将4个拾音器采集的数据s1～s4保存为数组S1～S4。当然，采集周期也可以设定为其它合适值，这里并不作唯一限定，但取0.02ms为比较优选的值。
本发明中，经过RC滤波的采集数据s1～s4的波动还是比较大，需要进行平滑和过滤才能很好地体现出声音先后到达引起的声强差。故进一步地，在S23中，所述平滑过滤处理步骤包括：定义单个拾音器声音敏感度常量D，对AD采样获得的数据s1～s4进行平滑采样后的声音为ss1～ss4，保存数组为SS1～SS4；将采样数据s1～s4和平滑采样到的数据ss1～ss4分别进行比较，若s1>ss1+D，则ss1＝ss1+1，若s1<ss1-D，则ss1＝ss1-1；若s2>ss2+D，则ss2＝ss21+1，若s2<ss2-D，则ss2＝ss2-1；若s3>ss3+D，则ss3＝ss3+1，若s3<ss3-D，则ss3＝ss3-1；若s4>ss4+D，则ss4＝ss4+1，若s4<ss4-D，则ss4＝ss4-1。
进一步地，对于S25中，利用AD采样获得的数据s1～s4作为背景噪音，定义单个拾音器噪音敏感度常量DN，平滑采样后的背景噪音为n1～n4，保存数组为N1～N4，其中n1～n4采样周期大于s1～s4的采样周期；具体将AD采样数据s1～s4和平滑采样到的数据n1～n4分别进行比较，若s1>n1+DN，则n1＝n1+1，若s1<s1-DN，则n1＝n1-1；若s2>n2+DN，则n2＝n2+1，若s2<s2-DN，则n2＝n2-1；若s3>n3+DN，则n3＝n3+1，若s3<s3-DN，则n3＝n3-1；若s4>n4+DN，则n4＝n4+1，若s4<s4-DN，则n4＝n4-1。
进一步地，所述背景噪音采集周期为每1ms采集一次。
本发明中，关于背景噪音，由于判断检测到了突发声音最简单的方法就是设置一个触发判断值，当拾音器采样数据超过了这个值就判断为检测到了突发声音。但是单一的触发判断值无法适应现实中复杂的环境。如安静环境下设置的触发判断值，到了嘈杂的环境中拾音器的采样数据可能会一直超过这个值，所以需要引入背景噪音采集来动态调整这个触发判断值。
背景噪音也是声音，可以直接利用拾音器采样到的s1～s4作为噪音，保存为n1～n4。但n1～n4要求受突发声音影响小，同时在环境噪音变化时需要上升或下降到相应稳定的水平。依据该要求，n1～n4采集周期需要大于s1～s4的采样周期，同时为避免突发信号的影响需要对其进行过滤和平滑。
背景噪音的采样周期越小，采样的噪音值对声音的敏感度就越高，n1～n4的曲线也就越接近s1～s4，反之背景采样周期越大，采样的噪声对声音的敏感度越低，n1～n4的曲线也就越平直。拾音器采样s1～s4周期为0.02ms，背景噪音需要大于这个采样周期，本发明采用1ms采样周期采集，这个周期可以根据需求修改，再采用过滤和平滑算法。
进一步地，对于S25中，所述触发值T通过背景噪音值和一个常量触发值相加得到，即T＝n1+n2+n3+n4+SEN，其中SEN为常量；将4个拾音器抽样采集获得的数据ss1～ss4的和跟T进行比较，若大于T即满足条件ss1+ss2+ss3+ss4>T，就表示检测到突发声音。
本发明中，一个突发声响的时间大约是几百毫秒，每0.02毫秒采样一次就可能会有几万的采样数据，而大量的数据处理会降低声源定位的实时性。根据原理设计只需要用到最初的几个毫秒的数据便可以完成声源定向。经过平滑采样以后数据有比较强的连续性，只要抽取其中的某些点进行保存计算就能快速的计算出声音的方向。故进一步对于S24中，所述抽样采集以每25个采样点保存一次，即每0.5ms保存一次数据。
本发明中，回响可能会对采集到的数据产生影响，如果对声音反射的物体越远，拾音器检测到原始声音跟反射声音的时间差就越大，反之反射物体越近，则检测到的时间差就越短。本系统避免回响的方法是在回响到达前就确定用于声音方向判断的分析点。这个分析点需要在4个拾音器都检测到声音时便确定。故进一步地，所述分析点均值处理步骤包括：定义一个比较值B，把抽样采集获得的数组SS1～SS4中的每一组ss1～ss4跟噪音值n1～n4比较，当ss1>n1+B且ss2>n2+B且ss3>n3+B且ss4>n4+B时，则选取该组数据作为分析点，然后求在分析点之前若干组数据的算术平均值得到v1～v4。B值跟进不同拾音器而不一样，一般设置比拾音器采样较强的噪音的波动值大一些。
进一步地，通过公式计算获得声源方向角θ。
进一步地，本发明中，所述平滑处理采用的是限幅滤波法。
本发明与现有技术相比，具有的有益效果为：
1.采用平滑算法，能够避免回响对系统判断声源方向的影响。
