CN110673125B - 一种基于毫米波雷达的声源定位方法、装置、设备以及存储介质 - Google Patents
一种基于毫米波雷达的声源定位方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN110673125B CN110673125B CN201910833334.XA CN201910833334A CN110673125B CN 110673125 B CN110673125 B CN 110673125B CN 201910833334 A CN201910833334 A CN 201910833334A CN 110673125 B CN110673125 B CN 110673125B
- Authority
- CN
- China
- Prior art keywords
- sound source
- clustering model
- audio data
- millimeter wave
- wave radar
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a target
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/411—Identification of targets based on measurements of radar reflectivity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本申请涉及一种基于毫米波雷达的声源定位方法、装置、设备以及存储介质,本申请通过获取多个音频数据,所述音频数据是毫米波雷达检测到至少一个声源的音频信号后返回的;将多个所述音频数据输入预先建立的聚类模型,利用所述聚类模型对所述音频数据的声源位置进行聚类,得到至少一个声源坐标;根据至少一个所述声源坐标确定声源位置的方式,先使用毫米波雷达检测到多个音频数据,提升音频定位的精确度,再使用聚类模型将属于同一个声源产生的多个音频数据进行聚类,定位声源的位置,提升声源定位的精确度。
Description
技术领域
本申请涉及声源定位技术领域,尤其涉及一种基于毫米波雷达的声源定位方法、装置、设备以及存储介质。
背景技术
传统的声源定位技术主要有三类:基于最大输出功率的可控波束形成的声源定位技术、基于高分辨率谱估计的声源定位算法以及基于声波到达时间差声源定位技术,传统的声源定位方法都可以实现对多声源位置的定位,但是无论上述何种传统的声源定位方法在实际对信号处理时,都要求音频信号是平稳的,但是音频信号是短时平稳信号,所以使用传统的声源定位方法会导致声源定位的结果出现偏差,定位的精确度差。
发明内容
为了解决传统的声源定位方法会导致声源定位的结果出现偏差,定位的精确度差的述技术问题,本申请提供了一种基于毫米波雷达的声源定位方法、装置、设备以及存储介质。
第一方面,本申请提供了一种基于毫米波雷达的声源定位方法,包括:
获取多个音频数据,所述音频数据是毫米波雷达检测到至少一个声源的音频信号后返回的;
将多个所述音频数据输入预先建立的聚类模型,利用所述聚类模型对所述音频数据的声源位置进行聚类,得到至少一个声源坐标;
根据至少一个所述声源坐标确定声源位置。
可选地,所述聚类模型的训练过程包括:
获取多个声源的训练样本,每个所述训练样本中包括:声源发出音频信号的音频数据及所述声源的实际位置坐标;
利用多个训练样本中声源的音频数据及实际位置坐标训练所述聚类模型,直至所述聚类模型收敛。
可选地,利用多个训练样本中声源的音频数据及实际位置坐标训练所述聚类模型,直至所述聚类模型收敛的步骤,包括:
分别将每一个训练样本中声源的音频数据输入所述聚类模型,得到训练位置坐标;
根据多个所述训练位置坐标和所述训练样本中的实际位置坐标之间的差异确定损失值;
利用多个所述损失值修正所述聚类模型,直至所述聚类模型收敛。
可选地,在所述聚类模型输出至少一个声源坐标时,根据至少一个所述声源坐标确定声源位置的步骤,包括:
将所述聚类模型输出的声源坐标确定为声源位置。
可选地,在所述聚类模型输出至少两个声源坐标时,根据至少一个所述声源坐标确定声源位置的步骤,包括:
利用离群点检测算法检测所述聚类模型输出的至少两个声源坐标中是否存在异常声源;
若存在异常声源,剔除所述异常声源;
将所述至少两个声源坐标中剩余的正常声源的正常声源坐标确定为声源位置。
可选地,所述方法还包括:
显示所述异常声源及所述正常声源;
获取用户对所述异常声源及所述正常声源进行标记的标记信息;
统计被正确判定为异常声源的声源第一数量、被误判为异常声源的声源的第二数量、被误判为正常声源的声源的第三数量及被正确判定为正常声源的第四数量;
根据所述第一数量、所述第二数量、所述第三数量和所述第四数量确定声源正常/异常声源检测的准确率、召回率及评判分数。
可选地,根据所述第一数量、所述第二数量、所述第三数量和所述第四数量确定声源正常/异常声源检测的评价指标,包括:
