麦克风阵列声源定位系统
基于麦克风阵列的实时声源定位技术研究
基于麦克风阵列的实时声源定位技术研究引言：现代社会中，人们对声音的定位和识别需求越来越高。
例如，安防系统需要准确地定位入侵者的位置；智能语音助手需要能够识别用户的指令和语音提示，并作出相应的回应；语音会议系统需要准确地定位每个与会人员的位置，以保证音频质量和沟通效果。
这些应用都需要实时地准确地定位声源的位置。
基于麦克风阵列的实时声源定位技术应运而生，成为了当前研究的热点之一主体：1.麦克风阵列的工作原理麦克风阵列是基于传感器阵列的一种声音采集系统。
通过在一定空间范围内布置多个麦克风，可以采集到多个声音信号。
麦克风阵列的工作原理是利用声音信号到达阵列中各个麦克风的时间和相位差异，从而计算声源的位置。
2.声源定位的方法常用的声源定位方法有两种，分别是时域方法和频域方法。
时域方法主要是通过计算声源的到达时间差来确定位置。
常用的算法有交叉相关法、互相关法和延迟和幅度差法。
这些方法可以通过比较麦克风阵列中各个麦克风接收到的声音信号的相位和幅度差异，计算出声源的位置。
这些方法的计算量较大，但可以实现较高的定位精度。
频域方法主要是通过计算声源信号的频谱特性来确定位置。
常用的算法有波束形成法和最大似然法。
这些方法通过比较阵列中各个麦克风接收到的声音信号的频谱特性的差异，计算出声源的位置。
这些方法计算量较小，但定位精度相对较低。
3.算法优化为了提高声源定位的精度和实时性，研究者们进行了各种算法优化的尝试。
在时域方法中，可以通过优化交叉相关法中的互相关函数的计算方式，减少计算量。
同时，可以采用快速傅里叶变换等算法进行加速，提高实时性。
在频域方法中，可以对波束形成法进行优化，改进波束形成器的权重计算方式，提高定位精度。
另外，还可以将多种算法进行融合，利用多传感器的信息进行联合估计，减小误差。
同时，通过深度学习等方法，对声源的定位问题进行建模，提高算法的泛化能力。
4.应用前景基于麦克风阵列的实时声源定位技术在安防、智能家居、自动驾驶等领域有着广泛的应用前景。
毕业设计论文基于麦克风阵列的声源定位技术
毕业设计论文基于麦克风阵列的声源定位技术声源定位是指通过一定的算法和技术手段，利用麦克风阵列精确确定声源在三维空间中的位置。
在现实生活中，声源定位技术具有广泛的应用领域，如视频会议、无线通信、智能机器人等。
本文将重点研究基于麦克风阵列的声源定位技术，并探讨其原理和实现方式。
声源定位技术的核心问题是如何从麦克风阵列得到的多个音频信号中准确地估计声源的位置。
传统的声源定位方法主要依赖于声音在不同麦克风之间的时间差或幅度差来进行计算，并通过几何分析得出声源的位置。
然而，这种方法受到了环境噪声、声音衰减和多路径效应等因素的影响，导致定位结果不够准确。
为了提高声源定位的准确性和稳定性，近年来提出了一些基于信号处理和机器学习的方法。
其中，基于信号处理的方法主要通过对音频信号进行频谱分析和时频变换，提取声源的特征信息，并利用定位算法将这些信息转化为声源的位置。
这类方法通常需要对环境噪声和多路径效应进行建模和去除，以提高定位的准确性。
然而，由于环境复杂性和信号处理的复杂性，这类方法在实际应用中往往存在一定的限制。
与此同时，基于机器学习的方法也逐渐得到了广泛应用。
这类方法主要通过训练算法模型，从大量的声源位置数据中学习到声源的定位规律，并在实时定位中进行预测。
与传统的方法相比，基于机器学习的方法能够更好地适应不同环境和条件下的声源定位需求，并具有较高的准确性和稳定性。
然而，这类方法需要大量的训练数据和复杂的计算过程，对硬件设备和计算资源的要求较高。
在本文中，我们将提出一种基于麦克风阵列的声源定位方法，并探讨其实现过程和效果评估。
该方法将结合信号处理和机器学习的技术手段，通过对音频信号的预处理和特征提取，提高声源定位的准确性和稳定性。
同时，我们将设计实验并收集大量的声源位置数据，利用机器学习算法训练模型，并对其进行评估和优化。
最终，我们将在实际的应用场景中验证该方法，并与传统的方法进行对比分析。
本文的研究内容对于声源定位技术的发展和应用具有一定的指导意义。
基于麦克风阵列的声源定位
基于麦克风阵列的声源定位声源定位技术是一种将声源位置信息与声音信号相关联的信号处理技术。
传统的声源定位技术一般使用单个麦克风，通过测量声音到达时间差或幅度差来确定声源位置。
然而，由于环境噪音的影响或者声音传播路径不明确，单个麦克风的精度不高。