2.不需要专门的拾音器，跟进需要监听范围大小选择相应灵敏度的拾音器即可。
3.方法运算简单，只有在角度计算的时候使用到乘法和角度计算函数，其余的计算都是简单的加减法，系统开销小。
附图说明
图1：本发明四元十字拾音器阵列原理结构示意图；
图2：本发明对声源处理定向流程框架图一；
图3：本发明对声源处理定向流程框架图二；
图4：本发明拾音器采集数据滤波前图示；
图5：本发明拾音器采集数据滤波后图示；
图6：本发明AD采样数据图示；
图7：本发明AD采样数据平滑后图示；
图8：本发明背景噪音数据平滑后图示；
图9：本发明回响原理图示。
具体实施方式
下面结合附图和实施例对本发明作进一步详细描述。
实施例：
本发明采用的原理如图1所示，以十字阵构建平面直角坐标系，ac方向为坐标系X轴，ac距离为30cm，db方向为坐标系Y轴，db距离也为30cm。当突发声音信号从某一个方向传到十字阵时，四个拾音器会先后检测到声音信号。取四个拾音器刚检测到声音时的瞬态声强，将a的声强减去c的声强得到X轴方向上的矢量声强V1，d的声强减去b的声强得到Y轴方向上的矢量声强V2。拾音器两两相减能够消除环境噪音的影响。用V1、V2便可以求出突发声音位于坐标系的方向，公式如下：
atan2(V2,V1)*180/π。
其中atan2为C语言中的反正切值函数。结果以a为0度，在第一、第二象限0～180度，第四、第三象限0～-180度。
如图2和图3所示为本发明涉及的方法流程框图，具体步骤包括：
S21.对四元十字拾音器阵列检测到的声源信号通过RC低通滤波；
S22.将经过RC低通滤波后的声源信号进行AD采样获得数据；
S23.对AD采样获得的数据进行平滑过滤处理；
S24.对平滑过滤处理后的数据进行抽样采集；
S25.对抽样采集的数据基于背景噪音进行触发判断，若数据大于触发值T则表示检测到了突发声音，并继续S26；其中触发值T为声源定位的灵敏度；
S26.对抽样采集的数据进行分析点均值处理；
S27.将均值处理获得数据进行方向角计算，进而获取声源方向。
对于S21中涉及的RC低通滤波：
声音通过拾音器LM358放大后，显示为一系列杂乱无序的声波。在后端先采用半波整流电路去掉负半周的波形，再经过RC低通滤波，同时结合单片机引脚可兼容电压值对后端输出波形进行等比例缩小到AD采集合适范围内。处理结果如图4和图5所示。
对于S22中涉及的AD采样：
本发明中，根据两个拾音器之间最小距离为21.21cm，声音在15℃时的速度为34cm/ms则两个拾音器检测到声音的时间间隔最小约为0.623ms。为保证采集到足够的数据用于分析，每0.02ms采样一次，并将4个拾音器采集的数据s1～s4保存为数组S1～S4。处理结果如图6所示。其中，采集数据s1～s4相当于上述提及的a、b、c、d位置测得的声强。
对AD采样数据s1～s4进行平滑过滤处理：
对于S23中，定义单个拾音器声音敏感度常量D，对AD采样获得的数据s1～s4进行平滑采样后的声音为ss1～ss4，保存数组为SS1～SS4；将采样数据s1～s4和平滑采样到的数据ss1～ss4分别进行比较，若s1>ss1+D，则ss1＝ss1+1，若s1<ss1-D，则ss1＝ss1-1；若s2>ss2+D，则ss2＝ss21+1，若s2<ss2-D，则ss2＝ss2-1；若s3>ss3+D，则ss3＝ss3+1，若s3<ss3-D，则ss3＝ss3-1；若s4>ss4+D，则ss4＝ss4+1，若s4<ss4-D，则ss4＝ss4-1。处理结构如图7所示。
对于S24中涉及的抽样采集：
一个突发声响的时间大约是几百毫秒，每0.02毫秒采样一次就可能会有几万的采样数据，而大量的数据处理会降低声源定位的实时性。根据原理设计只需要用到最初的几个毫秒的数据便可以完成声源定向。经过平滑采样以后数据有比较强的连续性，只要抽取其中的某些点进行保存计算就能快速的计算出声音的方向。设每25个采样点保存一次，则每0.5ms保存一次数据。
对于触发判断：
对于S25中，利用AD采样获得的数据s1～s4作为背景噪音，定义单个拾音器噪音敏感度常量DN，平滑采样后的背景噪音为n1～n4，保存数组为N1～N4，其中n1～n4采样周期大于s1～s4的采样周期；具体将AD采样数据s1～s4和平滑采样到的数据n1～n4分别进行比较，若s1>n1+DN，则n1＝n1+1，若s1<s1-DN，则n1＝n1-1；若s2>n2+DN，则n2＝n2+1，若s2<s2-DN，则n2＝n2-1；若s3>n3+DN，则n3＝n3+1，若s3<s3-DN，则n3＝n3-1；若s4>n4+DN，则n4＝n4+1，若s4<s4-DN，则n4＝n4-1。如图8所示。