所述准确率的计算公式为:P=TY/(TY+TN)
所述召回率的计算公式为:R=TY/(TY+FY)
所述评判分数的计算公式为:S=P+R
其中,TY为所述第一数量,TN为所述第二数量,FY为所述第三数量,FN为所述第四数量。
第二方面,本申请提供了一种基于毫米波雷达的声源定位装置,包括:
获取模块,用于获取多个音频数据,所述音频数据是毫米波雷达检测到至少一个声源的音频信号后返回的;
聚类模块,用于将多个所述音频数据输入预先建立的聚类模型,利用所述聚类模型对所述音频数据的声源位置进行聚类,得到至少一个声源坐标;
确定模块,用于根据至少一个所述声源坐标确定声源位置。
第三方面,本申请提供了一种基于毫米波雷达的声源定位设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行第一方面任一项所述的方法的步骤。
第四方面,本申请提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质,所述程序代码使所述处理器执行第一方面任一所述方法。
本申请实施例提供的上述技术方案与现有技术相比具有如下优点:本申请通过获取多个音频数据,所述音频数据是毫米波雷达检测到至少一个声源的音频信号后返回的;将多个所述音频数据输入预先建立的聚类模型,利用所述聚类模型对所述音频数据的声源位置进行聚类,得到至少一个声源坐标;根据至少一个所述声源坐标确定声源位置的方式,先使用毫米波雷达检测到多个音频数据,提升音频定位的精确度,再使用聚类模型将属于同一个声源产生的多个音频数据进行聚类,定位声源的位置,提升声源定位的精确度。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种基于毫米波雷达的声源定位方法流程图;
图2为本申请实施例提供的聚类模型训练过程流程图;
图3为本申请实施例提供的步骤S202的方法流程图;
图4为本申请实施例提供的步骤S103的方法流程图;
图5为本申请实施例提供的另一种基于毫米波雷达的声源定位方法流程图;
图6为本申请实施例提供的一种基于毫米波雷达的声源定位装置模块示意图。
图标:
01-获取模块;02-聚类模块;03-确定模块。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
首先,本发明实施例提供了一种基于毫米波雷达的声源定位方法,如图1所示,基于毫米波雷达的声源定位方法包括:
步骤S101,获取多个音频数据,所述音频数据是毫米波雷达检测到至少一个声源的音频信号后返回的;
在本发明实施例中,利用毫米波雷达检测声源,毫米波雷达通过分析返回的音频信号,实现对声源的分析,使用毫米波雷达可以提升声源定位的精确度,但是由于大多时候环境中声源密集并且繁多,采集到的音频信号多为检测到混合声音返回的音频信号,所以可能在检测过程中记录属于同一个声源发出的多个音频数据,同时也有可能检测到多个声源发出的多个音频信号。
步骤S102,将多个所述音频数据输入预先建立的聚类模型,利用所述聚类模型对所述音频数据的声源位置进行聚类,得到至少一个声源坐标;
在本发明实施例中,预先建立的聚类模型可以将属于同一个声源发出的音频数据聚类,再通过对一个集合内的音频数据进行分析可以确定声源坐标,实现提升声源定位的精确度,并且能够完成多声源的定位。
在本发明实施例中,如图2所示,所述聚类模型的训练过程包括:
步骤S201,获取多个声源的训练样本,每个所述训练样本中包括:声源发出音频信号的音频数据及所述声源的实际位置坐标;
步骤S202,利用多个训练样本中声源的音频数据及实际位置坐标训练所述聚类模型,直至所述聚类模型收敛。
在本发明实施例中,选择在至少两个声源的环境中采集音频信号,并提取音频信号中的音频数据,将音频数据作为训练样本,优选地,还可以在取样环境中设置多个距离相近的声源,人为的标记属于同一个声源的音频信号,并记录该声源的实际值,通过提取音频信号中的音频数据,再根据属于同一声源的音频数据确定参考值,其中,实际值与参考值需要设定为同一维度,例如:实际值为实际坐标值,则参考值为参考坐标值,或者,实际值设置音色、音调和响度三个参量,则参考值也需要对应设置音色、音调和响度三个参量,计算声源的实际值与参考值的差异,根据该差异确定修正值,不断的训练修正聚类模型,直到聚类模型输出的聚类结果达到一定的精度阈值,判定聚类模型收敛,结束训练过程。
在本发明实施例中,步骤S202,利用多个训练样本中声源的音频数据及实际位置坐标训练所述聚类模型,直至所述聚类模型收敛,如图3所示,包括:
步骤S301,分别将每一个训练样本中声源的音频数据输入所述聚类模型,得到训练位置坐标;
步骤S302,根据多个所述训练位置坐标和所述训练样本中的实际位置坐标之间的差异确定损失值;
步骤S303,利用多个所述损失值修正所述聚类模型,直至所述聚类模型收敛。
