CN113126028A - 一种基于多个麦克风阵列的噪声源定位方法 - Google Patents
一种基于多个麦克风阵列的噪声源定位方法 Download PDFInfo
- Publication number
- CN113126028A CN113126028A CN202110394976.1A CN202110394976A CN113126028A CN 113126028 A CN113126028 A CN 113126028A CN 202110394976 A CN202110394976 A CN 202110394976A CN 113126028 A CN113126028 A CN 113126028A
- Authority
- CN
- China
- Prior art keywords
- microphone
- sound source
- array
- microphone sensor
- sensor
- 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
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
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
- Circuit For Audible Band Transducer (AREA)
Abstract
本发明提出了一种基于多个麦克风阵列的噪声源定位方法,其选取M个麦克风传感器构建环形麦克风阵列,设置一麦克风传感器作为参考麦克风传感器,以该参考麦克风传感器建立阵列坐标系,其余M—1个麦克风传感器环绕参考麦克风传感器设置,并在舱室内设置D个声源;获取D个声源到各麦克风传感器的相对传递函数,并构建环形麦克风阵列的阵列流型矩阵;进一步引入声源与参考麦克风传感器的直线距离、声源相对于参考麦克风传感器的方位角和声源频率构建阵列流型近场模型;采用MUSIC算法估算各声源相对于参考麦克风传感器的方位角;在舱室内预设两个以上相同的环形麦克风阵列,估算声源相对于每个环形麦克风阵列相对于参考麦克风传感器的方位角,总体运用最小二乘法求解声源到各环形麦克风阵列的距离。
Description
技术领域
本发明涉及声源定位领域,尤其涉及一种基于多个麦克风阵列的噪声源定位方法。
背景技术
声源定位在声音信号的处理中处于非常重要的地位,广泛应用在诸如智能设备、视频会议系统、违章抓拍或者故障诊断等方面,能够自动捕捉和对准发声对象。其通过对采集信号进行处理得到声源到达麦克风整列的波达方向,相比单个麦克风传感器,由多个麦克风传感器组成的麦克风阵列在语音信号处理方面具有更好的优势,麦克风阵列具有互补性,能更好的消除背景噪声。在舱室内,受环境限制,声源到麦克风阵列的距离较近,需要考虑声音振幅随距离变化的关系,而且现有方法对声源具体位置的定位精度不高,影响了具体应用的可靠性。
发明内容
有鉴于此,本发明提出了一种对声源实际位置定位较精确、尤其适用于多个声源的基于多个麦克风阵列的噪声源定位方法。
本发明的技术方案是这样实现的:本发明提供了一种基于多个麦克风阵列的噪声源定位方法,包括以下步骤:
S1:选取M个麦克风传感器构建环形麦克风阵列,设置一麦克风传感器作为参考麦克风传感器,以该参考麦克风传感器建立阵列坐标系,其余M-1个麦克风传感器环绕参考麦克风传感器设置;在舱室内设置D个声源,M>D;
S2:获取D个声源到各麦克风传感器的相对传递函数,并构建环形麦克风阵列的阵列流型矩阵;
S3:根据各麦克风传感器在阵列坐标系中的已知的坐标向量、D个声源到参考麦克风传感器的直线距离,以及上一步骤中得到的阵列流型矩阵,进一步引入声源与参考麦克风传感器的直线距离、声源相对于参考麦克风传感器的方位角和声源频率构建阵列流型近场模型;
S4:针对已构建的阵列流型近场模型,采用MUSIC算法估算各声源相对于参考麦克风传感器的方位角;
S5:获取声源相对于该参考麦克风传感器的方位角后,进一步在舱室内形成两个以上相同的环形麦克风阵列,采用MUSIC算法估算声源相对于其他环形麦克风阵列相对于参考麦克风传感器的方位角,求解声源到各环形麦克风阵列中心的直线距离。
在以上技术方案的基础上,优选的,所述选取M个麦克风传感器构建环形麦克风阵列并建立阵列坐标系,是以参考麦克风传感器为圆心,其余麦克风传感器均匀分布在半径R的圆周上;以参考麦克风传感器为原点,其指向圆周上某一麦克风传感器的方向为Z轴方向,圆周所在平面内设置一经过参考麦克风传感器并与Z轴垂直的X轴;垂直圆周所在平面的方向为Y轴,建立阵列坐标系。
进一步优选的,所述步骤S2中获取若干个声源到各麦克风传感器的相对传递函数,构建环形麦克风阵列的阵列流型矩阵,是令参考麦克风传感器在阵列坐标系的坐标为(0,0,0),环绕参考麦克风传感器的第i个麦克风在阵列坐标系的空间向量(xpi,ypi,zpi);第j个声源在麦克风阵列坐标系下的空间向量为 Sj=(xsj,ysj,zsj);第j个声源与第i个麦克风传感器的距离rij为:令第j个声源的声源强度为Qj,第i 个麦克风传感器收到的第j个声源的声压为式中I为单位虚数,f为声源频率,ρ是空气密度,c为空气中的声速,t表示时间;令上式改写为对于参考麦克风传感器第j个声源的声压为令Гij(f)为第 j个声源的声源频率f到第i个麦克风传感器的相对传递函数,Г1j(f)=1, Pij(t,f)转换为:D个声源同时发声时,令第i个麦克风传感器收到的升压信号为Xi(t,f)exp(I2πft); Xi(t,f)表示时间t、声源频率f处的第i个麦克风传感器的幅值和相位,通过对声压时域信号进行短时傅里叶变换得到:Ai(f)=[Γi1(f)…ГiD(f)];其中β为麦克风传感器的信号调理放大系数; ni(t,f)exp(2πft)为麦克风传感器的噪声,Ai(f)是D个声源到达第i个麦克风传感器的阵列流型向量;对于所有M个麦克风传感器,对应的存在:其中A(t,f)为阵列流型矩阵,N(t,f)为麦克风传感器噪声向量,Γ11(f),…,Γ1D(f),…,ΓM1(f),…,ΓMD(f)表示各声源的声源频率f分别到各麦克风传感器的相对传递函数。
