基于球谐域稀疏贝叶斯学习的室内多声源定位方法研究

发布时间：2020-10-20 05:03

　　 球麦克风阵列能有效处理三维声场信息,因此近些年来受到了广泛的关注。使用球麦克风阵列进行声源定位,分为阵元域和球谐域两种处理方法。相比阵元域方法,球谐域方法可以有效地将频率与角度信息解耦,且与阵元位置无关,易于实现三维空间的声源定位。因此现有的球麦克风阵列声源定位方法大多在球谐域中处理。相较于传统的声源定位方法,运用压缩感知理论的稀疏贝叶斯学习方法的定位精度更高。因此,本文主要基于球谐域稀疏贝叶斯学习进行研究。相对于单声源,多声源定位更具挑战性。目前已有的球谐域声源定位方法在室内混响噪声环境下无法达到精度要求。基于此,本文对基于球谐域稀疏贝叶斯学习的室内多声源定位方法进行了研究。本文的主要工作和贡献如下:1、分析了现有的球谐域多声源定位方法性能,包括球谐域多信号分类方法和球谐域稀疏重构方法。通过仿真实验揭示了这两种方法存在的问题:球谐域多信号分类方法的分辨率不高,而球谐域稀疏重构方法对混响的鲁棒性较差。2、提出了球谐域稀疏贝叶斯学习多声源定位方法。该方法首先通过频率平滑将语音宽带信号聚焦为窄带信号以提高算法的运行速度,降低了信号对混响噪声的敏感性,然后利用球谐域时序多快拍稀疏贝叶斯学习方法得到声源的初始位置信息,最后在声源位置附近细划分网格估计出最终的声源位置,以提高算法的定位精度。仿真和实测实验结果均表明,相较于现有的球谐域多声源定位方法,所提方法在混响噪声环境下具有更高的定位精度。3、针对现有稀疏字典对高混响噪声敏感的问题,提出了一种球谐域稀疏贝叶斯学习定位中的字典设计方法。该方法利用压缩感知波束形成的思想对原有稀疏字典进行加权,基于此字典,通过球谐域时序多快拍稀疏贝叶斯学习方法进行定位得到初步的声源位置,最后利用直方图平滑和网格细化进行二次优化得到各声源的定位结果。仿真和实测实验结果验证了运用所提字典的球谐域稀疏贝叶斯学习多声源定位方法在混响噪声环境下具有更强的鲁棒性。
【学位单位】：南京航空航天大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP181;TN912.3
【部分图文】：

图 2. 4 压缩感知数学模型问题中，能否精确重构的可能性是由 spark( A )决定的，spark(关的最小列数。当且仅当 spark( ) 2k时，严格稀疏信号在无。然而在实际应用中，噪声总是存在的。因此式(2.21)的模型变 y A s n 噪声的总和。除了 spark 条件外，还有给出了可压缩信号精确重(Null Space Property, NSP)。针对有噪情况下，Candès 等人提出 Isometry Property, RIP)准则：若存在常数 0,1 k ，对于任意的压量s ，压缩感知矩阵 都满足 2 22 21 1k k s A s s 阵 满足 阶限制等容条件。当存在噪声时，RIP 性质比 NSP严格。法之所以能够应用于多声源定位中，是因为信号的空域稀疏性声源时，在其他方向上都没有信号，那么就称信号在空域上是

20 30 40 50 60 70100帧数20 30 40 50 60 70100帧数(a) 两声源情况 (b) 三声源情况图 3. 8 信噪比为 5dB，混响时间为 0.2s 时，各多声源定位方法随帧数变化的均方根误差 实测实验本节通过在实际房间中采集语音信号对本文所提的 FS-TMSBL 方法进行实验验证，对括 SH-MUSIC，SH-SR 和 SH-VSBL 方法。.1 实测条件实验采用半径为 0.042m，32 阵元均匀分布的 Eigenmike○R 刚性球麦克风阵列，实验现球麦克风阵列如图 3.9 所示。房间尺寸为9.6 m 7 m 3 m，阵列中心选取为房间中心位 m 3.5 m 1 .5 m，混响时间约为 350ms，各声源到阵列中心的距离均为 1.5m，房间模.5 所示。
【相似文献】

