CN114089279A - 一种基于均匀同心圆麦克风阵列的声目标定位方法 - Google Patents
一种基于均匀同心圆麦克风阵列的声目标定位方法 Download PDFInfo
- Publication number
- CN114089279A CN114089279A CN202111203321.8A CN202111203321A CN114089279A CN 114089279 A CN114089279 A CN 114089279A CN 202111203321 A CN202111203321 A CN 202111203321A CN 114089279 A CN114089279 A CN 114089279A
- Authority
- CN
- China
- Prior art keywords
- signal
- array
- frame
- target
- positioning
- 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 36
- 238000001914 filtration Methods 0.000 claims abstract description 22
- 230000005236 sound signal Effects 0.000 claims abstract description 13
- 238000011068 loading method Methods 0.000 claims abstract description 12
- 238000005070 sampling Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 23
- 239000013598 vector Substances 0.000 claims description 16
- 238000001228 spectrum Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims description 2
- 239000000654 additive Substances 0.000 claims description 2
- 230000000996 additive effect Effects 0.000 claims description 2
- 230000037433 frameshift Effects 0.000 claims description 2
- 238000009432 framing Methods 0.000 claims description 2
- 230000001052 transient effect Effects 0.000 claims description 2
- 230000017105 transposition Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000010183 spectrum analysis Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003595 spectral effect Effects 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)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
- Circuit For Audible Band Transducer (AREA)
Abstract
一种基于均匀同心圆麦克风阵列的声目标定位方法,能准确提取出带噪信号中的目标声信号,进行定位计算出来波的方向。本发明首先基于均匀同心圆麦克风阵列接收带噪声信号,对接收的信号进行预滤波并采样;然后读取数据提取出目标声信号;再对提取出的信号进行频谱分析确定峰值频率并进行再滤波缩小其带宽提高定位精度;最后利用MVDR波束形成方法实现目标声的定位。本发明处理数据点数少,计算量较小,可以减小相关硬件成本;定位算法采用MVDR波束形成方法并结合对角加载技术,定位精度高且稳定性较好。
Description
技术领域
本发明涉及信号处理领域,特别涉及一种基于均匀同心圆麦克风阵列的声目标定位方法,该方法涉及波束形成、阵列信号处理等理论。
背景技术
声音是感知世界的重要信息,是与外界环境交互的重要方式。根据不同的声音,可以判断出声源的位置信息,并获取特定的含义。传统的单麦克风输入很难满足此应用,因此,基于麦克风阵列的声源定位得到快速的发展,其在道路鸣笛检测定位、机械设备噪声源定位等实际场景有广泛的应用。