所述背景噪音采集周期为每1ms采集一次。
对于S25中，所述触发值T通过背景噪音值和一个常量触发值相加得到，即T＝n1+n2+n3+n4+SEN，其中SEN为常量；将4个拾音器抽样采集获得的数据ss1～ss4的和跟T进行比较，若大于T即满足条件ss1+ss2+ss3+ss4>T，就表示检测到突发声音。
如果检测到突发声音后则对抽样采集数据ss1～ss4进行分析点均值处理。
对于S26中涉及的分析点均值：
回响可能会对采集到的数据产生影响，如果对声音反射的物体越远，拾音器检测到原始声音跟反射声音的时间差就越大，反之反射物体越近，则检测到的时间差就越短。本系统避免回响的方法是在回响到达前就确定用于声音方向判断的分析点。这个分析点需要在4个拾音器都检测到声音时便确定。
设一个比较值B，把抽样采集获得的数组SS1～SS4中的每一组ss1～ss4跟噪音值n1～n4比较，当ss1>n1+B且ss2>n2+B且ss3>n3+B且ss4>n4+B时，则选取该组数据作为分析点，然后求在分析点之前若干组数据的算术平均值得到v1～v4。B值跟进不同拾音器而不一样，一般设置比拾音器采样较强的噪音的波动值大一些。
最后通过获得的v1～v4运用到S27中涉及的方向角计算：
通过公式计算获得声源方向角θ。
本实施例采用的定向方法基本不受回响的影响，一方面经过RC滤波后还对采集数据进行平滑，对回响增强原声的部分完全进行了限制，对回响削弱原声的部分降低了其削弱的效果，所以即使未能将B设置在回响到来之前也能将回响对角度计算的影响减小。另一由于声音传播直线距离最短，所以拾音器采集到声音的起始点并不会因为回响而改变。如图9所示，设Z+0.34m＝X+Y，则回响对拾音器a产生影响的时间应该是在a检测到声音的1ms(0.34m÷340m/s＝1ms)。那么只需要确保分析点在a检测到声音的1ms便可以避免回响的影响。分析点的B设置得越小，则可能受到回响的影响就越小，但越小也就越容易受环境噪音影响，所以这个B值需要根据不同拾音器的信噪比测试得出。
Claims (15)
1.一种基于声强差效应的实时声源定向方法，采用四元十字拾音器阵列进行声源方向检测，其特征在于，在对检测到的声源信号进行处理定向过程中采用了平滑算法。
2.根据权利要求1所述的基于声强差效应的实时声源定向方法，其特征在于，所述处理定向过程步骤包括如下：
S21.对四元十字拾音器阵列检测到的声源信号通过RC低通滤波；
S22.将经过RC低通滤波后的声源信号进行AD采样获得数据；
S23.对AD采样获得的数据进行平滑过滤处理；
S24.对平滑过滤处理后的数据进行抽样采集；
S25.对抽样采集的数据基于背景噪音进行触发判断，若数据大于触发值T则表示检测到了突发声音，并继续S26；其中触发值T为声源定位的灵敏度；
S26.对抽样采集的数据进行分析点均值处理；
S27.将均值处理获得数据进行方向角计算，进而获取声源方向。
3.根据权利要求1所述的基于声强差效应的实时声源定向方法，其特征在于，在S21中，所述声源信号通过RC低通滤波前先被拾音器放大形成声波，然后采用了半波整流电路去掉负半周的波形。
4.根据权利要求3所述的基于声强差效应的实时声源定向方法，其特征在于，在S22中，经过RC低通滤波后的声源信号在进行AD采样前先通过单片机引脚可兼容电压值对输出波形进行等比例缩小到AD采集合适范围内。
5.根据权利要求4所述的基于声强差效应的实时声源定向方法，其特征在于，所述AD采样过程具体步骤包括：按采集周期进行采样，并将4个拾音器每次采集的数据s1～s4保存为数组S1～S4。
6.根据权利要求5所述的基于声强差效应的实时声源定向方法，其特征在于，所述采集周期为每0.02ms采样一次。
7.根据权利要求5所述的基于声强差效应的实时声源定向方法，其特征在于，在S23中，所述平滑过滤处理步骤包括：定义单个拾音器声音敏感度常量D，对AD采样获得的数据s1～s4进行平滑采样后的声音为ss1～ss4，保存数组为SS1～SS4；将采样数据s1～s4和平滑采样到的数据ss1～ss4分别进行比较，若s1>ss1+D，则ss1＝ss1+1，若s1<ss1-D，则ss1＝ss1-1；若s2>ss2+D，则ss2＝ss21+1，若s2<ss2-D，则ss2＝ss2-1；若s3>ss3+D，则ss3＝ss3+1，若s3<ss3-D，则ss3＝ss3-1；若s4>ss4+D，则ss4＝ss4+1，若s4<ss4-D，则ss4＝ss4-1。