而基于麦克风阵列的声源定位技术通过利用多个麦克风之间的空间布置关系，可以更准确地定位声源位置。
麦克风阵列通常采用线性、圆形或矩形的布局，可以接收到多个方向的声音信号。
通过对不同麦克风接收到的信号进行分析，可以计算出声源的位置。
在实现基于麦克风阵列的声源定位技术时，主要的步骤包括：1.麦克风阵列的设计与布置：根据具体的应用场景和需求，选择合适的麦克风数量、类型和布局形式。
一般来说，麦克风之间的距离越远，声源定位的精度越高。
2.信号采集与处理：通过麦克风阵列采集到的声音信号，使用滤波器和放大器对信号进行预处理。
然后，通过快速傅里叶变换（FFT）或相关函数计算麦克风之间的互相关函数，得到声音到达时间差或幅度差。
3. 特征提取与处理：根据互相关函数的结果，进行特征提取和处理，以获得更准确的声源定位信息。
常用的特征包括声音到达时间差（Time Difference of Arrival，TDOA）和声音到达角（Angle of Arrival，AOA）。
4. 定位算法：根据提取得到的特征信息，使用定位算法计算声源的位置。
常用的算法有最小二乘法（Least Squares，LS）、推广的消元法（Generalized Cross-Correlation，GCC）以及基于机器学习的方法等。
5.定位结果的评估与优化：根据实际的应用需求，评估声源定位的精度和实时性，并进行相应的优化，以提高声源定位的准确性和稳定性。
基于麦克风阵列的声源定位技术可以广泛应用于语音识别、人机交互、语音增强等领域。
例如，在视频会议中，可以通过声源定位技术来确定发言人的位置，从而自动调整摄像头的方向和焦距。
《基于麦克风阵列的声源定位技术研究》
《基于麦克风阵列的声源定位技术研究》一、引言随着科技的不断发展，声源定位技术在众多领域中扮演着越来越重要的角色。
麦克风阵列技术作为声源定位的主要手段之一，因其高精度、高效率的特点，得到了广泛的应用。
本文旨在探讨基于麦克风阵列的声源定位技术的研究现状、原理及实现方法，并对其未来发展趋势进行展望。
二、麦克风阵列技术概述麦克风阵列是指将多个麦克风按照一定的几何布局排列在一起，形成一个具有特定功能的声学传感器系统。
通过分析麦克风接收到的声波信号，可以实现对声源的定位、追踪和识别等功能。
麦克风阵列技术具有高精度、高效率、低成本等优点，因此在军事、安防、智能家居、机器人等领域得到了广泛应用。
三、声源定位技术原理基于麦克风阵列的声源定位技术主要依赖于声波传播的特性和麦克风的信号处理技术。
其基本原理包括时差法（TDOA）、相位差法、波束形成法等。
其中，时差法是应用最广泛的一种方法。
通过测量不同麦克风接收到声波信号的时间差，结合声波传播速度和麦克风阵列的几何布局，可以计算出声源的位置。
四、声源定位技术实现方法1. 信号预处理：对接收到的声波信号进行滤波、降噪等预处理操作，以提高信噪比。
2. 特征提取：通过时频分析等方法提取出声源信号的特征，如到达时间、到达角度等。
3. 定位算法：根据提取的特征信息，运用时差法、相位差法等算法计算出声源的位置。
4. 位置输出：将计算得到的位置信息输出，可用于后续的声源追踪、识别等任务。
五、研究现状及挑战目前，基于麦克风阵列的声源定位技术已经取得了显著的成果。
然而，在实际应用中仍面临一些挑战，如环境噪声干扰、多径效应、非线性声波传播等问题。
为了解决这些问题，研究者们不断探索新的算法和技术，如深度学习、机器学习等人工智能技术在声源定位中的应用。
此外，如何提高定位精度、降低系统复杂度、实现实时性等也是当前研究的重点。
六、未来发展趋势未来，基于麦克风阵列的声源定位技术将朝着更高精度、更低成本、更智能化的方向发展。
四通道麦克风阵列声源定位python代码
四通道麦克风阵列声源定位python代码
四通道麦克风阵列声源定位是一种用于确定声音来源位置的技术。
在语音处理、音频增强和语音识别等领域中，声源定位是一项重要的任务。
本文将介绍使用Python实现四通道麦克风阵列声源定位的方法。
我们需要获取四个麦克风的音频信号。
可以通过连接四个麦克风到计算机或者使用专门的硬件设备来获取音频信号。
然后，我们可以使用Python中的音频处理库来处理这些信号。
接下来，我们需要对音频信号进行预处理。
可以使用滤波器来去除噪音，并对音频信号进行增强。
这将有助于提高声源定位的准确性。
然后，我们需要根据四个麦克风的位置信息来计算声源的位置。
通过分析音频信号在四个麦克风之间的差异，我们可以确定声源的方向和距离。
可以使用信号处理算法，如交叉相关函数来计算差异。
