基于稀疏表示和特征加权的离格双耳声源定位*

基于头相关传递函数数据库的传统双耳声源定位方法的定位角度往往被限定在头相关传递函数数据库的离散测量点上。当头相关传递函数数据库的测量方位角间隔较大时,这类算法的性能会显著下降,这就是典型的离格问题。该文提出了基于加权宽带稀疏贝叶斯学习的离格双耳声源定位算法。首先该算法建立离格双耳信号的稀疏表示模型,然后利用双耳相干与扩散能量比特征对各个频点进行加权以降低噪声和混响的影响,最后通过加权宽带稀疏贝叶斯学习方法估计离格声源的方位角。实验结果表明,该算法在各种复杂的声学环境下都有着较高的定位精度和鲁棒性,特别是提高了离格条件下的声源定位性能。     

水声信号稀疏重构高分辨角度-多普勒成像

针对傅氏空时二维谱估计分辨率低以及声呐空时采样数据样本数不足给角度-多普勒成像带来困难的问题,提出一种水声信号稀疏重构的高分辨角度-多普勒成像方法和抗混响空时滤波器的稀疏重构方法。该方法在声呐阵列单测量向量的极少观测样本条件下,建立阵列信号的空时稀疏表示模型,应用稀疏表示的匹配追踪算法和基追踪算法重构回波与混响的高分辨角度-多普勒像。并根据运动声呐回波与混响的空时分布规律及声呐待检测距离单元位置的先验信息,沿着混响空时分布脊线设计混响稀疏表示的专用空时导向向量字典,通过重构抗混响空时滤波器来抑制角度-多普勒平面的混响干扰。对运动声呐前视和侧视阵列的计算机仿真结果表明,在混响背景中,该方法采用声呐阵列单测量向量重构了低速运动目标多亮点回波的高分辨角度-多普勒像,频率分辨率突破傅里叶分辨率,角度分辨率突破阵列瑞利限,分辨率明显优于傅氏空时谱估计。     

结合幅度谱和功率谱字典的语音增强方法

从双路字典学习、噪声功率谱估计、语音幅度谱重构角度提出了一种改进的谱特征稀疏表示语音增强方法。在字典学习阶段,融合功率谱与幅度谱特征,采用区分性字典降低语音字典和噪声字典的相干性;在语音增强阶段,提出一种噪声功率谱估计方法对非平稳噪声进行跟踪估计;考虑到幅度谱和功率谱特征对不同噪声的适应程度不同,设计了语音重构权值表。对分别由幅度谱和功率谱恢复而来的两路信号进行自适应加权重构,结合相位补偿函数得到增强后的语音信号。实验结果表明,该方法在平稳、非平稳噪声环境下相比于单一谱特征的语音增强方法平均提高31.6%,改善了语音增强方法的性能。     

结合幅度谱和功率谱字典的语音增强方法

从双路字典学习、噪声功率谱估计、语音幅度谱重构角度提出了一种改进的谱特征稀疏表示语音增强方法。在字典学习阶段,融合功率谱与幅度谱特征,采用区分性字典降低语音字典和噪声字典的相干性;在语音增强阶段,提出一种噪声功率谱估计方法对非平稳噪声进行跟踪估计;考虑到幅度谱和功率谱特征对不同噪声的适应程度不同,设计了语音重构权值表。对分别由幅度谱和功率谱恢复而来的两路信号进行自适应加权重构,结合相位补偿函数得到增强后的语音信号。实验结果表明,该方法在平稳、非平稳噪声环境下相比于单一谱特征的语音增强方法平均提高31.6%,改善了语音增强方法的性能。     

