CN113376576A - 基于小孔径麦克风阵列的声源定位传感器的定位方法 - Google Patents
基于小孔径麦克风阵列的声源定位传感器的定位方法 Download PDFInfo
- Publication number
- CN113376576A CN113376576A CN202010719462.4A CN202010719462A CN113376576A CN 113376576 A CN113376576 A CN 113376576A CN 202010719462 A CN202010719462 A CN 202010719462A CN 113376576 A CN113376576 A CN 113376576A
- Authority
- CN
- China
- Prior art keywords
- sound source
- array
- source signal
- microphone
- received
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000005070 sampling Methods 0.000 claims abstract description 12
- 238000003491 array Methods 0.000 claims abstract description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 52
- 239000013598 vector Substances 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 18
- 230000004044 response Effects 0.000 claims description 6
- 230000014509 gene expression Effects 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 5
- 230000001427 coherent effect Effects 0.000 description 4
- 230000004807 localization Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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
- G01S5/20—Position of source determined by a plurality of spaced direction-finders
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
本公开的实施例公开了基于小孔径麦克风阵列的声源定位传感器的定位方法。该方法的一具体实施方式包括:根据中心麦克风阵元接收的时域的声源信号,确定阵列接收的时域的声源信号,其中,麦克风阵列包括多个阵元:均匀地、环形分布的多个圆周麦克风阵元和一个位于多个圆周麦克风阵元中心的中心麦克风阵元;将传感器的空间角度划分成多个网格,形成多个网格节点,其中,多个网格节点的数量大于声源信号的数量,使待确定方位的声源信号在空域中满足稀疏性;基于压缩感知模型对频域的声源信号进行采样,进而确定声源方位。该实施方式基于压缩感知模型解决了小孔径空间采样不足和高精度定位之间的矛盾。实现了在小孔径阵列上定位的准确率。
Description
技术领域
本公开的实施例涉及声源定位技术领域,具体涉及基于小孔径麦克风阵列的声源定位传感器的定位方法。
背景技术
近年来各种声学定位装置得到了广泛地研究,但是关于小型化的声学定位传感器的研究报道很少。因为传统技术上通常采用ECM(Electret Condenser Microphone,驻极体电容式麦克风)来构造声学阵列,该ECM阵列的缺点(如大口径和高成本)限制了其在微型传感器中的应用。另一方面,随着阵列孔径的减少,空间采样也将减少,因此无法满足精度需要。传统定位算法仍然需要高维的协方差矩阵的计算,因此很难实现小孔径阵列上的高精度定位。这不可避免地降低了其定位性能。
通常,声源定位是通过各种算法来实现的,如CBF算法(ConventionalBeamforming,常规波束成形),MVDR算法(Minimum Variance Distortionless Response,最小方差无失真响应)和MUSIC算法(Multiple Signal Classification,多信号分类)。这些算法在小孔径阵列上存在着局限性。CBF算法对于小孔径阵列,分辨率很低。而且当两个声源比较接近时,CBF算法更难区分这两个角度。MVDR算法对阵列失配问题很敏感,而且当入射信号相干或出现快照不足的数据时,MVDR算法的性能将会大大降低。MUSIC算法是一种非常流行的算法,该算法需要事先知道声源的数量。此外,当阵元的个数为M时,MUSIC算法可以分辨的声源的数目不超过M-1个。
相应地,本领域需要一种新的方法来解决上述问题。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了基于小孔径麦克风阵列的声源定位传感器的定位方法,来解决以上背景技术部分提到的技术问题。该方法包括:根据中心麦克风阵元接收的时域的声源信号,确定阵列接收的时域的声源信号,其中,麦克风阵列包括多个阵元:均匀地、环形分布的多个圆周麦克风阵元和一个位于多个圆周麦克风阵元中心的一个中心麦克风阵元;将传感器的空间角度划分成多个网格,形成多个网格节点,其中,多个网格节点的数量大于声源信号的数量,使待确定方位的声源信号在空域中满足稀疏性;基于压缩感知模型对频域的声源信号进行采样,进而确定声源方位。