更进一步优选的,所述步骤S3中阵列流型近场模型,是令声源的坐标向量为S,S=(s sin θ sin ψ,s cos θ,s sin θ cos ψ),其中小写s为该声源到参考麦克风传感器的直线距离,θ和ψ是声源相对于Y轴和Z轴的方位角,第i个麦克风传感器在阵列坐标系的坐标向量pi为:
R为环形麦克风阵列的半径,M为麦克风传感器的数量;将声源的坐标向量S和麦克风传感器坐标向量pi代入步骤步骤S2获得的阵列流型矩阵,获得阵列流型近场模型其中Γ1S(f)、…ΓMS(f)表示距阵列坐标系坐标原点距离s 的声源的声源频率f分别对M个麦克风传感器的传递函数。
更进一步优选的,所述采用MUSIC算法估算各声源相对于参考麦克风传感器的方位角,是将公式简写为X=AP+N,其中X=X(t,f)=[X1(t,f)...XM(t,f)]T,X为M个麦克风传感器信号在时刻t、频率f 时对应的阵列信号向量,A=A(t,f),P=[βP11…βP1D]T,N=N(t,f);令 RX=E[(AP+N)(AP+N)H]=ARSAH+RN,其中RX为阵列信号向量X的自相关矩阵,RS为声源信号的自相关矩阵,RS=E[PPH];RN为噪声自相关矩阵,RN=σ2K, K为M阶单位矩阵;上标T表示转秩矩阵,上标H表示共轭转秩矩阵,上式表示将RX分解为信号特征值和噪声特征值;以噪声特征值对应的各噪声特征向量为列,构建噪声矩阵En,En有M-D列,各噪声特征值对应的噪声特征向量与矩阵A的列向量正交;利用该噪声矩阵En和阵列流型近场模型AS(s,ψ,θ,f)定义空间谱给定声源到参考麦克风传感器的直线距离s的估计值,变化声源相对于Y轴和Z轴的方位角θ和ψ的取值,寻找空间谱Pmu(s,ψ,θ,f)的波峰来获得该频率峰值,即声源频率f峰值处对应的θ和ψ。
再进一步的优选的,所述求解声源到各环形麦克风阵列中心的距离,是基于声源的位置构建固定坐标系,通过上述MUSIC算法获得方位角θ1和ψ1,此姿态下声源到环形麦克风阵列中心的距离s1,声源在固定坐标系和当前阵列坐标系下的坐标分别为Sreal和Smic-1,Sreal=Smic-1=(s1 sin θ1 sin ψ1,s1 cos θ1,s1 sin θ1 cos ψ1);进一步在舱室内其他位置设置一个或者多个相同的环形麦克风阵列,再次通过MUSIC算法获得声源相对于该麦克风阵列中心的一组或者多组方位角θ2和ψ2,此时声源到这些环形麦克风阵列中心的距离为s2,此时声源在阵列坐标系下的坐标为Smic-2;令新增的环形麦克风阵列的中心在固定坐标系的坐标为(d1,d2,d3),;根据坐标轴变换规则, Smic-2=(s1 sin θ1 sin ψ1-d1,s1 cos θ1-d2,s1sin θ1 cos ψ1-d3); s1 sin θ1 sin ψ1-s2 sin θ2 sin ψ2=d1;s1 cos θ1-s2 cos θ2=d2;s1 sin θ1 cos ψ1-s2 sin θ2 cos ψ2=d3;求解s1和s2。
在以上技术方案的基础上,优选的,所述麦克风传感器为全向性麦克风传感器。
本发明提供的一种基于多个麦克风阵列的噪声源定位方法,相对于现有技术具有以下有益效果:
(1)通过设置环形的麦克风阵列,可相应建立阵列坐标系,并进一步构建阵列流型近场模型,来描述声源到麦克风阵列的传递模型,结合MUSIC算法获取声源方位角,并结合新设多组环形麦克风阵列来实现声源的实际位置确定,获取更加精准的声源位姿;
(2)环形麦克风阵列构成面阵,由于各麦克风传感器的位置唯一确定,接收到同一声源发出的声波后产生的阵列信号之间具有频率和时间上的相关性;
(3)利用矩阵特征分解理论,对自相关矩阵进行特征分解获得声源信号相关矩阵和噪音自相关矩阵,有利于筛选准确的声源,消除背景噪声;
(4)定义空间谱后,可设定搜索频率范围或者给定声源与参考麦克风传感器的距离的估计值,根据频率峰值估算声源的方位角;
(5)获取声源的方位角后,进一步通过增设相同的若干组环形麦克风阵列,获取多组方位角,反过来计算移动前后声源到环形麦克风阵列中心的精确距离;
(6)本方法尤其适用于舱室内近场环境的低频噪音或者故障位置识别领域。
附图说明
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,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为本发明一种基于多个麦克风阵列的噪声源定位方法的流程图;
图2为本发明一种基于多个麦克风阵列的噪声源定位方法的阵列坐标系与声源的空间示意图;
图3为本发明一种基于多个麦克风阵列的噪声源定位方法的环形麦克风阵列的分布示意图;
图4为本发明一种基于多个麦克风阵列的噪声源定位方法的声源距离计算的示意图。
具体实施方式
下面将结合本发明实施方式,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式仅仅是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,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方式,都属于本发明保护的范围。
如图1所示,本发明提供了一种基于多个麦克风阵列的噪声源定位方法,包括以下步骤:
S1:选取M个麦克风传感器构建环形麦克风阵列,设置一麦克风传感器作为参考麦克风传感器,以该参考麦克风传感器建立阵列坐标系,其余M-1个麦克风传感器环绕参考麦克风传感器设置;在舱室内设置D个声源,M>D;
