CN112630730B - 一种基于tdoa多声源定位的虚假声源消除方法 - Google Patents
一种基于tdoa多声源定位的虚假声源消除方法 Download PDFInfo
- Publication number
- CN112630730B CN112630730B CN202011266582.XA CN202011266582A CN112630730B CN 112630730 B CN112630730 B CN 112630730B CN 202011266582 A CN202011266582 A CN 202011266582A CN 112630730 B CN112630730 B CN 112630730B
- Authority
- CN
- China
- Prior art keywords
- sound source
- time difference
- real
- difference matrix
- matrix
- 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
- 238000000034 method Methods 0.000 title claims abstract description 69
- 230000004807 localization Effects 0.000 title claims abstract description 40
- 230000008030 elimination Effects 0.000 title claims abstract description 11
- 238000003379 elimination reaction Methods 0.000 title claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims abstract description 113
- 239000013598 vector Substances 0.000 claims description 58
- 238000003491 array Methods 0.000 claims description 35
- 230000005236 sound signal Effects 0.000 claims description 14
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000012795 verification Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification 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
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
- G01S5/22—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
-
- 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
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0205—Details
- G01S5/021—Calibration, monitoring or correction
-
- 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
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0205—Details
- G01S5/0236—Assistance data, e.g. base station almanac
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Circuit For Audible Band Transducer (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开一种基于TDOA多声源定位的虚假声源消除方法,包括设置第一组阵列麦克风、第二组阵列麦克风和参考麦克风,得到第一真实声源时间差矩阵和第二真实声源时间差矩阵,构造第一可能时间差矩阵并通过Chan方法计算得到第二可能时间差矩阵,通过所述第二可能时间差矩阵与所述第二真实时间差矩阵比对消除虚假声源、得到真实声源,并用真实声源对应的全部麦克风的数据计算得到真实声源位置。本发明通过设置校验麦克风,提高了声源定位的精度,减小了定位误差。
Description
技术领域
本发明涉及声源定位技术领域,特别涉及一种基于TDOA多声源定位的虚假声源消除方法。
背景技术