本公开的上述各个实施例中的一个实施例具有如下有益效果:首先,通过中心麦克风阵元接收的时域的声源信号,确定阵列接收的时域的声源信号;接着,将传感器的空间角度划分成多个网格,形成多个网格节点;最后基于压缩感知模型对频域的声源信号进行采样,进而确定声源方位。本公开的定位方法基于压缩感知模型确定声源方位,解决了小孔径空间采样不足和高精度定位之间的矛盾。实现了在小孔径阵列上定位的准确率。相较于传统的定位算法高维的协方差矩阵的计算,降低了运算量。同时本公开的方法也适用于低信噪比,低快拍数、相干信号等的条件,增强了适应性。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1是根据本公开的基于小孔径麦克风阵列的声源定位传感器的定位方法的一些实施例的流程图;
图2是根据本公开的麦克风阵列的结构示意图;
图3是传感器的空间角度划分成多个网格的结构示意图;
图4是CBF算法、MVDR算法和MUSIC算法三种算法在不同条件下的定位结果示意图;
图5是CBF算法、MVDR算法和MUSIC算法三种算法的RMSE((Root Mean SquareError,均方根误差)结果的示意图;
图6是CBF算法、MVDR算法和MUSIC算法三种算法的实验结果的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
首先参阅图1,图1是根据本公开的基于小孔径麦克风阵列的声源定位传感器的定位方法的一些实施例的流程图100。该基于小孔径麦克风阵列的声源定位传感器的定位方法,包括以下步骤:
步骤101,根据中心麦克风阵元接收的时域的声源信号,确定阵列接收的时域的声源信号。
在一些实施例中,本公开的一些实施例提供的基于小孔径麦克风阵列的声源定位传感器的定位方法可以由ARM(Advanced RISC Machines,处理器)等微型处理器执行。上述微型处理器可以对采集到的数据进行汇总和处理。
接下来,结合图2对麦克风阵列的结构进行说明。图2是本公开的一些实施例的麦克风阵列的结构示意图。如图2所示,本公开的麦克风阵列包括一个中心麦克风阵元和多个圆周麦克风阵元。具体而言,上述多个圆周麦克风阵元均匀地、以环形分布,形成一个圆形阵列。上述中心麦克风阵元位于上述圆形阵列的圆心处。虽然图2是以6个圆周麦克风阵元进行示出的,但这不是唯一的,本领域技术人员可以根据实际情况对上述圆周麦克风的数量进行调整。这种改变并未超出本公开的保护范围。
具体而言,上述多个圆周麦克风阵元和中心麦克风阵元可以是MEMS(Microelectro Mechanical Systems,微机电系统)麦克风。上述多个MEMS麦克风可以将采集的多路声源信号,通过总线传送至执行主体。进而,执行主体对采集的数据进行处理。上述以MEMS麦克风组成的麦克风阵列是迄今为止已公开的最小孔径的阵列。进而使小孔径麦克风阵列可以广泛地应用于DOA(Direction of Arrival,波达方向)估计领域。
上述圆周麦克风阵元和中心麦克风阵元组成的麦克风阵列可以接收到远场中具有窄带零均值特征的声源信号。由于上述阵元的位置不同,接收到的声源信号的时间也会产生差异。本公开的执行主体以中心麦克风阵元接收的时域的声源信号为参考点,确定上述麦克风阵列所接收的时域的声源信号。
具体而言,上述中心麦克风阵元接收的时域的声源信号是根据如下公式确定的:
其中,k表示入射的第k个声源信号;sk(t)表示中心麦克风阵元在时间t时,接收的第k个声源信号;uk(t)表示第k个上述声源信号的幅度;ω0表示上述声源信号的频率;φ表示上述声源信号的相位;t表示接收上述声源信号的时间。通过上述公式,可以确定中心麦克风阵元在时间t时,接收的第k个声源信号。对时域下的声源信号形成的波形图进行分析,可以确定在时间t时声源信号的幅度uk(t)、频率ω0和相位φ等信息。
进一步地,通过上述中心麦克风阵元接收的时域的声源信号的公式,确定麦克风阵列中,阵元接收的时域的声源信号。上述阵元接收的声源信号是通过如下公式确定的:
其中,m表示第m个阵元;xm(t)表示第m个阵元在时间t时,接收的第k个声源信号;K表示接收的声源信号的总数为K个;τmk表示第m个阵元接收的第k个声源信号与中心麦克风阵元接收的第k个声源信号的时间差;nm(t)表示第m个阵元在时间t时,接收的噪音信号。
进一步地,上述阵列接收的时域的声源信号是通过如下公式确定的:
其中,M表示麦克风阵元的数量;
以及进一步转换成矢量表达式:
X(t)=AS(t)+N(t);其中,X(t)表示阵列接收的M维的声源信号向量;N(t)表示阵列的M维的噪声信号向量;S(t)表示K维的入射的声源信号向量;A表示M×K维阵列流行矩阵。
进一步地,上述阵列流行矩阵按列划分之后是通过如下公式确定的:
A=[a1(ω0) a2(ω0) … aK(ω0)];
ak(ω0)表示阵列流行矩阵A的每一列的阵列的导向矢量;
其中,c表示声音在空气中的传播速度;
λ表示声源信号的波长;
R表示上述环形分布的多个圆周麦克风阵元围成的圆形的半径;
θk表示第k个声源信号的入射角,如图2中所示,上述θk即表示声源的方位;
上述阵列流行矩阵A的每一列的阵列的导向矢量进一步转化为:
其中,ak(θk)表示第k个声源信号在θk处的阵列响应;
上述流行矩阵进一步转化为:
A=[a1(θ1) a2(θ2) … aK(θK)]。
