分布式麦克风阵列定位方法研究_麦克风阵列声源定位
分布式麦克风阵列定位方法研究由刀豆文库小编整理，希望给你工作、学习、生活带来方便，猜你可能喜欢“麦克风阵列声源定位”。
分布式麦克风阵列定位方法研宄
1.2麦克风阵列声源定位的应用
基于麦克风阵列的声源定位技术作为监控或探测手段，对发声目标进行准确、快速 的定位，无论是在军事国防领域，还是在工业上的噪声源检测、故障定位等方面，还是
在音视频会议热点聚焦、人机交互、安全监控等日常应用中，都起着重要作用。
(1)军事国防。基于麦克风阵列的声源定位技术在军事国防领域有着重要应用，目前其被广泛应用于军事目标探测，包括狙击手位置确定、火炮发射位置估计、飞机探
测、枪声定位、水下潜艇探测等等。针对飞机飞行时发动机会产生巨大轰鸣声这一弱点，麦克风阵列声源定位技术可用于发现和跟踪隐身飞机，不仅方法易行可靠，而且设备简
单、造价相比于红外和雷达设备要低廉很多⑴。除此之外，还有学者研究基于分布式麦
克风阵列声源定位的相关技术与数据融合技术，对子弹弹道、武器口径、武器类别等信
息进行估计12】。
图基于麦克风阵列的军事目标探测装置
Fig.1.1 Military targets detection device based on microphone array
^2)工业应用。在工业应用方面，基于麦克风阵列的声源定位技术常用来对机械
设备进行噪声定位，如对电动汽车中电机系统噪声源进行识别I3]、对民用客机着陆过程
中的飞机噪声源进行测量分析⑷等。另一方面，也可对机械设备发射音频信号，利用无
源探测的定位技术对机械故障进行定位，这也是进一步进行故障诊断的前提。
(3)音/视频会议。随着多媒体技术、信号处理技术以及通信技术的飞速发展，人
们召开会议时，无需再拘泥于与会者必须在同一时间同一地点进行面对面交流的形式，而是可以利用计算机、摄像机、麦克风等工具举行远程音/视频会议。将麦克风阵列应用
于这样的多媒体会议，无需给每个与会者都配备麦克风，与会者可以在房间内自由移动，当说话人改变时也无需手动切换声音采集通道，麦克风阵列的声源定位与语音增强技术
大连理工大学硕士学位论文
可以实现对说话人快速、准确地聚焦，并能够有效抑制环境中的噪声。如果是视频会议，在采用麦克风阵列声源定位技术确定说话人的位置后，可控制摄像头将其转向说话人方
向，让远端与会者也能够清楚地看到当前的说话人。
图1.2用于音/视频会议的麦克风阵列产品
Fig.1.2 Products based on microphone array used in audio/video conference
(4)安全监控。在机场、银行、地铁等安全性要求较高的场合，通常需要安装实
时监控设备来保证公共安全，虽然视频监控是最有利手段，但视频监控大多存在监控死
角，且有可能出现光线昏暗、视觉效果不佳的问题。这种情况下，可釆用麦克风阵列对
环境内声音进行监控，麦克风阵列一般不受方位和光线的限制，可以补偿视频监控效果。
例如，环境中出现异响，可采用麦克风阵列估计异响位置，从而确定发生状况的位置，进一步，如果定位信息能够控制摄像机转动，则可迅速聚焦到可疑位置；再如，对于确
定的关注目标，可利用其话说声、脚步声、动作声等对其进行定位与跟踪。
(5)人机交互。随着机器人技术的发展，将会有越来越多的机器人应用到日常生
活中，若想机器人听命于人、服务于人，人机交互是必要环节。语音是一种重要的人机
交互方式，将麦克风阵列应用于机器人，不仅有助于机器人清楚准确地接收到语音命令，而且能够确定发布命令的人的位置，如有需要，可快速移动至其身边。除服务于家庭的
