球麥克風陣列能有效處理三維聲場信息,因此近些年來受到了廣泛的關注。使用球麥克風陣列進行聲源定位,分為陣元域和球諧域兩種處理方法。相比陣元域方法,球諧域方法可以有效地將頻率與角度信息解耦,且與陣元位置無關,易于實現(xiàn)三維空間的聲源定位。因此現(xiàn)有的球麥克風陣列聲源定位方法大多在球諧域中處理。相較于傳統(tǒng)的聲源定位方法,運用壓縮感知理論的稀疏貝葉斯學習方法的定位精度更高。因此,本文主要基于球諧域稀疏貝葉斯學習進行研究。相對于單聲源,多聲源定位更具挑戰(zhàn)性。目前已有的球諧域聲源定位方法在室內(nèi)混響噪聲環(huán)境下無法達到精度要求。基于此,本文對基于球諧域稀疏貝葉斯學習的室內(nèi)多聲源定位方法進行了研究。本文的主要工作和貢獻如下:1、分析了現(xiàn)有的球諧域多聲源定位方法性能,包括球諧域多信號分類方法和球諧域稀疏重構方法。通過仿真實驗揭示了這兩種方法存在的問題:球諧域多信號分類方法的分辨率不高,而球諧域稀疏重構方法對混響的魯棒性較差。2、提出了球諧域稀疏貝葉斯學習多聲源定位方法。該方法首先通過頻率平滑將語音寬帶信號聚焦為窄帶信號以提高算法的運行速度,降低了信號對混響噪聲的敏感性,然后利用球諧域時序多快拍稀疏貝葉斯學習方法得到聲源的初始位置信息,最后在聲源位置附近細劃分網(wǎng)格估計出最終的聲源位置,以提高算法的定位精度。仿真和實測實驗結果均表明,相較于現(xiàn)有的球諧域多聲源定位方法,所提方法在混響噪聲環(huán)境下具有更高的定位精度。3、針對現(xiàn)有稀疏字典對高混響噪聲敏感的問題,提出了一種球諧域稀疏貝葉斯學習定位中的字典設計方法。該方法利用壓縮感知波束形成的思想對原有稀疏字典進行加權,基于此字典,通過球諧域時序多快拍稀疏貝葉斯學習方法進行定位得到初步的聲源位置,最后利用直方圖平滑和網(wǎng)格細化進行二次優(yōu)化得到各聲源的定位結果。仿真和實測實驗結果驗證了運用所提字典的球諧域稀疏貝葉斯學習多聲源定位方法在混響噪聲環(huán)境下具有更強的魯棒性。
【學位單位】：南京航空航天大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TP181;TN912.3
【部分圖文】：

圖 2. 4 壓縮感知數(shù)學模型問題中，能否精確重構的可能性是由 spark( A )決定的，spark(關的最小列數(shù)。當且僅當 spark( ) 2k時，嚴格稀疏信號在無。然而在實際應用中，噪聲總是存在的。因此式(2.21)的模型變 y A s n 噪聲的總和。除了 spark 條件外，還有給出了可壓縮信號精確重(Null Space Property, NSP)。針對有噪情況下，Candès 等人提出 Isometry Property, RIP)準則：若存在常數(shù) 0,1 k ，對于任意的壓量s ，壓縮感知矩陣 都滿足 2 22 21 1k k s A s s 陣 滿足 階限制等容條件。當存在噪聲時，RIP 性質(zhì)比 NSP嚴格。法之所以能夠應用于多聲源定位中，是因為信號的空域稀疏性聲源時，在其他方向上都沒有信號，那么就稱信號在空域上是

20 30 40 50 60 70100幀數(shù)20 30 40 50 60 70100幀數(shù)(a) 兩聲源情況 (b) 三聲源情況圖 3. 8 信噪比為 5dB，混響時間為 0.2s 時，各多聲源定位方法隨幀數(shù)變化的均方根誤差 實測實驗本節(jié)通過在實際房間中采集語音信號對本文所提的 FS-TMSBL 方法進行實驗驗證，對括 SH-MUSIC，SH-SR 和 SH-VSBL 方法。.1 實測條件實驗采用半徑為 0.042m，32 陣元均勻分布的 Eigenmike○R 剛性球麥克風陣列，實驗現(xiàn)球麥克風陣列如圖 3.9 所示。房間尺寸為9.6 m 7 m 3 m，陣列中心選取為房間中心位 m 3.5 m 1 .5 m，混響時間約為 350ms，各聲源到陣列中心的距離均為 1.5m，房間模.5 所示。
【相似文獻】

