CN109100727B - 一种使用运动虚拟声源识别声源运动轨迹的方法 - Google Patents
一种使用运动虚拟声源识别声源运动轨迹的方法 Download PDFInfo
- Publication number
- CN109100727B CN109100727B CN201810573397.1A CN201810573397A CN109100727B CN 109100727 B CN109100727 B CN 109100727B CN 201810573397 A CN201810573397 A CN 201810573397A CN 109100727 B CN109100727 B CN 109100727B
- Authority
- CN
- China
- Prior art keywords
- sound source
- sound pressure
- sound
- virtual
- motion
- 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.)
- Active
Links
Images
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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
- G01S15/50—Systems of measurement, based on relative movement of the target
- G01S15/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Acoustics & Sound (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明提供了一种使用运动虚拟声源识别声源运动轨迹的方法,包括如下步骤:声源运动的时间区域划分;确定Tns时间段内真实声源声压向量;确定Tns时段内静止虚拟声源频域声压向量;确定时间段Tn内运动声源起始点初步估计位置;确定时间段Tn内运动声源终止点初步估计位置;实际声源频域声压向量;确定构建的运动虚拟声源频域声压向量env;Tn时间段内运动声源轨迹的识别;声源运动的全部时间区域识别。本发明可以通过对声源逐段速度的实时修正,减小多普勒效应带来的影响,能够对非匀速及非规则运动声源的轨迹进行有效的的识别。
Description
技术领域
本发明涉及声源识别领域或者运动声源的轨迹追踪领域。特别涉及一种使用运动虚拟声源识别声源运动轨迹的方法。
背景技术
随着科学技术的不断进步,人们对生活舒适性要求也越来越高,其中噪声强弱已然成为了产品评估和环境评测的重要指标之一,降低甚至消除噪声的各种方式也就成为了备受关注的课题,而声源识别则是噪声控制的首要工作,并随着对声源识别研究的不断深入,移动声源的识别逐渐成为了关注的焦点。声源在移动过程中,由于其位置随着运动时间改变,导致对移动声源的轨迹追踪相对于静止点源识别更为复杂;当声源速度较高时,声源多普勒效应增强,直接表现为声源频率识别值的增大或减小,从而产生较大的轨迹识别误差。
近年来有专家学者提出了使用基于静止虚拟声源的方法用以识别声源信息,该方法主要适用于静止点声源的识别,而对运动声源则无法进行准确的识别,尤其当声源速度较高时,随着识别时间的增加,累积误差逐渐增大,识别结果偏离了真实轨迹,因此对于移动声源的识别需要进一步的研究工作。
发明内容
针对现有技术中存在的不足,本发明提供了一种使用运动虚拟声源识别声源运动轨迹的方法,该过程通过对声源逐段速度的实时修正,减小多普勒效应带来的影响,能够对非匀速及非规则运动声源的轨迹进行有效的的识别。
本发明是通过以下技术手段实现上述技术目的的。
一种使用运动虚拟声源识别声源运动轨迹的方法,包括如下步骤:
声源运动的时间区域划分:取阵列中任一位置传声器接收到的声压信号进行傅里叶变换,得到测量声源的频率初始估算值ω0;将声源运动的全部时间区域等分为N个时间段Tn(n=1,2,…,N);传声器按a×b阵列布置记为Mij(i=1,2,…,a;j=1,2,…,b),其坐标为(xi,yj,0);