近几十年来,声源定位一直是研究热点,引起了众多学者的关注。声源定位在噪声源识别、目标声源跟踪、远程会议系统、智能机器人等诸多领域中得到广泛应用。声源定位一般采用麦克风阵列来估计声源位置。声源定位方法可归纳为如下三类:波束形成、声全息方法、参数测量。传统的波束形成方法和声全息方法都是在重建的二维声场平面上识别声源,为获得精准的声源三维位置坐标,需要进行大量的复杂运算。另外,为了获得高分辨率的声场重构平面图,阵列中需要大量的麦克风数量。而TDOA方法用少量的麦克风即可实现声源定位。
目前,在声源的定位计算中,Fang方法和Chan方法都有着广泛应用,其中Chan方法是非递归双曲线方程组解法,具有解析表达式解,当测量误差服从理想高斯分布时,Chan方法定位精度较高、计算量小,且可以通过增加基站或麦克风数量来提高算法精度,但对于多声源识别,由于Chan方法不能直接判断声音信号具体来源于哪个声源,因此计算会产生大量的假点声源。
发明内容
为了克服现有技术存在的不足,本发明提供一种基于TDOA多声源定位的虚假声源消除方法,能够在三维声场中通过较小的计算量精确实现多声源定位。具体技术方案如下:
本发明提供了一种基于TDOA多声源定位的虚假声源消除方法,包括以下步骤:
S1.设置第一组麦克风阵列和第二组麦克风阵列,基于TDOA,得到第一组麦克风阵列的第一真实声源时间差矩阵和第二组麦克风阵列的第二真实声源时间差矩阵
S2.根据第一真实声源时间差矩阵构造第一可能声源时间差矩阵/>
S3.根据第一可能声源时间差矩阵利用Chan方法计算得到第二可能声源时间差矩阵/>
S4.将第二真实声源时间差矩阵与第二可能声源时间差矩阵/>进行比对,将第二可能声源时间差矩阵/>中的元素替换为第二真实声源时间差矩阵中对应行向量中的数值最相近的元素,以得到校验矩阵/>
S5.将校验矩阵与第二可能声源时间差矩阵/>中对应列向量进行比对,选取Ns个最接近的列向量作为真实声源时间差向量,其余列向量作为虚假声源进行消除,Ns为真实声源的数量。
进一步地,所述虚假声源消除方法还包括以下步骤:
S6.根据步骤S5中得到的真实声源时间差向量,或/和根据第一可能声源时间差矩阵中与所述真实声源时间差向量所对应的列向量,利用Chan方法计算得到真实声源初步坐标。
进一步地,所述虚假声源消除方法还包括以下步骤:
S7.根据真实声源初步坐标计算得到对比时间差矩阵
S8.构建第三真实声源时间差矩阵
利用对比时间差矩阵对第三真实声源时间差矩阵/>中的元素重新排序,以得到最终真实声源时间差矩阵/>
S9.从最终真实时间差矩阵中的每列中选取N个元素,利用Chan方法计算真实声源最终坐标。
可选地,步骤S9中,N大于或等于(D+2),其中D为声源的维度数;或者,步骤S9中,N等于Nm,Nm为第一组麦克风阵列与第二组麦克风阵列的麦克风数量之和。
进一步地,在三维空间中,第一组麦克风阵列中麦克风的数量为4个,
第一真实声源时间差矩阵
第二真实声源时间差矩阵
第一可能声源时间差矩阵的列向量为所有/>的集合为
进一步地,所述第二可能声源时间差矩阵
其中
所述校验矩阵
校验矩阵中的元素按照以下规则选择
进一步地,步骤S5中,所述真实声源时间差向量的集合
其中,为前Ns个u的值,/> 表示按升序排列,并获取前Ns个结果的函数;/>表示/>的列向量,/>表示/>的列向量;||·||表示欧几里得范数。
进一步地,所述第三真实时间差矩阵
所述对比时间差矩阵
通过
得到最终真实时间差矩阵
可选地,
步骤S1还包括:设置参考麦克风,第一组麦克风阵列和第二组麦克风阵列接收声音信号的时间差为相对于参考麦克风接收声音信号的时间差;
步骤S9中,N大于或等于(D+1),其中D为声源的维度数;
所述第一组阵列麦克风中麦克风的数量大于或等于N。
本发明的技术方案带来的有益效果包括:
a.通过第二组阵列麦克风的设置,对声源位置进行校正,提高了声源位置的精度;
b.可选择计算所有麦克风的数据,进一步提高精度、减小误差;
c.步骤排布合理,计算量小,易于实施。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例的源代码流程示意图。
图2是本发明实施例中的四个声源的声谱图。
图3是本发明实施例中的阵列麦克风和定位场景示意图。
图4是本发明实施例中的三种定位场景的互相关结果示意图,其中,(a)为两个声源时的互相关结果示意图,(b)为三个声源时的互相关结果示意图,(c)为四个声源时的互相关结果示意图。
图5是本发明实施例中的初始真实多源定位结果示意图,其中,(a)为两个声源时的初始真实多源定位结果示意图;(b)为三个声源时的初始真实多源定位结果示意图;(c)为四个声源时的初始真实多源定位结果示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,更清楚地了解本发明的目的、技术方案及其优点,以下结合具体实施例并参照附图对本发明实施例中的技术方案进行清楚、完整的描述。显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。除此,本发明的说明书和权利要求书中的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本发明的一个实施例中,提供了一种基于TDOA多声源定位的虚假声源消除方法,包括以下步骤:
S1.设置第一组麦克风阵列和第二组麦克风阵列,基于TDOA,得到第一组麦克风阵列的第一真实声源时间差矩阵和第二组麦克风阵列的第二真实声源时间差矩阵
S2.根据第一真实声源时间差矩阵构造第一可能声源时间差矩阵/>
S3.根据第一可能声源时间差矩阵利用Chan方法计算得到第二可能声源时间差矩阵/>
S4.将第二真实声源时间差矩阵与第二可能声源时间差矩阵/>进行比对,将第二可能声源时间差矩阵/>中的元素替换为第二真实声源时间差矩阵中对应行向量中的数值最相近的元素,以得到校验矩阵/>
S5.将校验矩阵与第二可能声源时间差矩阵/>中对应列向量进行比对,选取Ns个最接近的列向量作为真实声源时间差向量,其余列向量作为虚假声源进行消除,Ns为真实声源的数量。
经过S5,假点声源被全部消除。
本实施例中,矩阵的一个行向量代表一个麦克风接收到的声音信号,由矩阵可转置的性质可知,也可以将矩阵的一个列向量代表一个麦克风接收到的声音信号,本质上与本实施例并无不同。
实际上,由于两个麦克风阵列均无法直接判断声音信号来源于第几个声源,各个麦克风接收到的声音信号在时序上也不一致,因此在第一、第二、以及后面提到的第三真实声源时间差矩阵中,每个行向量中的元素排列处于乱序状态,比如,第一麦克风接收到的第一个声音信号来自于第一声源,而第二麦克风接收到的第一的声音信号来自于第二声源或其它声源,因此,导致一个列向量中的各个元素来自于不同的声源。
构建第一可能声源时间差矩阵的本质,是通过排列组合取得所有可能的元素组合,在第一可能声源时间差矩阵中,一个列向量中的各个元素来自于同一声源,但是各个列向量对应的声源可能为真实声源,也可能为虚假声源。第一可能声源时间差矩阵中列向量的数量其中Nm是麦克风的总数量,显然列向量数量与麦克风数量之间的指数关系是由排列组合得到的。
由于在第一可能时间差矩阵中,每个列向量各对应一个声源,因此利用Chan方法对每个列向量进行计算,即可得到Np个可能的声源位置,再根据声源位置计算各个声源发出的声音信号到达第二组阵列麦克风的时间差,即可得到第二可能声源时间差矩阵,再第二可能声源时间差矩阵中,每个列向量各对应一个可能存在的声源,列向量的数量同样为Np。
对于第二可能声源时间差矩阵,由于该矩阵是根据可能的声源计算得到的,因此,若一个列向量对应的声源是真实的,则这个列向量中的元素总能够在第二真实声源时间差矩阵的对应行(即对应麦克风)中找到非常相近的元素;若一个列向量对应的声源实际上不存在,则这个列向量很难使得它的全部元素都能在第二真实声源时间差矩阵的对应行中找到数值相近的元素。因此,在由第二可能声源时间差矩阵得到校验矩阵的过程中,真实声源对应的列向量变化较小,虚假声源对应的列向量变化较大。因此步骤S5中通过对比校验矩阵和第二可能声源时间差矩阵的列向量的相似性即可去除虚假声源,筛选出真实声源。
比较列向量的方式有多种。比如,步骤S3中计算精度极高的情况下,真实声源列向量中元素误差为零,这时零阶范数可以作为筛选条件,但实际应用中这种情况极少发生;S3中的计算结果较之真实结果均偏大或均偏小,则一阶范数可以作为筛选条件;一个优选实施例是,采用二阶范数作为筛选条件,优点是二阶范数适用各种情况,能够更准确、直观地反映出向量的相似程度。
在本发明的一个实施例中,所述虚假声源消除方法还包括以下步骤:
S6.根据步骤S5中得到的真实声源时间差向量或/和根据第一可能声源时间差矩阵中与所述真实声源时间差向量所对应的列向量,利用Chan方法计算得到真实声源初步坐标。
在精度要求不高的情况下,所述的真实声源初步坐标可以作为输出的最后结果。
在本发明的一个实施例中,所述虚假声源消除方法还包括以下步骤:
S7.根据真实声源初步坐标计算得到对比时间差矩阵
S8.构建第三真实声源时间差矩阵
利用对比时间差矩阵对第三真实声源时间差矩阵/>中的元素重新排序,以得到最终真实声源时间差矩阵/>
S9.从最终真实时间差矩阵中的每列中选取N个元素,利用Chan方法计算真实声源最终坐标。
步骤S9较之步骤S6可以得到精度更高的结果。需要注意的是,步骤S6中计算时选取的元素数量也应该大于或等于(D+2)。
步骤S9中,N大于或等于(D+2),其中D为声源的维度数;或者,步骤S9中,N等于Nm,Nm为第一组麦克风阵列与第二组麦克风阵列的麦克风数量之和。N取值为(D+2)的优点在于计算量小,比如,在二维声场中,Chan方法求解声场的方程中存在4个未知数,因此需要至少选取4个麦克风对应的数值,而只选取4个麦克风的数据,即可在计算量最小的情况下求出唯一解。N取值为Nm的优点在于精度高,由于取值尽可能多,因此在Chan方法中经过最小二乘法的进一步处理后,结果的误差是最小的。
另外,还可以在步骤S1中设置参考麦克风,第一组麦克风阵列和第二组麦克风阵列接收声音信号的时间差为相对于参考麦克风接收声音信号的时间差;
相应地,步骤S6中,选取的元素数量大于或等于(D+1);步骤S9中,N大于或等于(D+1),其中D为声源的维度数,原因是参考麦克风对应的时间差列向量为(0,0,0,0,0,…,0),其它任一麦克风的数据隐含了参考麦克风的数据。
