导读:本文包含了声源定位与跟踪论文开题报告文献综述及选题提纲参考文献，主要关键词:麦克风阵列,声源定位与跟踪,TDOA,非同步采样
声源定位与跟踪论文文献综述
吉爱国,刘伟平,刘志强,刘栋,宋传旺[1]（2019）在《麦克风阵列近场声源定位与跟踪系统》一文中研究指出声源定位与跟踪技术在视频会议和智能机器人等系统中具有广泛的应用前景。选用STM32作为硬件平台,设计了一个对近场声源进行实时定位与跟踪的系统。采用基于到达时间差的定位方法,计算量小,精度较高,适合实时定位。步进电机根据定位结果转动麦克风阵列,使其对准声源,并持续跟踪。在真实环境中进行了大量实验,结果表明系统性能良好,可以满足实时定位与跟踪的要求。(本文来源于《信息记录材料》期刊2019年07期）
冯玉武,胡国华,洪蕾,段惠敏[2]（2019）在《完全分布式无线传感网中的声源定位与跟踪》一文中研究指出无线传感网中的每个传感器节点用于无线通信与计算的能量都是有限的.因此,如何有效地减少传感器节点的能量消耗是一个值得研究的问题.为了大幅度减少能量消耗,在本篇文章中,提出了完全分布式EM算法用于无线传感网中的声源定位与跟踪.此算法仅需局部的数据传输与简单的计算.每个传感器节点仅需将其检测到的能量值传输到其单跳范围内的邻居节点,同样也会接收来自单跳范围内的邻居节点检测到的数据,这样就有效地避免了远距离的无线传输,达到大量减少能量消耗的目的.完全分布式EM算法在定位精度与能量消耗方面提供了一个很好的折中,有关静态声源定位与动态声源跟踪的大量仿真实验验证了此算法的可行性.(本文来源于《赤峰学院学报(自然科学版)》期刊2019年06期）
黄劲文,杨飞然,杨军[3]（2019）在《头部跟踪器的虚拟声源定位系统》一文中研究指出报道了基于Windows平台个人电脑和C++编程语言的虚拟声源定位系统近期工作进展。系统利用头部跟踪器实时追踪倾听者头部的移动与转动,动态模拟声波从声源到双耳的传递路径,使耳机重放能够产生逼真的声学环境。提出一种基于虚声源镜像法的房间反射声模拟方法,该方法通过模拟声源在房间中的高阶反射声,提高耳机重放的声场逼真度与饱满感。通过主观听觉实验表明,使用基于头部跟踪器的虚拟声源定位系统进行定位,比静态虚拟声源定位系统的定位误差降低84.5%。随着其性能的升级与扩展,系统可作为虚拟现实应用与双耳听觉研究的一个功能强大且灵活的平台。(本文来源于《网络新媒体技术》期刊2019年02期）
吴尧帅[4]（2018）在《低信噪比条件下声源精确定位跟踪方法》一文中研究指出通过麦克风阵列采集音频信号,从中获取声源的位置信息和运动轨迹,一直是信号处理领域一项前沿的研究课题。经过几十年的研究,众多学者相继提出很多新理论和有效的定位跟踪方法,部分成果已经应用到服务机器人,智能会议室等领域,改善了人们生活工作的环境。然而,随着人工智能的发展,人们希望能够在更加复杂多变的环境下实现精确的声源定位跟踪,而现有的技术在理论和应用上仍然存在尚待解决的问题,所以研究适应性强,不受背景约束的声源定位跟踪算法具有学术价值和应用价值。本文在时延估计定位算法和粒子滤波的跟踪算法的基础上,分别从提高信号间的时延精度,降低近场声源定位估计计算复杂度,增强跟踪算法的抗噪能力以及防止声源随机消失与出现干扰声源跟踪精度这几个方面展开研究。本文主要工作如下:1、针对噪声未知及低信噪比条件下,传统近场声源定位方法精度低、计算复杂度高的问题,提出了一种基于改进的时间到达差(TDOA)近场声源稳健定位方法。首先,利用传统FIR维纳滤波器对原始音频信号进行预处理,增强信号信噪比,抑制加性噪声,并在信号频域计算TDOA值;其次,提出空域收缩迭代最小二乘算法,取代传统的最小二乘(LS)算法进行拟合,估计近场声源位置信息。该算法主要是通过逐级区域收缩,利用迭代缩小搜索区域,从而降低空间搜索的计算复杂度。2、针对标准粒子滤波(PF)算法缺乏当前时刻观测值而出现跟踪精度不高的现象,本文在对声源跟踪问题深入分析的基础上,利用球面相径容积规则解决算法融合的积分问题,将非线性问题线性化。