确定Tns时间段内真实声源声压向量:取Tn内初始时间段Tns内声压信号pns进行积分变换:式中t为声源运动内的某一时间;计算得出整个阵列声压信号的频域声压值,将其表示为Pns(xi,yj,ω0),其中Tns取Tn内的前10%-20%;对声源频域声压值按照传声器的位置顺序进行整合,得到Tns内真实声源声压向量:
P′ns=(Pns(x1,y1,ω0),Pns(x2,y1,ω0),…,Pns(xi,yj,ω0),…,Pns(xa,yb,ω0));
确定Tns时段内静止虚拟声源频域声压向量:在声源面内以频率估算值ωc构建一虚拟静止点声源,其中坐标为(xvn,yvn,zvn),计算得出在Tns时段内传声器阵列接收到的虚拟声源辐射声压信号,通过积分变换得到其频域声压值Pvns(xi,yj,ωc),其中坐标(xvn,yvn,zvn)为声源面内任意点;将虚拟声源频域声压值进行整合得出静止虚拟声源频域声压向量:
Pvns=(Pvns(x1,y1,ωc),Pvns(x2,y1,ωc),…,Pvns(xi,yj,ωc),…,Pvns(xa,yb,ωc)),归一化处理得;
确定时间段Tn内运动声源起始点初步估计位置:对真实声源声压向量Pn′s和静止虚拟声源单位频域声压向量en做内积运算,根据内积相关性原理:|<P′ns,en〉|≤||P′ns||||en||,使用优化算法搜索其内积模极值,得到时间段Tn内运动声源起始点初步估计位置(xns,yns,zns);
确定时间段Tn内运动声源终止点初步估计位置:取Tn内终止时间段Tnf的声压信号进行分析,用Tnf替换Tns,重复所述确定Tns时间段内真实声源声压向量、所述确定Tns时段内静止虚拟声源频域声压向量和所述确定时间段Tn内运动声源起始点初步估计位置,得到时间段Tn内运动声源终止点初步估计位置(xnf,ynf,znf),其中Tnf取取Tn内的后10%-20%;
实际声源频域声压向量:对传声器阵列在Tn时段内接收到的实际声源声压信号进行积分运算,计算得出整个阵列声压信号的频域声压值,将其表示为Pn(xi,yj),对频域声压信号按传声器位置顺序进行整合,得到实际声源频域声压向量
Pn=(Pn(x1,y1),Pn(x2,y1),…,Pn(xi,yj),…,Pn(xa,yb));
确定构建的运动虚拟声源频域声压向量env:构建一运动虚拟声源,用ωv表示运动虚拟声源频率,运动虚拟初始位置坐标表示为(xvs,yvs,zvs),其终止位置坐标表示为(xvf,yvf,zvf),运动速度表示为u,计算得出在Tn时段内传声器阵列接收到的运动虚拟声源时域声压信号,通过积分变换得到其频域声压值Pn(xvi,yvj),对运动虚拟声源频域声压值进行整合得到声压向量:
Pnv=(Pn(xv1,yv1),Pn(xv2,yv1),…,Pn(xvi,yvj),…,Pn(xva,yvb)),进行归一化处理得到运动虚拟声源频域声压向量env;其中,运动虚拟初始位置和终止位置均为空间任意位置;
Tn时间段内运动声源轨迹的识别:实际声源频域声压向量Pn和运动虚拟声源频域声压向量env做内积运算,以声源频率估算值ωc、时间段Tn内运动声源起始点初步估计位置(xns,yns,zns)、时间段Tn内运动声源终止点初步估计位置(xnf,ynf,znf)和声源运动速度估算值vn构建优化计算初始条件,通过优化计算搜索内积模极值,获得内积模极值处对应的运动虚拟声源初始位置终止位置速度值和频率值其中
声源运动的全部时间区域识别:当n<N,n=n+1,重复上面步骤;当n=N时,完成运动声源的轨迹追踪。
进一步,所述确定Tns时段内静止虚拟声源频域声压向量中虚拟静止点声源的辐射强度为1,初相位为0。
进一步,所述确定构建的运动虚拟声源频域声压向量env中的运动虚拟强度为1,初相位为0。
本发明的有益效果在于:
1.本发明所述的使用运动虚拟声源识别声源运动轨迹的方法,通过对声源逐段速度的实时修正,减小多普勒效应带来的影响,能够对非匀速及非规则运动声源的轨迹进行有效的的识别。
2.本发明所述的使用运动虚拟声源识别声源运动轨迹的方法,通过内积相关性来识别声源,该方法的特点是不需要解方程;
3.本发明所述的使用运动虚拟声源识别声源运动轨迹的方法,无需提前预知声源的运动模式,能够对非匀速及非规则运动声源的轨迹进行有效的识别。
附图说明
图1为本发明的实施例1直线加速运动声源轨迹图。
图2为本发明的实施例1直线加速运动声源速度值诊断结果图。
图3为本发明的实施例1直线加速运动声源轨迹追踪结果图。