常用的声源定位算法可分为三类:第一类是基于到达时间差的方法。该算法首先通过估计各个麦克风之间的相对时延,然后利用估计出的时延,结合阵列的几何结构确定声源的位置。第二类是基于波束形成的方法。其基本思想是将麦克风接收到的声信号进行滤波、加权与求和形成波束,进而搜索声源可能的位置来引导该波束,波束输出功率最大的方向即为目标声源的方向。第三类是基于高分辨率谱估计的方法。该方法通过对阵列接收数据作数学分解,划分为两个相互正交的子空间:与信号源的阵列流行空间一致的信号子空间,和与信号子空间正交的噪声子空间。利用两个子空间的正交特性,构造出“针状”空间谱峰。
现有的声源定位算法中,基于到达时间差的定位算法在低信噪比下的定位误差较大,基于高分辨率谱估计的方法一般都存在计算量大的缺点,不适合实时定位。
发明内容
本发明要克服现有技术的上述缺点,提供一种基于均匀同心圆麦克风阵列进行声目标定位的方法,能准确提取带噪信号中的目标声信号,并根据提取出的信号进行定位计算出来波的方向。
本发明的一种基于均匀同心圆麦克风阵列的声目标定位方法,包括以下步骤:
利用均匀同心圆麦克风阵列接收信号,假设该阵列麦克风个数为N,空间有一中心频率为f0的窄带平面波以来向角入射到该阵列,空气中的声速为c。θs分别为该入射信号的横摇角与俯仰角,且满足-90°≤θs≤90°。此时第i个麦克风接收到的信号可表示为
其中,s(k)代表原始信号;vi(k)代表加性噪声;k代表采样点;τi(Θs)为来自Θs方向的信号入射到第i个麦克风时,相对于选定参考点的时延。设第i个麦克风的空间坐标为ri=(xi,yi,0),i=1,2,…N,则τi(Θs)可以按照下式进行计算
记阵列接收信号矢量与噪声矢量如下两式(上标“T”表示转置,下标“1,2,…,N”分别表示该阵列中第1、2…N号阵元)
X(k)=[x1(k) x2(k)…xN(k)]T (3)
V(k)=[v1(k) v2(k)…vN(k)]T (4)
定义N×1维阵列方向矢量
故阵列接收到的信号用矩阵可表示为
X(k)=a(Θs)s(k)+V(k) (6)
其中,方向矢量a(Θs)具体可表示为
上述所用均匀同心圆麦克风阵列的阵元数N=32,由4个均匀分布的同心圆组成,由外到里4个同心圆上的阵元数分别为12、10、6、4。
步骤2:对接收到的信号进行预滤波,预滤波的作用有两个,一是消除诸如直流分量等由电子设备产生的噪声,二是滤除非目标声。其中预滤波采用4阶巴特沃斯带通滤波器,由于本例需要定位的目标声源典型频率范围在400~5000Hz之间,故带通滤波器通频带范围设定为300~6000Hz。
步骤3:读取数据并将目标声信号提取出来。主要通过计算短时平均幅度并设定合适的幅度阈值进行提取。
首先对存在目标声信号的信号进行加窗分帧处理,假设待处理的信号为x(k),将其分为D帧,帧移长度为T,窗函数为w(k),其长度为L,则第d帧数据可表示为
xd(k)=w(k)x(k+dT),0≤k≤L-1,d=1,2…,D (8)
其中,所选用的窗函数为汉宁窗,其函数表达式如下
利用短时平均幅度来判断每一帧信号是否为目标声信号,具体步骤为:计算每一帧信号的短时平均幅度,若某帧信号的短时平均幅度大于设定的阈值,则判定为目标声信号帧,否则为无效帧或噪声帧。
短时平均幅度定义如下
其中,下标“d”表示第d帧,d=1,2,…,D,xd(k)表示第d帧信号,L代表每帧信号点数。最后,将每帧目标声信号重组即可把目标信号从原始信号中提取出来。
但是实际情况中,接收的信号中可能会存在短暂强噪声的影响,导致某一帧包含强噪声的信号的短时平均幅度也满足阈值条件被认为是目标信号帧。针对这一问题,提出了帧连续性的判断,具体如下:首先根据上述规则从信号中提取出满足阈值条件的所有信号帧(可能包含强噪声)并排序;然后根据信号帧的下标顺序进行分组,将下标连续的信号帧分别分组,得到若干组连续的信号帧;在这若干组连续信号帧中取帧数最大或者帧数大于某个阈值的那一组,认为是目标信号,其中,阈值可依据实际目标声源的时间进行设定。
步骤4:对提取出的目标声信号进行FFT分析,确定其峰值频率并依据该峰值频率进行滤波,进一步去除噪声。
假设对目标信号做FFT分析后确定的峰值频率为fmax,依照(fmax-200,fmax+400)Hz的通频带,用4阶巴特沃斯带通滤波器进行再次滤波,进一步去除无关噪声的影响,减小信号带宽,提高算法定位精度。
步骤5:利用最小方差无失真响应(Minimum Variance Distortion Response,MVDR)波束形成方法进行定位,计算波束形成的输出功率,通过遍历横摇角与俯仰角得到输出功率谱峰值所对应的角度,即为估计的目标声方位。
一般波束形成的输出可表示为
Y(k)=WHX(k) (11)