8.根据权利要求6所述的基于声强差效应的实时声源定向方法，其特征在于，对于S25中，利用AD采样获得的数据s1～s4作为背景噪音，定义单个拾音器噪音敏感度常量DN，平滑采样后的背景噪音为n1～n4，保存数组为N1～N4，其中n1～n4采样周期大于s1～s4的采样周期；具体将AD采样数据s1～s4和平滑采样到的数据n1～n4分别进行比较，若s1>n1+DN，则n1＝n1+1，若s1<s1-DN，则n1＝n1-1；若s2>n2+DN，则n2＝n2+1，若s2<s2-DN，则n2＝n2-1；若s3>n3+DN，则n3＝n3+1，若s3<s3-DN，则n3＝n3-1；若s4>n4+DN，则n4＝n4+1，若s4<s4-DN，则n4＝n4-1。
9.根据权利要求8所述的基于声强差效应的实时声源定向方法，其特征在于，所述背景噪音采集周期为每1ms采集一次。
10.根据权利要求8所述的基于声强差效应的实时声源定向方法，其特征在于，对于S25中，所述触发值T通过背景噪音值和一个常量触发值相加得到，即T＝n1+n2+n3+n4+SEN，其中SEN为常量；将4个拾音器抽样采集获得的数据ss1～ss4的和跟T进行比较，若大于T即满足条件ss1+ss2+ss3+ss4>T，就表示检测到突发声音。
11.根据权利要求10所述的基于声强差效应的实时声源定向方法，其特征在于，对于S24中，所述抽样采集以每25个采样点保存一次，即每0.5ms保存一次数据。
12.根据权利要求10所述的基于声强差效应的实时声源定向方法，其特征在于，所述分析点均值处理步骤包括：定义一个比较值B，把抽样采集获得的数组SS1～SS4中的每一组ss1～ss4跟噪音值n1～n4比较，当ss1>n1+B且ss2>n2+B且ss3>n3+B且ss4>n4+B时，则选取该组数据作为分析点，然后求在分析点之前若干组数据的算术平均值得到v1～v4。
13.根据权利要求12所述的基于声强差效应的实时声源定向方法，其特征在于，通过公式计算获得声源方向角θ。
14.根据权利要求1至13任意一项所述的基于声强差效应的实时声源定向方法，其特征在于，所述平滑处理采用的是限幅滤波法。
15.根据权利要求1至13任意一项所述的基于声强差效应的实时声源定向方法，其特征在于，所述四元十字拾音器阵列中横向设置的两拾音器之间的距离与竖向设置的两拾音器之间的距离均为30cm。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610422011.8A CN105954711B (zh) | 2016-06-15 | 2016-06-15 | 一种基于声强差效应的实时声源定向方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610422011.8A CN105954711B (zh) | 2016-06-15 | 2016-06-15 | 一种基于声强差效应的实时声源定向方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105954711A true CN105954711A (zh) | 2016-09-21 |
| CN105954711B CN105954711B (zh) | 2018-07-13 |
Family
ID=56906364
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610422011.8A Active CN105954711B (zh) | 2016-06-15 | 2016-06-15 | 一种基于声强差效应的实时声源定向方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105954711B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106514676A (zh) * | 2017-01-09 | 2017-03-22 | 广东大仓机器人科技有限公司 | 采用四个声音接收器确定声源方位的机器人 |
| CN107843871A (zh) * | 2017-11-06 | 2018-03-27 | 南京地平线机器人技术有限公司 | 声源定向方法、装置和电子设备 |
| CN110133571A (zh) * | 2019-05-14 | 2019-08-16 | 深圳力维智联技术有限公司 | 基于声音识别的动态测向方法、测向系统及可读存储介质 |