图4为本发明的实施例2曲线加速运动声源轨迹图。
图5为本发明的实施例2曲线加速运动声源速度值诊断结果图。
图6为本发明的实施例2曲线加速运动声源轨迹追踪结果图。
图7为本发明所述的使用运动虚拟声源识别声源运动轨迹的方法流程图。
具体实施方式
下面结合附图以及具体实施例对本发明作进一步的说明,但本发明的保护范围并不限于此。
实施例1:加速直线运动声源轨迹识别模拟仿真实
设空间z=1m平面内存在一直线加速运动的点声源,运动点声源初始(t=0时刻)位置坐标为(0m,6m,1m),声源频率为1000Hz,声源强度为Q0=6Pa·m;在z=0m平面内等0.15m间隔布置11×11规格的传声器阵列,传声器阵列中心在原点处。设置采样频率为10000Hz,对2s内声源运动轨迹进行追踪,该声源位置随时间t变化关系为:
图1为z=1m平面内加速运动声源理论轨迹。用传声器阵列完成整个运动时间段内的声压数据采集。使用傅里叶变换对中间位置传声器接收到的声压信号进行计算,得到测量声源的频率初始估算值ω0=962Hz;将声源运动的全部时间区域等分为20个时间段Tn(n=1,2,…,20);如图7所示的流程图看:
首先对T1内的声压信号进行分析:取时间段T1内初始时间段T1s=0.02s内声压信号p1s进行积分变换:计算得出整个阵列声压信号的频域声压值,将其表示为P(xi,yj,ω0)(i=1,2,…,11;j=1,2,…,11);对声源频域声压值按照传声器的位置顺序进行整合,得到真实声源声压向量:
P′1s=(P1s(x1,y1,ω0),P1s(x2,y1,ω0),…,P1s(xi,yj,ω0),…,P1s(x11,y11,ω0));
确定T1s时段内静止虚拟声源频域声压向量:在声源面内以频率估算值ωc构建一虚拟静止点声源,设其声源辐射强度为1,初相位为0,坐标为(xv,yv),计算得出在T1s时段内传声器阵列接收到的时域声压信号,通过积分变换得到其频域声压值Pv1s(xi,yj,ω0);将虚拟声源频域声压值进行整合得出其声压向量:
Pv1s=(Pv1s(x1,y1,ω0),Pv1s(x2,y1,ω0),…,Pv1s(xi,yj,ω0),…,Pv1s(x11,y11,ω0)),归一化处理为:
确定时间段T1内运动声源起始点初步估计位置:对真实声源声压向量P′1s和静止虚拟声源单位频域声压向量e1做内积运算,根据内积相关性原理,使用优化算法搜索其内积模极值,得到时间段T1内运动声源起始点初步估计位置(x1s,y1s,z1s)为(0.00m,6.00m,1.00m);
时间段T1内运动声源终止点初步估计位置:取T1内终止时间段T1f的声压信号进行分析,用T1f替换T1s,重复所述确定T1s时间段内真实声源声压向量、所述确定T1s时段内静止虚拟声源频域声压向量和所述确定时间段T1内运动声源起始点初步估计位置,得到时间段T1内运动声源终止点初步估计位置(x1f,y1f,z1f)为(0.04m,5.99m,1.00m),其中T1f取取T1内的后10%-20%;
实际声源频域声压向量:对传声器阵列在T1时段内接收到的实际声源声压信号进行积分运算,计算得出整个阵列声压信号的频域声压值,将其表示为P1(xi,yj),对频域声压信号按传声器位置顺序进行整合,得到实际声源频域声压向量:
P1=(P1(x1,y1),P1(x2,y1),…,P1(xi,yj),…,P1(x11,y11));
确定构建的运动虚拟声源频域声压向量e1v:构建一运动虚拟声源,声源强度为1,初相位为0,用ωv表示运动虚拟声源频率,运动虚拟初始位置坐标表示为(xvs,yvs,zvs),其终止位置坐标表示为(xvf,yvf,zvf),运动速度表示为u,计算得出在Tn时段内传声器阵列接收到的运动虚拟声源时域声压信号,通过积分变换得到其频域声压值P1(xvi,yvj),对运动虚拟声源频域声压值进行整合得到声压向量:P1v=(P1(xv1,yv1),P1(xv2,yv1),…,P1(xvi,yvj),…,P1(xv11,yv11)),进行归一化处理得到运动虚拟声源频域声压向量e1v;其中,运动虚拟初始位置和终止位置均为空间任意位置;构建的运动虚拟声源的声源辐射强度和初相位可以为任意值。
