基于分布式麦克风阵列的声源定位方法研究

摘要

声源定位技术是麦克风阵列的重要应用之一，它在视频会议系统、智能交通、安防监控、智能手机去噪、人机交互等方面有广泛应用。近年来，随着网络通信和移动计算的发展，分布式麦克风阵列逐渐发展起来。分布式麦克风阵列既有传感器网络的特点，每个单元又有独立处理语音信号的能力。相对于传统集中式麦克风阵列而言，分布式麦克风有一些优点，其应用范围广泛、灵活性高、容错能力强。
　　目前，分布式麦克风阵列声源定位是语音处理领域的研究热点，已取得一定研究成果。本文研究了分布式麦克风阵列声源定位方法，主要内容如下：
　　(1)本文选择受混响影响较小的麦克风单元参与定位，在获得较高定位精度的同时，可简化定位系统。具体做法是：根据麦克风阵列接收的语音信号，计算每个阵列的混响能量比；然后选择受混响影响较小的麦克风单元参与定位。实验结果表明，混响能量比越大，麦克风接收语音信号受混响的影响越小。
　　(2)给出一种改进的广义互相关时延估计算法。通过在加权函数中引入与信噪比以及混响能量比相关的两个参数，该算法增强了对噪声和混响的鲁棒性。实验结果表明，这种改进的时延估计算法在噪声和混响较严重时，也具有较高的时延估计精度。
　　(3)给出了基于SRP-αβ-v的混合定位算法。SRP-αβ-v是改进的可控响应功率定位算法。混合定位算法首先用几何定位算法估计声源位置的大致范围；然后用SRP-αβ-v定位算法在声源可能空间范围内搜索，确定声源精确位置。实验结果验证了该定位算法的有效性。

目录

声明

1 绪论

1.1 研究背景及意义

1.2 声源定位的研究现状

1.3 论文主要内容及安排

2 声源定位的理论基础及背景知识

2.1 分布式麦克风阵列概述

2.2 室内混响模型

2.3 麦克风接收信号模型

2.4 语音信号预处理

2.5 本章小结

3 分布式麦克风阵列时延估计

3.1 麦克风阵列选择

3.2 传统时延估计算法

3.3 改进的广义互相关时延估计算法

3.4 算法仿真及性能分析

3.5 本章小结

4 声源定位算法

4.1 基于K-means时延差聚类的声源定位算法

4.2 改进的SRP-PHAT声源定位算法

4.3 混合声源定位算法

4.4 数据融合

4.5 算法仿真及性能分析

4.6 本章小结

结论

参考文献

攻读硕士学位期间发表学术论文情况

致谢