相应地,所述第一组阵列麦克风中麦克风的数量大于或等于N,加上参考麦克风,达到了Chan方法计算唯一解需要的麦克风数量。
在本发明的一个存在参考麦克风的具体实施例中,在三维声场的情况下,第一组麦克风阵列中麦克风的数量可以为4个,能够在保证声源唯一解的前提下达到最低成本、最低运算量,下面就此具体实施例进行解释与阐述:
步骤(1):对于多声源定位,可以利用声源与麦克风的相对位置关系来分离目标声源。本文将阵列麦克风分为两组。第一组麦克风用于定位多个声源。为了减少计算量,第一组只需满足基于Chan算法求解的阵列麦克风最小数量要求。第二组麦克风用于消除虚假声源。通过阵列麦克风与声源之间的相对位置关系,构建麦克风阵列分组定位校验模型,并确定真实声源的位置。
第一组麦克风可能的定位结果数为由于计算时间随着麦克风数量的增加呈指数增长,除了参考麦克风外,还有四个麦克风构成第一组麦克风阵列,这是基于Chan的方法能够在三维空间中给出具有合理精度定位结果的最小麦克风数量要求。从真实声源到第一组麦克风阵列的TDOA如式(1)所示。
步骤(2):从真实声源到第二组麦克风阵列的TDOA如式(2)所示。
一个可能的声源可以从矩阵的每一列中选择一组TDOA序列,再基于Chan算法求解得到。基于排列组合的知识,可以从矩阵/>中得到/>可能的声源。所有可能的声源都由/>表示,即:
步骤(3):计算从到第二组麦克风的TDOA,如式(4)所示:
需要一个校验矩阵来识别Np个声源中的真实声源。校验矩阵的元素从矩阵/>中选择。选择/>矩阵的准则定义如下:
校验矩阵表达式为:
步骤(4):矩阵的元素是从真实声源得到的。然而,矩阵/>的元素是所有声源获得的,其中包括真实声源和虚假声源。利用矩阵/>与/>对应列向量的相似性可以用来判断声源的真假。评价准则函数如式(7)所示:
式中为前Ns个u的值,代表真实声源。/>表示按升序排列,并获取前Ns个结果的函数。/>表示矩阵/>的列向量,/>表示矩阵的列向量。||·||表示2-范数。
获得的初始真实声源表示为:
步骤(5):以上仅有5个麦克风用于定位来获取初始的真实声源。根据Chan的研究结果表明,增加定位的麦克风数量会提升定位精度。本文利用初始真实声源位置信息,构建了全阵列TDOA序列校验模型,可以利用所有阵列麦克风来提升多声源的定位精度。
由式(1)和式(2)可以得到真实声源到所有阵列麦克风的TDOA,如下所示:
步骤(6):矩阵中每一行元素的顺序是不确定的,这就需要识别真实声源对应的正确TDOA序列,而利用初始真实声源位置可以识别出全阵列正确TDOA序列。初始真实声源到所有阵列麦克风的TDOA,如式(10)所示:
步骤(7):由于初始真实声源的坐标与最终真实声源的坐标很接近,因此可以利用矩阵对矩阵/>的每一行进行重新排序。重新排序准则如式(11)所示:
最后,获得的最终真实声源定位的重排TDOA矩阵为:
选择矩阵的每一列,再基于Chan算法求解可以获得最终的真实多声源定位结果。
下面通过具体仿真实例对本发明的虚假声源消除方法进行详细说明:
1.定位场景和声源信号构造
实际场景中的绝大多数音频噪声都是有色噪声。为了更好地模拟实际声源定位场景,本文采用有色噪声来构建各种目标声源信号。阵列几何关系与声源频率特性有关[4]。对于单频声源定位,为了避免相位缠绕,阵列设置需要满足以下条件:dmax<c/2fsingle,其中dmax表示参考麦克风与其它麦克风之间的最大距离,c表示声速,fsingle表示单频声源的频率。对于宽带和脉冲声源,可以忽略相位缠绕现象,阵列几何关系将不受限制。本文选用麦克风阵列中的最大间距约为0.5m,仅对单频声源具有频率上限,可实现绝大部分声源频率特性的声源定位。为了模拟实际声源的复杂多样性,不同声源设置为不同频带且部分频带重叠。图1由高斯白噪声噪声构成的四个声源的声谱图。由2个声源、3个声源、4个声源构成三种多声源定位场景。利用这三种多声源定位场景,来验证本文提出的方法有效性。表1为三种场景中的声源坐标位置和频带信息。本文一共采用8个麦克风,以建立的参考坐标系的坐标原点为参考麦克风,另选4个麦克风构建定位麦克风阵列实现多声源定位,其余3个麦克风为校验麦克风。麦克风阵列的坐标位置如表2所示。
表1三种定位场景的声源坐标和频带信息
表2麦克风阵列的坐标
2.多声源定位结果分析
三个声源和阵列麦克风构成的定位场景如图2所示。在某一合理噪声水平下,分别对三种定位场景,将参考麦克风与另一定位麦克风构成的一组麦克风对,利用互相关算法估计的TDOA如图3所示。基于互相关算法估计所有TDOA,再利用本文提出的消除虚假声源方法实现多声源定位,第一组麦克风获取的初始真实多声源定位的结果如图4所示。将第一组麦克风经蒙特卡罗循环处理,目的是消除随机噪声对单次定位结果的影响,再利用所有阵列麦克风获得的最终真实多声源定位结果,与第一组麦克风的获得初始真实多声源定位结果进行比较,对比结果如表3所示。通过计算定位结果的平均误差来衡量定位的精度。平均定位误差定义为:
式(20)中ME代表定位结果的平均定位误差,si是原始声源的坐标,s′t为定位结果的坐标。