在本发明实施例中,音频数据中包括音频的位置坐标,聚类模型将属于同一声源发出的音频聚类,根据聚类得到的多个音频的位置坐标确定训练位置坐标,所述训练位置坐标与实际位置坐标为一一对应的关系,根据训练位置坐标和训练样本中的实际位置坐标之间的差异确定损失值,最后通过多个损失值修正所述聚类模型,直至模型输出的结果的精确度达到预设阈值。
步骤S103,根据至少一个所述声源坐标确定声源位置。
在本发明实施例中,输入聚类模型的多个音频数据可能都属于一个声源发出的,也可能是两个或者两个以上声源发出的,通过采集多声源环境下的训练样本对聚类模型进行训练,可以是聚类模型分辨多多声源环境中的音频数据的声源位置,达到对多声源定位的目的,并且通过聚类模型,无需与传统声源定位方法一样对短时平稳的音频信号进行处理,所以能够进一步提升声源定位的精确度。
在本发明实施例中,在所述聚类模型输出至少一个声源坐标时,步骤S103,根据至少一个所述声源坐标确定声源位置,包括:
将所述聚类模型输出的声源坐标确定为声源位置。
在本发明实施例中,在所述聚类模型输出唯一声源坐标时,可以直接将聚类模型输出的声源坐标确定为声源位置。
在本发明实施例中,在所述聚类模型输出至少两个声源坐标时,步骤S103,根据至少一个所述声源坐标确定声源位置的步骤,如图4所示,包括:
步骤S401,利用离群点检测算法检测所述聚类模型输出的至少两个声源坐标中是否存在异常声源;
步骤S402,若存在异常声源,剔除所述异常声源;
步骤S403,将所述至少两个声源坐标中剩余的正常声源的正常声源坐标确定为声源位置。
在本发明实施例中,在所述聚类模型输出至少两个声源坐标时,可能存在误判噪声点为声源的情况,此时判定噪声点为异常声源,因为异常声源往往是独立存在的,间距正常的声源检测点很远,所以本实施例通过利群点检测算法检测所述聚类模型输出的至少两个声源坐标中是否存在异常声源,具体的,可以通过人为设置经验阈值,确定分割区域,剔除离群点,进一步提成声源定位的精确度。
在本发明的又一实施例中,如图5所示,所述基于毫米波雷达的声源定位方法还包括:
步骤S501,显示所述异常声源及所述正常声源;
在本发明实施例中,通过利用离群点检测算法检测所述聚类模型输出的至少两个声源坐标中是否存在异常声源后,将显示所述异常声源及所述正常声源,以供人为对分类结果进行标记,从而进一步判断聚类模型输出结果的精确度,以便对聚类模型进行修正改进。
步骤S502,获取用户对所述异常声源及所述正常声源进行标记的标记信息;
在本发明实施例中,用户通过对异常声源及正常声源进行检测,得到检测信息,检测内容可以根据实际情况而定例如:检测声源定位结果与实际测量结果的差异,以及与训练样本中的实际声源位置坐标的差异,目的在于能够对聚类模型的输出结果制定一个评判标准,从而判断聚类模型的精度。
步骤S503,统计被正确判定为异常声源的声源第一数量、被误判为异常声源的声源的第二数量、被误判为正常声源的声源的第三数量及被正确判定为正常声源的第四数量;
在本发明试实施例中,对异常声源及正常声源进行检测,检测的内容可以是统计被正确判定为异常声源的声源,记录为第一数量;统计被误判为异常声源,记录为第二数量;统计被误判为正常声源的声源,记录为第三数量;以及被正确判定为正常声源,记录为第四数量;,通过对聚类模型的输出结果制定一个评判标准,从而判断聚类模型的精度。
步骤S504,根据所述第一数量、所述第二数量、所述第三数量和所述第四数量确定声源正常/异常声源检测的准确率、召回率及评判分数。
在本发明实施例中,根据所述第一数量、所述第二数量、所述第三数量和所述第四数量确定声源正常/异常声源检测的评价指标,包括:
所述准确率的计算公式为:P=TY/(TY+TN)
所述召回率的计算公式为:R=TY/(TY+FY)
所述评判分数的计算公式为:S=P+R
其中,TY为所述第一数量,TN为所述第二数量,FY为所述第三数量,FN为所述第四数量。
在本发明实施例中,检测信息是人工对聚类模型输出的结果进行检测得到的信息,并利用检测信息对声源定位结果进行评分,统计被正确判定为异常声源的声源,记录为第一数量TY;统计被误判为异常声源,记录为第二数量TN;统计被误判为正常声源的声源,记录为第三数量FY;以及被正确判定为正常声源,记录为第四数量FN;通过计算声源定位结果的评判分数S,可以直观的反映出聚类模型输出的的精确度,便于后续对于聚类模型的进一步训练,提升聚类模型的精度,从而提升对声源定位的精确度。
在本发明的又一实施例中,如图6所示,提供了一种基于毫米波雷达的声源定位装置,包括:
获取模块01,用于获取多个音频数据,所述音频数据是毫米波雷达检测到至少一个声源的音频信号后返回的;
聚类模块02,用于将多个所述音频数据输入预先建立的聚类模型,利用所述聚类模型对所述音频数据的声源位置进行聚类,得到至少一个声源坐标;
确定模块03,用于根据至少一个所述声源坐标确定声源位置。
在本发明实施例中所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明的又一实施例中,提供了一种基于毫米波雷达的声源定位设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行上述实施例中任一项所述的方法的步骤。