通过容积卡尔曼将当前量测信息融入到状态估计中,更新建议分布函数,保证了采样粒子的多样性以及算法的估计精度。3、针对交互式声源跟踪中,传统方法精度较低的问题。本文利用容积卡尔曼滤波算法提高动态声源跟踪效果,搭建交互式声源跟踪框架,通过引入移动判定因子,避免静音期前后无关联信息干扰声源跟踪,同时初始化系统重新开始更新迭代,可以使系统屏蔽无相关先验信息。仿真结果表明,在低信噪比环境下,该方法可以得到更加精准的交互式声源运动轨迹。(本文来源于《兰州理工大学》期刊2018-05-30）
戴淼,李亚安[5]（2018）在《距离依赖的声速场反演与运动声源的跟踪定位》一文中研究指出借助运动声源位置的时变性,利用具有时空变化特性的声速剖面在一定条件下可近似建模为经验正交函数系数随时间/距离演化的特点,提出一种运动声源参数与声速场参数联合估计的方法,解决距离依赖浅海海域快变声速场反演问题。该方法采用扩展卡尔曼滤波和集合卡尔曼滤波算法在重构真实声速场的同时对运动声源进行跟踪定位。仿真结果和实测数据验证了算法的有效性,并对两种非线性算法进行了对比。研究表明:集合卡尔曼滤波表现出较优越的估计性能,即使在接收阵元数目减少的局限条件下,仍然能够很好的估计出移动声源的位置和声速参数在时间/距离维度上的演化轨迹。该方法对研究动态海洋参数反演和观测系统的布设具有一定的参考意义。(本文来源于《振动与冲击》期刊2018年02期）
龙学焜[6]（2016）在《基于麦克风阵列的近场多声源目标定位与跟踪》一文中研究指出基于麦克风阵列的声源定位技术因设备智能化的发展而变得越来越重要,它用于获得声源的方向和距离信息。如何在声源定位的过程中解决自然噪声、混响、以及声源随机性等因素带来的问题,是很多相关研究者关注的重点。本文以近场声源传播模型为研究基础;以人耳听觉范围内(20Hz~20kHz)的声源为研究对象;以提高声源定位的准确性和实用性为目的展开研究。涉及的研究工作主要有以下几方面:(1)为实现多声源目标的实时定位,选择CSP-SRP算法进行重点研究。针对CSP方法噪声鲁棒性差,且难以同时定位宽-窄带混合声源的缺陷,提出对数功率峰均比加权的CSP方法(LPARW-CSP)。LPARW-CSP以多麦克风求和功率谱的峰均比为依据,为传统CSP引入一个加权因子,实现抑制噪声频点幅度并增强有效声源频点幅度的效果。为防止单一频点的过度增强造成对其它频点的掩蔽,将峰均比变换到对数域。针对全局SRP搜索运算量大的问题,对近场中的SRP搜索策略进行了优化。理论研究和实验表明:LPARW-CSP有效增强了算法在强噪声中的估计精度,无论对窄带单音还是宽带语音都能准确定位。优化的近场SRP搜索策略相比全局搜索成倍地缩减了运算量,便于算法的实时处理。(2)在粒子滤波理论框架下,对声源的运动轨迹进行滤波跟踪。基于激励-阻尼模型建立符合声源运动特性的状态方程,以LPARW-CSP结合带有门限判决的SRP搜索得到声源位置的观测数据,并使用高斯分布的采样密度函数和似然函数对声源位置的后验概率密度进行重要性采样。提出多声源的分配规则,解决了多声源动态跟踪中,观测结果与跟踪声源的匹配、新源产生和旧源消逝等问题。仿真实验表明:粒子滤波的跟踪轨迹能快速收敛于声源真实轨迹,减少了混响和声音短暂静默等干扰因素对声源位置估计的影响。(本文来源于《南昌大学》期刊2016-05-21）
梁上烈[7]（2016）在《利用声源信息的多目标定位与跟踪研究》一文中研究指出利用声源信息的定位与跟踪技术已广泛应用于电话与视频会议、人机交互、说话人跟踪与监视、智能机器人、反阻击系统等。但由于声源信息易受环境及噪声的影响,如何精确而快速地实现对声源目标的定位与跟踪意义重大。在真实的应用场景中,目标往往是多个,而且个数会随着时间变化,这就使得声源定位与跟踪问题变得更加复杂。基于随机集理论的概率假设密度(probability hypothesis density,PHD)滤波多目标跟踪算法,突破了传统的数据关联方法,具有严格的数学理论基础,大大降低了计算量,开拓了多目标跟踪的研究领域。