基于相位差的声源定位算法研究及实现

基于MATLAB的声源定位系统

基于MATLAB的声源定位系统摘要 确定一个声源在空间中的位置是一项有广阔应用前景的有趣研究，将来可以广泛的应用于社会生产、生活的各个方面。 声源定位是通过测量物体发出的声音对物体定位，与使用声纳、雷达、无线通讯的定位方法不同，前者信源是普通的声音，是宽带信号，而后者信源是窄带信号。根据声音信号特点，人们提出了不同的声源定位算法，但由于信号质量、噪声和混响的存在，使得现有声源定位算法的定位精度较低。此外，已有的声源定位方法的运算量较大，难以实时处理。 关键词：传声器阵列；声源定位；Matlab

目录 第一章绪论 (1) 第二章声源定位系统的结构 (2) 第三章基于到达时间差的声源定位原理 (3) 第四章串口通信 (5) 第五章实验电路图设计 (8)

第六章总结 (16) 第七章参考文献 (17) 第一章绪论 1.1基于传声器阵列的定位方法简述 在无噪声、无混响的情况下，距离声源很近的高性能、高方向性的单传声器可以获得高质量的声源信号。但是，这要求声源和传声器之间的位置相对固定，如果声源位置改变，就必须人为地移动传声器。若声源在传声器的选择方向之外，则会引入大量的噪声，导致拾取信号的质量下降。而且，当传声器距离声源很远，或者存在一定程度的混响及干扰的情况下，也会使拾取信号的质量严重下降。为了解决单传声器系统的这些局限性，人们提出了用传声器阵列进行声音处理的方法。

传声器阵列是指由一定的几何结构排列而成的若干个传声器组成的阵列。相对于单个传声器而言具有更多优势，它能以电子瞄准的方式从所需要的声源方向提供高质量的声音信号，同时抑制其他的声音和环境噪声，具有很强的空间选择性，无须移动传声器就可对声源信号自动监测、定位和跟踪，如果算法设计精简得当，则系统可实现高速的实时跟踪定位。 传声器阵列的声音信号处理与传统的阵列信号处理主要有以下几种不同： （1）传统的阵列信号处理技术处理的信号一般为平稳或准平稳信号，相关函数可以通过时间相关来准确获得，而传声器阵列要处理的信号通常为短时平稳的声音信号，用时间平均来求得准确的相关函数比较困难。 （2）传统的阵列信号处理一般采用远场模型，而传声器阵列信号处理要根据不同的情况选择远场模型还是使用近场模型。近场模型和远场模型最主要的区别在于是否考虑传声器阵列各阵元因接收信号幅度衰减的不同所带来的影响，对于远场模型，信源到各阵元的距离差与整个传播距离相比非常小，可忽略不计，对于近场模型，信源到各阵元的距离差与整个传播距离相比较大，必须考虑各阵元接收信号的幅度差。 （3）在传统的阵列信号处理中，噪声一般为高斯噪声(包括白、色噪声)，与信源无关，在传声器阵列信号处理中噪声既有高斯噪声，也有非高斯噪声，这些噪声可能和信源无关，也可能相关。 由于上述阵列信号处理间的区别，给传声器阵列信号处理带来了极大的挑战。声波在传播过程中要发生幅度衰减，其幅度衰减因子与传播距离成正比，信源到传声器阵列各阵元的距离是不同的，因此声波波前到达各阵元时，幅度也是不同的。 另外，当声音信号在传播时，由于反射、衍射等原因，使到达传声器的声音信号的路径除了直达路径外还存在着多条其它路径，从而产生接收信号的幅度衰减、音质变差等不

近场声源定位算法研究

Word文档可进行编辑 近场声源定位算法研究 近场声源定位算法研究 引言 近年来,基于麦论文联盟克风阵列得声源定位技术快速进展,同时在多媒体系统,移动机器人,视频会议系统等方面有广泛得应用.例如,在军事方面,声源定位技术能够为雷达提供一个非常好得补充,不需要发射信号,仅靠接收信号就能够推断目标得位置,因此,在定位得过程中就可不能受到干扰和攻击.在视频会议中,讲话人跟踪可为主意拾取和摄像机转向操纵提供位置信息,使传播得图像和声音更清楚.声源定位技术因为其诸多优点以及在应用上得广泛前景成为了一个研究热点.