其中,W为波束形成器的加权矢量,上标“H”表示共轭转置。波束形成器输出的功率为
P=E[|(Y(k))|2]=WHE[X(k)XH(k)]W=WHRXW (12)
式中,E[·]表示取期望运算,RX为阵列接收信号的协方差矩阵且RX=E[X(k)XH(k)],对于N个麦克风组成的阵列,假设阵列接收信号的采样点数为K,则协方差矩阵可按下式估计得到
MVDR波束形成的原理是在约束期望方向上的信号幅度响应一定的同时,使阵列总的输出功率最小,可用下述优化问题表示
可用拉格朗日乘子法求解上述优化问题。令目标函数为
L(W)=WHRXW+l[WHa(Θs)-1] (15)
式中,l为拉格朗日乘子。对上式关于W求偏导可得
令上式等于零,可求得接收来自方向Θs的期望信号的MVDR波束形成器的最佳权矢量为
式中,μ为一比例常数。注意到约束条件WHa(Θs)=1可以等价写为aH(Θs)W=1,式(16)两边同时左乘αH(Θs),可求得
也即MVDR波束形成器的最优权矢量为
将式(19)代入式(12),即可求得MVDR波束形成的功率谱
在观测空间内扫描每个角度,根据式(20),计算功率谱值,其中最大值对应的角度值即为信号的方位。
实际情况中估计的协方差矩阵RX会带有一定的误差,可以采用对角加载的方法对其进行修正,提高后续算法的稳定性。本发明采用的对角加载方法如下:首先依据式(13)估计得到未修正的协方差矩阵记为RX,而后计算该协方差矩阵对角线元素的标准差σ与对角线元素均值μ0,修正系数α为
α=min<σ,μ0> (21)
最终可得到对角加载后的协方差矩阵为
其中I为与RX相同维数的单位矩阵。
所述的MVDR波束形成方法进行定位所用的数据时长为0.1s,该方法可将前述步骤得到的目标声信号按照0.1s时长进行分组,每组数据分别计算定位结果,通过比对取平均等优化方法得到最终的定位计算结果,提高一定的定位精度。
本发明的有益效果是:本发明算法处理数据点数少,计算量较小,可以减小相关硬件成本;定位算法采用MVDR波束形成方法并结合对角加载技术,定位精度高且稳定性较好。
附图说明
图1是本发明方法的流程图;
图2是本发明的麦克风阵列定位实验布置示意图;
图3是本发明的均匀同心圆麦克风阵列示意图;
图4(a)和图4(b)是本发明的某通道预滤波前后时域波形比较图,其中图4(a)是滤波前时域波形图,图4(b)是滤波后时域波形图;
图5是本发明的目标声识别与提取流程图;
图6是本发明的MVDR波束形成定位流程图;
图7(a)和图7(b)是本发明的是本发明的定位实验结果图,其中图7(a)是定位二维方位谱图,图7(b)是定位二维俯视图;
图8是本发明的多次定位误差结果图。
具体实施方式
下面结合附图进一步说明本发明定位算法的具体实施方式,本发明包括但不仅限于下述实施例。
参见图1所示,本实施方式所述的基于均匀同心圆麦克风阵列的鸣笛检测定位方法包括三个阶段:数据采集、目标声提取、MVDR波束形成定位。需要说明的是,本算法旨在计算出目标声来波的横摇角与俯仰角,如图2所示为麦克风阵列定位实验布置示意图,实验在全消声室内进行,图中O点为麦克风阵列中心位置,面向声源布置,S点为声源放置的位置,其中声源发出的声音信号为预先录制的带背景噪声的不同频率的目标声,θ分别表示来波的横摇角与俯仰角。本实施例中,经过多次测量计算得到声源的两个角度θ分别约为46.98°、39.44°。下面以某目标声信号样本为例说明算法实现流程。
所述数据采集阶段主要通过自制的均匀同心圆麦克风阵列完成。所述的均匀同心圆麦克风阵列示意图如图3所示,其直径为300mm,每层圆环间距为75mm,阵元数为32,所有阵元在同一平面(XY平面)内。所述数据采集的采样率设定为65536Hz;所述的预滤波采用4阶巴特沃斯带通滤波器,并根据目标声频率范围设置通频带范围为300~6000Hz,预滤波一是为了消除直流分量噪声,二是滤除其他背景噪声。如图4所示为某个通道预滤波前与预滤波后的时域波形比较图,其中图(a)为滤波前时域波形图,图(b)为滤波后时域波形图,由图知,预滤波可以较好消除直流分量等噪声。
所述目标声提取阶段通过以下步骤实现,需要说明的是,该阶段为了减小计算量均是以某一个通道进行处理然后映射到其余通道。本实施例是以通道7为例进行下述处理的。
首先对存在目标声的信号进行分帧加窗,并计算每一帧的短时平均幅度,通过设定幅度阈值将目标信号帧提取出来进行后续定位计算。但是实际情况中,背景噪声较为复杂,可能存在短时强噪声的影响,使得前述依据短时平均幅度判断的信号帧中包含强噪声,故针对这一问题,给出了帧连续性的判断。
帧连续性的判断具体如下:首先根据上述规则从信号中提取出满足阈值条件的所有信号帧(可能包含强噪声)并排序;然后根据信号帧的下标顺序进行分组,将下标连续的信号帧分别分组,得到若干组连续的信号帧;在这若干组连续信号中取帧数最大或者帧数大于帧数阈值的那一组,认为是目标信号,否则就舍去。其中帧数阈值依据帧长和目标信号时长设置。