步骤102,将上述传感器的空间角度划分成多个网格,形成多个网格节点,其中,上述多个网格节点中的每个网格节点对应一个潜在的声源信号。
在一些实施例中,执行主体可以将传感器所处的空间角度划分成多个网格。具体结合图3进行说明,图3是传感器的空间角度划分成多个网格的结构示意图。如图3所示,执行主体将传感器所处的空间角度与中心麦克风阵元为中心,将上述空间角度划分成了十个网格。图3中空心圆表示该方向没有声源信号。实心圆表示该角度存在真实声源信号。虽然上文是将上述空间角度划分成了是个网格,但这不是唯一的,本领域技术人员可以根据实际情况对上述网格的数量进行调整。上述多个网格节点的数量远大于非零声源信号的数量,保证网格划分后潜在的声源个数远远大于真实存在的声源个数。从而使待确定方位的声源信号在空域中满足稀疏性。
步骤103,基于压缩感知模型对上述频域的声源信号进行采样,进而确定声源方位。
在一些实施例中,响应于上述传感器的空间角度划分成多个网格,形成多个网格节点,上述K列的阵列流行矩阵A被拓展成Nθ列的阵列流行矩阵A′。其中,Nθ表示网格节点的总数。噪声向量N被扩展成噪声向量N′,K个声源信号向量S被扩展成包含K个非零值的稀疏矢量S′,上述阵列接收的时域的声源信号的矢量表达式被进一步转化成:X(t)=AS(t)+N(t)=A′S′(t)+N′(t);上述公式符合压缩感知模型y=Hs+n。
进一步地,当S′n(t)=Sk(t)时,麦克风阵列接收的时域信号与空间网格划分麦克风阵列接收的时域信号等价。其中,S′n(t)n表示t时间,第n个信号(该信号包括图3中示出的不存在的声源信号和真实存在的声源信号)的时域的声源信号。
进一步地,由于S′中的元素与阵列流行矩阵A′的每一列对应,因此,与每一个角度上的入射波相对应。因此,采用恢复算法对信号S′进行恢复重建。具体可以通过梯度下降法、迭代阈值法、正交匹配追踪算法或者正交匹配追踪法算法。进而确定S′中K个非零元素所在的位置。
本公开的基于小孔径麦克风阵列的声源定位传感器的定位方法,首先,通过中心麦克风阵元接收的时域的声源信号,确定阵列接收的时域的声源信号;接着,将传感器的空间角度划分成多个网格,形成多个网格节点;最后基于压缩感知模型对频域的声源信号进行采样,进而确定声源方位。本公开的定位方法基于压缩感知模型,通过少量阵元采样少数量的声源信号,实现提高定位的准确率,解决了小孔径空间采样不足和高精度定位之间的矛盾。实现了在小孔径阵列上定位的准确率。相较于传统的定位算法高维的协方差矩阵的计算,降低了运算量。同时本公开的方法也适用于低信噪比,低快拍数、相干信号等的条件,增强了适应性。
以下是进行的仿真,用于对本公开的基于小孔径麦克风阵列的声源定位传感器的定位方法进行评估。
接着参阅图4,图4是CBF、MVDR和MUSIC三种算法在不同条件下的定位结果示意图。如图4所示,阵元数目M都为6且均满足半波布阵。图4(a)中的两个入射信号是不相干的,入射角度(θ1,θ2)=(180°,230°),信噪比SNR为20dB,快拍数L=50;图4(b)与图(a)相比,仅仅将入射角度改为(θ1,θ2)=(180°,200°),其余不变;图4(c)与图4(b)相比,仅仅将信噪比改为10dB,其余不变;4(d)与图4(b)相比,仅仅将快拍数改为L=1,其余不变;图4(e)与图4(b)相比,仅仅将入射信号改为相干信号,其余不变。从图4(a)和图4(b)可以得出,在两个信号源不相关,高信噪比和快照足够的条件下,所有波束成形方法都可以在功率谱中以两个峰值所在的角度表示出两个声源的位置。但是,CBF算法的分辨率是非常有限的,这也是图4(b)中CBF算法的功率谱只有一个峰而不能准确区分两个声源的原因。通过比较图4(b)-4(d),我们可以知道,MVDR算法的功率谱在高信噪比和信号不相关的情况下具有着高分辨率,但在快照不足,信号相关和嘈杂的条件下,其性能会大大降低。压缩感知算法在所有情况下均以高分辨率展示出这两个声源所在角度,而且证明了该方法在多路径到达和快照数量有限的情况下的适用性。
此外,我们还从500次蒙特卡洛试验中评估了这三种算法的均方根误差(RMSE)性能。假设一个声源从θ角入射到阵列,其中θ从0°到360°随机选择。阵元数目M=6,d/λ=1/2。当我们改变信噪比条件时,快拍数固定为L=15,而当我们改变快拍数时,信噪比固定为0dB。
接着参阅图5,图5是CBF、MVDR和MUSIC三种算法的RMSE((Root Mean SquareError,均方根误差)结果的示意图。从图5(a)可以看出,当信噪比低于0dB时,压缩感知方法优于CBF和MVDR。尽管CBF和MVDR算法在信噪比大于0dB之后显示出较小的RMSE结果,但是由于这两种算法需要计算高维协方差矩阵,因此它们的计算复杂度比压缩感知算法高得多。此外,根据图5(b)所示的结果,即使L=6,压缩感知算法仍然有效,从而证明了该方法的优越性。值得一提的是,尽管图5(b)中CBF算法的RMSE结果也相对较小,但该方法的分辨率远低于压缩感知算法。
最后,进行了一系列实验以验证定位传感器的性能。
参阅图6,图6是CBF、MVDR和MUSIC三种算法的实验结果的示意图。图6(a)是实验装置的照片。图6(c)显示了三种算法在不同入射角下快拍数为L=1000时的定位结果,从左到右的入射角度分别为θ=110°,(θ1,θ2)=(90°,195°)和(θ1,θ2)=(110°,180°)。使用手机播放的一段钢琴曲作为声源。实验是在一个安静的房间里进行的,声源距离阵列1m。图6(b)显示了当入射角θ=110°时定位传感器接收的7个通道信号的一段快照。从图6(c)中我们可以得出CBF算法具有较低的分辨率和较宽的主瓣,在(θ1,θ2)=(90°,195°)时,该算法已无法分辨两个声源。此外,当两个声源的角度更接近,即(θ1,θ2)=(110°,180°)时,MVDR算法也无法清楚地区分这两个声源。但是压缩感知算法在所有情况下都以高分辨率和高精度得出两个声源的入射角度。