现有得声源定位方法要紧分为三类：基于时延可能得定位方法、基于波束形成得定位方法和基于高分辨率空间谱可能得定位方法.基于时延可能得定位方法[１]要紧步骤是先进行时刻差可能,也确实是先计算声源分不到达两个麦克风得时刻差,然后依照那个时刻差和麦克风阵列得几何结构可能出声源得位置.该类方法得优点是计算量较小,容易实时实现,在单声源定位系统中差不多得到广泛应用.基于波束形成得定位方法[２]不需要直截了当计算时刻差,而是通过对目标函数得优化直截了当实现声源定位.但由于实际得应用环境中,目标函数往往存在多个极值点,因此如何优化复杂峰值得搜索过程就成为了一个重点.基于高分辨率得空间谱可能得声源定位算法,例如宽带得ｍｕｓｉｃ（ｍｕｌｔｉｐｌｅｓｉｇｎａｌｃｌａｓｓｉｆｉｃａｔｉｏｎ）方法[３]和最大似然方法[４],因其能够同时定位多个声源同时具有比较高得空间分辨率,受到了广泛得关注.

空间谱可能得方法源于阵列信号处理,其中得多重信号分类（ｍｕｓｉｃ）算法在特定条件下具有非常高得可能精度和分辨力,从而吸引了大量得学者对其进行深入得分析与研究.WwwcOm但与阵列信号处理不同得是,在声源定位中,声源在大多数情况下是位于声源近场得.为了解决这一近场咨询题,许多学者针对传统得信号模型提出了改进算法,ａｓａｎｏ等人将传统时域得ｍｕｓｉｃ[５,６]算法应用在频域中,提出了一种基于子空间得近场声源算法[７].下面来看一下近场得声源信号模型. １近场声源信号模型 传统得阵列信号处理大多是基于远场模型得平面波信号得假设,然而在声源定位得实际应用中,有非常多情况是处于声源近场得[８],例如视频会议,机器人仿真等.同时又由于麦克风阵列阵元拾音范围有限,更多得情况下定位也处于近场范围内,如今信源到达各麦克风阵元得信

无源定位技艺的发展应用

无源定位技艺的发展应用 【摘要】无源定位是现代的重要搜索技术只需要单纯地接收电磁波信号，并根据实际情况进行分析即可，作用距离远、具有隐蔽性好。目前无源定位技术中有很多的方法，如频率定位（FM）、到达时间（TOA）定位、测向（DOA）定位、方位-到达时间（DOA-TOA）联合定位、测相位差变化率和测多普勒频移变化率定位等。 【关键词】无源定位发展运用 无源定位是相对于有源定位而言的，是指发射电磁波进行主动的搜索，这也是传统雷达工作的主要原理。而到了无源定位之后探测定位系统已经不需要再发射电磁波了只需要单纯地接收电磁波信号，并根据实际情况进行分析即可，作用距离远、具有隐蔽性好，就可以获得目标的位置和运动状态等信息。无源探测定位系统完全是处于被动的工作方式，无源定位系统中按照系统所接收电磁波的辐射源不同可以分为两类，一类是导航中常用的识别、探测、定位和跟踪运动目标，另一类中通过接收被探测目标辐射源的电磁信号对其定位和跟踪，其广泛运用在如测控、航天、航空、航海等各个领域，并发挥着突出的作用。 无源定位系统可以分为两类，单站无源定位和多站无源定位。多站无源定位顾名思义要比单站无源定位存在着很