最后把满足上述两个条件的信号帧重组成目标信号,输入到后续算法进行定位计算。所述目标声识别与提取的具体流程可参见图5所示。
所述MVDR波束形成定位阶段:
步骤一:对前述提取出的目标信号做FFT分析确定其峰值频率fmax并依此频率按照(fmax-200,fmax+400)Hz的通频带,采用4阶巴特沃斯带通滤波器进行再次滤波,滤除其余频率成分对定位的干扰,减小带宽近似成窄带信号,提高定位精度。
步骤二:利用最小方差无失真响应(Minimum Variance Distortion Response,MVDR)波束形成方法进行定位,计算波束形成的输出功率谱,通过遍历横摇角与俯仰角得到输出功率谱峰值所对应的角度,即为估计的目标声来波方向。所述的功率谱可按下式计算
首先按照下式估计鸣笛信号X(k)的协方差矩阵RX,其中,K为信号采样点数。
实际情况中估计的协方差矩阵RX会带有一定的误差,可以采用对角加载的方法对其进行修正,提高后续算法的稳定性。本发明采用的对角加载方法如下:首先依据式(2)估计得到未修正的协方差矩阵记为RX,而后计算该协方差矩阵对角线元素的标准差σ与对角线元素均值μ0,修正系数α为
α=min<σ,μ0> (3)
最终可得到对角加载后的协方差矩阵为
其中I为单位矩阵。
其次计算对角加载后的协方差矩阵的逆矩阵而后根据阵列几何形状构造导向矢量a(Θ),接着按照一定角度步进扫描Θ,根据式(1)计算MVDR功率谱值P,最后对P值进行谱峰搜索,其峰值点对应的Θ即为定位算法计算出的声源角度。所述MVDR波束形成定位的具体流程可参见图6所示。
为了验证本发明定位的稳定性,将目标声数据按照0.1s时长分段进行了多次定位实验,图8给出了多次定位实验的角度误差(其余实验样本与之类似),由图可知,本发明方法多次定位的误差基本一致,稳健性较好。
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举,本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式,本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。
Claims (1)
1.一种基于均匀同心圆麦克风阵列的声目标定位方法,其特征在于,包括以下步骤:
利用均匀同心圆麦克风阵列接收信号,假设该阵列麦克风个数为N,空间有一中心频率为f0的窄带平面波以来向角入射到该阵列,空气中的声速为c;θs分别为该入射信号的方位角与俯仰角,且满足-90°≤θs≤90°;此时第i个麦克风接收到的信号可表示为:
其中,s(k)代表原始信号;vi(k)代表加性噪声;k代表采样点;τi(Θs)为来自Θs方向的原信号入射到第i个麦克风时,相对于选定参考点的时延;设第i个麦克风的空间坐标为ri=(xi,yi,0),i=1,2,…N,则τi(Θs)可以按照下式进行计算:
记阵列接收信号矢量与噪声矢量如下两式(上标“T”表示转置,下标“1,2,…,N”分别表示该阵列中第1、2…N号阵元):
X(k)=[x1(k) x2(k)…xN(k)]T (3)
V(k)=[v1(k) v2(k)…vN(k)]T (4)
定义N×1维阵列方向矢量:
故阵列接收到的信号用矩阵可表示为:
X(k)=a(Θs)s(k)+V(k) (6)
其中,方向矢量a(Θs)具体可表示为:
上述所用均匀同心圆麦克风阵列的阵元数N=32,由4个均匀分布的同心圆组成,由外到里4个同心圆上的阵元数分别为12、10、6、4;
步骤2:对接收到的信号进行预滤波,预滤波的作用有两个,一是消除诸如直流分量等由电子设备产生的噪声,二是滤除非目标声;其中预滤波采用4阶巴特沃斯带通滤波器,由于本例需要定位的目标声源典型频率范围在400~5000Hz之间,故带通滤波器通频带范围设定为300~6000Hz;
步骤3:读取数据并将目标声信号提取出来;主要通过计算短时平均幅度并设定合适的幅度阈值进行提取;
首先对存在目标声源的信号进行加窗分帧处理,假设待处理的信号为x(k),将其分为D帧,帧移长度为T,窗函数为w(k),其长度为L,则第d帧数据可表示为
xd(k)=w(k)x(k+dT),0≤k≤L-1,d=1,2…,D (8)
其中,所选用的窗函数为汉宁窗,其函数表达式如下
利用短时平均幅度来判断每一帧信号是否为目标信号,具体步骤为:计算每一帧信号的短时平均幅度,若某帧信号的短时平均幅度大于设定的阈值,则判定为目标信号帧,否则为无效帧或噪声帧;短时平均幅度定义如下:
其中,下标“d”表示第d帧,d=1,2,…,D,xd(k)表示第d帧信号,L代表每帧信号点数;最后,将每帧目标信号重组即可把目标信号从原始声信号中提取出来;