相关期刊论文 前10条

1 李如玮;李涛;孙晓月;杨登才;王琪;;基于时频单元选择的双耳目标声源定位[J];电子与信息学报;2019年12期

2 郭业才;马伟伟;朱赛男;;基于混沌人工蜂群优化的声源定位算法[J];系统仿真学报;2017年06期

3 刘一鼎;;关于声源定位及运动状态测定的研究[J];中学生数理化(学习研究);2017年12期

4 李嘉;张国庆;段生许;黄海莲;;基于传声器阵列的声源定位技术的应用[J];环境工程;2012年S1期

5 蒋婷;刘建平;;基于麦克风阵列声源定位的发展历程及关键技术[J];科技资讯;2011年35期

6 林运;杨卫东;朱晓天;;声源定位法在柴油机噪声控制中的应用[J];柴油机设计与制造;2007年01期

7 董洪光;李新光;;二维声源定位算法仿真[J];电子测量技术;2004年02期

8 徐彦廷,李伟,戴光,孙茂成,于江林;声源定位问题研究及误差分析[J];无损检测;1999年05期

9 向兵;刘敬彬;;基于单片机的声源定位设计[J];科学技术创新;2018年31期

10 周利;刘庆华;;一种基于区域收缩的分布式声源定位方法[J];桂林电子科技大学学报;2016年01期

相关博士学位论文 前10条

1 刘袁;基于稀疏采样的任意外形声源辐射声场重建与分离方法研究[D];合肥工业大学;2019年

2 阚阅;基于多基阵传声器阵列的被动式声源定位研究[D];哈尔滨工业大学;2018年

3 秦艳华;基于麦克风阵列的声源定位技术研究[D];北京邮电大学;2019年

4 向上;非自由声场中声源振速重建的近场声全息理论与方法研究[D];上海交通大学;2017年

5 王秀文;单侧传导性听力损伤对大鼠声源定位和听皮层神经元对声源水平方位调谐的影响[D];华东师范大学;2019年

6 钟迪;管道内热声源定位的理论与实验研究[D];清华大学;2016年

7 黄益旺;浅海远距离匹配场声源定位研究[D];哈尔滨工程大学;2005年

8 陈韶华;海洋声源信息获取与传输技术研究[D];西北工业大学;2006年

9 周悦;信息理论准则下的匹配场声源定位[D];浙江大学;2015年

10 杨志国;马尔可夫状态—空间模型下的声源定位与跟踪[D];浙江大学;2013年

相关硕士学位论文 前10条

1 张焕强;基于机器视觉的声源成像方法研究[D];上海交通大学;2018年

2 黄镒东;基于稀疏约束的声源分离与定位的联合处理算法研究[D];上海交通大学;2016年

3 潘行健;多极子波束形成理论与方法研究[D];上海交通大学;2018年

4 付善银;分布式拾音器阵列远场声源定位与识别技术研究[D];哈尔滨工业大学;2019年

5 仝卜匀;基于时延估计技术的声源定位方法研究[D];华北电力大学;2019年

6 杜竞宁;海底衰减对浅海高频声源定位的影响[D];浙江大学;2019年

7 尚俊超;基于压缩感知的噪声源识别方法研究[D];合肥工业大学;2019年

8 乐聪聪;基于双耳听觉时延估计的声源定位研究[D];重庆邮电大学;2018年

9 延明珠;复杂环境下基于语音增强的声源定位技术研究[D];重庆邮电大学;2018年

10 王萧博;基于多元平面阵的声源检测系统的研制[D];中国计量大学;2018年

本文编号：2848251