经蒙特卡罗过程可以表示为:
式(21)MEL为经蒙特卡罗处理后的多声源定位误差,q为仿真实验过程中蒙特卡罗次数,仿真过程令q=1000。MEL值越小多声源定位精度越高。
表3定位结果对比
从图3可以看出,在不同定位场景下,声源数量等于峰值的数量。从图4中可以看出,三个定位场景中的多个声源有效地分离和定位,且定位误差合理,但是仅用5个麦克风来获得初始真实声源,没有充分利用麦克风数来定位,声源定位精度还有待提升。从表3可以看出,三种定位场景下,所有阵列麦克风参与定位计算的最终定位结果精度均大幅提升,验证了本文方法的有效性。
需要特别注意的是,尽管以上具体、详细的实施例主要提供了三维声场的情况,但是本发明的技术方案还能够应用于其它情况,比如一维声场和声场;麦克风的数量也不仅限于以上几个具体、详细实施例中情况,只要麦克风数量在前述实施例给出的范围之内,则落入本发明的保护范围。
本发明的技术方案通过构建麦克风阵列分组定位校验模型有效消除虚假声源,获取初始真实多声源位置。再构建全阵列TDOA序列校验模型,计算初始真实多声源位置到全阵列麦克的TDOA序列来近似匹配出全阵列估计正确TDOA序列。将全阵列的正确TDOA序列带入空间声源定位模型来获取最终真实多声源位置。充分利用阵列麦克风的数量来提升多声源定位精度。仿真和实验结果表明该方法有效地消除了虚假声源,同时提升了多声源定位精度。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于TDOA多声源定位的虚假声源消除方法,其特征在于,包括以下步骤:
S1.设置第一组麦克风阵列和第二组麦克风阵列,基于TDOA,得到第一组麦克风阵列的第一真实声源时间差矩阵和第二组麦克风阵列的第二真实声源时间差矩阵
S2.根据第一真实声源时间差矩阵构造第一可能声源时间差矩阵/>
S3.根据第一可能声源时间差矩阵利用Chan方法计算得到第二可能声源时间差矩阵/>
S4.将第二真实声源时间差矩阵与第二可能声源时间差矩阵/>进行比对,将第二可能声源时间差矩阵/>中的元素替换为第二真实声源时间差矩阵/>中对应行向量中的数值最相近的元素,以得到校验矩阵/>
S5.将校验矩阵与第二可能声源时间差矩阵/>中对应列向量进行比对,选取Ns个最接近的列向量作为真实声源时间差向量,其余列向量作为虚假声源进行消除,Ns为真实声源的数量。
2.如权利要求1所述的虚假声源消除方法,其特征在于,所述虚假声源消除方法还包括以下步骤:
S6.根据步骤S5中得到的真实声源时间差向量,或/和根据第一可能声源时间差矩阵中与所述真实声源时间差向量所对应的列向量,利用Chan方法计算得到真实声源初步坐标。
3.如权利要求2所述的虚假声源消除方法,其特征在于,所述虚假声源消除方法还包括以下步骤:
S7.根据真实声源初步坐标计算得到对比时间差矩阵
S8.构建第三真实声源时间差矩阵
利用对比时间差矩阵对第三真实声源时间差矩阵/>中的元素重新排序,以得到最终真实声源时间差矩阵/>
S9.从最终真实时间差矩阵中的每列中选取N个元素,利用Chan方法计算真实声源最终坐标。
4.如权利要求3所述的虚假声源消除方法,其特征在于,步骤S9中,N大于或等于(D+2),其中D为声源的维度数。
5.如权利要求3所述的虚假声源消除方法,其特征在于,步骤S9中,N等于Nm,Nm为第一组麦克风阵列与第二组麦克风阵列的麦克风数量之和。
6.如权利要求1所述的虚假声源消除方法,其特征在于,在三维空间中,第一组麦克风阵列中麦克风的数量为4个,
第一真实声源时间差矩阵
第二真实声源时间差矩阵
第一可能声源时间差矩阵的列向量为所有/>的集合为
k,l,n,m=1,2,…,Ns,u=klnm。
7.如权利要求1所述的虚假声源消除方法,其特征在于,
所述第二可能声源时间差矩阵
其中Nm为第一组麦克风阵列与第二组麦克风阵列的麦克风数量之和,所述校验矩阵/>校验矩阵/>中的元素按照以下规则选择
8.如权利要求1所述的虚假声源消除方法,其特征在于,步骤S5中,所述真实声源时间差向量的集合
其中,为前Ns个u的值,/> 表示按升序排列,并获取前Ns个结果的函数;/>表示/>的列向量,/>表示/>的列向量;||·||表示欧几里得范数;/>Nm为第一组麦克风阵列与第二组麦克风阵列的麦克风数量之和。
9.如权利要求3所述的虚假声源消除方法,其特征在于,
所述第三真实声源时间差矩阵
所述对比时间差矩阵通过其中,Nm为第一组麦克风阵列与第二组麦克风阵列的麦克风数量之和;得到最终真实时间差矩阵
10.如权利要求3所述的虚假声源消除方法,其特征在于,
步骤S1还包括:设置参考麦克风,第一组麦克风阵列和第二组麦克风阵列接收声音信号的时间差为相对于参考麦克风接收声音信号的时间差;
步骤S9中,N大于或等于(D+1),其中D为声源的维度数;
