基于麦克风阵列和互相关时延估计的声源定位

基于麦克风阵列的声源定位系统

龙源期刊网

基于麦克风阵列的声源定位系统

作者：陶巍刘建平张一闻

来源：《计算机应用》2012年第05期

摘要:推导出声音传播的近场模型，采用相位变换(Phase Transform,PHAT)作为加权函数的广义互相关算法（Generalized Cross Correlation,GCC）完成时延差估计，再采用基于数据关联的时延选择算法选择时延，最后使用到达时延差的算法估计声源方位，并在算法模型的基础上搭建了基于数字信号处理器（DSP）的声源定位硬件系统开发平台。实验结果表明，在声音传播的近场模型下该系统角度估计误差不大于3°。

关键词：麦克风阵列；数据关联；声源定位；到达时延差；数字信号处理器

中图分类号: TN912.34文献标志码:A

《基于麦克风阵列的远场声源目标定位技术研究》

一、引言

随着人工智能和物联网技术的快速发展，语音识别和声源定位技术在智能家居、智能安防、智能交通等领域得到了广泛应用。其中，基于麦克风阵列的远场声源目标定位技术是关键技术之一。该技术能够通过多个麦克风的协同作用，实现对远场声源的定位，从而提高语音识别的准确性和实时性。本文旨在探讨基于麦克风阵列的远场声源目标定位技术的研究现状、关键技术、应用场景及未来发展趋势。

二、研究现状

目前，国内外学者在基于麦克风阵列的远场声源目标定位技术方面已经取得了一定的研究成果。主要研究方法包括基于波束形成技术、高分辨率谱估计技术和空间谱估计技术等。其中，波束形成技术是利用麦克风阵列的相位延迟特性，对特定方向上的声波信号进行增强，从而实现声源定位。高分辨率谱估计技术则通过对声音信号的频谱进行高分辨率估计，实现声源的定位和追踪。空间谱估计技术则利用多个麦克风的接收信号之间的时间差和相位差等信息，通过计算声源的方位角和距离等信息，实现声源的定位。

三、关键技术基于麦克风阵列的远场声源目标定位技术的关键技术主要包括：信号预处理、波束形成、高分辨率谱估计和空间谱估计等。

1. 信号预处理：对接收到的声音信号进行预处理，包括滤波、放大和标准化等操作，以便后续的声源定位算法处理。

2. 波束形成：根据不同的声波传播路径和时间延迟关系，计算出声源相对于麦克风阵列的相对位置信息，并通过加权叠加的方式形成指向性波束，从而实现对特定方向上的声波信号的增强。

3. 高分辨率谱估计：通过对声音信号的频谱进行高分辨率估计，可以获得更精确的声源位置信息。常用的高分辨率谱估计方法包括MUSIC算法、ESPRIT算法等。

4. 空间谱估计：利用多个麦克风的接收信号之间的时间差和相位差等信息，通过计算声源的方位角和距离等信息，实现声源的定位。常用的空间谱估计方法包括TDOA（Time Difference of

基于小型麦克风阵列的声源定位技术

第41卷

增刊I 垡中科技大学学报( 自然科学版)

V01．4l Sup．I

2013年 10月

J．Huazhong Univ．of Sci．8L Tech． (Natural Science Edition) Oct． 2013

基于小型麦克风阵列的声源定位技术

赵圣1 崔牧凡2 尤磊1 王鸿鹏1

(1哈尔滨工业大学深圳研究生院深圳物联网关键技术与应用系统集成工程实验

室，广东深圳518055；2国家计算机网络应急技术处理协调中心，北京100029)

摘要针对传统的时延估计算法不能精确地估计出麦克风之间的时延和易受环境与噪声影响等缺点，利用

广义互相关(GCc)算法进行时延估计并对其进行改进，结合自行设计的小型麦克风阵列和提出的空间定位方

法，最终实现了声源定位系统，可以计算出声源与目标之间的距离和方位角．实验表明：本声源定位系统能达

到比较高的定位精度，具有一定的实用价值．关键词麦克风；声音；定位；广义互相关；四元阵列；数据采

集卡

中图分类号 TN912 文献标志码

A 文章编号 1671—4512(2013)S1一0188一04

Sound

source localization

technology based

on small

microphone

array

2

yo乱LPi

Z^口o

S^已咒g C“i^彳“，矗，z

W么挖g Ho押g户P卵g

(1

Engineering Laboratory for

Key Technology and

System Integration of Internet of

Things，Harbin

lnstitute of

Technology Shenzhen

Graduate School，Guangdong，Shenzhen，5 l 8055；2 National

Computer Network Emergency Response Coordination Center of China，Be巧ing 1 O002 9)