在本发明的又一实施例中,提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质,所述程序代码使所述处理器执行上述实施例中任一所述方法。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种基于毫米波雷达的声源定位方法,其特征在于,包括:
获取多个音频数据,所述音频数据是毫米波雷达检测到至少一个声源的音频信号后返回的;
将多个所述音频数据输入预先建立的聚类模型,利用所述聚类模型对所述音频数据的声源位置进行聚类,得到至少一个声源坐标;
根据至少一个所述声源坐标确定声源位置;
其中,所述聚类模型的训练过程包括:
获取多个声源的训练样本,每个所述训练样本中包括:声源发出音频信号的音频数据及所述声源的实际位置坐标;
利用多个训练样本中声源的音频数据及实际位置坐标训练所述聚类模型,直至所述聚类模型收敛。
2.根据权利要求1所述的基于毫米波雷达的声源定位方法,其特征在于,利用多个训练样本中声源的音频数据及实际位置坐标训练所述聚类模型,直至所述聚类模型收敛的步骤,包括:
分别将每一个训练样本中声源的音频数据输入所述聚类模型,得到训练位置坐标;
根据多个所述训练位置坐标和所述训练样本中的实际位置坐标之间的差异确定损失值;
利用多个所述损失值修正所述聚类模型,直至所述聚类模型收敛。
3.根据权利要求1所述的基于毫米波雷达的声源定位方法,其特征在于,在所述聚类模型输出至少一个声源坐标时,根据至少一个所述声源坐标确定声源位置的步骤,包括:
将所述聚类模型输出的声源坐标确定为声源位置。
4.根据权利要求1所述的基于毫米波雷达的声源定位方法,其特征在于,在所述聚类模型输出至少两个声源坐标时,根据至少一个所述声源坐标确定声源位置的步骤,包括:
利用离群点检测算法检测所述聚类模型输出的至少两个声源坐标中是否存在异常声源;
若存在异常声源,剔除所述异常声源;
将所述至少两个声源坐标中剩余的正常声源的正常声源坐标确定为声源位置。
5.根据权利要求4所述的基于毫米波雷达的声源定位方法,其特征在于,所述方法还包括:
显示所述异常声源及所述正常声源;
获取用户对所述异常声源及所述正常声源进行标记的标记信息;
统计被正确判定为异常声源的声源第一数量、被误判为异常声源的声源的第二数量、被误判为正常声源的声源的第三数量及被正确判定为正常声源的第四数量;
根据所述第一数量、所述第二数量、所述第三数量和所述第四数量确定声源正常/异常声源检测的准确率、召回率及评判分数。
6.根据权利要求5所述的基于毫米波雷达的声源定位方法,其特征在于,根据所述第一数量、所述第二数量、所述第三数量和所述第四数量确定声源正常/异常声源检测的评价指标,包括:
所述准确率的计算公式为:P=TY/(TY+TN)
所述召回率的计算公式为:R=TY/(TY+FY)
所述评判分数的计算公式为:S=P+R
其中,TY为所述第一数量,TN为所述第二数量,FY为所述第三数量,FN为所述第四数量。
7.一种基于毫米波雷达的声源定位装置,其特征在于,包括:
获取模块,用于获取多个音频数据,所述音频数据是毫米波雷达检测到至少一个声源的音频信号后返回的;
聚类模块,用于将多个所述音频数据输入预先建立的聚类模型,利用所述聚类模型对所述音频数据进行聚类,得到多个声源坐标;
确定模块,用于根据多个所述声源坐标确定声源位置;
其中,所述聚类模型的训练过程包括:
获取多个声源的训练样本,每个所述训练样本中包括:声源发出音频信号的音频数据及所述声源的实际位置坐标;
利用多个训练样本中声源的音频数据及实际位置坐标训练所述聚类模型,直至所述聚类模型收敛。
8.一种基于毫米波雷达的声源定位设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至6任一项所述的方法的步骤。
9.一种具有处理器可执行的非易失的程序代码的计算机可读介质,其特征在于,所述程序代码使所述处理器执行所述权利要求1至6任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910833334.XA CN110673125B (zh) | 2019-09-04 | 2019-09-04 | 一种基于毫米波雷达的声源定位方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910833334.XA CN110673125B (zh) | 2019-09-04 | 2019-09-04 | 一种基于毫米波雷达的声源定位方法、装置、设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110673125A CN110673125A (zh) | 2020-01-10 |