T1时间段内运动声源轨迹的识别:实际声源频域声压向量P1和运动虚拟声源频域声压向量e1v做内积运算,以声源频率估算值ωc、初始点位置初步估计坐标(x1s,y1s,z1s)、终止点初步估计坐标(x1f,y1f,z1f)和声源运动速度估算值v1构建优化计算初始条件,通过优化计算搜索内积模极值,获得内积模极值处对应的运动虚拟声源初始位置终止位置速度值和频率值其中
获得内积模极值处对应的虚拟运动声源初始位置为(0.000m,6.000m,1.00m)、虚拟运动声源终止位置为(0.049m,5.990m,1.00m)、速度值和频率值该参数即为识别得到的实际运动声源参数,完成了T1时间段内运动声源轨迹的识别。
声源运动的全部时间区域识别:当n<N,n=n+1,重复上面步骤;当n=N时,完成运动声源的轨迹追踪。对T2内的声压信号进行分析,将T1时间段频率值作为已知条件,重复上面过程,并使用以T1诊断出的速度值、T2初始坐标及终止坐标作为初始条件进行内积模极值搜索,简化搜索过程,完成T2内声源轨迹的识别;使用相同方法对剩余时间段内的信号进行识别,完成运动声源的速度诊断及轨迹追踪。基于运动虚拟声源识别方法的声源速度实时诊断值如图2所示;本专利方法的轨迹识别结果如图3所示,图中表示了全部时间段对应的轨迹追踪结果。
实施例2:加速曲线运动声源轨迹识别模拟仿真实
设空间z=2m平面内存在一直线加速运动的点声源,运动点声源初始(t=0时刻)位置坐标为(0m,1m,2m),声源频率为1250Hz,声源强度为Q0=6Pa·m;在z=0m平面内等0.2m间隔布置9×9规格的传声器阵列,传声器阵列中心在原点处。设置采样频率为10000Hz,对2s内声源运动轨迹进行追踪,该声源位置随时间t变化关系为:
图4为z=2m平面内加速运动声源理论轨迹。用传声器阵列完成整个运动时间段内的声压数据采集。使用傅里叶变换对中间位置传声器接收到的声压信号进行计算,得到测量声源的频率初始估算值ω0=1204Hz;将声源运动的全部时间区域等分为20个时间段Tn(n=1,2,…,20);
首先对T1内的声压信号进行分析:取时间段T1内初始时间段T1s=0.015s内声压信号p1s进行积分变换:计算得出整个阵列声压信号的频域声压值,将其表示为P(xi,yj,ω0)(i=1,2,…,9;j=1,2,…,9);对声源频域声压值按照传声器的位置顺序进行整合,得到真实声源声压向量:
P′1s=(P1s(x1,y1,ω0),P1s(x2,y1,ω0),…,P1s(xi,yj,ω0),…,P1s(x9,y9,ω0));
确定T1s时段内静止虚拟声源频域声压向量:在声源面内以频率估算值ωc构建一虚拟静止点声源,设其声源辐射强度为1,初相位为0,坐标为(xvn,yvn,zvn),计算得出在T1s时段内传声器阵列接收到的时域声压信号,通过积分变换得到其频域声压值Pv1s(xi,yj,ω0);将虚拟声源频域声压值进行整合得出其声压向量:
Pv1s=(Pv1s(x1,y1,ω0),Pv1s(x2,y1,ω0),…,Pv1s(xi,yj,ω0),…,Pv1s(x9,y9,ω0)),归一化处理为:
确定时间段T1内运动声源起始点初步估计位置:对真实声源声压向量P1′s和静止虚拟声源单位频域声压向量e1做内积运算,根据内积相关性原理,使用优化算法搜索其内积模极值,得到时间段T1内运动声源起始点初步估计位置(x1s,y1s,z1s)为(1.03m,20.00m,2.00m);
时间段T1内运动声源终止点初步估计位置:取T1内终止时间段T1f的声压信号进行分析,用T1f替换T1s,重复所述确定T1s时间段内真实声源声压向量、所述确定T1s时段内静止虚拟声源频域声压向量和所述确定时间段T1内运动声源起始点初步估计位置,得到时间段T1内运动声源终止点初步估计位置(x1f,y1f,z1f)为(1.37m,19.96m,2.00m),其中T1f取取T1内的后10%-20%;
实际声源频域声压向量:对传声器阵列在T1时段内接收到的实际声源声压信号进行积分运算,计算得出整个阵列声压信号的频域声压值,将其表示为P1(xi,yj),对频域声压信号按传声器位置顺序进行整合,得到实际声源频域声压向量:
P1=(P1(x1,y1),P1(x2,y1),…,P1(xi,yj),…,P1(x9,y9));
