基于宽度学习系统的声源区域定位方法

发布时间：2021-03-11 22:34

　　针对传统的声源定位技术在室内环境中定位精度不足和时效性差等问题,提出了一种基于宽度学习系统（Boarding Learning System,BLS）的声源区域定位方法。方法首先将采集到的数据的特征作为网络的特征节点,再将所有映射的特征和随机生成权重增强节点直接连接到输出端,对应的输出系数通过伪逆求得。最后利用训练好的宽度学习系统网络模型对测试点进行预测,判断测试点所属区域。实验结果表明,基于宽度学习系统的声源区域定位方法在室内环境中的定位精度和实时性方面都取得了良好的效果。 

【文章来源】：计算机仿真. 2020,37(08)北大核心

【文章页数】：5 页

【部分图文】：

宽度学习系统结构图

宽度学习系统的增量网络结构

系统模型

【参考文献】：
期刊论文
[1]基于改进支持向量回归的室内定位算法[J]. 姚英彪,毛伟勇,姚瑞丽,严军荣,冯维.  仪器仪表学报. 2017(09)
[2]深度学习在控制领域的研究现状与展望[J]. 段艳杰,吕宜生,张杰,赵学亮,王飞跃.  自动化学报. 2016(05)
[3]基于区域划分的声定位算法及精度分析[J]. 崔林林,宋萍,石庚辰.  吉林大学学报(工学版). 2017(01)
[4]正四面体麦克风阵列声源定位模型研究[J]. 孙昊,仲维灿,刘贺洋.  计算机仿真. 2015(02)
[5]基于小型麦克风阵列的声源定位技术[J]. 赵圣,崔牧凡,尤磊,王鸿鹏.  华中科技大学学报(自然科学版). 2013(S1)
[6]基于听觉感知特性的信号子空间麦克风阵列语音增强算法[J]. 程宁,刘文举.  自动化学报. 2009(12)



本文编号：3077211