本文在此基础上研究了一种多检测概率假设密度(MD-PHD)滤波多目标跟踪算法。该算法利用传播过程中的多径信号实现对目标的定位与跟踪。以下是本文的主要研究内容:第一,研究了真实环境下声源信号的特征及传播模型。在此基础上建立了声源信号的传播模型,并通过仿真分析了房间内声音信号的脉冲响应。为了提高后续处理的高效性,通过仿真分析了声源信号的预处理过程。第二,研究了时延估计算法中的多种广义互相关法。通过仿真实验比较了各种广义互相关法的优缺点,并重点研究了PHAT-GCC时延算法。针对标准的PHAT-GCC性能易受噪声影响的问题,研究了一种改进的PHAT-GCC算法。通过仿真验证了改进的PHAT-GCC算法性能更优。第叁,基于随机有限集的理论,建立了递归多目标跟踪模型,并研究分析了概率假设密度(PHD)滤波多目标跟踪算法及其粒子滤波实现。通过理论分析及实验仿真表明,粒子滤波概率假设密度(SMC-PHD)滤波多目标跟踪算法能够有效实现对目标的定位与跟踪。第四,针对室内应用场景中,接收信号中除了直达波信号还包含多径信号的特点,本文研究了一种利用这些多径信息的多检测概率假设密度滤波多目标跟踪算法。该算法不仅能有效实现对声源目标的定位与跟踪,还减少了麦克风的数量。通过实验仿真,验证了该算法在单目标场景下和多目标场景下的有效性,评估了其在不同信噪比下的跟踪性能。(本文来源于《电子科技大学》期刊2016-03-28）
王君培[8]（2014）在《基于麦克风阵列的近场声源定位与跟踪》一文中研究指出随着阵列信号处理技术的日渐成熟,基于麦克风阵列的声源定位与跟踪现已逐渐得到比较广泛的应用。由于室内声源为宽带非平稳信号,传统的窄带信号DOA估计和跟踪算法无法直接应用于此,且现有算法通常具有较高的算法复杂度,所以基于麦克风阵列的声源定位和跟踪仍然具有较大的改进空间。本文对基于麦克风阵列的近场声源DOA估计和跟踪相关算法进行了研究和改进,主要研究内容包括：第一、综合分析了语音信号的时频特性,结合阵列信号处理中远场均匀线阵平面波信号接收模型研究了均匀线阵、均匀圆阵和任意拓扑结构的近场球面波信号接收模型。第二、对麦克风阵列接收到的数据进行包括预滤波、预加重、归一化、加窗分帧和语音降噪等在内的各种预处理和语音端点检测。本文对语音降噪进行了重点研究,文中采用了自适应小波分解层数选取和改进型阈值函数相结合的方法来提高小波语音去噪的性能。第叁、采用麦克风均匀圆阵近场模型,对近场3D-MUSIC算法和宽带聚焦3D-MUSIC算法进行了对比研究。针对均匀圆阵等传统麦克风阵列近场信号模型对声源俯仰角估计产在角度模糊的缺陷,建立了新的麦克风阵列模型；并在此基础上针对宽带聚焦3D-MUSIC算法中叁维平均空间谱矩阵求解及谱峰搜索计算量大的问题,提出了分步降维估计法来减小算法计算量。最后,通过实验仿真验证了该方法在降低算法计算量的基础上,依然保持了良好的DOA估计性能。第四、将基于压缩投影逼近子空间(PASTd)算法的信号DOA跟踪,应用到叁维近场声源跟踪,并利用第叁点所述的分步降维估计法来减小每帧数据DOA估计时的计算量。针对该算法跟踪误差较大或收敛速度较慢的缺点,提出了可变遗忘因子PASTd算法,最后通过实验仿真验证了改进算法良好的DOA跟踪性能。(本文来源于《西南交通大学》期刊2014-06-01）
刘松[9]（2014）在《基于麦克风阵列的声源定位与跟踪算法的研究》一文中研究指出声源定位与跟踪（ASLT, Acoustic Source Localization and Tracking）技术是人机交互研究中的一个重要环节，在数字助听器、多媒体系统、视频会议系统和移动机器人等领域得到广泛应用。比如，在数字助听器中，通过对声源进行定位可以检测到说话人的位置，从而指向说话人，同时定向放大说话人的声音，去除无关的背景噪声；在视频会议系统中，能够利用声源的定位与跟踪向摄像机传递实时的位置信息，控制摄像机对准讲话的人；此外，移动机器人在进行路径规划时也要用到声源的空间位置信息。