| CN110844402A (zh) * | 2019-11-01 | 2020-02-28 | 贵州大学 | 一种智能召唤垃圾桶系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102074241A (zh) * | 2011-01-07 | 2011-05-25 | 蔡镇滨 | 一种通过快速声音波形修复实现声音还原的方法 |
| JP2013213739A (ja) * | 2012-04-02 | 2013-10-17 | Nippon Telegr & Teleph Corp <Ntt> | 音源位置推定装置、音源位置推定方法及びそのプログラム |
| CN103366756A (zh) * | 2012-03-28 | 2013-10-23 | 联想(北京)有限公司 | 一种声音信号的接收方法及装置 |
| CN104898086A (zh) * | 2015-05-19 | 2015-09-09 | 南京航空航天大学 | 适用于微型麦克风阵列的声强估计声源定向方法 |
-
2016
- 2016-06-15 CN CN201610422011.8A patent/CN105954711B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102074241A (zh) * | 2011-01-07 | 2011-05-25 | 蔡镇滨 | 一种通过快速声音波形修复实现声音还原的方法 |
| CN103366756A (zh) * | 2012-03-28 | 2013-10-23 | 联想(北京)有限公司 | 一种声音信号的接收方法及装置 |
| JP2013213739A (ja) * | 2012-04-02 | 2013-10-17 | Nippon Telegr & Teleph Corp <Ntt> | 音源位置推定装置、音源位置推定方法及びそのプログラム |
| CN104898086A (zh) * | 2015-05-19 | 2015-09-09 | 南京航空航天大学 | 适用于微型麦克风阵列的声强估计声源定向方法 |
Non-Patent Citations (2)
| Title |
|---|
| 李从清 等: "机器人听觉定位跟踪声源的研究与进展", 《燕山大学学报》 * |
| 李晓飞，刘宏: "机器人听觉声源定位研究综述", 《智能系统学报》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106514676A (zh) * | 2017-01-09 | 2017-03-22 | 广东大仓机器人科技有限公司 | 采用四个声音接收器确定声源方位的机器人 |
| CN107843871A (zh) * | 2017-11-06 | 2018-03-27 | 南京地平线机器人技术有限公司 | 声源定向方法、装置和电子设备 |
| CN107843871B (zh) * | 2017-11-06 | 2020-07-24 | 南京地平线机器人技术有限公司 | 声源定向方法、装置和电子设备 |
| CN110133571A (zh) * | 2019-05-14 | 2019-08-16 | 深圳力维智联技术有限公司 | 基于声音识别的动态测向方法、测向系统及可读存储介质 |
| CN110133571B (zh) * | 2019-05-14 | 2021-01-29 | 深圳力维智联技术有限公司 | 基于声音识别的动态测向方法、测向系统及可读存储介质 |
| CN110844402A (zh) * | 2019-11-01 | 2020-02-28 | 贵州大学 | 一种智能召唤垃圾桶系统 |
| CN110844402B (zh) * | 2019-11-01 | 2022-05-17 | 贵州大学 | 一种智能召唤垃圾桶系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105954711B (zh) | 2018-07-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103176167B (zh) | 一种基于锁相放大器的强干扰下声源定位方法 | |
| CN105954711A (zh) | 一种基于声强差效应的实时声源定向方法 | |
| JP7186769B2 (ja) | 対象音声検出方法及び装置 | |
| CN101357076B (zh) | 远程心脏储备指标分析系统及其方法 | |