我们可以使用可视化工具来显示声源的位置。
可以使用Python中的图形库来绘制声源的位置，并将其显示在屏幕上。
通过以上步骤，我们可以实现四通道麦克风阵列声源定位的功能。
这将有助于提高语音处理和音频增强的效果，以及改善语音识别的准确性。
使用Python进行声源定位的方法简单而有效，为相关领域的研究和应用提供了一种可行的解决方案。
希望本文对读者有所帮助，谢谢阅读！。
声源定位的算法原理
声源定位的算法原理声源定位是指通过分析声音信号，确定声音源的位置的技术。
声源定位在很多领域都有应用，如语音识别、语音跟踪、音频会议等。
声源定位的算法原理主要包括多麦克风阵列、波束形成和时间延迟估计等。
1. 多麦克风阵列（Microphone Array）：多麦克风阵列是指将多个麦克风均匀地布置在空间中，以便同时接收不同位置的声音信号。
麦克风阵列可以通过增加麦克风数量来提高声源定位的精度。
通常，麦克风阵列的形状可以是线性的、圆形的或者其他形状的，不同的阵列形状会对声源定位的效果产生影响。
2. 波束形成（Beamforming）：波束形成是一种通过对麦克风阵列中的麦克风信号进行加权和叠加，以增强来自目标声源的信号，并抑制背景噪音和干扰声音的技术。
波束形成的目的是使得阵列信号中来自目标声源的能量最大化。
常见的波束形成算法包括被动波束形成、激发波束形成和自适应波束形成等。
- 被动波束形成（Passive Beamforming）：被动波束形成是指通过简单的叠加麦克风阵列的信号，以增强来自目标声源的信号。
被动波束形成不需要估计声源的方向，因此算法相对简单，但精度较低。
- 激发波束形成（Adaptive Beamforming）：激发波束形成是指根据估计的声源方向，调整麦克风阵列信号的加权系数，以实现抑制背景噪音和干扰声音的目的。
激发波束形成由于需要估计声源的方向，因此算法复杂度较高，但精度较高。
- 自适应波束形成（Adaptive Beamforming）：自适应波束形成是指根据实时接收的信号和背景噪音的统计特性，自适应地调整麦克风阵列的加权系数，以实现最优波束形成。
自适应波束形成利用信号处理算法来估计加权系数，从而抑制干扰声音和背景噪音。
3. 时间延迟估计（Time Delay Estimation）：时间延迟估计是指通过分析麦克风阵列中不同麦克风接收到的信号之间的时间差，来估计声源的方向。
常见的时间延迟估计算法包括互相关法、基于延迟和和互相关法、最大似然估计法等。
基于麦克风阵列的声源定位技术毕业设计
基于麦克风阵列的声源定位技术毕业设计声源定位技术是指通过麦克风阵列系统来确定声源的位置。
这个技术在很多领域都有广泛的应用，比如音频会议、语音识别、无线通信等。
在这项毕业设计中，我将设计一个基于麦克风阵列的声源定位系统，并对其进行实验和改进。
首先，我将使用麦克风阵列来捕捉声音信号。
麦克风阵列是一组麦克风按照特定方式排列在一起，可以同时捕捉到声源的多个方向的声音信号。
在我的设计中，我将使用四个麦克风组成一个线性阵列，这种方式可以较为精确地确定声源的方向。
接下来，我将使用信号处理算法来定位声源的位置。
首先，我会对捕捉到的声音信号进行时域和频域分析，以提取相关的特征。
然后，通过比较这些特征与已知声源信号的特征，可以得到声源的大致位置。
最后，我会使用多普勒效应和相位差等方法来进一步提高定位的精度。
为了验证这个声源定位系统的有效性，我将进行一系列的实验。
首先，我会使用已知位置的声源发出声音信号，然后通过麦克风阵列捕获这些信号，并使用我的定位算法来确定声源的位置。
我会与已知位置进行比较，以评估定位系统的准确性和精度。
在毕业设计过程中，我还计划改进声源定位系统的性能。
首先，我将尝试使用更复杂的麦克风阵列配置，如圆形阵列或三维阵列，以提高定位的精度和稳定性。
其次，我会优化信号处理算法，通过引入机器学习和深度学习的方法，来提高定位的准确性。
最后，我还计划设计一个用户友好的界面，方便用户使用和控制定位系统。
总之，这个基于麦克风阵列的声源定位技术的毕业设计将使我深入了解声源定位技术的原理和应用，并通过实验和改进来验证和提高系统的性能。
希望通过这个设计，我能够对声源定位技术有更深入的理解，并为相关领域的研究和应用做出一定的贡献。
可移动声源定位系统设计
可移动声源定位系统设计一、系统原理可移动声源定位系统基于声波的传播特性，通过收集声波信号的时间差和相位差信息，计算声源位置。