其中,建立阵列坐标系是以参考麦克风传感器为圆心,其余麦克风传感器均匀分布在半径R的圆周上;以参考麦克风传感器为原点,其指向圆周上某一麦克风传感器的方向为Z轴方向,圆周所在平面内设置一经过参考麦克风传感器并与Z轴垂直的X轴;垂直圆周所在平面的方向为Y轴,建立阵列坐标系。
S2:获取D个声源到各麦克风传感器的相对传递函数,并构建环形麦克风阵列的阵列流型矩阵;
其中,获取D个声源到各麦克风传感器的相对传递函数,是令参考麦克风传感器在阵列坐标系的坐标为(0,0,0),环绕参考麦克风传感器的第i个麦克风在阵列坐标系的空间向量(xpi,ypi,zpi),i的取值范围[1,M];第j个声源在麦克风阵列坐标系下的空间向量为Sj=(xsj,ysj,zsj),j的取值范围[1,D];第j个声源与第i个麦克风传感器的距离rij为:令第j个声源的声源强度为Qj,第i 个麦克风传感器收到的第j个声源的声压为式中I为单位虚数,f为声源频率,ρ是空气密度,c为空气中的声速,t表示时间;令上式改写为对于参考麦克风传感器第j个声源的声压为令Гij(f)为第 j个声源的声源频率f到第i个麦克风传感器的相对传递函数,Г1j(f)=1,Pij(t,f)转换为:
进一步的,当D个声源同时发声时,令第i个麦克风传感器收到的升压信号为Xi(t,f)exp(I2πft);Xi(t,f)表示时间t、声源频率f处的第i个麦克风传感器的幅值和相位,通过对声压时域信号进行短时傅里叶变换得到:
Ai(f)=[Гi1(f)…ГiD(f)];其中β为麦克风传感器的信号调理放大系数;
ni(t,f)exp(2πft)为麦克风传感器的噪声,Ai(f)是D个声源到达第i个麦克风传感器的阵列流型向量;对于所有M个麦克风传感器,对应的存在:
S3:根据各麦克风传感器在阵列坐标系中的已知的坐标向量、D个声源到参考麦克风传感器的直线距离,以及上一步骤中得到的阵列流型矩阵,进一步引入声源与参考麦克风传感器的直线距离、声源相对于参考麦克风传感器的方位角和声源频率构建阵列流型近场模型;
具体方法为:令声源的坐标向量为S, S=(s sin θ sin ψ,s cos θ,s sin θ cosψ),其中小写s为该声源到参考麦克风传感器的直线距离,θ和ψ是声源相对于Y轴和Z轴的方位角,第i个麦克风传感器在阵列坐标系的坐标向量pi为:
R为环形麦克风阵列的半径,M为麦克风传感器的数量;将声源的坐标向量S和麦克风传感器坐标向量pi代入步骤步骤S2获得的阵列流型矩阵,获得阵列流型近场模型其中Г1S(f)、…ΓMS(f)表示距阵列坐标系坐标原点距离s 的声源的声源频率f分别对M个麦克风传感器的传递函数。
S4:针对已构建的阵列流型近场模型,采用MUSIC算法估算各声源相对于参考麦克风传感器的方位角;
具体内容为:将公式简写为X=AP+N,其中X=X(t,f)=[X1(t,f)...XM(t,f)]T,X为M个麦克风传感器信号在时刻t、频率f时对应的阵列信号向量,A=A(t,f),P=[βP11…βP1D]T,N=N(t,f);令 RX=E[(AP+N)(AP+N)H]=ARSAH+RN,其中RX为阵列信号向量X的自相关矩阵,RS为声源信号的自相关矩阵,RS=E[PPH];RN为噪声自相关矩阵,RN=σ2K, K为M阶单位矩阵;上标T表示转秩矩阵,上标H表示共轭转秩矩阵,上式表示将RX分解为信号特征值和噪声特征值;以噪声特征值对应的各噪声特征向量为列,构建噪声矩阵En,En有M-D列,各噪声特征值对应的噪声特征向量与矩阵A的列向量正交;利用该噪声矩阵En和阵列流型近场模型AS(s,ψ,θ,f)定义空间谱给定声源到参考麦克风传感器的直线距离s的估计值,变化声源相对于Y轴和Z轴的方位角θ和ψ的取值,寻找空间谱Pmu(s,ψ,θ,f)的波峰来获得该频率峰值,即声源频率f峰值处对应的θ和ψ。通常给定频率区间和s的估计值,求取频率峰值对应的方位角,即声源的大致方向。
S5:获取声源相对于该参考麦克风传感器的方位角后,进一步在舱室内形成两个以上相同的环形麦克风阵列,采用MUSIC算法估算声源相对于其他环形麦克风阵列相对于参考麦克风传感器的方位角,求解声源到各环形麦克风阵列中心的直线距离;
具体方法为:基于各声源的位置构建固定坐标系,在该坐标系下声源位置始终保持不变,通过上述MUSIC算法获得该位置下相对于当前环形麦克风阵列中心的方位角θ1和ψ1,令此姿态下声源到环形麦克风阵列中心的距离s1,声源在固定坐标系和阵列坐标系下的坐标分别为Sreal和Smic-1,在当前状态下有; Sreal=Smic-1=(s1 sin θ1 sin ψ1,s1 cos θ1,s1sin θ1 cos ψ1);进一步在舱室内设置一个或者多个环形麦克风阵列,再次通过MUSIC算法获得声源相对于新增的各麦克风阵列中心的方位角θ2和ψ2,此时声源到麦克风阵列中心的距离为一个或者多个s2,距离s1和s2为未知量,对应着声源的实际位置。为便于计算,可以将初始位置的参考麦克风传感器设置在固定坐标系的原点处。声源相对于新增的环形麦克风阵列,声源在阵列坐标系下的坐标为Smic-2,令新增的环形麦克风阵列的中心在固定坐标系的坐标为(d1,d2,d3),;根据坐标轴变换规则,
Smic-2=(s1 sin θ1 sin ψ1-d1,s1 cos θ1-d2,s1 sin θ1 cos ψ1-d3);
s1 sin θ1 sin ψ1-s2 sin θ2 sin ψ2=d1;
s1 cos θ1-s2 cos θ2=d2;
s1 sin θ1 cos ψ1-s2 sin θ2 cos ψ2=d3;
求解距离s1和s2。为简化计算,可以将(d1,d2,d3)中某一个或者两个轴向坐标设为0,公式中的等号右边项做相应改变,在此不再赘述。