声源定位的算法原理

声源定位算法是通过分析和处理音频信号，确定声源的位置或方向。常见的声源定位算法包括交叉相关法、泛音法、多麦克风阵列法等。下面将详细介绍这些算法的原理。

1.交叉相关法：

交叉相关法是一种经典的声源定位算法。它基于两个麦克风之间的时间差（Time Difference of Arrival，简称TDOA）来确定声源的位置。首先，通过两个麦克风接收到的声音信号计算出它们的自相关函数。然后，两个自相关函数进行互相关运算，得到互相关函数。根据互相关函数的峰值位置，可以通过时间差来确定声源的方向。具体步骤如下：

-麦克风接收到的声音信号进行滤波和采样。

-计算出两个麦克风的自相关函数。

-对两个自相关函数进行互相关运算，得到互相关函数。

-找到互相关函数的峰值位置，根据时间差计算声源的方向。

2.泛音法：

泛音法是一种利用声音的频率特征来确定声源方向的算法。声音在传播过程中会发生多次反射，形成泛音。这些泛音在不同位置的麦克风上的相对振幅会发生变化。通过分析不同麦克风上的频率响应，可以确定声源的位置。具体步骤如下：

-通过多个麦克风接收到的声音信号计算频谱。

-分析不同麦克风上的频谱，在频域上找到波峰位置。 3.多麦克风阵列法：

多麦克风阵列法是一种基于信号处理技术的声源定位算法。它利用多个麦克风接收到的声音信号之间的差异来确定声源的方位。通过利用阵列中的多个麦克风之间的时延差、振幅差和相位差等信息，可以实现高精度的声源定位。

-设置一个具有多个麦克风的阵列。

-同时接收到来自不同麦克风的声音信号，并利用信号处理技术进行预处理。

-通过计算麦克风之间的时延差、振幅差和相位差等信息，确定声源的位置。

声源定位算法在很多领域都有广泛的应用，如语音识别、视频会议、智能家居等。通过对声音信号的分析和处理，可以准确地确定声源的位置和方位，为人们提供更多便利和服务。

基于TDOA的麦克风阵列声源方位估计算法研究

【摘要】利用麦克风阵列进行音频信号方位检测是一个十分活跃的研究领域，在工程应用中也具有重要意义。本文采用相位交换（PHAT）作为加权函数的广义互相关算法（GCC）完成时延差估计，利用到达时延差的算法估计声源方位，并在算法模型的基础上搭建了基于数字信号处理器的四通道声源定位硬件系统平台。

【关键词】麦克风阵列；方位检测；时间延迟估计；数字信号处理

1 音频信号的处理

由于麦克风的阵列接收到的信号是非平稳的，没有经过调制，并且有各种噪声及混响的信号，所以它的信噪比会比较低，时延估计的性能比较差，为此我们对麦克风信号进行了以下的预处理：

1.1 预滤波

麦克风采集到的信号中语音信号是有限带宽信号，其能量主要集中在300-3400Hz之间，而信道噪声和背景噪声则可能分布在整个频谱空间中。因此，算法使用带通滤波器将低频和高频段的噪声滤除，为后续处理提供高信噪比的信号。

1.2 加窗分帧

在处理过程中，为保证语音信号的短时平稳性，对其进行了加窗分帧。我们采用帧与帧互叠的方法，在语音短时平稳允许的时间间隔内，增加可处理的帧数，减少语音分帧处理所造成的不连续性。前一帧和后一帧的交叠部分称为“帧移”，一般情况下，帧移与帧长的比值为 0-1/2。算法中采用的是1/2帧移帧长比。

加窗是用可移动的有限长度窗口进行加权的方法来实现的，也就是用一定的函数w（n）乘以x（n），从而形成加窗的语音信号。在语音信号数字处理中常用的窗函数有汉明窗（Hamming），它的表达式如下所示（N为帧长）：

w（n）=0.54-0.46cos（2π■），0≤n≤（N-1）

0，n=else （1）

加窗分帧处理完成后，语音信号被分割成一帧一帧平稳的随机短时信号，利用数字信号处理技术，按帧从数据中取出数据进行处理，处理完成后取下一帧，最后便可提取语音的特征参数。