相關期刊論文 前10條

1 李如瑋;李濤;孫曉月;楊登才;王琪;;基于時頻單元選擇的雙耳目標聲源定位[J];電子與信息學報;2019年12期

2 郭業(yè)才;馬偉偉;朱賽男;;基于混沌人工蜂群優(yōu)化的聲源定位算法[J];系統(tǒng)仿真學報;2017年06期

3 劉一鼎;;關于聲源定位及運動狀態(tài)測定的研究[J];中學生數(shù)理化(學習研究);2017年12期

4 李嘉;張國慶;段生許;黃海蓮;;基于傳聲器陣列的聲源定位技術的應用[J];環(huán)境工程;2012年S1期

5 蔣婷;劉建平;;基于麥克風陣列聲源定位的發(fā)展歷程及關鍵技術[J];科技資訊;2011年35期

6 林運;楊衛(wèi)東;朱曉天;;聲源定位法在柴油機噪聲控制中的應用[J];柴油機設計與制造;2007年01期

7 董洪光;李新光;;二維聲源定位算法仿真[J];電子測量技術;2004年02期

8 徐彥廷,李偉,戴光,孫茂成,于江林;聲源定位問題研究及誤差分析[J];無損檢測;1999年05期

9 向兵;劉敬彬;;基于單片機的聲源定位設計[J];科學技術創(chuàng)新;2018年31期

10 周利;劉慶華;;一種基于區(qū)域收縮的分布式聲源定位方法[J];桂林電子科技大學學報;2016年01期

相關博士學位論文 前10條

1 劉袁;基于稀疏采樣的任意外形聲源輻射聲場重建與分離方法研究[D];合肥工業(yè)大學;2019年

2 闞閱;基于多基陣傳聲器陣列的被動式聲源定位研究[D];哈爾濱工業(yè)大學;2018年

3 秦艷華;基于麥克風陣列的聲源定位技術研究[D];北京郵電大學;2019年

4 向上;非自由聲場中聲源振速重建的近場聲全息理論與方法研究[D];上海交通大學;2017年

5 王秀文;單側傳導性聽力損傷對大鼠聲源定位和聽皮層神經(jīng)元對聲源水平方位調(diào)諧的影響[D];華東師范大學;2019年

6 鐘迪;管道內(nèi)熱聲源定位的理論與實驗研究[D];清華大學;2016年

7 黃益旺;淺海遠距離匹配場聲源定位研究[D];哈爾濱工程大學;2005年

8 陳韶華;海洋聲源信息獲取與傳輸技術研究[D];西北工業(yè)大學;2006年

9 周悅;信息理論準則下的匹配場聲源定位[D];浙江大學;2015年

10 楊志國;馬爾可夫狀態(tài)—空間模型下的聲源定位與跟蹤[D];浙江大學;2013年

相關碩士學位論文 前10條

1 張煥強;基于機器視覺的聲源成像方法研究[D];上海交通大學;2018年

2 黃鎰東;基于稀疏約束的聲源分離與定位的聯(lián)合處理算法研究[D];上海交通大學;2016年

3 潘行健;多極子波束形成理論與方法研究[D];上海交通大學;2018年

4 付善銀;分布式拾音器陣列遠場聲源定位與識別技術研究[D];哈爾濱工業(yè)大學;2019年

5 仝卜勻;基于時延估計技術的聲源定位方法研究[D];華北電力大學;2019年

6 杜競寧;海底衰減對淺海高頻聲源定位的影響[D];浙江大學;2019年

7 尚俊超;基于壓縮感知的噪聲源識別方法研究[D];合肥工業(yè)大學;2019年

8 樂聰聰;基于雙耳聽覺時延估計的聲源定位研究[D];重慶郵電大學;2018年

9 延明珠;復雜環(huán)境下基于語音增強的聲源定位技術研究[D];重慶郵電大學;2018年

10 王蕭博;基于多元平面陣的聲源檢測系統(tǒng)的研制[D];中國計量大學;2018年

本文編號：2848251