该系统由多个节点组成，每个节点都有麦克风接收声波信号，然后将信号通过无线传输方式发送到一个中心节点，中心节点计算出声源位置并将位置信息反馈给用户。
二、系统硬件设计1. 麦克风阵列麦克风阵列是收集声波信号的核心部件，其设计要求能够有效地捕捉声源的声波信号。
本系统采用了六个麦克风组成的线性阵列，阵列中每个麦克风之间的距离为1.5厘米。
2. 数据采集卡数据采集卡是用来将麦克风阵列收集到的声波信号转换为数字信号，以便进行后续计算。
本系统采用了PCIe接口的数据采集卡，采样率为48kHz，位深为24位。
3. 中央处理器中央处理器是系统的核心，用于计算声源位置和与用户进行交互。
本系统采用了英特尔i7处理器，主频为3.6GHz，内存为16GB。
4. 无线模块无线模块是用来将数据从分布式节点传输到中心节点。
本系统采用了2.4Ghz的无线模块，最大传输速率为2Mbps。
1. 信号处理算法信号处理算法是用来对从麦克风阵列收集到的声波信号进行处理，以得到时间差和相位差信息。
本系统采用了交叉相关算法（Cross-Correlation）和相位差算法（Phase Difference），以提高定位精度。
2. 定位算法定位算法是用来计算声源位置的核心算法。
本系统采用了三边定位算法（Three-Side Localization Algorithm），能够通过三个节点接收到的信号时间差信息计算出声源位置。
3. 用户界面设计用户界面是用来与用户进行交互的重要组成部分。
本系统采用了图形用户界面（Graphical User Interface），将声源位置以地图图像的形式展现给用户，增强用户体验。
四、实验结果通过对可移动声源定位系统进行实验测试，得到了较为理想的实验结果，可正确地计算出声源位置。
在不同环境下进行测试，定位误差在1-2米之间，可以满足实际应用需求。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
式中, tij为麦克风 i和 j 之间的延迟时间 ; c 为声音的传 播速度。 tij可由声音信号的时域互相关性确定。麦克 风 i接收到的信号记为 x i [ n ] , 则麦克风 j 和麦克风 i 的互相关函数记为
基于 TM S320DM 642麦克风阵列声源定位系统 在 8~ 96 kH z 采样范围内提供 16 位、 24 位和 32 位数 据采样 , ADC 和 DAC 的信噪比可以分别达到 90 dB 和 100 dB。同时, TLV320A IC23B 还具有很低的功耗, 回 放模式下功率仅为 23 mW, 省电模式下 更是小于 15 W。 TLV320A I C 23B 与微处理器的接口有 2 个: 一个 是控制口, 用于设置 TLV320A IC23B 的工作参数 ; 另一 个是 数据口 , 用 于传输 TLV320A IC23B 的 A /D、 D /A 数据。 3 . 2 . 1 TMS320DM 642与 TLV320A IC23B 连接 本 系 统 中 将 TM S320DM 642 的 M cASP 配 置 成 Burst F ram e SyncM ode 方式 , 与 4片 TLV320A I C 23B 的 数据口 相接, 使用 II C 总线与 TLV320A I C 23B 的控制 口相接 , 如图 3所示。
2 麦克风阵列源定位原理
[ 4]
4 个麦克风组成麦克风阵列确定声源的位置 , 增 强语音信号 , 并自适应地删除语音信号中包含的噪声 信号, 系统框图如图 1 所示。声源位置和麦克风阵列 的相对位置如图 2 所示。麦克风 m 1 位于坐标轴的原 点 , 声源 S (x, y, z )与坐标原点的距离为 r。X Y 平面内 和 X 轴的夹角为 , 空间天顶角为 。计算公式如下
收稿日期 : 2010- 04- 27 基金项目 : 南京信息工程大学基金资助项目 ( 20080326) 作者简介 : 李致金 ( 1972 ), 男 , 硕士 , 讲师 , 主要研究 方向图像 传输 、 语音信号处理 。
集系统必须具备各通道间同步、 实时采集、 信噪比高、 扩展 性 好 等 特 点。 TM S320DM 642 DSP 芯 片 是 在 TM S320C6000 DSP 平台 上的 高性 能 定点 运 算 DSP。 TM S320DM 642 采用 T I 公司开发的第 2 代高性能、 先 进 V elociT I技术的 VL I W 结构 ( Ve lo c i T I1 . 2) , 在音频 和视频应用方面性能优越, 成为数字多媒体产品应用 中极好的选择。采用 TM S320DM 642 DSP 芯片为核心 处理器件的麦克风阵列声源采集系统 , 配置以精简得 当的定位算法, 可使麦克风阵列应用于许多场合, 如视 频会议、 机器人语音识别、 车载系统环境、 大型场所会 议、 助听装置等。