上述方案中,麦克风传感器可采用全向性麦克风传感器。如图2和图3所示,图示的环形麦克风阵列,采用了16个麦克风传感器,标号1的麦克风传感器作为参考麦克风传感器位于中心处,其余15各麦克风传感器按编号2-16顺序编号均与分布在半径为R的圆周上,且相邻麦克风传感器的夹角为24°;按图示方位建立阵列坐标系。
MUSIC算法叫做多信号分类算法,算法的基本思想是将任意阵列输出数据的协方差矩阵进行特征分解,从而得到与信号分量相对应的信号子空间和信号分量相正交的噪声子空间,然后利用这两个子空间的正交性来估计信号的参数。该算法对入射信号的要求较高。
本发明方法中,以噪声特征值对应的各噪声特征向量为列,构建噪声矩阵 En,噪声特征值所对应的特征向量,与矩阵A的列向量正交,而A的各列是与声源的方向相对应的,经该步骤处理后,空间谱可以消除噪声带来的不利影响,选出合适的声源及其频率。需要说明的是,声源既可以是单频的,也可以是双频的,即每个声源混杂有两种不同的频率。
以下是对本发明方法的一种实施过程:
实施例1:设舱室内有三个独立的单频声源,其噪声源声压信号分别为: PS1=R1(t)sin(2πf1t);PS2=R2(t)sin(2πf2t);PS3=R3(t)sin(2πf3t);R1(t)、 R2(t)和R3(t)为声源振幅的波动系数,此处取值为(0.7,1)区间的随机实数;各声源的频率分别为:f1=300Hz,f2=500Hz,f3=700Hz,三个声源产生三种有差异的声波,设采样时间为2秒,三个声源在固定坐标系下的坐标为:
(0.8660,1.7321,0.5000)m;(0,1.5,0)m;(-0.9766,0.4104,-0.5638)m;
三个声源距离环形麦克风阵列中心的距离分别为[2,1.5,1.2]m,方位角 [θ1,θ2,θ3]=[30,0,70]度,[ψ1,ψ2,ψ3]=[60,作意值,240]度。环形麦克风阵列的半径R为0.3m,当θ为0时,阵列坐标系的Y轴指向声源,ψ对应为任意值。
利用Comsol商业软件的声学有限元模块了,验证了点声源传播至麦克风阵列各传感器的物理模型。将声源信号输入给物理模型,得到阵列上各麦克风传感器时域信号。其中,声压调理系数为1。为模拟传感器存在噪声的实际情况,在各传感器时域信号中增加高斯白噪声,使叠加后的信号信噪比为6dB。将时域信号通过短时傅里叶变换,每帧5000个点,变成时频信号,其中频率取与声源对应的特征频率,将时频值传送给本发明所述的方位角定位和距离计算公式,所有声音的采样信号为20kHz。每个麦克风传感器都接收到三个声源混合之后的频率信息,对于本工况而言,1号声源的特征频率为300Hz,2号声源的特征频率为500Hz,3号声源的特征频率为700Hz。
利用Music算法进行方位角定位,如图4所示,首先,利用Music算法求解对应300Hz特征频率的声源位置。其中,角度搜索范围为ψ=0~360°,θ=0~90°,在ψ=60°,θ=30°附近存在一个峰值Pmu(s,ψ,θ,f),且距离估计值靠近实际声源距离2m,波峰宽度变窄,距离估计值的改变仅影响聚焦效应,对方位角的计算影响较小,即Music算法能给出1号声源的方位角,且对距离估计值有鲁棒性。
同理,利用Music算法求解对应500Hz和700Hz的声源位置,2号声源位于麦克风阵列中心法线上,三号声源位于ψ=240°,θ=70°附近,距离估计值和离真实值越近,对应的峰值Pmu(s,ψ,θ,f)就越大。
进一步的,位置定位时,在已建立的阵列坐标系中新增一个环形麦克风阵列,且其中心设为(-0.5,0,0)m,此处为了便于计算,新增的环形麦克风阵列相当于将初始建立的环形麦克风阵列沿着阵列坐标系的X轴平移一定距离;则三个声源相对于新设的环形麦克风阵列的中心的位置变为: (1.3660,1.7321,0.5000);(0.5,1.5,0);(0.4766,0.4104,-0.5638);应用上述 Music方位角估计的新方位角ψ2=[7090220]°,θ2=[40.51860]°,利用步骤S5的方法计算得到各声源到各环形麦克风阵列中心的距离。分别将计算获得的距离与声源实际距离对比,误差均不超过0.1m,具有较高的可靠性和准确度。
实施例2:设舱室内有三个独立的双频声源,其噪声源声压信号分别为:R11(t)sin(2πf11t)+R12(t)sin(2πf12t);R21(t)sin(2πf21t)+R22(t)sin(2πf22t); R31(t)sin(2πf31t)+R32(t)sin(2πf32t);R11(t)、R12(t)、R21(t)、R22(t)、R31(t) 和R32(t)均为声源振幅的波动系数,此处取值为(0.7,1)区间的随机实数;各声源的频率分别为:f11=300Hz,f12=600Hz,f21=500Hz,f22=1000Hz,f31=700Hz, f32=1400Hz;三个声源产生六种有差异的声波,设采样时间为2秒,三个声源在固定坐标系下的坐标与实施例相同。
同样的,利用Comsol商业软件的声学有限元模块了,验证了点声源传播至麦克风阵列各传感器的物理模型。将声源信号输入给物理模型,得到阵列上各麦克风传感器时域信号,声压调理系数为1,各传感器时域信号中增加高斯白噪声,使叠加后的信号信噪比为6dB,将时域信号通过短时傅里叶变换,每帧 5000个点,变成时频信号,其中频率取与声源对应的特征频率,将时频值传送给本发明所述的方位角定位和距离计算公式,所有声音的采样信号为20kHz。
令第一个声源的特征频率为300Hz,利用Music算法求解对应300Hz特征频率的声源位置。其中,角度搜索范围为ψ=0~360°,θ=0~90°,在ψ=60°,θ=30°附近存在一个峰值Pmu(s,ψ,θ,f),且距离估计值靠近实际声源距离2m,波峰宽度变窄,距离估计值的改变仅影响聚焦效应,对方位角的计算影响较小,即Music算法能给出1号声源的方位角,且对距离估计值有鲁棒性,可有效消除第一个声源内600Hz噪音带来的影响。