1.3 端点检测

端点检测就是从背景噪声中找出语音的起始点和终止点，根据语音信号的自身特点，本算法采用的是短时能量和短时过零率两种判断标准进行端点检测。

麦克风声源定位原理_一种利用麦克风阵列进行声源定位的方法与流程

麦克风声源定位原理_⼀种利⽤麦克风阵列进⾏声源定位的⽅

法与流程

本发明涉及计算机信号处理领域，具体涉及⼀种⽤麦克风阵列时延估计定位声源的⽅法。

背景技术：

20世纪80年代以来，麦克风阵列信号处理技术得到迅猛的发展，并在雷达、声纳及通信中得到⼴泛的应⽤。这种阵列信号处理的思想后来

应⽤到语⾳信号处理中。在国际上将麦克风阵列系统⽤于语⾳信号处理的研究源于1970年。1976年，Gabfid将雷达和声纳中的⾃适应波

束形成技术直接应⽤于简单的声⾳获取问题。1985年，美国AT&T/Bell实验室的Flanagan采⽤21个麦克风组成现⾏阵列，⾸次⽤电⼦控

制的⽅式实现了声源信号的获取，该系统采⽤简单的波束形成⽅法，通过计算预先设定位置的能量，找到具有最⼤能量的⽅向。同

年，Flanagan等⼈⼜将⼆维麦克风阵列应⽤于⼤型房间内的声⾳拾取，以抑制混响和噪声对声源信号的影响。由于当时技术的制约，使得

该算法还不能够借助于数字信号处理技术以数字的⽅式实现，⽽主要采⽤了模拟器件实现，1991年，Kellermann借助于数字信号处理技

术，⽤全数字的⽅式实现了这⼀算法，进⼀步改善了算法的性能，降低了硬件成本，提⾼了系统的灵活性。随后，麦克风阵列系统已经应⽤

于许多场合，包括视频会议、语⾳识别、说话⼈识别、汽车环境语⾳获取、混响环境声⾳拾取、声源定位和助听装置等。⽬前，基于麦克风

阵列的语⾳处理技术正成为⼀个新的研究热点，但相关应⽤技术还不成熟。

技术实现要素：

鉴于麦克风阵列的声源定位⽅法具有⼴泛的应⽤前景和潜在的经济效益，本发明旨在提供⼀种利⽤麦克风阵列进⾏声源定位的⽅法，以期应

⽤在包括语⾳识别、强噪声环境下的语⾳获取、⼤型场所的会议记录、声⾳检测和助听装置等领域。

为实现上述⽬的，本发明采⽤以下技术⽅案：

⼀种利⽤麦克风阵列进⾏声源定位的⽅法，包括时延估计和声源定位，其特征在于：⾸先，通过算法估计声源信号到达阵列中麦克风阵元的

相对时间差；第⼆步则利⽤估计时间差来计算出声源到达各阵元的距离差，然后结合阵列拓扑结构⽤⼏何算法或搜索确定声源位置。

基于麦克风阵列的声源定位与语音增强方法研究共3篇

基于麦克风阵列的声源定位与语音增强方法研究1

随着数字通信技术的发展，声音信号处理已经成为了一个十分紧迫的问题。由于现实环境中的各种干扰，音频信号可能会失真、弱化或干扰。因此，对于一些需要精确处理声音的领域，比如语音识别、人机交互、视频会议等，如何有效的增强和定位声源就成为了一个十分重要的技术问题。本文将从基于麦克风阵列的声源定位和语音增强两个方向分别进行研究并提供当前的一些方法及趋势。

一、声源定位

声源定位是指通过分析进入麦克风阵列的声波，根据信号到达不同麦克风时差，来估计声源位置的过程。其基本过程通常可以分为几个部分。

1、麦克风位置校准

为了进行精确的声源定位，需要首先确定麦克风阵列的摆放位置。通常的方法是通过一些定位仪器或自主机器人，将麦克风阵列在空间中的坐标位置进行测量并校准。

2、声波同步

为了进行声源的到达时间分析，需要在各个麦克风间建立同步时钟。通过将麦克风的信号进行时间同步，我们就能够进一步分析声源的到达时间差。

3、时差计算

在排好位置并将麦克风信号同步后，使用时差估计算法计算麦克风之间信号到达的时间差。对于小间距的麦克风阵列，我们可以采用信号交叉相关函数法（time delay estimation

method）；而对于大间距阵列，我们则可以采取声波到达角度的算法（angle of arrival estimation method）。

4、声源定位

麦克风到达时间差后，声源定位应该是一个比较简单的问题。基于规则的几何算法以及最小二乘法都是当前普遍使用的方法之一。其中，最小二乘法因其具有较高的求解精度和易于实现的特点而受到了广泛的关注。