图6(d)给出了三种算法在不同信噪比条件下的定位结果,从左到右的信噪比条件分别为0dB,-5dB和-10dB,其中快拍数L=200,两个信号的频率分别为1.8kHz和2kHz。从图6(d)可以清楚地看到,当信噪比等于-10dB时,CBF算法和MVDR算法的频谱已经没有了明显峰值。此外,由于阵元数目有限,CBF算法和MVDR算法的分辨率非常低,从而无法从频谱中准确地获得声源入射的角度。相比之下,压缩感知算法即使在-10dB时也可以准确地区分两个声源。即使在低信噪比的情况下,也能确保定位传感器的出色性能。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (6)
1.一种基于小孔径麦克风阵列的声源定位传感器的定位方法,包括:
根据中心麦克风阵元接收的时域的声源信号,确定阵列接收的时域的声源信号,其中,所述麦克风阵列包括多个阵元:均匀地、环形分布的多个圆周麦克风阵元和一个位于所述多个圆周麦克风阵元中心的中心麦克风阵元;
将所述传感器的空间角度划分成多个网格,形成多个网格节点,其中,所述多个网格节点的数量大于声源信号的数量,使待确定方位的声源信号在空域中满足稀疏性;
基于压缩感知模型对所述频域的声源信号进行采样,进而确定声源方位。
5.根据权利要求4所述的方法,其特征在于,所述阵列流行矩阵按列划分之后是通过如下公式确定的:
A=[a1(ω0) a2(ω0) … aK(ω0)];
ak(ω0)表示阵列流行矩阵A的每一列的阵列的导向矢量;
其中,c表示声音在空气中的传播速度;
λ表示声源信号的波长;
R表示所述环形分布的多个圆周麦克风阵元围成的圆形的半径;
θk表示第k个声源信号的入射角;
所述阵列流行矩阵A的每一列的阵列的导向矢量进一步转化为:
其中,ak(θk)表示第k个声源信号在θk处的阵列响应;
所述流行矩阵进一步转化为:
A=[a1(θ1) a2(θ2) … aK(θK)]。
6.根据权利要求5所述的方法,其特征在于,所述基于压缩感知模型对所述频域的声源信号进行采样,进而确定声源方位,包括:
将所述阵列接收的时域的声源信号的矢量表达式引入压缩感知模型;
响应于所述传感器的空间角度划分成多个网格,形成多个网格节点,所述阵列接收的时域的声源信号的矢量表达式被进一步转化成:X(t)=AS(t)+N(t)=A′S′(t)+N′(t);
其中,A′表示Nθ列的阵列流行矩阵;
Nθ表示网格节点的总数;
S′表示包含k个非零值的稀疏矢量;
N′表示噪声向量;
确定所述麦克风阵列接收的时域信号与所述空间网格划分麦克风阵列接收的时域信号是否等价;
响应于所述麦克风阵列接收的时域信号与所述空间网格划分麦克风阵列接收的时域信号等价,采用恢复算法对信号S′进行恢复重建,确定S′中K个非零元素所在的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010719462.4A CN113376576A (zh) | 2020-07-23 | 2020-07-23 | 基于小孔径麦克风阵列的声源定位传感器的定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010719462.4A CN113376576A (zh) | 2020-07-23 | 2020-07-23 | 基于小孔径麦克风阵列的声源定位传感器的定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113376576A true CN113376576A (zh) | 2021-09-10 |
Family
ID=77568963
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010719462.4A Pending CN113376576A (zh) | 2020-07-23 | 2020-07-23 | 基于小孔径麦克风阵列的声源定位传感器的定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113376576A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115166043A (zh) * | 2022-09-07 | 2022-10-11 | 广东工业大学 | 一种基于声源定位的激光超声检测系统及方法 |
CN115184462A (zh) * | 2022-09-07 | 2022-10-14 | 广东工业大学 | 一种基于组合式非接触探头的激光超声检测系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090141908A1 (en) * | 2007-12-03 | 2009-06-04 | Samsung Electronics Co., Ltd. | Distance based sound source signal filtering method and apparatus |
CN102736064A (zh) * | 2011-04-14 | 2012-10-17 | 东南大学 | 一种基于压缩传感器的助听器声源定位方法 |