多的观测平台，以双站、三站和四站为多，而且这些单位之间都是存在着联系的，一般会采用时差定位、方位信息关联等技术。单站无源定位即只利用单个观测平台对目标进行无源定位。从原理上看，单站采用的是几何学原理定位和运动学原理测距，能够在非线性滤波技术的辅助下对目标进行精度定位跟踪。多站无源定位往往是通过多个观测平台同步观测，从几何学的角度进行分析就是利用多条定位曲（直）线的汇聚来实现目标定位，首先需要将所有的信息集合起来，在进行分析。单站无源定位相对于多站而言，隐蔽性强、资源少具有机动性，但是获取的信息量相对较少。 目前无源定位技术中有很多的方法，如到达时间（TOA）定位、测向（DOA）定位、方位-到达时间（DOA-TOA）联合定位、测多普勒频移变化率定位等。 测向定位技术是无源定位系统中较为成熟的和使用得较多的方法，这种技术工作的基本原理是三角测量法，仅利用方向测量信息来确定未知目标的位置。不同位置的观测平台，对固定目标定位时运用交叉定位，但是并不能适用于所有的情况，在很多时候，“交叉”无法实现，因为目标也是在运动，这个时候就需要利用已知位置的地面辐射源，或对陆地或海面航行载体进行导航定位，这种技术数据量小，只需要测向和观测平台自身位置数据，但是实际应用中容易出现陷入局部极小点的情形，但是其实用性也是经过了检验

一种改进的AEDA声源定位及跟踪算法

北京大学学报(自然科学版),第41卷,第5期,2005年9月 Acta Scientiarum Naturalium Universitatis Pekinensis,V ol.41,N o.5(Sept.2005) 一种改进的AEDA声源定位及跟踪算法1) 李承智　曲天书2)　吴玺宏 (北京大学视觉与听觉信息处理国家重点实验室,北京,100871;2)E2mail:qutianshu@https://www.wendangku.net/doc/ea16464546.html,) 摘　要　开展了基于麦克风阵列的真实声场环境声源定位的工作。针对传统的自适应特征值分 解时延估计算法收敛时间慢、对初值敏感以及不能有效跟踪时延变化等问题,提出了一种改进的 自适应特征值分解时延估计算法,该方法通过改进初值设定方法,有效改善了对时延变化的估计。 另外,通过引入一个基于相关运算的语音检测算法,提高了定位系统的抗噪声能力。实验表明在 真实的声场环境下该算法能够对单个声源的三维空间位置进行实时的定位和跟踪,系统在115m 范围内对声源的定位误差小于8cm,声源位置变化时,系统也能准确跟踪声源的位置。 关键词　麦克风阵列;声源定位;声源跟踪;AE DA算法;LMS算法 中图分类号　TP391 0　引　言 基于麦克风阵列的声源定位是声学信号处理领域中的一个重要问题,在视频会议、智能机器人、鲁棒语音识别等领域有着广泛的应用。近年来,在真实声场环境下抗混响的声源定位算法研究成为研究热点。 声源定位大致分为3类方法。第1类是基于波束成型的方法,该方法可以对单声源进行定位[1,2],也可以对多声源进行定位[3],但存在对初值敏感的问题。另外还需要知道声源和噪声的先验知识,该方法存在计算量大,不利于实时处理等缺点。第2类是基于高分辨率谱估计的方法。该方法在理论上可以对声源的方向进行有效的估计,并且适用于多个声源的情况[4]。但由于该算法是针对窄带信号,因此如要获得较理想的精度就要付出很大的计算量代价。另外这些算法无法处理高度相关的信号,因此混响会给算法的定位精度带来较大影响。第3类方法是基于时延估计的方法。该类算法计算量小,易于实时实现,近年来得到了高度重视。 基于时延估计的算法分为2个部分。第1部分为时延估计,即计算声源到两两麦克风之间的时间差;第2部分为方位估计,即根据时延和麦克风阵列的几何位置估计出声源的位置,其中时延估计最为关键。互相关法是最常用的一种时延估计算法,但是它在混响较大的情况下性能下降很多。1982年,D1H.Y oun等[5]提出了最小均方(LMS,Least Mean Square)时延估计算法,其性能和互相关法基本相当。布朗大学于1995年实现了一个实时声源定位系统[6],该系统采用相位变换的时延估计算法和线性插值方位估计算法,在混响较小的情况下能够准确的估计时延但在混响较大情况下误差较大。1997年新泽西州立大学采用相位变换法作为时 　1)国家自然科学基金(60305004)中国博士后科学基金(2003033081)资助项目 收稿日期:2004208223;修回日期:2004211211 908