球谐域自适应混响抵消与声源定位算法

提出了一种基于球谐域的自适应混响抵消与声源定位算法,该方法通过去混响处理改善语音质量,并提高球谐域定位算法在混响环境下的定位性能。推导了基于多通道线性预测的自适应混响抵消算法在球谐域的表达式,针对刚球模型提出分阶处理的去混响方法,并对去混响后的信号进行波达方向估计。采用32元球阵的仿真结果表明,相比于球谐域不分阶去混响方法,该方法最大可减少约2/3的运算量,同时语音PESQ得分及SRMR均显著提高。利用实验数据对算法性能进行测试,实验结果验证了该方法在实际声学环境中去混响和声源定位的有效性。     

球形传声器阵列下基于主导声源检测MUSIC群时延算法的多声源定位*

针对混响环境中,多径效应、散射、衍射等原因导致声源定位失败或分辨能力不足的现象,提出一种基于主导声源检测MUSIC群时延的邻近多声源定位方法。该方法采用球形传声器阵列,相比平面阵列可以捕获3D声场信息,利用球谐域下信号的频率分量与角度分量解耦的优势,从而可直接利用频率平滑技术处理宽带语声信号而不需要构造聚焦矩阵,并在球谐域下通过设置阈值对一组时频段进行主导声源检测,从而选择出包含直达声的一组时频块来构造MUSIC群时延空间谱。上述举措在提升波达方向估计在高混响环境下定位鲁棒性的同时,也提高了多个邻近声源的分辨能力。仿真实验结果表明,所提出的主导声源检测MUSIC群时延算法,在高混响和低信噪比条件下,仍具有更好的定位精度与更优的邻近多声源分辨效果。     

基于空时联合稀疏重构的红外小弱运动目标检测方法

提出了一种基于空时联合稀疏重构的红外小弱运动目标检测算法。通过学习序列图像内容而构建的空时联合字典能同时刻画目标或背景的形态特征和运动信息;利用多元高斯运动模式从空时联合字典中提取出目标空时字典和背景空时字典,目标空时过完备字典描述移动的目标,背景空时过完备字典表征背景噪声。将连续多帧图像在空时联合字典上进行稀疏分解,然后分别利用目标空时字典和背景空时字典中的最大稀疏系数及其空时原子重构信号,获取重构残余能量差异来区分目标和背景。试验结果表明,由同源的空时字典重构的残余能量小,而由异构的空时字典恢复的残余能量大,该方法不仅能提高序列信号表示的稀疏度,还能有效提高小运动目标的探测能力。     

基于空时联合稀疏重构的红外小弱运动目标检测方法

提出了一种基于空时联合稀疏重构的红外小弱运动目标检测算法。通过学习序列图像内容而构建的空时联合字典能同时刻画目标或背景的形态特征和运动信息;利用多元高斯运动模式从空时联合字典中提取出目标空时字典和背景空时字典,目标空时过完备字典描述移动的目标,背景空时过完备字典表征背景噪声。将连续多帧图像在空时联合字典上进行稀疏分解,然后分别利用目标空时字典和背景空时字典中的最大稀疏系数及其空时原子重构信号,获取重构残余能量差异来区分目标和背景。试验结果表明,由同源的空时字典重构的残余能量小,而由异构的空时字典恢复的残余能量大,该方法不仅能提高序列信号表示的稀疏度,还能有效提高小运动目标的探测能力。     

稀疏贝叶斯学习远近场混合源定位方法

针对远、近场混合源定位,提出一种基于稀疏重构理论框架的远、近场混合源分离和定位算法。该算法充分考虑平面波导向矢量和球面波导向矢量的相关特性,利用远、近场声源在阵列上的响应机理的差异,针对远、近场区域分别构造过完备字典,采用多测量矢量模型下的稀疏贝叶斯学习算法重构远近场混合源的空间谱,同时完成远近场混合源的分离和定位。本文算法可以在半波长间距布放的线列阵下对混合源进行定位,适用于高斯和非高斯信号,且无需信源数和噪声功率等先验信息,并具有较高的分辨力和定位精度·计算机仿真结果验证了算法的有效性。     