JP2012211768A (ja) * | 2011-03-30 | 2012-11-01 | Advanced Telecommunication Research Institute International | 音源定位装置 |
JP2016050872A (ja) * | 2014-09-01 | 2016-04-11 | 株式会社国際電気通信基礎技術研究所 | 音源位置推定装置、音源位置推定方法および音源位置推定プログラム |
JP2017150903A (ja) * | 2016-02-23 | 2017-08-31 | 日本電信電話株式会社 | 音源定位装置、方法、及びプログラム |
CN107247251A (zh) * | 2017-06-20 | 2017-10-13 | 西北工业大学 | 基于压缩感知的三维声源定位方法 |
CN107404684A (zh) * | 2016-05-19 | 2017-11-28 | 华为终端(东莞)有限公司 | 一种采集声音信号的方法和装置 |
CN110221249A (zh) * | 2019-05-16 | 2019-09-10 | 西北工业大学 | 基于压缩感知的宽带声源定位方法 |
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 |
-
2020
- 2020-07-23 CN CN202010719462.4A patent/CN113376576A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090141908A1 (en) * | 2007-12-03 | 2009-06-04 | Samsung Electronics Co., Ltd. | Distance based sound source signal filtering method and apparatus |
JP2012211768A (ja) * | 2011-03-30 | 2012-11-01 | Advanced Telecommunication Research Institute International | 音源定位装置 |
CN102736064A (zh) * | 2011-04-14 | 2012-10-17 | 东南大学 | 一种基于压缩传感器的助听器声源定位方法 |
JP2016050872A (ja) * | 2014-09-01 | 2016-04-11 | 株式会社国際電気通信基礎技術研究所 | 音源位置推定装置、音源位置推定方法および音源位置推定プログラム |
JP2017150903A (ja) * | 2016-02-23 | 2017-08-31 | 日本電信電話株式会社 | 音源定位装置、方法、及びプログラム |
CN107404684A (zh) * | 2016-05-19 | 2017-11-28 | 华为终端(东莞)有限公司 | 一种采集声音信号的方法和装置 |
CN107247251A (zh) * | 2017-06-20 | 2017-10-13 | 西北工业大学 | 基于压缩感知的三维声源定位方法 |
CN110221249A (zh) * | 2019-05-16 | 2019-09-10 | 西北工业大学 | 基于压缩感知的宽带声源定位方法 |
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 (7)
Title |
---|
FORTUNATI S ETAL.: "Single snapshot DOA estimation by using compressed sensing", EURASIP JOURNAL ON ADVANCES IN SIGNAL PROCESSING, 31 January 2014 (2014-01-31) * |
刘亚新等: "用于压缩感知信号重建的正则化自适应匹配追踪算法", 电子与信息学报, vol. 32, no. 11, 30 November 2010 (2010-11-30) * |
张一闻;刘建平;张世全;: "利用多点互相关值均值的实时声源定位算法", 西安电子科技大学学报, no. 01, 28 February 2015 (2015-02-28) * |
敖金莲: "基于麦克风阵列声源定位的算法研究", 中国优秀硕士学位论文全文数据库(电子期刊)信息科技辑, no. 08, pages 9 - 38 * |
权爱娟: "基于压缩感知理论的窄带信号DOA估计算法研究", 中国优秀硕士学位论文全文数据库(电子期刊)信息科技辑, no. 08, pages 7 - 22 * |
章宇栋;黄惠祥;童峰;: "面向多声源的压缩感知麦克风阵列的波达方向估计", 厦门大学学报(自然科学版), no. 02 * |
郭秋涵等: "基于频域联合稀疏模型的麦克风阵列移动声源定位", 厦门大学学报(自然科学版), vol. 59, no. 1, 31 January 2020 (2020-01-31) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115166043A (zh) * | 2022-09-07 | 2022-10-11 | 广东工业大学 | 一种基于声源定位的激光超声检测系统及方法 |