所述第一组麦克风阵列中麦克风的数量大于或等于N。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011266582.XA CN112630730B (zh) | 2020-11-13 | 2020-11-13 | 一种基于tdoa多声源定位的虚假声源消除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011266582.XA CN112630730B (zh) | 2020-11-13 | 2020-11-13 | 一种基于tdoa多声源定位的虚假声源消除方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112630730A CN112630730A (zh) | 2021-04-09 |
CN112630730B true CN112630730B (zh) | 2024-04-02 |
Family
ID=75303299
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011266582.XA Active CN112630730B (zh) | 2020-11-13 | 2020-11-13 | 一种基于tdoa多声源定位的虚假声源消除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112630730B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113189544B (zh) * | 2021-04-23 | 2023-06-30 | 北京工业大学 | 一种利用活动强度矢量加权移除野点的多声源定位方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107329114A (zh) * | 2017-06-21 | 2017-11-07 | 歌尔股份有限公司 | 声源定位方法和装置 |
JP2018063200A (ja) * | 2016-10-14 | 2018-04-19 | 日本電信電話株式会社 | 音源位置推定装置、音源位置推定方法、及びプログラム |
CN109932689A (zh) * | 2019-02-24 | 2019-06-25 | 华东交通大学 | 一种适用于特定定位场景的任意阵列优化方法 |
CN110927669A (zh) * | 2019-12-14 | 2020-03-27 | 大连理工大学 | 一种用于无线声传感器网络的cs多声源定位方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100499124B1 (ko) * | 2002-03-27 | 2005-07-04 | 삼성전자주식회사 | 직교 원형 마이크 어레이 시스템 및 이를 이용한 음원의3차원 방향을 검출하는 방법 |
US10264350B2 (en) * | 2017-03-03 | 2019-04-16 | Panasonic Intellectual Property Corporation Of America | Sound source probing apparatus, sound source probing method, and storage medium storing program therefor |
-
2020
- 2020-11-13 CN CN202011266582.XA patent/CN112630730B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018063200A (ja) * | 2016-10-14 | 2018-04-19 | 日本電信電話株式会社 | 音源位置推定装置、音源位置推定方法、及びプログラム |
CN107329114A (zh) * | 2017-06-21 | 2017-11-07 | 歌尔股份有限公司 | 声源定位方法和装置 |
CN109932689A (zh) * | 2019-02-24 | 2019-06-25 | 华东交通大学 | 一种适用于特定定位场景的任意阵列优化方法 |
CN110927669A (zh) * | 2019-12-14 | 2020-03-27 | 大连理工大学 | 一种用于无线声传感器网络的cs多声源定位方法及系统 |
Non-Patent Citations (3)
Title |
---|
Alessio Brutti 等.Tracking of multidimensional TDOA for multiple sources with distributed microphone pairs .《Computer Speech and Language》.2012,第660-682页. * |
董志峰 等.去除交叉定位中虚假定位的一种快速算法.《系统仿真学报》.2002,第14卷(第4期),第527-530页. * |
陈晓辉 等.基于声源阵列的空间麦克风定位方法研究.《计算机应用研究》.2020,第37卷(第5期),第1437-1439页. * |
Also Published As