一种强噪声背景下微弱超声信号提取方法研究

为解决在强噪声背景下获取超声信号的难题,基于粒子群优化算法和稀疏分解理论提出一种强噪声背景下微弱超声信号提取方法.该方法将降噪问题转换为在无穷大参数集上对函数进行优化的问题,首先以稀疏分解理论和超声信号的结构特点为依据构建了粒子群优化算法运行所需要的目标函数及去噪后信号的重构函数,从而将粒子群优化算法和超声信号降噪联系在一起;然后根据粒子群优化算法可以在连续参数空间寻优的特点建立了用于匹配超声信号的连续超完备字典,并采用改进的自适应粒子群优化算法在该字典中对目标函数进行优化;最后根据对目标函数在字典上的优化结果确定最优原子,并利用最优原子按照重构函数重构出降噪后的超声信号.通过对仿真超声信号和实测超声信号的处理,结果表明本文提出的方法可以有效提取信噪比低至-4 dB的强噪声背景下的微弱超声信号,且和基于自适应阈值的小波方法相比本文方法表现出更好的降噪性能.     

Three-dimensional sound source localization using distributed microphone arrays

To improve the performance of sound source localization based on distributed microphone arrays in noisy and reverberant environments,a sound source localization method was proposed.This method exploited the inherent spatial sparsity to convert the localization problem into a sparse recovery problem based on the compressive sensing(CS) theory.In this method two-step discrete cosine transform(DCT)-based feature extraction was utilized to cover both short-time and long-time properties of the signal and reduce the dimensions of the sparse model.Moreover,an online dictionary learning(DL) method was used to dynamically adjust the dictionary for matching the changes of audio signals,and then the sparse solution could better represent location estimations.In addition,we proposed an improved approximate l_0norm minimization algorithm to enhance reconstruction performance for sparse signals in low signal-noise ratio(SNR).The effectiveness of the proposed scheme is demonstrated by simulation results where the locations of multiple sources can be obtained in the noisy and reverberant conditions.     

Improved steered response power method for sound source localization based on principal eigenvector

Sound source localization is essential in many microphone arrays application, ranging from teleconferencing systems to artificial perception in a reverberant noisy environment. The steered response power (SRP) using the phase transform (SRP-PHAT) source localization algorithm has been proved robust, however, the performance of the SRP-PHAT algorithm degrades in highly reverberant noisy environment. Though the SRP-based maximum likelihood localizers are more robust than SRP-PHAT, they have the drawback of requiring noise variance to be estimated in a silent room. This paper presents an improved SRP-PHAT algorithm based on principal eigenvector. Sound source location is estimated from the principal eigenvector computed from the frequency-domain correlation matrix. Using both simulated and real data, we show that the proposed algorithm achieves higher source localization accuracy compared to the SRP-PHAT algorithm.     

Robust tracking of moving sound source using multiple model Kalman filter

In this paper a novel method for tracking an active speaker in a noisy and reverberant environment by means of a spatially distributed microphone array is presented. Firstly, a sound source localization algorithm based on time delays of arrival (TDOA) in microphone pairs provides observed position estimates. Then these remarkably noisy estimates are filtered by a multiple model Kalman filter (MMKF) in order to obtain a smoothed trajectory of the speaker’s movement. Compared with the traditional Kalman filter (KF), simulated results prove the MMKF is more robust and effective in noisy environments.     

Accelerated steered response power method for sound source localization using orthogonal linear array

In microphone arrays application, it is a difficult task to accurately and fast localize sound source in a noisy, reverberant environment. In order to solve this problem, many approaches have been presented. Among them, the steered response power-phase transform weighted (SRP–PHAT) source localization algorithm has been proved robust. However, SRP–PHAT requires high computation cost for searching a large location space. To overcome this shortcoming, an improved SRP–PHAT will be presented that reduces a two-dimension searching space into a couple of one-dimension ones by using an orthogonal linear array. In this method, the parameters of direction of arrival (DOA) are separated. The main computation can be carried out independently in two one-dimension spaces, thus the computational load will be greatly cut down. Simulations show that there is no loss in accuracy in the proposed method.     