CN110673125B true CN110673125B (zh) | 2020-12-25 |
Family
ID=69075987
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910833334.XA Active CN110673125B (zh) | 2019-09-04 | 2019-09-04 | 一种基于毫米波雷达的声源定位方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110673125B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3961247A1 (en) * | 2020-08-24 | 2022-03-02 | Nokia Technologies Oy | An apparatus, method and computer program for analysing audio environments |
EP3961246A1 (en) * | 2020-08-24 | 2022-03-02 | Nokia Technologies Oy | An apparatus, method and computer program for analysing audio environments |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090017211A (ko) * | 2007-08-14 | 2009-02-18 | 엘지전자 주식회사 | 음원 위치 추적 방법 및 장치 |
CN101769900A (zh) * | 2010-01-25 | 2010-07-07 | 天津大学 | 声发射储罐罐底腐蚀检测中声源的定位方法 |
CN102269736A (zh) * | 2011-07-08 | 2011-12-07 | 天津大学 | 罐底腐蚀声发射检测中声源分布区域的自动识别方法 |
CN105203999A (zh) * | 2015-10-20 | 2015-12-30 | 陈昊 | 旋翼飞行器预警装置及预警方法 |
CN105866253A (zh) * | 2016-06-07 | 2016-08-17 | 北京航空航天大学 | 一种基于k均值聚类的双声发射源定位方法 |
CN106054196A (zh) * | 2016-05-20 | 2016-10-26 | 中国民用航空总局第二研究所 | 一种机场场面目标的声学定位方法及装置 |
CN106940439A (zh) * | 2017-03-01 | 2017-07-11 | 西安电子科技大学 | 基于无线声传感器网络的k均值聚类加权声源定位方法 |
CN108896962A (zh) * | 2018-06-14 | 2018-11-27 | 河北工业大学 | 基于声音位置指纹的迭代定位方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6859235B2 (ja) * | 2017-09-07 | 2021-04-14 | 本田技研工業株式会社 | 音響処理装置、音響処理方法及びプログラム |
-
2019
- 2019-09-04 CN CN201910833334.XA patent/CN110673125B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090017211A (ko) * | 2007-08-14 | 2009-02-18 | 엘지전자 주식회사 | 음원 위치 추적 방법 및 장치 |
CN101769900A (zh) * | 2010-01-25 | 2010-07-07 | 天津大学 | 声发射储罐罐底腐蚀检测中声源的定位方法 |
CN102269736A (zh) * | 2011-07-08 | 2011-12-07 | 天津大学 | 罐底腐蚀声发射检测中声源分布区域的自动识别方法 |
CN105203999A (zh) * | 2015-10-20 | 2015-12-30 | 陈昊 | 旋翼飞行器预警装置及预警方法 |
CN106054196A (zh) * | 2016-05-20 | 2016-10-26 | 中国民用航空总局第二研究所 | 一种机场场面目标的声学定位方法及装置 |
CN105866253A (zh) * | 2016-06-07 | 2016-08-17 | 北京航空航天大学 | 一种基于k均值聚类的双声发射源定位方法 |
CN106940439A (zh) * | 2017-03-01 | 2017-07-11 | 西安电子科技大学 | 基于无线声传感器网络的k均值聚类加权声源定位方法 |
CN108896962A (zh) * | 2018-06-14 | 2018-11-27 | 河北工业大学 | 基于声音位置指纹的迭代定位方法 |