基于麦克风阵列的声源定位与跟踪方法计算量比较低，并且可以完成全方位的跟踪，目前已经成为声源定位与跟踪问题的主要解决方法。在实际的房间环境中，往往存在着由墙壁、地面和桌面的反射带来的混响以及风扇、空调等产生的噪声，这些都有可能对声源定位与跟踪的精度造成影响。本文首先分析了麦克风阵列声源定位的原理，介绍了阵列信号处理的背景知识，并建立了麦克风阵列语音信号处理模型，详细讨论了两种传统声源定位方法，并在传统定位方法的基础上提出了改进的基于SRP-PHAT的声源定位算法，仿真结果表明，改进算法在计算量降低的同时能够获得和传统算法相近的性能。而后接着介绍了粒子滤波的基本理论，给出了标准粒子滤波的算法流程，并介绍了基于遗传算法改进的粒子滤波，在此基础上探讨了基于粒子滤波的声源定位与跟踪算法的一个通用框架，并分析了在该框架下的四种方法，并在框架中SBF-PL方法的基础上，结合遗传粒子滤波，提出了基于遗传粒子滤波的改进声源跟踪算法。实验结果表明，改进算法可以有效提高系统对说话人的跟踪能力。(本文来源于《南京邮电大学》期刊2014-02-17）
赵熙,崔广新,李磊,郑国恒[10]（2013）在《基于双麦克风声源定位的视频跟踪》一文中研究指出声源定位跟踪技术在当今社会有着越来越广泛的应用。在此使用两个高灵敏度麦克风作为传感器,配以音频信号处理芯片,接收音频信号并进行模数转换,使用FPGA器件作为核心控制器,结合TDOA算法和ILD算法,实现在室内环境下、二维平面内的声源定位。并根据声源定位的信息驱动摄像头转动,使其一直对准于声源所在位置,并保持持续跟踪。FPGA使用NiosⅡ内核,方便使用高级语言进行程序设计。摄像头的视频输出信号可接于PC机或其他视频设备。与其他定位算法相比,系统减少了使用传感器的数量。(本文来源于《现代电子技术》期刊2013年24期）
声源定位与跟踪论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
无线传感网中的每个传感器节点用于无线通信与计算的能量都是有限的.因此,如何有效地减少传感器节点的能量消耗是一个值得研究的问题.为了大幅度减少能量消耗,在本篇文章中,提出了完全分布式EM算法用于无线传感网中的声源定位与跟踪.此算法仅需局部的数据传输与简单的计算.每个传感器节点仅需将其检测到的能量值传输到其单跳范围内的邻居节点,同样也会接收来自单跳范围内的邻居节点检测到的数据,这样就有效地避免了远距离的无线传输,达到大量减少能量消耗的目的.完全分布式EM算法在定位精度与能量消耗方面提供了一个很好的折中,有关静态声源定位与动态声源跟踪的大量仿真实验验证了此算法的可行性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
声源定位与跟踪论文参考文献
[1].吉爱国,刘伟平,刘志强,刘栋,宋传旺.麦克风阵列近场声源定位与跟踪系统[J].信息记录材料.2019
[2].冯玉武,胡国华,洪蕾,段惠敏.完全分布式无线传感网中的声源定位与跟踪[J].赤峰学院学报(自然科学版).2019
[3].黄劲文,杨飞然,杨军.头部跟踪器的虚拟声源定位系统[J].网络新媒体技术.2019
[4].吴尧帅.低信噪比条件下声源精确定位跟踪方法[D].兰州理工大学.2018
[5].戴淼,李亚安.距离依赖的声速场反演与运动声源的跟踪定位[J].振动与冲击.2018
[6].龙学焜.基于麦克风阵列的近场多声源目标定位与跟踪[D].南昌大学.2016
[7].梁上烈.利用声源信息的多目标定位与跟踪研究[D].电子科技大学.2016
[8].王君培.基于麦克风阵列的近场声源定位与跟踪[D].西南交通大学.2014
[9].刘松.基于麦克风阵列的声源定位与跟踪算法的研究[D].南京邮电大学.2014
[10].赵熙,崔广新,李磊,郑国恒.基于双麦克风声源定位的视频跟踪[J].现代电子技术.2013