二、语音增强

语音增强是指在复杂的背景噪声环境下，对语音信号进行降噪、去回声、声音增益等一系列信号处理操作的过程，以实现语音信号的最佳信噪比增益。一些常用的方法包括：

1、基于小波分解的语音增强

基于麦克风阵列的时延定位算法研究

潘峥嵘;段丽萍;杨智刚

【摘要】Aiming at low SNR of delay estimation of traditional Cross-power

Spectrum Phase (CSP) method in the strong noise environment, an

improved CSP method to solve this problem is proposed in this paper. The

traditional method of CSP is studied and the speech signal energy on the

ratio of total energy is analyzed. In order that the speech signal is not

drowned in the strong noise environment, a nonlinear parameter changing

with Signal to Noise Ratio(SNR)is defined. By adjusting the non-linear

parameter to control the size of weighting function, thereby reducing the

influence of noise, the anti-noise performance of the algorithm is

improved. Three methods of time-delay estimation are compared on

matlab platform by using eight linear array microphone voice signal

acquisition in different SNR environments, and simulation results show

基于TDOA麦克风阵列声源定位技术

龙源期刊网

基于TDOA麦克风阵列声源定位技术

作者：李德宝归达举叶懋

来源：《科技资讯》2016年第13期

摘要：随着科技的进步和发展，声源定位技术已经成为人们研究的重要课题之一。基于声达时间差（TDOA）是阵列语音信号处理的核心技术，其作用是估算出同一声源信号到达不同麦克风时，因为传输的距离不相同而引起的时间差。麦克风阵列对于室内环境噪声抑制、声源定位、跟踪这些方面都比单个麦克风有优势，从而优化语音信号采样质量。该文主要讲的是用麦克风阵列和时延估计声源定位方法对声源进行定位及跟踪。

关键词：麦克风阵列声源定位声达时间差（TDOA）

中图分类号：TN912.34 文献标识码：A 文章编号：1672-3791（2016）05（a）-0003-02

基于麦克风阵列的声源定位技术的研究在全国的关注度越来越高，基于麦克风阵列的声源定位技术是指经过麦克风阵列对声音信号进行采集，从而进行信号处理得到声源到达阵列的波达方向。目前，在全球所有的电子产品都趋向于高度智能化发展的今天，声源定位技术依然扮演着语音通信领域中举足轻重的技术角色。譬如在视频通话中，利用声源定位技术操控摄像头，能够自动搜寻发言者。在20世纪70年代，就已经有很多高校和研究室在这一通信领域进行研究探索，从此基于麦克风阵列的声源定位，语音信号处理中的说话人识别，语音合成等语音信号处理成为科技研究的热点。与单麦克风系统相比之下，麦克风阵列系统在语音信号处理方面具有显著优势：多个麦克风组成的麦克风阵列能够利用互补性能，对背景噪声进行消除和增强语音信号，从而提高语音识别的效果，同时能在一定范围内对声源信号进行实时定位与跟踪，但是单个麦克风却没有能力做到这一点。因此，具有良好的抗噪性、良好的抗混响性能以及简单的计算量或较快的运算速度是一个优秀的时延估计方法所具备的优点。

1 时延估计算法

基于麦克风阵列声源定位的发展历程及关键技术

摘要:回顾了基于麦克风阵列的声源定位系统的发展历程,对声源定位关键技术进行了讨论,分析了现有算法并对各算法的优缺点进行比较,文章的最后对麦克风声源定位技术的难点进行了概述,为进一步研究麦克风阵列信号处理奠定基础。

关键词:麦克风阵列关键技术信号处理

1 发展历程

早在20世纪70、80年代,就已经开始将麦克风阵列应用于语音信号处理的研究中,进入90年代以来,基于麦克风阵列的语音信号处理算法逐渐成为一个新的研究热点[1]。1985年Flanagan将麦克风阵列引入到大型会议的语音增强中,并开发出很多实际产品。1987年Silverman将麦克风阵列引入到语音识别系统,1992年又将阵列信号处理用于移动环境下的语音获取,后来将其应用于说话人识别。1995年Flanagan在混响环境下用阵列信号处理对声音进行捕获。1996年Silverman和Brandstein开始将其应用于声源定位中,用于确定和实时跟踪说话人的位置[2]。目前麦克风阵列系统已有许多应用,其中在民用上包括视频会议、语音识别、车载系统环境、大型场所的会议记录系统以及助听装置等;军用上包括声纳系统对水下潜艇的跟踪及无源定位直升机和其他发声设备上。在国外,很多著名的公司和研究机构,如IBM,BELL等,正致力于麦克风阵列的研究和产品,而且已经有了一些初期产品进入市场[3]。这些产品已经应用到社会生活的各个场合并体现出了极大的优越性。遗憾的是,在国内,到目前为止还没有自主产权的麦克风阵列产品。因此,研究我国自主的基于麦克风阵列的语音处理算法和技术具有重要的意义。我国一些企业、研究所和高校做了大量的相关工作,但是目前对声源定位的研究才算刚刚起步。

2 声源定位关键技术

基于麦克风阵列的声源定位是指用麦克风拾取声音信号,通过对麦克风阵列的各路输出信号进行分析和处理,得到一个或者多个声源的位置信息,其使用的关键技术有以下几个方面。