确定构建的运动虚拟声源频域声压向量e1v:构建一运动虚拟声源,声源强度为1,初相位为0,用ωv表示运动虚拟声源频率,运动虚拟初始位置坐标表示为(xvs,yvs,zvs),其终止位置坐标表示为(xvf,yvf,zvf),运动速度表示为u,计算得出在Tn时段内传声器阵列接收到的运动虚拟声源时域声压信号,通过积分变换得到其频域声压值P1(xvi,yvj),对运动虚拟声源频域声压值进行整合得到声压向量:P1v=(P1(xv1,yv1),P1(xv2,yv1),…,P1(xvi,yvj),…,P1(xv9,yv9)),进行归一化处理得到运动虚拟声源频域声压向量e1v;其中,运动虚拟初始位置和终止位置均为空间任意位置;
T1时间段内运动声源轨迹的识别:实际声源频域声压向量P1和运动虚拟声源频域声压向量e1v做内积运算,以声源频率估算值ωc、初始点位置初步估计坐标(x1s,y1s,z1s)、终止点初步估计坐标(x1f,y1f,z1f)和声源运动速度估算值v1构建优化计算初始条件,通过优化计算搜索内积模极值,获得内积模极值处对应的运动虚拟声源初始位置终止位置速度值和频率值其中
获得内积模极值处对应的虚拟运动声源初始位置为(1.001m,19.997m,2.00m)、虚拟运动声源终止位置为(1.398m,19.943m,2.00m)、速度值和频率值该参数即为识别得到的实际运动声源参数,完成了T1时间段内运动声源轨迹的识别。
声源运动的全部时间区域识别:当n<N,n=n+1,重复上面步骤;当n=N时,完成运动声源的轨迹追踪。对T2内的声压信号进行分析,将T1时间段频率值作为已知条件,重复上面过程,并使用以T1诊断出的速度值、T2初始坐标及终止坐标作为初始条件进行内积模极值搜索,简化搜索过程,完成T2内声源轨迹的识别;使用相同方法对剩余时间段内的信号进行识别,完成运动声源的速度诊断及轨迹追踪。基于运动虚拟声源识别方法的声源速度实时诊断值如图5所示;本专利方法的轨迹识别结果如图6所示,图中表示了全部时间段对应的轨迹追踪结果。
所述实施例为本发明的优选的实施方式,但本发明并不限于上述实施方式,在不背离本发明的实质内容的情况下,本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。
Claims (3)
1.一种使用运动虚拟声源识别声源运动轨迹的方法,其特征在于,包括如下步骤:
声源运动的时间区域划分:取阵列中任一位置传声器接收到的声压信号进行傅里叶变换,得到测量声源的频率初始估算值ω0;将声源运动的全部时间区域等分为N个时间段Tn(n=1,2,…,N);传声器按a×b阵列布置记为Mij(i=1,2,…,a;j=1,2,…,b),其坐标为(xi,yj,0);
确定Tns时间段内真实声源声压向量:取Tn内初始时间段Tns内声压信号pns进行积分变换:式中t为声源运动内的某一时间;计算得出整个阵列声压信号的频域声压值,将其表示为Pns(xi,yj,ω0),其中Tns取Tn内的前10%-20%;对声源频域声压值按照传声器的位置顺序进行整合,得到Tns内真实声源声压向量:
P′ns=(Pns(x1,y1,ω0),Pns(x2,y1,ω0),…,Pns(xi,yj,ω0),…,Pns(xa,yb,ω0));
确定Tns时段内静止虚拟声源频域声压向量:在声源面内以频率估算值ωc构建一虚拟静止点声源,其中坐标为(xvn,yvn,zvn),计算得出在Tns时段内传声器阵列接收到的虚拟声源辐射声压信号,通过积分变换得到其频域声压值Pvns(xi,yj,ωc),其中坐标(xvn,yvn,zvn)为声源面内任意点;将虚拟声源频域声压值进行整合得出静止虚拟声源频域声压向量:
Pvns=(Pvns(x1,y1,ωc),Pvns(x2,y1,ωc),…,Pvns(xi,yj,ωc),…,Pvns(xa,yb,ωc)),归一化处理得;
确定时间段Tn内运动声源起始点初步估计位置:对真实声源声压向量P′ns和静止虚拟声源单位频域声压向量en做内积运算,根据内积相关性原理:|<P′ns,en>|<||P′ns||||en||,使用优化算法搜索其内积模极值,得到时间段Tn内运动声源起始点初步估计位置(xns,yns,zns);
确定时间段Tn内运动声源终止点初步估计位置:取Tn内终止时间段Tnf的声压信号进行分析,用Tnf替换Tns,重复所述确定Tns时间段内真实声源声压向量、所述确定Tns时段内静止虚拟声源频域声压向量和所述确定时间段Tn内运动声源起始点初步估计位置,得到时间段Tn内运动声源终止点初步估计位置(xnf,ynf,znf),其中Tnf取取Tn内的后10%-20%;
