基于概率计算的声源定位技术研究
声音处理系统的一般由计算机、数据采集部分和信号处理部分组成。一个可靠的声源定位,采用各种各样的有特色的跟踪http://wWw.LWlm.Com算法和传感器装置。卡尔曼过滤器根据高斯模型和线性动力学通常用于定位一个单独的对象。这种方法已被应用到音频和视频对象的跟踪问题。然而,当在一个嘈杂的环境中使用卡尔曼滤波器测量时不能够获得准确的跟踪性能。
1、麦克风阵列的安排 我们采用麦克风阵列进行声音信号的采集，将麦克风分别安放在相应的位置，同时使用放大器进行信号的放大，然后传输到系统的信号处理部分。 有很多可能的原因可能导致信号的错误，如本地的声音来源,诸如噪音、混响信号对麦克风的影响。 对目标信号的处理过滤是非常重要的,其中之一就是本文提出的，对目标信号到达不同麦克风的时间延迟进行过滤处理。 2、概率过程 尽管麦克风阵列被安排为成三角形排列,但是系统周围的环境噪声和声学条件仍然可能会导致计算时间差的错误。麦克风之间的时间延迟的获得错误是导致定位错误的主要原因。使用马尔可夫过程用于计算一个时间延迟。两个麦克风之前的时间延迟被选中作为状态变量。 是麦克风i和j之间的时间延迟，根据观察到的声音信号，我们想计算出当前计算时间延迟是否是可靠的。根据目前的麦克风阵列获得的可能的时间延迟可以写成下面公式（2）的形式： 总的来说，对一个声源定位我们需要逐步的进行概率递归，这个过程需要两个部分—预测和更新部分。 2.1 预测部分 在预测部分,运动模型预测当前状态的概率，在时间框架和当前状态取决于前面状态的情况下，声音来源不能移动在一个特定的角度。因此,运动模型,我们使用用高斯模型方程来描述，如公式根据这个运动的模型,我们可以估计每个时间延迟的状态概率，如公式(4)。 当前的状态是求和预测的，因为两个麦克风之间的时间延迟是离散的和依赖于采样频率的。 2.2 更新部分 当获得后验分布后，测量系统就可以从麦克风的话筒获得一个健全的声音信号，我们提出了一个可能的测量系统模型，使用某一对麦克风之间的时间延迟计算互相关值。 这里是麦克风i在时间t的声音信号，关于的后验分布是根据贝叶斯公式等到的： 当这个概率是最高值得时候，就是我们期望的麦克风对之间的时间延迟。相对于每个麦克风对，这个过程是独立的。 2.3 后置处理 根据我们配置的麦克风阵列之间获得声音信号的时间延迟的值，我们可以确定声源的位置。根据我们采用的后验分布模型，取决于测量值，似然模型，时间延迟，选择上述的概率过程，过滤掉那些不需要的时间延迟设置,当时间延迟符合特征值的时候，采用这些时间延迟计算声源的位置。 2.4 声源定位 当获得合适的时间延迟之后，假定传感器坐标为，，。声源目标坐标为。 式中：为目标到达一号传感器与二号传感器的距离差；为目标到达一号传感器与三号传感器的距离差。为声速；，为时间差。 根据获得的时间差就可以计算出声源目标的位置。由此可以看出时间延迟的获得对声源定位的精度起决定作用。 3、结语 声音是人们控制智能设备的一种重要的基本形式，提供了大量的人类与智能设备的空间和时间的信息。根据麦克风阵列之间获得声音信号的时间差，通过计算确定了声源目标的位置。在本文，我们采用了概率的方法来提取时间延迟，是定位结果更加可靠。使用这种方法我们可以设计一个声源目标的跟踪装置，在一些特定的场合取代人类，进行目标的监测。这种方法比传统的TDOA方法更加准确，定位效果更加理想。