基于CSI相位差值矫正的室内定位算法

第45卷第2期Vol.45 N o.2计算机工程 Computer Engineering 2019年2月 February 2019 ?物联网专题? 文章编号：1000#428(2019)02-0018-08 文献标志码：A 中图分类号：TP393 基于C SI相位差值矫正的室内定位算法 党小超1!2 !任家驹1!郝占军1!2 (1.西北师范大学计算机科学与工程学院，兰州730070; 2.甘肃省物联网工程研究中心，兰州730070) 摘要：针对现有基于信道状态信息的室内无源指纹定位方法在复杂场景中多数存在相位误差偏移、指纹噪声大、 样本分类精度低的问题，提出一种基于相位差值矫正的室内指纹定位算法。在离线阶段通过计算相位差值矫正通 信链路中的相位误差和偏移，建立鲁棒的指纹数据库，使用B P神经网络对指纹特征数据进行训练，得到指纹特征 信息与物理位置的映射关系模型。在线阶段相位采样值经过差值矫正后作为模型的输人，计算得到最终的精确定 位结果。实验结果表明，与现有基于指纹的定位方法相比，该方法具有去噪效果显著、定位精度高的优点。 关键词：信道状态信息；室内定位;相位差值;指纹数据库；6J神经网络 中文引用格式：党小超，任家驹，郝占军.基于&SI相位差值矫正的室内定位算法[J].计算机工程，2019,45(2):18-25. 英文引用格式：〇八％0 XiaocGao，MEN J ia T，>A E algoritGm h a s e:&S I(Gas+ correction [ J ]. Computer Engineering % 2019 % 45 (2 ):18 -25. Indoor Location Algorithm Based on CSI Phase Difference Correction D A N G Xiaochao12，R E N Jiaju1，H A O Hhanjun12 (1. College of Computer Science an: Engineering，Northwest Normal University，LanzGou 730070,China; 2. Gansu Province Internet of Things Engineering Research Center，Lanzhou 730070，China) [A b stra c t] Aiming at the problems o f phase error offset，high fingerprint noise and low accuracy in most of the existing indoor passive fingerprint location methods based on Channel State Information! CSI) in complex scenes，an indoor fingerprint location algorithm base: on Phase Difference ( PD) value correction is proposed. In the offline period，the phase error and offset in the communication link are corrected by calculating t a robust fingerprint database is established. The BP neural network is used to train the fingerprin mapping relationship between fingerprint feature information and physical location. Online phase，this algorithm sets the phase difference filtering o f CSI real time sampling value as the model，carries out positioning computing and finally gets the accurate location result. Experimental results show that compared with the existing fingerprint-based location method， this method has the advantages of significant denoising effect and high positioning accuracy. [Key w o rd s] Channel State Information ( CSI) ；indoor location；Phase Difference ( PD) ；fingerprint database；BP neural network D O I:10. 19678/j. issn. 1000-3428.0050455 〇概述 近些年来，基于位置的服务（Location Base: Service，L B S)为人们的生活和工作提供着极大的便 利。传统射频信号的定位精度取决于接收端信号的 质量。信号在建筑物外传输时，视距传输（Line of Sight Transmission，L O S)条件要远优于信号在建筑 物内传输的情况。因此，全球定位系统（Global Positioning System，G P S)在室外环境中得到了广泛 应用，但在室内环境中因受多径效应影响无法取得良好的定位效果[17]。根据研究报告，人们一生的生 活和工作会有80!的时间在室内环境中进行[3]。室 内W i F i的广泛部署使得基于信号接收强度指示(Received Signal Strength Indicatio^RSSI)的室内定 位方法取得了较快的发展[4]，但因为信号接收强度 测量值是通过m a c层估算得到，存在信号不稳定、误差大等缺陷，从而无法有效降低定位误差。相比 于 R S S I，信道状态信息（Channel State Information，C S I)同样也可以从普通商用W i F i设备中获取，并且 C S I信号具有更细粒度的感知程度，能更好地进行 基金项目：国家自然科学基金（61762079,61662070);甘肃省科技重点研发项目（1604FKCA097，17YF1GA015);甘肃省科技创新项目 (17CX2JA037，17CX2JA039)。 作者简介：党小超（1963—），男，教授，主研方向为物联网、无线传感器网络；任家驹，硕士研究生；郝占军（通信作者），副教授、硕士。 收稿日期：2018-02-08 修回日期：2018-03-30 E-mail：dangxc@ nwnu. edu. cn