基于压缩感知的矢量阵聚焦定位方法

本文针对噪声源近场定位识别问题,利用声源分布在空间域具有稀疏性,在压缩感知理论框架下建立了新体系下的矢量阵聚焦波束形成方法,用于解决同频相干声源的定位识别问题.新方法可在小快拍下准确获得噪声源的空间位置,且不损失对噪声源贡献相对大小的评价能力.通过详细的理论推导、仿真分析和试验验证,证明了基于压缩感知的矢量阵聚焦定位新方法本质上实现了l1范数正则化求解下的波形恢复和空间谱估计,因此具有较高的定位精度,较强的相干声源分辨能力、准确的声源贡献相对大小评价能力以及较高的背景压制能力,可应用于水下复杂噪声源的定位识别.     

分布式压缩感知麦克风阵列多声源方位估计*

麦克风阵列已被广泛应用于音/视频会议等人机交互领域中时,多声源应用场景对声源方位估计性能提出了更高的要求。压缩感知(CS)声源定位算法将声源定位问题转化为信号的稀疏重构问题,相比传统的定位算法如相位变换加权（SRP-PHAT）和时延累加定位（DS）能够获得较高的定位性能,但多声源的存在一定程度上降低了稀疏程度,影响了CS重构性能。考虑到传统的CS定位算法并未利用多个连续语音帧之间声源空间向量的共同稀疏性,提出采用分布式压缩感知（DCS）理论以改善多声源的稀疏恢复估计的性能。仿真和实验结果表明,相比于传统定位算法和CS-OMP算法,DCS-SOMP算法在不同信噪比和不同声源强度的环境中,对多声源的方位估计都具有更好的定位性能和定位稳健性。     

运动声源快速定位的声达时差法

针对声达时差法只能用于非运动声源定位的问题,本文提出一种运动声源快速定位方法。该方法以声达时差为基本定位原理,基于声源计算位置对多普勒效应进行解耦并进行声信号多普勒效应修正,根据三角定位方法构建声传播空间矩阵,以声源位置偏差度为目标基于单纯形优化搜索算法进行声源位置快速逼近,实现了对匀速直线运动的单声源的定位追踪,提高定位实时性。该方法将声达时差法拓展到运动声源的定位,同时解决了消除多普勒效应带来的计算过程复杂、运算量大的问题,仅用4个传声器就可实现运动声源的快速定位,突破了传统运动声源识别中对大传声器阵列的依赖。仿真实验和实车运动声源识别实验结果证明了该方法的有效性,本研究为短时发声运动声源的识别提供了一种简便、高效的方法。     

混响环境下目标声场稀疏分解多域声场重放方法

对于封闭空间内的声场重放,传统的多点声压匹配方法 (Cov-PM)依据在目标声场测得的声压直接使用最小二乘来计算扬声器权重。然而这种方法要求较多的目标声场采样点以实现足够的精度。对于一类特殊的声场景,也就是目标声场是由少量声源辐射产生时,提出一种对目标声场稀疏分解的方法来进行混响环境下多域声场重放以降低对目标声场采样数量的要求。该文给出基于目标声场等效源稀疏分解多域重放方法(Sparse-ESM)理论推导,通过数值计算以及实验测试两种方式对比所提方法与最小二乘等效源分解方法以及Cov-PM的声场重放性能。数值结果表明,在600 Hz以上的频段,Sparse-ESM方法的重放误差性能提升明显。实验结果也得出了与数值计算相同的结论。同时,还通过数值计算和实验测试两种方法证明了当目标声场声源方向波动时,Sparse-ESM仍然可以保持与其余两类方法相近的声对比度,并且实现较高的亮区重放精度。