同样的,在已建立的阵列坐标系内新增一个麦克风阵列,令第二个声源的特征频率为500Hz,第三个声源的特征频率为700Hz,Pmu(s,ψ,θ,f)对距离给定值的选择同样具有较好的鲁棒性。由以上实施例可知,本方法对声源相对于参考麦克风传感器的方位角和声源位置的定位精度较高,能够满足实际需求。
以上所述仅为本发明的较佳实施方式而已,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 (8)
1.一种基于多个麦克风阵列的噪声源定位方法,其特征在于:包括以下步骤:
S1:选取M个麦克风传感器构建环形麦克风阵列,设置一麦克风传感器作为参考麦克风传感器,以该参考麦克风传感器建立阵列坐标系,其余M-1个麦克风传感器环绕参考麦克风传感器设置;在舱室内设置D个声源,M>D;
S2:获取D个声源到各麦克风传感器的相对传递函数,并构建环形麦克风阵列的阵列流型矩阵;
S3:根据各麦克风传感器在阵列坐标系中的已知的坐标向量、D个声源到参考麦克风传感器的直线距离,以及上一步骤中得到的阵列流型矩阵,进一步引入声源与参考麦克风传感器的直线距离、声源相对于参考麦克风传感器的方位角和声源频率构建阵列流型近场模型;
S4:针对已构建的阵列流型近场模型,采用MUSIC算法估算各声源相对于参考麦克风传感器的方位角;
S5:获取声源相对于该参考麦克风传感器的方位角后,进一步在舱室内形成两个以上相同的环形麦克风阵列,采用MUSIC算法估算声源相对于其他环形麦克风阵列相对于参考麦克风传感器的方位角,求解声源到各环形麦克风阵列中心的直线距离。
2.根据权利要求1所述的一种基于多个麦克风阵列的噪声源定位方法,其特征在于:所述选取M个麦克风传感器构建环形麦克风阵列并建立阵列坐标系,是以参考麦克风传感器为圆心,其余麦克风传感器均匀分布在半径R的圆周上;以参考麦克风传感器为原点,其指向圆周上某一麦克风传感器的方向为Z轴方向,圆周所在平面内设置一经过参考麦克风传感器并与Z轴垂直的X轴;垂直圆周所在平面的方向为Y轴,建立阵列坐标系。
3.根据权利要求2所述的一种基于多个麦克风阵列的噪声源定位方法,其特征在于:所述步骤S2中获取若干个声源到各麦克风传感器的相对传递函数,构建环形麦克风阵列的阵列流型矩阵,是令参考麦克风传感器在阵列坐标系的坐标为(0,0,0),环绕参考麦克风传感器的第i个麦克风在阵列坐标系的空间向量(xpi,ypi,zpi);第j个声源在麦克风阵列坐标系下的空间向量为Sj=(xsj,ysj,zsj);第j个声源与第i个麦克风传感器的距离rij为:令第j个声源的声源强度为Qj,第i个麦克风传感器收到的第j个声源的声压为式中I为单位虚数,f为声源频率,ρ是空气密度,c为空气中的声速,t表示时间;令上式改写为对于参考麦克风传感器第j个声源的声压为令Γij(f)为第j个声源的声源频率f到第i个麦克风传感器的相对传递函数,Γ1j(f)=1,Pij(t,f)转换为:
D个声源同时发声时,令第i个麦克风传感器收到的升压信号为Xi(t,f)exp(I2πft);Xi(t,f)表示时间t、声源频率f处的第i个麦克风传感器的幅值和相位,通过对声压时域信号进行短时傅里叶变换得到:
Ai(f)=[Γj1(f)…ΓiD(f)];其中β为麦克风传感器的信号调理放大系数;ni(t,f)exp(2πft)为麦克风传感器的噪声,Ai(f)是D个声源到达第i个麦克风传感器的阵列流型向量;
对于所有M个麦克风传感器,对应的存在:
5.根据权利要求4所述的一种基于多个麦克风阵列的噪声源定位方法,其特征在于:所述采用MUSIC算法估算各声源相对于参考麦克风传感器的方位角,是将公式简写为X=AP+N,其中X=X(t,f)=[X1(t,f)...XM(t,f)]T,X为M个麦克风传感器信号在时刻t、频率f时对应的阵列信号向量,A=A(t,f),P=[βP11…βP1D]T,N=N(t,f);令RX=E[(AP+N)(AP+N)H]=ARSAH+RN,其中RX为阵列信号向量X的自相关矩阵,RS为声源信号的自相关矩阵,RS=E[PPH];RN为噪声自相关矩阵,RN=σ2K,K为M阶单位矩阵;上标T表示转秩矩阵,上标H表示共轭转秩矩阵,上式表示将RX分解为信号特征值和噪声特征值;以噪声特征值对应的各噪声特征向量为列,构建噪声矩阵En,En有M-D列,各噪声特征值对应的噪声特征向量与矩阵A的列向量正交;利用该噪声矩阵En和阵列流型近场模型AS(s,ψ,θ,f)定义空间谱给定声源到参考麦克风传感器的直线距离s的估计值,变化声源相对于Y轴和Z轴的方位角θ和ψ的取值,寻找空间谱Pmu(s,ψ,θ,f)的波峰来获得该频率峰值,即声源频率f峰值处对应的θ和ψ。
6.根据权利要求5所述的一种基于多个麦克风阵列的噪声源定位方法,其特征在于:所述求解声源到各环形麦克风阵列中心的距离,是基于声源的位置构建固定坐标系,通过上述MUSIC算法获得方位角θ1和ψ1,此姿态下声源到环形麦克风阵列中心的距离s1,声源在固定坐标系和当前阵列坐标系下的坐标分别为Sreal和Smic-1,Sreal=Smic-1=(s1sinθ1sinψ1,s1cosθ1,s1sinθ1cosψ1);另外,进一步在舱室内其他位置设置一个或者多个相同的环形麦克风阵列,再次通过MUSIC算法获得声源相对于该麦克风阵列中心的一组或者多组方位角θ2和ψ2,此时声源到这些环形麦克风阵列中心的距离为s2,令新增的环形麦克风阵列的中心在固定坐标系的坐标为(d1,d2,d3),;根据坐标轴变换规则,Smic-2=(s1sinθ1sinψ1-d1,s1cosθ1-d2,s1sinθ1cosψ1-d3);s1sinθ1sinψ1-s2sinθ2sinψ2=d1;s1cosθ1-s2cosθ2=d2;s1sinθ1cosψ1-s2sinθ2cosψ2=d3;求解s1和s2。