实际声源频域声压向量:对传声器阵列在Tn时段内接收到的实际声源声压信号进行积分运算,计算得出整个阵列声压信号的频域声压值,将其表示为Pn(xi,yj),对频域声压信号按传声器位置顺序进行整合,得到实际声源频域声压向量
Pn=(Pn(x1,y1),Pn(x2,y1),…,Pn(xi,yj),…,Pn(xa,yb));
确定构建的运动虚拟声源频域声压向量env:构建一运动虚拟声源,用ωv表示运动虚拟声源频率,运动虚拟初始位置坐标表示为(xvs,yvs,zvs),其终止位置坐标表示为(xvf,yvf,zvf),运动速度表示为u,计算得出在Tn时段内传声器阵列接收到的运动虚拟声源时域声压信号,通过积分变换得到其频域声压值Pn(xvi,yvj),对运动虚拟声源频域声压值进行整合得到声压向量:
Pnv=(Pn(xv1,yv1),Pn(xv2,yv1),…,Pn(xvi,yvj),…,Pn(xva,yvb)),进行归一化处理得到运动虚拟声源频域声压向量env;其中,运动虚拟初始位置和终止位置均为空间任意位置;
Tn时间段内运动声源轨迹的识别:实际声源频域声压向量Pn和运动虚拟声源频域声压向量env做内积运算,以声源频率估算值ωc、时间段Tn内运动声源起始点初步估计位置(xns,yns,zns)、时间段Tn内运动声源终止点初步估计位置(xnf,ynf,znf)和声源运动速度估算值vn构建优化计算初始条件,通过优化计算搜索内积模极值,获得内积模极值处对应的运动虚拟声源初始位置终止位置速度值和频率值其中
声源运动的全部时间区域识别:当n<N,n=n+1,重复上面步骤;当n=N时,完成运动声源的轨迹追踪。
2.根据权利要求1所述的使用运动虚拟声源识别声源运动轨迹的方法,其特征在于,所述确定Tns时段内静止虚拟声源频域声压向量中虚拟静止点声源的辐射强度为1,初相位为0。
3.根据权利要求1所述的使用运动虚拟声源识别声源运动轨迹的方法,其特征在于,所述确定构建的运动虚拟声源频域声压向量env中的运动虚拟强度为1,初相位为0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810573397.1A CN109100727B (zh) | 2018-06-06 | 2018-06-06 | 一种使用运动虚拟声源识别声源运动轨迹的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810573397.1A CN109100727B (zh) | 2018-06-06 | 2018-06-06 | 一种使用运动虚拟声源识别声源运动轨迹的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109100727A CN109100727A (zh) | 2018-12-28 |
CN109100727B true CN109100727B (zh) | 2023-03-21 |
Family
ID=64796629
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810573397.1A Active CN109100727B (zh) | 2018-06-06 | 2018-06-06 | 一种使用运动虚拟声源识别声源运动轨迹的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109100727B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111243615B (zh) * | 2020-01-08 | 2023-02-10 | 环鸿电子(昆山)有限公司 | 麦克风阵列信号处理方法及手持式装置 |
CN114143697A (zh) * | 2021-05-27 | 2022-03-04 | 音王电声股份有限公司 | 一种基于对象的环屏扬声器阵列的运动声源合成算法及其应用 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102944867B (zh) * | 2012-10-10 | 2014-06-25 | 江苏大学 | 一种无需相位信息的点声源识别方法 |