CN115184462A (zh) * | 2022-09-07 | 2022-10-14 | 广东工业大学 | 一种基于组合式非接触探头的激光超声检测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mohan et al. | Localization of multiple acoustic sources with small arrays using a coherence test | |
US9788119B2 (en) | Spatial audio apparatus | |
Salvati et al. | Incoherent frequency fusion for broadband steered response power algorithms in noisy environments | |
Dmochowski et al. | Broadband MUSIC: Opportunities and challenges for multiple source localization | |
US10455323B2 (en) | Microphone probe, method, system and computer program product for audio signals processing | |
Kumar et al. | Robust multi-source localization over planar arrays using music-group delay spectrum | |
Gunel et al. | Acoustic source separation of convolutive mixtures based on intensity vector statistics | |
Lockwood et al. | Beamformer performance with acoustic vector sensors in air | |
CN113376576A (zh) | 基于小孔径麦克风阵列的声源定位传感器的定位方法 | |
CN110907893B (zh) | 一种适用于球麦克风阵列的超分辨声源定位方法 | |
CN111798869B (zh) | 一种基于双麦克风阵列的声源定位方法 | |
Huang et al. | Two-step spherical harmonics ESPRIT-type algorithms and performance analysis | |
US11818557B2 (en) | Acoustic processing device including spatial normalization, mask function estimation, and mask processing, and associated acoustic processing method and storage medium | |
Wu et al. | Multi-source direction-of-arrival estimation in a reverberant environment using single acoustic vector sensor | |
Dang et al. | A feature-based data association method for multiple acoustic source localization in a distributed microphone array | |
Le Son | Irregular microphone array design for broadband beamforming | |
JP2011128088A (ja) | 位置推定システム及びプログラム | |
Çöteli et al. | Multiple sound source localization with rigid spherical microphone arrays via residual energy test | |
Pan | Spherical harmonic atomic norm and its application to DOA estimation | |
Tengan et al. | Multi-Source Direction-of-Arrival Estimation using Group-Sparse Fitting of Steered Response Power Maps | |
CN112558009B (zh) | 基于相位模态理论的高阶声场传感器阵列的方位估计方法 | |
Mazur et al. | Robust room equalization using sparse sound-field reconstruction | |
Traa | Multichannel source separation and tracking with phase differences by random sample consensus | |
US10249286B1 (en) | Adaptive beamforming using Kepstrum-based filters | |
Yang et al. | Geometrically constrained source extraction and dereverberation based on joint optimization |
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 |