8.根据权利要求1所述的一种基于多个麦克风阵列的噪声源定位方法,其特征在于:所述麦克风传感器为全向性麦克风传感器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110394976.1A CN113126028B (zh) | 2021-04-13 | 2021-04-13 | 一种基于多个麦克风阵列的噪声源定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110394976.1A CN113126028B (zh) | 2021-04-13 | 2021-04-13 | 一种基于多个麦克风阵列的噪声源定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113126028A true CN113126028A (zh) | 2021-07-16 |
CN113126028B CN113126028B (zh) | 2022-09-02 |
Family
ID=76776414
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110394976.1A Active CN113126028B (zh) | 2021-04-13 | 2021-04-13 | 一种基于多个麦克风阵列的噪声源定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113126028B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113884986A (zh) * | 2021-12-03 | 2022-01-04 | 杭州兆华电子有限公司 | 波束聚焦增强的强冲击信号空时域联合检测方法及系统 |
CN114268883A (zh) * | 2021-11-29 | 2022-04-01 | 苏州君林智能科技有限公司 | 一种选择麦克风布放位置的方法与系统 |
CN114527427A (zh) * | 2022-01-27 | 2022-05-24 | 华南理工大学 | 一种基于球形麦克风阵列的低频波束形成声源定位方法 |
CN115184868A (zh) * | 2022-07-04 | 2022-10-14 | 杭州爱谱科技有限公司 | 一种定位噪声源三维位置的方法 |
CN115219984A (zh) * | 2022-06-15 | 2022-10-21 | 广州汽车集团股份有限公司 | 一种车内说话人定位方法与系统 |
CN116338583A (zh) * | 2023-04-04 | 2023-06-27 | 北京华控智加科技有限公司 | 基于分布式传声器阵列的设备内部噪声声源确定方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030077797A (ko) * | 2002-03-27 | 2003-10-04 | 삼성전자주식회사 | 직교 원형 마이크 어레이 시스템 및 이를 이용한 음원의3차원 방향을 검출하는 방법 |
US20110103191A1 (en) * | 2009-10-30 | 2011-05-05 | Samsung Electronics Co., Ltd. | Apparatus and method to track positions of multiple sound sources |
US20160037244A1 (en) * | 2013-03-29 | 2016-02-04 | Nissan Motor Co., Ltd. | Microphone support device for sound source localization |
CN106203390A (zh) * | 2016-07-22 | 2016-12-07 | 杭州视氪科技有限公司 | 一种智能盲人辅助系统 |
CN106443571A (zh) * | 2016-09-05 | 2017-02-22 | 东南大学 | 一种保角变换旋转不变子空间波达方向估计方法 |
CN106653044A (zh) * | 2017-02-28 | 2017-05-10 | 浙江诺尔康神经电子科技股份有限公司 | 追踪噪声源和目标声源的双麦克风降噪系统和方法 |
CN107167770A (zh) * | 2017-06-02 | 2017-09-15 | 厦门大学 | 一种混响条件下的麦克风阵列声源定位装置 |
CN107976651A (zh) * | 2016-10-21 | 2018-05-01 | 杭州海康威视数字技术股份有限公司 | 一种基于麦克风阵列的声源定位方法及装置 |
CN109997375A (zh) * | 2016-11-09 | 2019-07-09 | 西北工业大学 | 同心圆差分麦克风阵列及相关波束形成 |
CN110068795A (zh) * | 2019-03-31 | 2019-07-30 | 天津大学 | 一种基于卷积神经网络的室内麦克风阵列声源定位方法 |
CN110488223A (zh) * | 2019-07-05 | 2019-11-22 | 东北电力大学 | 一种声源定位方法 |
CN110544486A (zh) * | 2019-09-02 | 2019-12-06 | 上海其高电子科技有限公司 | 基于麦克风阵列的语音增强方法及系统 |
CN111474521A (zh) * | 2020-04-09 | 2020-07-31 | 南京理工大学 | 多径环境中基于麦克风阵列的声源定位方法 |
CN112385245A (zh) * | 2018-07-16 | 2021-02-19 | 西北工业大学 | 灵活地理分布的差分麦克风阵列和相关波束形成器 |
-
2021