在声源定位地算法中,系统提供了四种算法,它们是：

在声源定位的算法中，系统提供了四种算法，它们是： 1.归一（化）正方形（阵）[1]， 2.平面正方形[1]， 3.任意三角形[1]， 4.修正三角形算法[2]。 【1】归一正方形算法 如图，传感器阵列采用正方形，传感器的位置坐标为（L，L），（-L，L），（-L，-L），（L，-L）。则声源位置（x，y）可由下式算出（式中2L为正方阵的边长，Δt1，Δt2，Δt3分别为传感器2，3，4相对于1的时差，c是传播速度）：

【2】平面正方形算法 如图，正方形排列由x和y轴的传感器对组成，位置坐标为S0=(0，L), S1= (-L，0), S2= (0，-L), S3= (L，0);2L是传感器对的距离。这时声源位置（x，y）可由下式算出（C是传播速度）：

【3】任意平面三角形算法如图，设传感器阵列的坐标分别为S0=（X0，Y0）=（0，0），S1=（X1，Y1），S2=（X2，Y2）。接收到的时差分别是0，Δt1，Δt2。声源位于（X，Y）或（r，θ），分别是直角或极坐标表示。声波的传播速度是C。 令Δ1=CΔt1，Δ2=CΔt2， A=X2(X12+Y12-Δ12)-X1(X22+Y22-Δ22)， B=Y2(X12+Y12-Δ12)-Y1(X22+Y22-Δ22)， D=Δ1(X22+Y22-Δ22)-Δ2(X12+Y12-Δ12)， Φ=tg-1B/A， 这时声源位置可由极坐标（r，θ）的形式给出：

【4】修正三角形算法 以任意三角形算法为基础，增加一个传感器S3=（X3，Y3），并设测得的时差为Δt3。在【3】中传播速度C是给定的。现给C一个变化范围（C-ΔC，C+ΔC），且给定速度步长δ。这样，每种速度C+nδ（n=±1，±2，…），均可由三角形算法得到一个声源位置（xn，yn），在这些侯选位置中，真实声源应当满足： 由此，不仅可以确定最佳的声源位置，而且可以获得信号的传播速度解。

机器人的声源定位——基于NAO机器人

Abstract One of the main purposes of having a humanoid robot is to have it interact with people. This is undoubtedly a tough task that implies a fair amount of features. Being able to understand what is being said and to answer accordingly is certainly critical but in many situations, these tasks will require that the robot is first in the appropriate position to make the most out of its sensors and to let the considered person know that the robot is actually listening/talking to him by orienting the head in the relevant direction. The “Sound Localization” feature addresses this issue by identifying the direction of any “loud enough” sound heard by NAO.Related work Sound source localization has long been investigated and a large number of approaches have been proposed. These methods are based on the same basic principles but perform differently and require varying CPU loads. To produce robust and useful outputs while meeting the CPU and memory requirements of our robot, the NAO’s sound source localization feature is based on an approach known as “Time Difference of Arrival”. Principles The sound wave emitted by a source close to NAO is received at slightly different times on each of its four microphones. For example, if someone talks to the robot on his left side, the corresponding signal will first hit the left microphones, few milli-seconds later the front and the rear ones and finally the signal will be sensed on the right microphone (FIGURE 1). These differences, known as ITD standing for “interaural time differences”, can then be mathematically related to the current location of the emitting source. By solving this equation every time a noise is heard the robot is eventually able to retrieve the direction of the emitting source (azimutal and elevation angles) from ITDs measured on the 4 microphones. FIGURE 1Schematic view of the dependency between the position of the sound source (a human in this example) and the different distances that the sound wave need to travel to reach the four NAO’s micro-phones. These different distances induce times differences of arrival that are measured and used to compute the current position of the source. KEY FEATURE SOUND SOURCE LOCALIZATION

声源定位系统毕业设计(论文)

0 前言 声音是我们所获取的外界信息中非常重要的一种。不同物体往往发出自己特有的声音，而根据物体发出的声音，人们可以判断出物体相对于自己的方位。有些应用场合，人们需要用机器来完成声音定位这个功能，并且往往要求定位精度比较高。2003年的美伊战争期间，人民网、CCTV网站的军事频道、国防在线等网站均报道了装配于美军的狙击手探测技术，这项技术其中一部分就包含了声源定位技术。 声源定位作为一种传统的侦察手段，近年来通过采用新技术，提高了性能，满足了现代化的需要，其主要特点是： 1）不受通视条件限制。可见光、激光和无线电侦察器材需要通视目标，在侦察器材和目标之间不能有遮蔽物，而声测系统可以侦察遮蔽物（如山，树林等）后面的声源。 2）隐蔽性强。声测系统不受电磁波干扰也不会被无线电侧向及定位，工作隐蔽性较强。 3）不受能见度限制。其他侦察器材受环境气候影响较大，在恶劣气候条件下工作时性能下降，甚至无法工作。声测系统可以在夜间、阴天、雾天、和下雪天工作，具有全天候工作的特点。 以下对美军装备的报道来自于《“巴格达之战”考验英军巷战武器装备》一文，该文刊登于2003年4月8日国防在线美伊战争专题。“狙击手声测定位系统通过接收并测量膛口激波和弹丸飞行产生的冲击波来确定狙击手的位置，通常仅能探测超音速弹丸。这种系统有单兵佩挂型、固定设置型和机动平台运载型。美国BBN系统和技术公司的声测系统，通过测量弹丸飞行中的声激波特性来探测弹丸并进行分类。该系统为固定设置型，采用2个置于保护区两侧的传声器阵列或6个分布在保护区内的单向传声器。传声器通过电缆或射频链路与指挥节点相连。为了准确定位，需事先确定传声器的距离，精度要在1米以内。该系统可探测到90％的射击，定位精度为方位1.2°、水平3°。此外，美国的“哨兵”和“安全”有效控制城区环境安全系统均是采用声测定位技术的反狙击手系统。

声源定位

声源定位（李子文） #include #include using namespace std; #define c 2982 #define R int main() { double x0,x1,x2,y0,y1,y2,t0,t1,t2,a,b,d,lizard1,lizard2,dt1,dt2,r; x0=0,x1=0,x2=; y0=0,y1=,y2=; int i = 8; while(i--) { cout <<"请输入第"<<8-i<<"组时间数据"<< endl; cin >> t0 >> t1 >> t2; t0 = t0 / 1000000; t1 = t1 / 1000000; t2 = t2 / 1000000; dt1 = t0 - t2; dt2 = t1 - t2; a=x2*(pow(x1,2)+pow(y1,2)-pow(c*dt1,2)) - x1*(pow(x2,2)+pow(y2,2)-pow(c*dt2,2)); b=y2*(pow(x1,2)+pow(y1,2)-pow(c*dt1,2))- y1*(pow(x2,2)+pow(y2,2)-pow(c*dt2,2)); d=c*dt1*(pow(x2,2)+pow(y2,2)-pow(c*dt2,2))-c*dt2*(pow(x1,2)+pow(y1,2)-pow(c*dt1,2));

lizard2 = atan(b/a); if(acos(d/sqrt(pow(a,2)+pow(b,2)))+lizard2 < R/2) lizard1 = acos(d/sqrt(pow(a,2)+pow(b,2)))+lizard2; else lizard1 = lizard2 - acos(d/sqrt(pow(a,2)+pow(b,2))); r = (pow(x1,2)+pow(y1,2)-pow(c*dt1,2))/(2*(x1*cos(lizard1)+y1*sin(lizard1)+c*dt1)); cout << "声源坐标为：（"<

基于麦克风阵列的声源定位技术毕业设计

毕业设计说明书基于麦克风阵列的声源定位技术 学生姓名：学号： 学院： 专业： 指导教师： 2012年 6 月

基于麦克风阵列的声源定位技术 摘要 声源定位技术是利用麦克风拾取语音信号，并用数字信号处理技术对其进行分析和处理，继而确定和跟踪声源的空间位置。声源定位技术在视频会议、语音识别和说话人识别、目标定位和助听装置等领域有着重要的应用。传统的单个麦克风的拾音范围很有限，拾取信号的质量不高，继而提出了用麦克风阵列进行语音处理的方法，它可以以电子瞄准的方式对准声源而不需要人为的移动麦克风，弥补单个麦克风在噪声处理和声源定位等方面的不足，麦克风阵列还具有去噪、声源定位和跟踪等功能，从而大大提高语音信号处理质量。 本文主要对基于多麦克风阵列的声源定位技术领域中的基于时延的定位理论进行了研究，在此基础上研究了四元阵列、五元阵列以及多元阵列的定位算法，并且分别对其定位精度进行了分析，推导出了影响四元、五元阵列目标方位角、俯仰角及目标距离的定位精度的一些因素及相关定位方程，并通过matlab仿真软件对其定位精度进行了仿真；最后在四元、五元阵列的基础上，采用最小二乘法对多元阵列定位进行了计算；通过目标计算值和设定值对比，对多元阵列的定位精度进行了分析，并得出了多元阵列的目标定位的均方根误差。 关键词：麦克风阵列，声源定位，时延，定位精度，均方根误差

Based on Microphone Array for Sound Source Localization Research Abstract Sound source positioning technology is to use the microphone to pick up voice signals, and digital signal processing technology used for their analysis and processing , Then identify and track the spatial location of sound source. Acoustic source localization techniques have a variety of important uses in videoconferencing, speech recognition and speaker identification, targets’ direction finding, and biomedical devices for the hearing impaired. The pick up range of traditional single microphone is limited, the signal quality picked up is not high, then a voice processing methods with the microphone array has been proposed . It may be electronically aimed to provide a high-quality signal from desired source localization and doe s not require physical movement to alter these microphones’ direction of reception. Microphone array has the functions of de-noising, sound source localization and tracking functions, which greatly improved the quality of voice signal processing. The article discusses some issues of sound source localization based on microphone array, On the basis ，it studies a four element array,five element array and an multiple array positioning algorithm, then the positioning precision is analyzed. Derived some factors of the azimuth and elevation angle targets the target range of the estimation precision affected and positioning equation. And through MATLAB simulation software for its positioning accuracy of simulation. finally ，based on four yuan, five yuan of array, using the least square method ,the multiple array localization were calculated. Through the contrast of the target value and set value, multiple array positioning accuracy is analyzed, and the of diverse array target positioning. Keywords: Microphone Array, Sound Source Localization, Time Delay, Positioning precision, root mean square error

声源定位源程序

#include #include #define c 0.002982 #define PI 3.14159 double main() { double tz[10],to[10],tt[10]; double x0=0,x1=0,x2=0.3,y0=0,y1=0.45,y2=0.45; double A,B,D,t1,t2,a1,a2,r,x,y; inti; for (i=0;i<10;i++) { printf("please enter the time of group %d\n",i+1); scanf ("%lf %lf %lf",&tz[i],&to[i],&tt[i]); t1=to[i]-tz[i]; t2=tt[i]-tz[i]; A=x2*(pow(x1,2)+pow(y1,2)-pow(c*t1,2))-x1*(pow(x2,2)+po w(y2,2)-pow(c*t2,2)); B=y2*(pow(x1,2)+pow(y1,2)-pow(c*t1,2))-y1*(pow(x2,2)+po w(y2,2)-pow(c*t2,2));

D=c*t1*(pow(x2,2)+pow(y2,2)-pow(c*t2,2))-c*t2*(pow(x1,2 )+pow(y1,2)-pow(c*t1,2)); a2=atan(B/A); if((acos(D/sqrt(pow(A,2)+pow(B,2)))+a2)