但是实际情况中,接收的信号中可能会存在短暂强噪声的影响,导致某一帧包含强噪声的信号的短时平均幅度也满足阈值条件被认为是目标信号帧;针对这一问题,提出了帧连续性的判断,具体如下:首先根据上述规则从信号中提取出满足阈值条件的所有信号帧(可能包含强噪声)并排序;然后根据信号帧的下标顺序进行分组,将下标连续的信号帧分别分组,得到若干组连续的信号帧;在这若干组连续信号帧中取帧数最大或者帧数大于某个阈值的那一组,认为是目标信号,其中,阈值可依据实际目标声源持续的时间进行设定;
步骤4:对提取出的目标声信号进行FFT分析,确定其峰值频率并依据该峰值频率进行滤波,进一步去除噪声;
假设对目标信号做FFT分析后确定的峰值频率为fmax,依照(fmax-200,fmax+400)Hz的通频带,用4阶巴特沃斯带通滤波器进行再次滤波,进一步去除无关噪声的影响,减小信号带宽,提高算法定位精度;
步骤5:利用最小方差无失真响应(Minimum Variance Distortion Response,MVDR)波束形成方法进行定位,计算波束形成的输出功率,通过遍历方位角与俯仰角得到输出功率谱峰值所对应的角度,即为估计的目标声方位;
一般波束形成的输出可表示为
Y(k)=WHX(k) (11)
其中,W为波束形成器的加权矢量,上标“H”表示共轭转置;波束形成器输出的功率为
P=E[|(Y(k))|2]=WHE[X(k)XH(k)]W=WHRXW (12)
式中,E[·]表示取期望运算,RX为阵列接收信号的协方差矩阵且RX=E[X(k)XH(k)],对于N个麦克风组成的阵列,假设阵列接收信号的采样点数为K,则协方差矩阵可按下式估计得到:
MVDR波束形成的原理是在约束期望方向上的信号幅度响应一定的同时,使阵列总的输出功率最小,用下述优化问题表示:
可用拉格朗日乘子法求解上述优化问题;令目标函数为:
L(W)=WHRXW+l[WHa(Θs)-1] (15)
式中,l为拉格朗日乘子;对上式关于W求偏导可得:
令上式等于零,可求得接收来自方向Θs的期望信号的MVDR波束形成器的最佳权矢量为:
式中,μ为一比例常数;注意到约束条件WHa(Θs)=1可以等价写为aH(Θs)W=1,式(16)两边同时左乘aH(Θs),可求得:
也即MVDR波束形成器的最优权矢量为:
将式(19)代入式(12),即可求得MVDR波束形成的功率谱
在观测空间内扫描每个角度,根据式(20),计算功率谱值,其中最大值对应的角度值即为信号的方位;
实际情况中估计的协方差矩阵RX会带有一定的误差,采用对角加载的方法对其进行修正,提高后续算法的稳定性;采用的对角加载方法如下:首先依据式(13)估计得到未修正的协方差矩阵记为RX,而后计算该协方差矩阵对角线元素的标准差σ与对角线元素均值μ0,修正系数α为:
α=min<σ,μ0> (21)
最终可得到对角加载后的协方差矩阵为:
其中I为与RX相同维数的单位矩阵;
所述的MVDR波束形成方法进行定位所用的数据时长为0.1s,将前述步骤得到的目标声信号按照0.1s时长进行分组,每组数据分别计算定位结果,通过比对取平均的优化方法得到最终的定位计算结果,提高定位精度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111203321.8A CN114089279A (zh) | 2021-10-15 | 2021-10-15 | 一种基于均匀同心圆麦克风阵列的声目标定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111203321.8A CN114089279A (zh) | 2021-10-15 | 2021-10-15 | 一种基于均匀同心圆麦克风阵列的声目标定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114089279A true CN114089279A (zh) | 2022-02-25 |
Family
ID=80296983
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111203321.8A Pending CN114089279A (zh) | 2021-10-15 | 2021-10-15 | 一种基于均匀同心圆麦克风阵列的声目标定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114089279A (zh) |
Cited By (4)
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 |