- 2021-04-13 CN CN202110394976.1A patent/CN113126028B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030077797A (ko) * | 2002-03-27 | 2003-10-04 | 삼성전자주식회사 | 직교 원형 마이크 어레이 시스템 및 이를 이용한 음원의3차원 방향을 검출하는 방법 |
US20110103191A1 (en) * | 2009-10-30 | 2011-05-05 | Samsung Electronics Co., Ltd. | Apparatus and method to track positions of multiple sound sources |
US20160037244A1 (en) * | 2013-03-29 | 2016-02-04 | Nissan Motor Co., Ltd. | Microphone support device for sound source localization |
CN106203390A (zh) * | 2016-07-22 | 2016-12-07 | 杭州视氪科技有限公司 | 一种智能盲人辅助系统 |
CN106443571A (zh) * | 2016-09-05 | 2017-02-22 | 东南大学 | 一种保角变换旋转不变子空间波达方向估计方法 |
CN107976651A (zh) * | 2016-10-21 | 2018-05-01 | 杭州海康威视数字技术股份有限公司 | 一种基于麦克风阵列的声源定位方法及装置 |
CN109997375A (zh) * | 2016-11-09 | 2019-07-09 | 西北工业大学 | 同心圆差分麦克风阵列及相关波束形成 |
CN106653044A (zh) * | 2017-02-28 | 2017-05-10 | 浙江诺尔康神经电子科技股份有限公司 | 追踪噪声源和目标声源的双麦克风降噪系统和方法 |
CN107167770A (zh) * | 2017-06-02 | 2017-09-15 | 厦门大学 | 一种混响条件下的麦克风阵列声源定位装置 |
CN112385245A (zh) * | 2018-07-16 | 2021-02-19 | 西北工业大学 | 灵活地理分布的差分麦克风阵列和相关波束形成器 |
CN110068795A (zh) * | 2019-03-31 | 2019-07-30 | 天津大学 | 一种基于卷积神经网络的室内麦克风阵列声源定位方法 |
CN110488223A (zh) * | 2019-07-05 | 2019-11-22 | 东北电力大学 | 一种声源定位方法 |
CN110544486A (zh) * | 2019-09-02 | 2019-12-06 | 上海其高电子科技有限公司 | 基于麦克风阵列的语音增强方法及系统 |
CN111474521A (zh) * | 2020-04-09 | 2020-07-31 | 南京理工大学 | 多径环境中基于麦克风阵列的声源定位方法 |
Non-Patent Citations (5)
Title |
---|
TAO SONG AND QINGHUA HUANG: "Localization of Multiple Narrowband Acoustic Sources in Spherical Harmonic Domain", 《2011 4TH INTERNATIONAL CONGRESS ON IMAGE AND SIGNAL PROCESSING》 * |
张国昌等: "使用同心多环阵提升声源定位鲁棒性", 《应用声学》 * |
曹洁等: "基于环形阵列的近场多声源波达方向跟踪", 《计算机应用研究》 * |
梁瑞宇等: "基于听觉仿生和压缩感知的助听器声源定位方法", 《仪器仪表学报》 * |
王雁等: "麦克风基阵结构的噪声源识别性能研究", 《测试技术学报》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114268883A (zh) * | 2021-11-29 | 2022-04-01 | 苏州君林智能科技有限公司 | 一种选择麦克风布放位置的方法与系统 |
CN113884986A (zh) * | 2021-12-03 | 2022-01-04 | 杭州兆华电子有限公司 | 波束聚焦增强的强冲击信号空时域联合检测方法及系统 |
CN114527427A (zh) * | 2022-01-27 | 2022-05-24 | 华南理工大学 | 一种基于球形麦克风阵列的低频波束形成声源定位方法 |
CN114527427B (zh) * | 2022-01-27 | 2024-03-29 | 华南理工大学 | 一种基于球形麦克风阵列的低频波束形成声源定位方法 |
CN115219984A (zh) * | 2022-06-15 | 2022-10-21 | 广州汽车集团股份有限公司 | 一种车内说话人定位方法与系统 |
CN115219984B (zh) * | 2022-06-15 | 2023-10-27 | 广州汽车集团股份有限公司 | 一种车内说话人定位方法与系统 |
CN115184868A (zh) * | 2022-07-04 | 2022-10-14 | 杭州爱谱科技有限公司 | 一种定位噪声源三维位置的方法 |
CN116338583A (zh) * | 2023-04-04 | 2023-06-27 | 北京华控智加科技有限公司 | 基于分布式传声器阵列的设备内部噪声声源确定方法 |