Publication number | Publication date |
---|---|
CN112630730A (zh) | 2021-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Alameda-Pineda et al. | A geometric approach to sound source localization from time-delay estimates | |
CN103329567B (zh) | 用于推导方向性信息的装置、方法和系统 | |
CN104094613B (zh) | 用于依据空间功率密度定位麦克风的装置和方法 | |
CN104041075B (zh) | 音频源位置估计 | |
Canclini et al. | A robust and low-complexity source localization algorithm for asynchronous distributed microphone networks | |
CN108182474B (zh) | 基于未校正阵列和神经网络的多目标直接定位方法 | |
CN112630730B (zh) | 一种基于tdoa多声源定位的虚假声源消除方法 | |
CN112146751A (zh) | 一种基于时域等效源法的实时声场分离方法 | |
Borra et al. | Soundfield reconstruction in reverberant environments using higher-order microphones and impulse response measurements | |
JP4293986B2 (ja) | 音場を表す方法及びシステム | |
Smaragdis et al. | Position and trajectory learning for microphone arrays | |
Bologni et al. | Acoustic reflectors localization from stereo recordings using neural networks | |
KR20090128221A (ko) | 음원 위치 추정 방법 및 그 방법에 따른 시스템 | |
WO2012164448A1 (en) | Method for self - calibrating a set of acoustic sensors, and corresponding system | |
Lee et al. | Multiple acoustic source localization based on multiple hypotheses testing using particle approach | |
Hübner et al. | Efficient training data generation for phase-based DOA estimation | |
Miura et al. | SLAM-based online calibration for asynchronous microphone array | |
Ding et al. | Microphone array acoustic source localization system based on deep learning | |
CN112986916A (zh) | 一种基于阵列重构的多声源定位方法 | |
Wang et al. | 3-D sound source localization with a ternary microphone array based on TDOA-ILD algorithm | |
CN112698272A (zh) | 一种基于两步筛选消除关联模糊的多声源定位方法 | |
Keyrouz et al. | High performance 3D sound localization for surveillance applications | |
van der Heijden et al. | Modelling human sound localization with deep neural networks. | |
Canclini et al. | Distributed 3D source localization from 2D DOA measurements using multiple linear arrays | |
Sugiyama et al. | Simultaneous calibration of positions, orientations, and time offsets, among multiple microphone arrays |
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 |