發(fā)布時間：2022-02-13 05:35

　　為了提高噪聲和混響環(huán)境下麥克風陣列的聲源定位算法性能,提出了一種基于頻率信噪比加權的可控響應功率定位算法。該算法首先根據(jù)每幀陣列信號的頻域協(xié)方差矩陣估計每個頻率的信噪比;然后通過激活函數(shù)將頻率信噪比映射為加權值,并修正傳統(tǒng)的相位變換可控響應功率計算公式;最后利用修正公式計算每個候選位置的可控響應功率值,通過搜索可控響應功率的最大值實現(xiàn)聲源定位。該算法無需噪聲先驗信息,根據(jù)實時估計的頻率信噪比自適應地調(diào)整各頻率分量對可控響應功率的貢獻。仿真環(huán)境和實際環(huán)境測試結(jié)果表明,與傳統(tǒng)的相位變換可控響應功率算法、維納預濾波波束形成算法相比,在噪聲和混響的復雜聲學環(huán)境下,本文算法的定位正確率更高,均方根誤差更小,對噪聲的魯棒性更強。 

【文章來源】：信號處理. 2020,36(03)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

β=2,不同α取值時的定位正確率

圖1 β=2,不同α取值時的定位正確率由圖可見,激活函數(shù)參數(shù)α和β對本文的定位性能有影響。由公式(10)可知,α影響以信噪比ξ(i,k)為自變量的G(i, k)函數(shù)的曲線陡峭程度,而β影響曲線左右平移。α取值越小,G(i, k)函數(shù)的曲線越平坦,則不同信噪比的頻點的權值區(qū)分度越不明顯。當α=0時,此時G(i, k)=1/2,所有頻點的權值相同,本文算法等價于傳統(tǒng)SRP-PHAT算法。α取值越大,G(i, k)函數(shù)的曲線越陡峭,激活函數(shù)對信噪比低于β dB的頻譜抑制越明顯,而對信噪比高于β dB的頻譜區(qū)分度較小。當α=∞時, G(i, k)函數(shù)是一個階躍函數(shù),此時本文算法將只保留信噪比高于β dB的頻點用于計算可控響應功率,且這些頻點的權重相同。以信噪比為自變量的G(i, k)函數(shù)的拐點位于(β, 0.5)處,信噪比低于β的頻點被明顯抑制。當β取值過大時,大多數(shù)頻點被明顯抑制,可用的頻點過少;當β取值過小時,信噪比低的頻點不能被有效抑制。如圖1和圖2所示,當α取值為0.5,β取值為2時,本文算法獲得最優(yōu)的定位性能。綜合以上結(jié)果,后續(xù)實驗中本文算法的激活函數(shù)參數(shù)α取值為0.5,β取值為2。

在混響時間T60為0.3 s和0.6 s,噪聲類型為高斯白噪聲,全局信噪比為0～20 dB環(huán)境中,將本文算法與傳統(tǒng)SRP-PHAT算法和維納預濾波波束形成算法進行比較。不同算法的定位性能如圖3和圖4所示。圖3 混響時間T60=0.3 s時不同算法的定位性能比較

【參考文獻】：
期刊論文
[1]利用相位時頻掩蔽的麥克風陣列噪聲消除方法[J]. 何禮,周翊,劉宏清.  信號處理. 2018(12)
[2]奇異值分解的HB加權廣義互相關時延估計[J]. 齊小剛,袁列萍,劉立芳.  信號處理. 2018(10)
[3]結(jié)合差分陣列與幅度譜減的雙麥語音增強算法[J]. 徐娜,吳長奇.  信號處理. 2018(07)
[4]基于自適應頻率選擇的魯棒時延估計算法[J]. 萬新旺,吳鎮(zhèn)揚.  東南大學學報(自然科學版). 2010(05)



本文編號：3622733