1 语音端点检测
麦克风阵列声源定位, 首先要检测到麦克风阵列
36 接收的来自于声源的时间差。语音端点检测的主要任 务是对接收到的信号进行分析, 判断其中是否有语音 信号, 以确认麦克风阵列中语音 信号到达的时间 差。 在语音识别中, 有一半左右的错误率是由端点检测引 [ 1] 起的 。目前常 用的语 音检 测算 法有 : 短 时过零 点 法、 短时能量法及短时功率谱法等。一般在信噪比较 高的情况下采用短时能量和过零率混合使用的方法来 进行端点检测。在噪声较大的情况下 , 含噪语音信号 中的语音部分和噪音部分幅值相近 , 整个波形看上去 类似白噪声 , 使用过零率法和短时能量法都无法进行 端点检测 。在强噪声的情况下, 目前有两种比较新 的端 点 检 测 方 法: 用 短 时 能 量 变 换 率 进 行 端 点 检 [ 3] 测 LSTER 法和用过零率的变化率进行端点检测 的方法 H ZCRR 法。本文采用高过 零率的变化率 ( HZCRR, high zero crossing rate) 法, 其本质与过零率类 似, 是由过零率的方法衍生出来的。其表示方式为
r=
2 2 ( d 14 + d12 ) d42 - d 2 d2 13 14 - ( d12 + d 13 ) = 2 ( d 12 + d 34 ) 2 ( d 12 + d 13 - d 14 ) 2
图2
4 麦克风和声源示意图
3 系统硬件设计
3 . 1 TM S320DM 642 简介 TM S320DM 642 是 T I公司生产的 C6000 系列中最 高性能的定点数字信号处理器。 DM 642 片上有 3 个 32 位 的定 时器 , 这 3 个 定时 器可 供用 户软 件编 程。 DM 642 的 M ultichanne lAudio Serial Port ( M c ASP )主要 应用在多通道的音频处理中, M cASP 数据的接收与发 送两个部分可以进行同步操作, 也可以完全独立地进 行工作。 [ 6] 3 . 2 4 通道音频输入 本系统采用 4 片 TLV320A IC23B 实现 4 路立体声 音频的输 入。 TLV320A IC23B 是 T I 推出的一款 高性 能的立体声音频 Codec器件, 内置耳机输出放大器, 支 持MI C 和 LI NE I N 两种输入方式 (二选一 ), 并且输入 输出都具有可编程的增益调节。 TLV320A IC23B 的模 数转换 ( ADC ) 和数模转换 ( DAC ) 部件高度集成在芯 片内部 , 采用了先进 的 Sigm a delta 过 采样技术 , 可以
[ 5]
( 3) ( 4) ( 5)
= arccos z r = arcsin y r sin
= arccos = arcs in
- d13 ( 2 r + d 13 ) 2 r
2
- d 12 ( 2 r + d 12 ) 2 r sin
式中, dij为麦克风 i和 j 之间的延迟距离;
为正方形
麦克风阵列的边长。麦克风 i 和 j 之间的延迟距离 d ij 计算公式为
The Syste m of Sound Source Localization by M icrophone Array Based on TM S320DM 642
LI Zh i jin , QI AO Jie
( Co lleg e of E lectronic & Infor m ation Eng ineering , N an jing U nivers ity of Infor m ation Science & T echno logy , N anjing 210044, China)
基于 TM S320DM 642麦克风阵列声源定位系统
35
基于 TM S320DM 642麦克风阵列声源定位系统
李致金, 乔 杰
210044) ( 南京信息工程大学 电子与信 息工程学院 , 江苏 南京
