基于TSVD的广义逆波束形成对扩展性噪声源的识别

广义逆波束形成是一种高效的声源识别方法,但是直接求解广义逆所得到重构声源极易受到测量误差的影响,重构声源位置将偏离实际。为提高声源识别精度,采用正则化方法控制测量误差,结合奇异值截断滤波正则化和广义逆理论提出一种基于TSVD的广义逆波束形成算法,并建立了数值仿真模型,以单极子点源和扩展性组合声源为研究对象,对比常规波束形成、GIB算法、TSVD-GIB算法详细分析了声源类型与频率等因素对声源识别性能的影响。最后在半消声室内对音箱进行了声源识别验证,结果表明基于TSVD-GIB算法具有较好的稳健性,能有效降低旁瓣干扰,相比GIB算法能更精准的识别声源。     

基于最小熵值的麦克风阵列声源定位算法

针对传统麦克风阵列声源定位算法抗噪声及混响能力不强的问题,提出一种基于最小熵值和随机域压缩的麦克风阵列声源定位算法。利用最小熵值方法对麦克风阵列进行时延估计,并与随机域压缩方法相结合,对声源进行空间搜索。仿真实验结果表明,该算法在定位精度、抗噪声及抗混响能力方面均优于广义互相关-相位变换算法。     

一种结合听觉掩蔽与双耳互相关的声源定位算法

针对基于双耳互相关(BCC)的声源定位算法在噪声里定位精度下降的问题,提出一种结合听觉掩蔽谱减法与双耳互相关的声源定位算法。该算法在双耳互相关时延估计之前采用一种基于听觉掩蔽的谱减法算法,有效压缩左耳和右耳信号中的噪声,提高信噪比。通过与双耳互相关声源定位算法的结合,提高了双耳时间差估计的准确性,从而提高了整个声源定位的精度。实验结果表明,该算法能够有效减少噪声带来的定位误差,提高声源定位精度。     

一种鲁棒的双耳声源方位角定位方法

在噪声和混响的声学环境中,基于双耳时间差的声源方位角定位性能会严重降低。针对这个问题,提出了一种基于子带选择和DBSCAN的双耳声源定位算法,首先,采用 Gammatone 滤波器将双耳声源信号分解为若干个子带信号;其次,根据子带能量大小进行子带通道数压缩;然后,根据子带信噪比大小获取最优子带,降低无关子带干扰;接着将子带信号进行分帧,根据互相关算法获取峰值处的数据点;最后,引入DBSCAN算法消除噪声点的影响,获取最优数据点,从而根据ITD定位模型判断目标声源方位角,实验结果表明,该算法在复杂的声学环境中,相较于传统的互相关算法,可显著提高双耳声源方位角定位性能。     

基于麦克风阵列的声源定位系统设计

从系统的角度对真实声场环境下基于到达时间差的声源定位算法进行了研究,搭建了基于麦克风阵列的声源定位系统,将LabVIEW应用于声源定位软件的开发,方便地完成信号的采集与处理,运用广义互相关函数法进行时延估计,结合平面四元十字阵模型建立方程组实现定位。该系统人机界面友好,具有较强的数据分析和处理能力,能及时跟踪声源的位置变化。     

基于麦克风阵列的声源定位系统

推导出声音传播的近场模型,采用相位变换(PHAT)作为加权函数的广义互相关算法（GCC）完成时延差估计,再采用基于数据关联的时延选择算法选择时延,最后使用到达时延差的算法估计声源方位,并在算法模型的基础上搭建了基于数字信号处理器（DSP）的声源定位硬件系统开发平台。实验结果表明,在声音传播的近场模型下该系统角度估计误差不大于3°。     

利用块稀疏特性的压缩感知麦克风阵列声源定位

与传统声源定位算法如相位变换加权、时延累加定位不同,压缩感知麦克风阵列声源定位算法可将声源定位转化为稀疏重构问题从而获得较高的性能。但在实际应用环境下,由于远场声源自身指向性、空间混响等原因,声源方向向量往往呈现块稀疏度结构,导致采用传统稀疏恢复算法如正交匹配追踪算法（Orthogonal matching pursuit,OMP）等进行压缩感知定位性能下降。本文在压缩感知声源定位算法中引入块稀疏似零范数,以压缩感知为基本框架,采用块稀疏似零范数稀疏恢复进行声源方向向量的重构,获取声源的方位。实验结果表明,相较于传统声源定位算法和基于OMP的压缩感知声源定位算法,本文算法具有更高的定位精度。     

室内机器人的声源定向系统设计

针对室内移动机器人的声源定向的问题,利用拾音器阵列建立了一套基于DSP的声源定向系统.系统采用广义互相关算法计算声波到达拾音器阵列的时间差,然后基于时间差和三维声源定向模型来估算声源方向.通过对比多次实验,选择了适合硬件平台和室内环境的理论算法,保证了实用性.定向结果被验证是准确可靠的,误差被控制在可接受范围内.     

基于粒子滤波的麦克风阵列声源定位方法

针对噪声与混响环境下的声源定位问题,本文采用了一种基于粒子滤波的麦克风对的声源定位方法。该方法在粒子滤波框架下,将到达麦克风对的时间差作为观测信息,通过计算麦克风对的广义互相关函数(GCCF)来构建似然函数。实验结果表明,本文所采用的方法提高了声源定位系统的抗噪声与抗混响能力,即使在低信噪比强混响的环境下也能获得较高的定位精度。     

基于虚拟仪器的简易声源追踪系统设计

为了在大型粮仓中局部出现害虫鸟类时可以快速找出其位置,解决目前声源定位设备成本高、计算量大实时性差的问题,对波达声差(TDOA)定位技术和互相关时延算法进行研究,提出一种改进了广义互相关时延估计算法,设计实现一种基于虚拟仪器的简易声源追踪系统根据害虫害鼠发出声音进行位置追踪进行粮仓管理;详细介绍了系统软硬件设计实现,系统可以实现参数设置、声源坐标的实时获取、文件存储、三维动态和数值显示等功能;实验结果显示,该系统具有实时性好、精度高、计算量小、工作稳定等特点.     

基于提高定位精度的圆形嵌套麦克风阵列结构研究*

以提高定位精度为目的,同时从减少定位时延、消除定位模糊的角度出发,并且考虑到线阵定位角度范围的限制,提出了嵌套的均匀圆形麦克风阵列结构。由于在使用高分辨率的近场声源三维定位算法时,会带来较高的计算复杂度,因此,本文采用了宽带聚焦算法进行了处理,为了使其时延得到较大幅度的降低。仿真结果表明,该方案取得了较好的定位效果。     

卫星导航多干扰源直接定位方法

卫星导航信号到达地面时非常微弱,容易受到各种干扰,给用户带来一定的影响;针对此种情况,面向卫星导航系统多干扰源定位场景,传统两步定位算法受参数估计精度影响较大, DPD_MVDR算法虽然改进了MUSIC算法需要估计目标数这一缺点,但由于使用固定网格分辨率,定位精度与计算复杂度二者无法兼得;针对上述问题,提出一种改进DPD_MVDR的直接定位方法,在直接定位这一关键技术上运用自适应网格细化,其最大优势在于只对干扰源位置附近的网格实现多级细化,能很好地兼顾定位精度与计算复杂度,避免了传统穷举搜索带来的巨大计算复杂度。首先使用DPD_MVDR算法在粗网格下进行位置初始估计,然后在估计位置处进行迭代自适应网格细化,在降低计算复杂度的同时,提高定位精度。仿真表明,改进算法在100 m网格分辨率下计算复杂度明显降低且较DPD_MVDR算法定位精度得到明显提高;适用于对定位精度和定位实时性均有一定要求的场景。     

压缩感知下的自适应声源定位估计

声源定位是一个应用非常广泛的研究课题。针对阵列定位精度不高的问题,提出一种基于压缩感知的声源定位算法。通过构建冗余字典,该算法将网络中的多个未知源节点的位置作为一个系数向量,然后采用稀疏贝叶斯学习算法估计声源位置。为了增快算法的运行速度,提出一种有效的多分辨率字典构建方法,并迭代地减小定位空间,提高定位精度。实验结果显示,基于压缩感知的声源定位算法可以改善多源节点的定位能力,且有效地减少所需的传感器节点。此外,与基于子空间的算法比较显示,该算法的性能更优越。     

地震资料逆时偏移中的图形处理器加速算法

叠前逆时偏移（RTM）方法是目前地震勘探领域最为精确的一种地震数据成像方法,其运用双程声波方程进行波场延拓,可实现对复杂构造介质的准确成像．文中采用互相关成像条件对震源波场与检波点波场在同时刻相关成像．针对RTM方法计算量大的问题,将图形处理器（GPU）引入到RTM计算中,充分挖掘GPU的众核结构优势,利用基于CUDA架构的并行加速算法取代传统CPU的串行运算,对逆时偏移算法中较为耗时的波场延拓和相关成像过程进行加速．复杂模型测试结果表明,在确保RTM成像精度的前提下,相比于传统CPU计算,GPU并行加速算法可大幅度地提高计算效率,进而实现基于GPU加速的叠前逆时偏移算法对复杂介质的高效率、高精度成像．     

基于无线传感器网络的自适应声源定位算法

基于声源能量的无线传感器网络（ WSNs）最大似然定位算法抗噪声干扰能力强,定位精度高,同时适用于多个目标定位,但是计算量大,不适用于实时定位。针对现有算法的缺点,提出了一种基于自适应迭代的最大似然定位算法。该算法将代价函数作为目标函数,在给定的梯度误差范围内自适应地搜索目标位置。为了提高算法的收敛速度和定位精度,提出了基于Sigmoid函数的变步长的搜索算法。仿真实验结果表明：与最大似然定位算法相比,自适应迭代算法运算量小,定位精度高,能满足对目标定位精度和速度要求较高的场合,具有一定的实际应用意义。     

基于二维网格融合特征参数的室内匹配定位算法

针对接收信号强度值(RSSI)的时变特性降低定位精度的问题,提出了一种基于二维网格特征参数融合的室内匹配定位算法。该算法融合RSSI和信号到达时间差(TDOA)构建网格特征参数模型,基于二维网格快速搜索策略降低匹配定位的计算量,采用网格特征向量的归一化欧氏距离进行最优网格匹配定位,最终由匹配网格的参考节点计算终端的精确位置。定位仿真实验中,该算法在3m网格粒度下的定位均方根误差为1.079m,平均定位误差小于1.865m;3m定位精度下的概率达到94.7%,相对于传统单一RSSI模型法提高了19.6%。所提算法能够有效提高室内定位精度,同时减少搜索数据量,降低匹配定位的计算复杂度。     

基于混合藤Copula和ILHS的概率电压稳定评估算法

为了评估具备复杂相关性的风电、光伏出力对电力系统电压稳定的影响,提出一种基于混合藤Copula和继承拉丁超立方采样(Inherit Latin Hypercube Sampling, ILHS)的概率电压稳定评估(Probabilistic Voltage Stability Evaluation, PVSE)算法。基于模糊C均值聚类对实际电网中风速和光照数据进行场景划分,利用AD距离确定不同场景中的最优藤结构,建立基于混合藤Copula的概率输入模型。基于ILHS在概率输入模型上采样,根据收敛条件逐渐增加样本点直至PVSE收敛,在PVSE过程中不断重复使用之前生成的样本点及计算结果,进而大幅提升概率分析效率。基于IEEE118节点系统对所提算法的有效性进行验证,结果表明,所提算法能准确刻画风光数据的相关性,并大幅提升PVSE的计算精度和速度。     

基于麦克风阵列的储罐内爬壁机器人定位技术

为提高储罐内爬壁机器人的智能水平及作业效率,研究设计了基于被动声定位技术的机器人定位系统.该系统利用麦克风阵列拾取机器人发出的声信号,运用改进的时延估计定位方法处理信号,从而定位爬壁机器人.介绍了系统涉及的语音信号处理方法,并利用卡尔曼滤波算法处理定位数据.实验表明15m内该系统的定位距离误差不超过12cm.