CN104765038A (zh) * | 2015-03-27 | 2015-07-08 | 江苏大学 | 一种基于内积相关性原理追踪运动点声源轨迹的方法 |
CN106842128B (zh) * | 2017-02-11 | 2019-04-23 | 陈昭男 | 运动目标的声学跟踪方法及装置 |
CN107064877B (zh) * | 2017-05-11 | 2019-12-03 | 江苏大学 | 一种运用向量正交化识别多点声源的方法 |
-
2018
- 2018-06-06 CN CN201810573397.1A patent/CN109100727B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109100727A (zh) | 2018-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110797021B (zh) | 混合语音识别网络训练方法、混合语音识别方法、装置及存储介质 | |
CN110383284B (zh) | 基于超声波的手势识别 | |
CN108734151B (zh) | 基于相关滤波以及深度孪生网络的鲁棒长程目标跟踪方法 | |
Salhi et al. | Object tracking system using Camshift, Meanshift and Kalman filter | |
CN106123897B (zh) | 基于多特征的室内融合定位方法 | |
CN110875060A (zh) | 语音信号处理方法、装置、系统、设备和存储介质 | |
US10659670B2 (en) | Monitoring system and control method thereof | |
CN104076355B (zh) | 基于动态规划的强杂波环境中弱小目标检测前跟踪方法 | |
Das et al. | Ultrasound based gesture recognition | |
CN114638855A (zh) | 一种多目标跟踪方法、设备及介质 | |
CN113255611B (zh) | 基于动态标签分配的孪生网络目标跟踪方法及移动设备 | |
CN111008991B (zh) | 一种背景感知的相关滤波目标跟踪方法 | |
CN109100727B (zh) | 一种使用运动虚拟声源识别声源运动轨迹的方法 | |
CN110286357B (zh) | 一种基于水声探测的目标运动定位方法 | |
CN107622507B (zh) | 一种基于深度学习的空中目标跟踪方法 | |
CN104484644A (zh) | 一种手势识别方法和装置 | |
CN105654518B (zh) | 一种跟踪模板自适应方法 | |
Zhao | PIPE VIBRATION DETECTION ALGORITHM USING COMPUTER VISION TECHNOLOGY | |
CN104091352A (zh) | 基于结构相似度的视觉跟踪方法 | |
WO2020061346A1 (en) | Methods and apparatuses for tracking weak signal traces | |
Chau et al. | Audio-visual slam towards human tracking and human-robot interaction in indoor environments | |
Hanif et al. | Hidden Markov model for time series prediction | |
Sudo et al. | Improvement of DOA estimation by using quaternion output in sound event localization and detection | |
CN115388887A (zh) | 一种行人航位推算模型的参数估计方法、装置及电子设备 | |
CN116952277A (zh) | 一种基于人工智能和行为特征的潜在位置估算方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |