【算法】music算法的总结

【算法】music算法的总结使用树莓派使用麦克风阵列接收声源,在后期处理中语音文件的处理和识别需要调用voice-engine的库文件,但寄于树莓派内部如何实现其他库文件引用目前小编尚未了解,每次在树莓派自带的python软件中直接run程序,前辈指导是让我借鉴vs如何调用其他库文件,需要增加库文件路径,因此写下此文。此处提出以下疑问:1、树莓派内部python程序运行的实际库路径情况,因为文件py文件无论哪个文件夹在终端…

music算法的总结

music算法分析与实现
基于加权music盲空间频谱感知算法
多声源测向
【论文】用于窄带信号的时延方法研究
【推荐代码】基于TDOA声源定位算法仿真–MATLAB仿真

定义
多重信号分类(MUSIC)算法是Schmidt等人在1979年提出的。这一算法的提出开创了空间谱估计算法研究的新时代,促进了特征结构类算法的兴起和发展,该算法已成为空间谱估计理论体系中的标志性算法。此算法提出之前的有关算法都是针对阵列接收数据协方差矩阵进行直接处理,而MUSIC算法的基本思想则是对任意阵列输出数据的协方差矩阵进行特征分解,从而得到与信号分类相对应的信号子空间和与信号分量相正交的噪声子空间,然后利用这两个子空间的正交性构造空间谱函数,通过**谱峰搜索**,检测信号的DOA。
优点
(1)多信号同时测向能力——有待考究,由于信号是对噪声进行提取,在多重信号分类中需要已知信号源的个数。(此处是否为阵列的个数)
(2)高精度测向
(3)对天线波束内的信号的高分辨测向
(4)可适用于短数据情况
(5)采用高速处理技术后可实现实时处理
假设
(1) 阵列形式为线性均匀阵,阵元间距不大于处理最高频率信号波长的二分之一;
(2) 信号源数小于阵元的数目,以确保阵列流型矩阵的各个列线性独立;若传感器的数量比信源的个数多,则阵列数据的信号分量一定位于一个低秩的子空间,在一定条件下,这个子空间的将唯一确定信号的波达方向,并且可以使用数值稳定的奇异值分解精确的确定波达方向。
(3) 处理器的噪声为加性高斯分布,不同阵元间距噪声均为平稳随机过程,各阵元间噪声相互独立,空间平稳(各噪声方差相等);
(4) 空间信号为零均值平稳随机过程,信号与阵源噪声与相互独立;
(5) 信号源通常为窄带远场信号。
正是由于 MUSIC 算法在特定的条件下具有很高的分辨力、估计精度及稳定性,从而吸引了大量的学者对其进行深入的研究和分析。
缺点
(1)当声源波长小于两倍阵元间距的高频成分时,阵元不能接收到,即速度=波长 * 频率 ,波长越小频率越大
(2)在雷达系统中,随着反隐身及对目标的分辨率的要求不断提高,窄带信号的假设已经不符合实际情况
(3)假设:在窄带信号的条件下,信号中将延迟时间忽略,即赋值处的信号延迟时间,而gcc-path可实现宽带信号的延迟设计。(是否可以处理窄带信号有待考究)

%信号载入并且转换成矩阵
for ii = 0:10:180
    signal = [];
    for jj =1:6
         aa='E:\personal\gcc_path_matlab\date_yuan\';
         bb=sprintf('mic_%d_2_%d.wav',ii,jj);
         a=[aa bb];
         [y,fs]=audioread(a);
         y = y';
         signal{ 
   jj} =y(1:8000);
        
    end         
    x11= [signal{ 
   1,1}
        signal{ 
   1,2}
        signal{ 
   1,3}
        signal{ 
   1,4}
        signal{ 
   1,5}
        signal{ 
   1,6}];
end

论文总结:

【基于实时高精度3D PHAT的声源定位简单四麦克风布置】

摘要:本文研究了室外情况下的宽带声源定位。在这种情况下,时差为基于到达(TDOA)的方法通常用于2-D和3-D宽带声源定位。这些方法有与基于到达方向相比,精度较低方法。但是,它们具有较少的麦克风和较少的麦克风计算时间。使用的高精度声源定位这些方法需要高度精确的时延测量,因此,高频信号的采样率。此外,需要使用数值分析方法进行局部计算求解封闭形式方法的非线性方程)增加计算时间,而计算可能仍然没有汇合。此外,一个接近真实解决方案的良好初步猜测是需要避免局部最小值。在本文中,一个简单,快速(真实时间)和基于纯几何相位转换的精确宽带3-D定位的位置计算方法室外远场低度混响的声源建议仅使用四个麦克风的情况。基于在所提出的方法中,实现了麦克风的简单布置。实验结果表明该方法同时具有更高的准确性和更少的计算时间,与以前的封闭形式双曲相交以及其他基于TDOA的最新位置计算方法,克服了它们的主要缺点。另外,作为非线性闭式方程线性化,不需要初始猜测。它的到达角误差小于0.2°,小于5%3D定位错误,计算时间低至250 ms用于定位典型的宽带声源例如飞行物体(直升机)。
创新点:模型不同,计算位置简单
无源声源定位方法可以分为到达方向(DOA),时差到达时间(TDOA)或时间延迟估计(TDE)或双耳时间差和强度水平差或耳间水平差(ILD)方法,基于DOA的波束成形和子空间方法通常需要大量麦克风可实现高精度窄带远场情况下的声源定位,条件苛刻。基于ILD的方法需要仅适用于主导声音的情况源(高SNR)。基于TDOA方法是2-D和3-D的常用方法高精度宽带近场和远场声源均可

麦克风阵列和传统阵列信号处理的区别

1、声源定位算法是利用麦克风阵列进行声音定位,属于宽带信号,传统的MUSIC和DOA算法并不适用该场景,本仿真主要用TDOA算法进行定位。常用的阵列信号定位算法主要有三大类:基于高分辨率谱估计的定位技术、基于可控波束形成(Beamforming)的定位技术和基于TDOA的定位技术,以上三种算法在阵列信号处理中,尤其是移动通信的阵列信号处理中都有广泛的应用。但是声音信号与传统的电磁波信号存在许多的不同,主要包括以下几点:
(1)带宽不同:麦克风阵列处理的多是宽带信号,频率范围一般在 300Hz到 3KHz 之间;传统的阵列信号处理的多是窄带信号。
(2)信号的平稳性:麦克风阵列处理的多是非平稳的语言信号,传统阵列处理的对象多是平稳信号。
(3)干扰噪声不同:传统的阵列处理的信号中的噪声一般为不相关的高斯噪声,麦克风阵列处理的信号中既有相关的高斯噪声,也有非高斯噪声。
(4)由于声音信号与电磁波信号存在上述几点不同,尤其是信号带宽问题和信号的平稳性问题,因此传统的基于高分辨率谱估计的定位技术、基于可控波束形成(Beamforming)的定位算法不太适用于声源定位算法,
(5)基于TDOA的声源定位算法具有运算量小、算法简单易实现、定位精度较高、硬件成本低的特点,使得该算法在实际中的应用非常广泛,而且可以实现实时定位。基于 TDOA 的声音定位算法实现原理简单,一般分为延时估计和声源定位两个部分,时延估计的精确度直接决定了声源定位的精度,所以时延估计精度是该算法的核心部分。本章分别介绍基于 TDOA 的声源定位算法中的时延估计的方法和基于得到的时延信息进行声源定位的方法,并对算法进行仿真。
传统的时延估计方法有很多,传统的时延估计算法主要有基于相关分析的时延估计方法,基于相位谱估计的时延估计方法,基于参数估计的时延估计方法等,应用最广泛的方法主要为基于相关分析的时延估计方法中的广义互相关函数法(GCC)和基于自适应滤波器的延时估计方法中的最小均方自适应滤波法(LMS)

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/31571.html

(0)
编程小号编程小号

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注