-
摘要当源数目大于麦克风数时，尤其在噪声混杂混响严重的环境中，难以对声源波达方向进行估计，针对以上问题进行了一种可以处理该情况的新算法的研究。该算法的核心在于利用非平稳语音信号在时频域上的稀疏性假设了“时频域上的一点只代表一个声源”来简化问题。首先对采集的数据进行短时傅立叶变换，然后通过噪声基底跟踪和起始点检测在时频域上寻取有效信号点，其次对协方差矩阵进行特征值分解，取其最大特征值对应的特征向量算出该点的声源波达方向，最后对所有算出的波达方向进行聚类。通过实验和计算机仿真证明了该算法在噪声、源数目和混响方面的有效性。33695
- 上一篇：STC89C52单片机的简易信号发生器设计+电路图
- 下一篇：中继无线网络分布式空时码与相关合并技术比较性研究
毕业论文关键词 波达方向估计 时频域 特征向量 协方差矩阵
毕业设计说明书外文摘要
Title Technical Study on Robust Direction of Arrival Estimation of Multiple Speech Sources
Abstract
It is challenging to determine the directions of arrival of speech signals when there are fewer sensors than sources, particularly in noisy and reverberant environments. A new algorithm for dealing with the problem is studied. The core of the algorithm is that "a single frequency bin is occupied by only a single source "is assumed to simplify the problem using sparsity of non-stationary speech signals in time-frequency domain. First of all, data collected is transformed with short-time Fourier transform. Then, Seek effective signal points in time-frequency domain using noise_floor tracking and onset detection. Afterwards , characteristic value decomposition of covariance matrix will be on the way . Directions of arrival can be calculated by the eigenvectors corresponding to the biggest characteristic values . Finally, we cluster all the calculated direction of arrival. The effectiveness of the proposed algorithm in terms of noise, source number and reverberation is proved through experiments and computer simulation
Keywords Direction of arrival estimation Time-frequency domain Eigenvector Covariance matrix
目 录
1 引言 1
1.1 多声源波达方向内容及意义1
1.2 多声源波达方向发展现状1
1.3 文章内容及结构2
2 多声源方向波达原理4
2.1 信号模型 4
2.2 噪声基底跟踪 4
2.3 起始点检测 5
2.4 相关性试验 6
2.5 特征向量聚合和波达方向估计 7
2.6 混响的影响因素 7
3 实验数据的采集和处理9
3.1 实验数据采集过程 9
3.2 采集数据的加工 11
4 实验仿真与评估15
结论 18
致谢 19
参考文献20
1 引言
1.1 多声源波达方向内容及意义
当只有一个语音源的时候，我们可以很简单的测出到达波的方位角，但是当语音源数大于麦克风的数目的时候，原本简单的方法就已经行不通了，我们需要寻求新的方法进行声源波达方向估计。
波达方向(DOA)估计是阵列信号处理中的基本而且很重要技术[11-12]。我们本文的重点，语音信号的DOA估计有很多应用，例如，视频会议系统和自动会议记录机等。这些应用通常是在面对比麦克风数量更多的来源的情况下工作的。所以我们研究一个可以应用于此种情况下的新的DOA估计算法。最广范被采用的DOA算法都基于类似于多重信号分类算法(Multiple Signal Classification , the MUSIC) [13]的算法和它的变式。因为这些方法需要一个噪声子空间，源的数目为N，麦克风的数目为M，这些方法要求M>N+1，因为这些方法只有在M>N的情况下能被应用。