摘要: 麦克风声源定位是利用麦克风阵列拾取语音信号 , 并用数字信号处理技术对其进行分析和处理的 声源定位技术。 在麦克风阵列声源定位中 , 语音信号端点的拾取是重要的环节。 语音端点检测是对接 收到的信号利用端点检测算法分析, 以确认麦克风阵列中语音信号到达的端点; 并利用麦克风阵列中各 麦克风接收到的语音信号的端点的先后, 计算出麦克风阵列接收的来自于声源的时间差; 根据麦克风阵 列之间的时间差 , 应用所提出的声源定位的方法, 继而计算出声源的空间位置 。本系统定位精度较高、 实时性好, 可应用于许多场合, 如视频会议 、 机器人语音识别、 语音助听装置等。 关键词 : 声源定位; 麦克风阵列; TM S320DM 642 ; 端点检测 中图分类号 : TN 98 文献标识码: A 文章编号: 1000- 8829( 2011) 01- 0035- 04
, 式中, fs 为麦克风接收到的信
[ 2]
图 1 麦克风 阵列信号处理系统框图
[ sgn ( ZCR ( n ) - 1. 5avZCR ) + 1 ] ( 1 )
n= 0 N- 1
ZCR ( n )
n= 0
( 2)
式中, HZCRR 为一定 长度 的窗中 过零率 ( ZCR, zero crossing rate)高于 1 . 5 倍过零率平均值的帧数目比例; HZCRR ( n )为第 n 点的过零率比, 其端点检测原理在 于语音的起始点和结束点语音过零率变化明显, 因此 可以较好地分辨出语音的端点。
Abstract : Sound source locat ion syste m based on m icrophone array co llects the sound signal by m icrophone ar ray . TLV 320A IC23B converts analog sound signal to digita l signa. l TM S320DM 642 analyses the dig ita l sound sig na l and detects th e endpoints of th e sound sig na l to the m icrophone . The endpo in t detection is one o f th e i m portant factors to deter m ine the precisio n o f th is system. Because the d istance bet w een sound source and one m icrophone of the m icrophone array, the t i m e tij in dicates th e ti m e in terva l o f sound from m icrophone I to m i crophone J. T o get th e t i m e tij, th e TM S320DM 642 is used as co re control dev ice . TM S320DM 642 w orks out the sound source position acco rd ing to th e princ ip le o f sound source locat io n wh ich is reduced. T he system of sound location based on TM S320DM 642 is a high precision and real t i m e system, and m ay be used to v ideo session , robot speech recogn ition , hearin g a id , etc . K ey w ord s : sound source localization; m icrophone array; TM S320DM 642 ; endpo int detection 麦克风声源定位技术是利用麦克风拾取语音信 号 , 并用数字信号处理技术对其进行分析和处理, 继而 确定和跟踪声源的空间位置。传统的单个麦克风的拾 音范围很有限, 拾取信号的质量不高 , 因此提出了用麦 克风阵列进行语音处理的方法。麦克风阵列 具有去 噪、 声源定位和跟踪等功能 , 从而大大提高了语音信号 处理质量。随着麦克风阵列技术在语音增强、 噪音抑 制、 声源定位和回声抵消等语音技术方面的不断发展 和成熟 , 人们对麦克风阵列语音数据的品质要求越来 越高。为了达到实用的目的, 麦克风阵列语音数据采