Non-Patent Citations (1)
Title |
---|
"基于信号稀疏特性的多声源定位及分离技术研究";孙俊岱;《•中国优秀硕士学位论文全文数据库 •信息科技辑》;20190515;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110673125A (zh) | 2020-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110363076B (zh) | 人员信息关联方法、装置及终端设备 | |
CN110673125B (zh) | 一种基于毫米波雷达的声源定位方法、装置、设备以及存储介质 | |
US9930541B2 (en) | Maintaining the integrity of configuration information of a network of access points for use in positioning an apparatus | |
CN111324764B (zh) | 一种图像检测方法、装置、电子设备及存储介质 | |
CN107133135B (zh) | 一种基于统计学与声音定位的键盘按键检测方法 | |
CN109754406B (zh) | 基于二维轮廓仪的锂电池极片毛刺检测装置及方法 | |
US11500055B2 (en) | Detection method and detection apparatus | |
WO2018053833A1 (zh) | 一种成对车道线的快速检测方法和装置 | |
CN113763350B (zh) | 一种胶线检测方法、装置、胶线检测设备及存储介质 | |
WO2022170933A1 (zh) | 激光测距误差校正方法、装置、电子设备和存储介质 | |
US20150234782A1 (en) | Calculation device and method, and computer program product | |
US20210334947A1 (en) | Data analysis system, data analysis method, and non-transitory computer-readable medium | |
WO2020063347A1 (zh) | 针对口算题的题目批改方法、装置、电子设备和存储介质 | |
CN117076283A (zh) | 一种触摸屏性能质量检测分析方法 | |
CN111126268A (zh) | 关键点检测模型训练方法、装置、电子设备及存储介质 | |
CN102706480A (zh) | 一种指针式温度计自动读数方法 | |
CN111879456B (zh) | 一种建筑幕墙安全性检测方法及系统 | |
CN111078983B (zh) | 一种待识别页面的确定方法及学习设备 | |
JP2008258737A (ja) | 電波発信装置の個体識別装置 | |
CN103258544A (zh) | 一种录音检测方法、装置及考试终端和考试系统 | |
CN216748058U (zh) | 一种干扰特征参数识别装置 | |
JP6258574B2 (ja) | パッシブソーナー装置、方位集中処理方法、及び、パッシブソーナー信号処理プログラム | |
WO2021136298A1 (zh) | 一种语音处理方法、装置、智能设备及存储介质 | |
JP2022013433A5 (zh) | ||
CN110738191A (zh) | 一种基于声呐信号的物体分类方法、装置、设备及介质 |
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 | ||
CP03 | Change of name, title or address |
Address after: 519015 Room 601, Lianshan Lane, Jida Jingshan Road, Zhuhai City, Guangdong Province Patentee after: Zhuhai Lianyun Technology Co.,Ltd. Patentee after: GREE ELECTRIC APPLIANCES Inc. OF ZHUHAI Address before: 519070, Jinji Hill Road, front hill, Zhuhai, Guangdong Patentee before: GREE ELECTRIC APPLIANCES Inc. OF ZHUHAI Patentee before: Zhuhai Lianyun Technology Co.,Ltd. |
|
CP03 | Change of name, title or address |