| CN101766496B (zh) | 一种噪声估计方法和一键优化方法及其系统 | |
| CN105223576B (zh) | 一种基于单矢量潜标的线谱信号目标自动检测方法 | |
| CN104898091B (zh) | 基于迭代优化算法的麦克风阵列自校准声源定位系统 | |
| CN105943013B (zh) | 心率检测方法及装置、智能可穿戴设备 | |
| CN101929913B (zh) | 基于声音信号处理的瓶盖密封性检测装置及方法 | |
| CN105509762B (zh) | 一种基于三轴加速计的计步方法及装置 | |
| US11212613B2 (en) | Signal processing device and signal processing method | |
| JP6608466B2 (ja) | ロボット音声探索回転システム及び方法 | |
| CN104898086B (zh) | 适用于微型麦克风阵列的声强估计声源定向方法 | |
| CN105249925B (zh) | 一种中医脉象采集装置及降噪系统和降噪方法 | |
| CN111288986A (zh) | 一种运动识别方法及运动识别装置 | |
| CN108670245A (zh) | 一种心电信号检测方法及系统 | |
| CN109085477A (zh) | 用于电力电缆分布式局部放电监测系统的信号识别和定位方法 | |
| Fedotov et al. | Effective QRS-detector based on Hilbert transform and adaptive thresholding | |
| CN206638819U (zh) | 全向超声信号接收组件和全向超声测距系统 | |
| CN203148562U (zh) | 一种变电站噪声成像侦测装置 | |
| CN102034022B (zh) | 一种基于倍频分析的信号处理方法及系统 | |
| Nakadai et al. | Footstep detection and classification using distributed microphones | |
| RU2351005C1 (ru) | Способ оценки параметров сигнала и устройство для реализации способа (варианты) | |
| CN106419884A (zh) | 一种基于小波分析的心率计算方法与系统 | |
| CN107224284A (zh) | 一种全数字心电信号的噪声检测方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: 510530 Luogang District Development Zone, Guangzhou, Guangdong, 512, 2819 Avenue. Applicant after: GUANGZHOU GOSUNCN ROBOT CO.,LTD. Address before: 510530 Development Zone, Whampoa District, Guangzhou, Guangdong, 512, 2819 Avenue. Applicant before: GUANGZHOU GOSUNYUN TECHNOLOGY CO.,LTD. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231013 Address after: Floor 1, 2 and 3, Building 1, No. 20, Keji Road, Kecheng Street, Yannan High tech Zone, Yancheng City, Jiangsu Province, 224000 (Hongzhou Intelligent Technology Company) Patentee after: Jiangsu Gaoxinxing Robot Co.,Ltd. Address before: 510530 Luogang District Development Zone, Guangzhou, Guangdong, 512, 2819 Avenue. Patentee before: GUANGZHOU GOSUNCN ROBOT CO.,LTD. |
|
| TR01 | Transfer of patent right |