用HRTF进行虚拟声源定位实验

用HRTF进行虚拟声源定位实验 杨飞然, 葛延增, 吴镇扬 （东南大学信息科学与工程学院,南京 210096） 摘要：介绍了传统的音频定位理论及存在的缺陷，引出了HRTF的定义，分析了HRTF包含的方位信息，并用我们开发的虚拟听觉空间系统Vasaudio对虚拟声源定位进行了实际测试，最后对测试结果做了分析。 关键词：HRTF；ITD；IID；虚拟声源定位 Virtual Sound Source Position of HRTF Yang Fei Ran, Ge Yan Zeng, Wu Zhen Yang (Department of of Information Science and Engineering, Southeast University, Nanjing 210096) Abstract: We introduce the traditional theory of audio position and its limitations first , then we give the definition of HRTF,analyse the position information in HRTF,we also do experiment using Vasaudio system, at last we make a analysis of the experiment result. key words: HRTF; ITD; IID; virtual sound source position 我们日常听到的立体声录音，虽然有左右声道之 分，但就整体效果而言，立体声音乐来自听者面前的某个平面。但希望的是一个在虚拟环境中能辨别声源精确位置的声音系统，而当您听到三维虚拟声音时，音乐声是来自围绕您的一个球形中的任何地方，即声音出现在您头的上方、后方或者在您的鼻子前方。我们把在虚拟场景中的能使用户准确地判断出声源精确位置、符合人们在真实境界中听觉方式的声音系统称为三维虚拟声音。 基金项目：国家973计划资助项目（2002CB312102） 作者简介：杨飞然,1982年，男，硕士研究生,afeizaixian@https://www.wendangku.net/doc/ea16464546.html,；葛延增，1982年，男，硕士研究生；吴镇扬（联系人），男，教授，博士生导师，zhenyang@https://www.wendangku.net/doc/ea16464546.html, 。1 传统音频定位理论 耳间时间差（ITD）：从声源发出的声音到达人的左耳和右耳时，有一个先后的过程，这段时间差就是耳间时间差。耳间时间差与声音信号的频率有关，是声源角位置 ，头部半径r和声速c的函数，在人类听觉定位中占有重要位置。 耳间强度差（IID）：由于声音的传播媒质对声波的衰减作用，声音的强度随距离而变化，再加上耳廓和头部的遮挡，最终到达两耳的声音所经过的路径是不同的，使得距离声源近的耳朵听到的声音要强一些，这就是耳间强度差。 在中、低频(f<1.6 kHz)，ITD是定位的主要因素;在中频段(f在1.5-4.0 kHz), ITD和IID共同起作

LMS声源定位技术_All

LMS声源定位技术
Dr. Wei Chen, LMS China, Shanghai office 1 LMS Sound Source Localization Techniques

Sound sources localization
1 2
技术介绍
产品介绍
3
应用实例
4
发展方向
2 LMS Sound Source Localization Techniques

Challenges
To locate a maximum number of sound sources : To have the best spatial resolution to separate the sources To quantify each source power (sufficient dynamic range) To minimize the cost of measurements : In time In material Cover a wide range of applications
3 LMS Sound Source Localization Techniques

Sound Source Localization Techniques at LMS
Acoustic Intensity 声强 Beam-Forming 波束成形 Near Field Focalization 近场聚焦 Acoustic Holography 声全息 Airborne Source Quantification 传递路径分析 3D 3D Result
Sound Source Result
3D 2D Result
3D 3D Result
3D 3D Result
3D 3D Result
Distance to source
Not determined
Far > 0.5 m
Near < λ
Ideal < λ
Not relevant
Measurement Result
Intensity
Pressure
Intensity
Sound Power, Intensity, Velocity
Source Strength
Environment
Far-field (ISO 9614)
Free Field
Free Field Near Field
Free Field Near Field
Operational Field
Spatial Resolution
Low
Low
High
High
High
What if Games
No
No
No
Yes No for Pass-by
Yes
Stationary
Stationary/ Transient
Stationary/ Transient
Stationary/ Transient
Stationary/ Transient
4 LMS Sound Source Localization Techniques