CN117289208A (zh) * | 2023-11-24 | 2023-12-26 | 北京瑞森新谱科技股份有限公司 | 一种声源定位方法和装置 |
CN117406173A (zh) * | 2023-12-11 | 2024-01-16 | 湘江实验室 | 一种声源检测用波束形成方法及装置 |
-
2021
- 2021-10-15 CN CN202111203321.8A patent/CN114089279A/zh active Pending
Cited By (6)
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 |
CN117289208A (zh) * | 2023-11-24 | 2023-12-26 | 北京瑞森新谱科技股份有限公司 | 一种声源定位方法和装置 |
CN117289208B (zh) * | 2023-11-24 | 2024-02-20 | 北京瑞森新谱科技股份有限公司 | 一种声源定位方法和装置 |
CN117406173A (zh) * | 2023-12-11 | 2024-01-16 | 湘江实验室 | 一种声源检测用波束形成方法及装置 |
CN117406173B (zh) * | 2023-12-11 | 2024-03-15 | 湘江实验室 | 一种声源检测用波束形成方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114089279A (zh) | 一种基于均匀同心圆麦克风阵列的声目标定位方法 | |
CN104076331B (zh) | 一种七元麦克风阵列的声源定位方法 | |
CN107644650B (zh) | 一种基于渐进串行正交化盲源分离算法的改进声源定位方法及其实现系统 | |
US20020138254A1 (en) | Method and apparatus for processing speech signals | |
WO2006137732A1 (en) | System and method for extracting acoustic signals from signals emitted by a plurality of sources | |
CN107369460B (zh) | 基于声学矢量传感器空间锐化技术的语音增强装置及方法 | |
CN110109058A (zh) | 一种平面阵列反卷积声源识别方法 | |
JP3975153B2 (ja) | ブラインド信号分離方法及び装置、ブラインド信号分離プログラム並びにそのプログラムを記録した記録媒体 | |
CN111273237B (zh) | 基于空域矩阵滤波和干扰对消的强干扰抑制方法 | |
CN109246570B (zh) | 麦克风质检的装置及方法 | |
CN108761394A (zh) | 一种基于时空处理的高分辨低旁瓣去卷积谱估计方法 | |
Hosseini et al. | Time difference of arrival estimation of sound source using cross correlation and modified maximum likelihood weighting function | |
CN114578290A (zh) | 一种基于频率修正的麦克风阵列声源定位方法 | |
EP2429214A2 (en) | Method for acoustic signal tracking | |
CN111175727A (zh) | 一种基于条件波数谱密度的宽带信号方位估计的方法 | |
CN113744752A (zh) | 语音处理方法及装置 | |
JP7254938B2 (ja) | 音響源用の結合音源定位及び分離方法 | |
CN109901114B (zh) | 一种适用于声源定位的时延估计方法 | |
CN109001678A (zh) | 一种基于三维麦克风阵列的雷声检测与定位方法 | |
CN114813129B (zh) | 基于wpe与emd的滚动轴承声信号故障诊断方法 | |
CN116106826A (zh) | 声源定位方法、相关装置和介质 | |
CN112666521B (zh) | 一种基于改进的自适应陷波器的室内声源定位方法 | |
CN112731292B (zh) | 局部imf能量加权的低空飞行目标信号时延估计方法 | |
CN111157949A (zh) | 一种语音识别及声源定位方法 | |
CN110426711B (zh) | 一种基于极性零点检测的时延估计方法及系统 |
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 |