CN116338583B (zh) * | 2023-04-04 | 2023-09-01 | 北京华控智加科技有限公司 | 基于分布式传声器阵列的设备内部噪声声源确定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113126028B (zh) | 2022-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113126028B (zh) | 一种基于多个麦克风阵列的噪声源定位方法 | |
Jarrett et al. | 3D source localization in the spherical harmonic domain using a pseudointensity vector | |
Kumar et al. | Near-field acoustic source localization and beamforming in spherical harmonics domain | |
Laufer-Goldshtein et al. | Semi-supervised sound source localization based on manifold regularization | |
Brandstein et al. | A practical methodology for speech source localization with microphone arrays | |
JP4912778B2 (ja) | 信号源の軌跡をモデル化する方法及びシステム | |
Talmon et al. | Supervised source localization using diffusion kernels | |
Traa et al. | Robust source localization and enhancement with a probabilistic steered response power model | |
CN106526563B (zh) | 一种基于互相关虚拟阵的五元体积阵多目标方位估计方法 | |
Gburrek et al. | Geometry calibration in wireless acoustic sensor networks utilizing DoA and distance information | |
SongGong et al. | Acoustic source localization in the circular harmonic domain using deep learning architecture | |
CN106371057A (zh) | 语音声源测向方法及装置 | |
Hu et al. | Decoupled direction-of-arrival estimations using relative harmonic coefficients | |
Ramamohan et al. | Uniaxial acoustic vector sensors for direction-of-arrival estimation | |
Pandey et al. | Sparse Bayesian learning for acoustic source localization | |
Salvati et al. | Two-microphone end-to-end speaker joint identification and localization via convolutional neural networks | |
SongGong et al. | Indoor multi-speaker localization based on Bayesian nonparametrics in the circular harmonic domain | |
Kumari et al. | S $^ 2$ H Domain Processing for Acoustic Source Localization and Beamforming Using Microphone Array on Spherical Sector | |
SongGong et al. | Robust indoor speaker localization in the circular harmonic domain | |
Bu et al. | TDOA estimation of speech source in noisy reverberant environments | |
Dwivedi et al. | Long-term temporal audio source localization using sh-crnn | |
Dwivedi et al. | Hybrid sh-cnn-mp approach for super resolution doa estimation | |
Togami et al. | Head orientation estimation of a speaker by utilizing kurtosis of a DOA histogram with restoration of distance effect | |
Jarrett et al. | Eigenbeam-based acoustic source tracking in noisy reverberant environments | |
Matsumoto et al. | Multiple signal classification by aggregated microphones |
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 |