智能家居机器人外，还有用于在复杂或危险环境中执行搜救或勘测等工作的机器人，这
些机器人也可利用麦克风阵列声源定位技术快速找到发声目标[5]。
1.3麦克风阵列声源定位发展历程与研究现状
U)规则麦克风阵列声源定位技术
麦克风阵列信号处理作为阵列信号处理的一个重要分支，继承并发展了阵列信号处
理的理论。对麦克风阵列信号处理的研究始于20世纪八十年代，1985年，Flanagan将
麦克风阵列应用到电话会议和大型会议中，实现了语音增强[6’7];1987年，Silverman将
麦克风阵列引入语音识别系统1992年起，Silverman、Brandstein等陆续将麦克风阵
列应用于声源定位中，实现说话人的定位与跟踪之后，麦克风阵列信号处理成为
大连理工大学硕士学位论文
精度较高，且实时性较好，适合实际应用。但是该方法多适用于单声源定位，多声源情
况下麦克风接收的是混叠在一起的多路信号，无法直接对每路信号分别进行时延估计。
另外，还有一点需要注意的是，如果声源是周期信号，那么阵列中麦克风间的距离需受
信号周期所限，以避免时延估计时产生周期混清现象。
基于空间谱估计的声源定位技术与频谱表示信号在各个频率上的能量分布相
类似，空间谱表示的是信号在空间各个方向上的能量分布。基于子空间分解类算法的声
源定位方法是建立各麦克风接收信号的相关矩阵，对其进行数学分解，划分出互相正交 的信号子空间和噪声子空间，再估计空间谱峰确定波达方向，进而确定声源位置，典型
算法有多重信号分类法（MUSIC)和旋转不变信号参数估计法（ESPRIT)等。子空间
分解类算法计算量较大，但改进方法很多，是阵列信号处理技术中研宄最多、应用最广 的信号源定位技术之一。还有一类是基于子空间拟合类的声源定位方法，代表性算法包
括最大似然算法、加权子空间拟合算法等。子空间拟合类方法的定位效果优良，且在相
干源情况下仍能有效估计声源位置，但是其运算量也很大，难以在硬件平台上实时运行。
基于子空间的声源定位技术可在已知声源个数的条件下，用于多目标源定位，不过由于
其只适用于远场、窄带、平稳随机信号，此类方法并不适合直接用于对语音声源的定位。
除了这三类定位方法外，也有学者提出基于声压幅度比[I8】的声源定位方法，即通过
声压在麦克风处产生的电压输出与声源到麦克风的距离这两者之间存在的关系，推导出
一系列约束条件，再利用这些约束条件计算出声源位置。此声源定位方法算法比较简单，但需准确估计两路信号间的延迟时间，并且需要事先对麦克风增益进行校准。
(2)分布式麦克风阵列声源定位技术
基于分布式麦克风阵列信号处理技术的研宄最早始于2001年Aarabi的开创性工作，他应用空间观测函数和最大似然方法，实现了分布式麦克风阵列的校准，给出了基于时
间延迟的分布式麦克风阵列声源定位方法2005年，Raykar等应用最大似然方法
和非线性最小二乘技术，提出了分布式麦克风阵列的一种校准方法[21]。2006年，McCarthy
和Boland应用房间声音传播模型，实现了分布式麦克风阵列中声源与麦克风距离的估
计方法[22]。2007年，Chen等用对数正态分布来建模噪声和观测误差，然后用基于能量 的优化准则和最大似然方法来估计麦克风和说话人位置[23】。2008年，McCowan等针对
散射噪声场，通过将测量的噪声相干函数与理论模型拟合，来估计麦克风阵列的几何位
置[24】。2009年，Cho等利用分布式麦克风阵列中多个麦克风对儿的累积相关系数实现了
真实环境中多声源定位[251。2010年,Nesta和Omologo采用协作维纳独立分量分析方法、基于分布式麦克风阵列对多个声源进行了定位与分离t26];Valente等考虑各向异性的定
位误差，在基于传统的信号到达时间差方法估计声源位置的基础上，将观测结果融合，-5
分布式麦克风阵列定位方法研究
2课题相关背景知识
2.1分布式麦克风阵列的特点
分布式麦克风阵列也可称作分布式麦克风网络，它既可看作规则麦克风阵列的发
展，也可视为一种特殊的传感器网络。分布式麦克风阵列具有一些规则麦克风阵列所不
具备的特点，而这些特点既是其优势所在，也为基于麦克风阵列的信号处理方法带来了
新的问题。
分布式麦克风阵列没有特定的几何拓扑结构。阵列中各麦克风位置可任意摆放，这
使得阵列建立容易、灵活，并且能够随时变换其结构。然而，正是因为其没有固定且规
则的阵列结构，一些规则麦克风阵列信号处理领域经典的、但对阵列结构有严格要求的
算法便不再适用，如MUSIC算法要求阵列为阵元等间隔排列的均匀线阵。所以对于分
布式麦克风阵列，需选择或幵发对阵列结构要求较低、通用性较强的信号处理算法。
分布式麦克风阵列的尺寸信息是任意的。阵列中麦克风间距可大可小，同样使得阵
列应用更加灵活。但是，如果麦克风间距过大，空间采样定理便可能不再被满足。根据
时域采样定理，只有当信号的采样频率大于或等于信号最高频率两倍的时候，信号频谱
才不会发生混叠。空间釆样定理与此类似，即把两个麦克风当作两个空间釆样点，以麦
克风间距离的倒数为采样率对信号进行空间采样。为避免空间混叠现象，麦克风间距应
小于或等于信号的半波长因此，对于麦克风间距较大情况，若直接对信号进行方位
估计，可能会因为空间混叠导致估计结果出现偏差甚至错误，而且直接对周期或准周期
信号进行时延估计也容易出现周期模糊现象。对于此问题，也需要慎重选择处理方法，对现有方法进行改进或者进行间接估计。
分布式麦克风阵列中各个阵元具有独立处理数据的能力。此特点与传感器网络类
似，如有需要，每个麦克风可以由独自的处理器控制，使得它们能够独立采集、存储和
处理信号数据。各阵元独立处理数据的优势是可以采用分布式信号处理算法将运算分散
在各阵元完成，从而避免在一中心节点处集中处理数据负荷太大。然而，这里需要注意
两个关键问题：一是同步问题，各麦克风可能由独立的时钟控制，需要对时钟校准，解
决时间同步和频率同步问题；二是数据融合问题，需将在各个阵元处处理好的初步结果
通过合适的方法传输到一中心节点处进行融合处理，以得到最终的结果，数据融合需要
迅速处理大量数据，同时避免信息超载。
分布式麦克风阵列定位方法研究
其中，I一与媒质密度、声波速度、球源表面振动速度的幅度、球源表面振动初相位角
等因素有关；k = ’ /1为声波波长；（9 = arctan(l)。= U为距离;■?处的声压振 A Ja'Q r
幅，当r小范围变化dr时，声压的振幅改变为
丨一
dPa = T d''(2.2)r
当r很大时，#为很小的值，且r越大，其值越趋近于零。因此，当/■足够大时，可认 r
为距离附近一定范围内的声压幅度是近似相等的，此时，可将此范围内的声波波阵面
视为平面波。
纖金(1)脉动球源
（2)球面波阵面
图2.1脉动球源与球面波阵面示意图
Fig.2.1 Schematic diagrams of pulsating sphere source and spherical wavefront
(3)分布式麦克风阵列信号处理模型
由于分布式麦克风阵列没有特定的拓扑结构，麦克风分布类似于传感器网络，通常
情况下麦克风间距离较大，声源也可能分布在麦克风之间，如图2.2所示。所以对于这
种情况，可无需考虑声源相对于整个阵列的近场或远场情况，只需直接建立各个麦克风 的接收信号模型。设在自由空间内有单一的固定声源■K?)，则第/个麦克风接收到的声
音信号为
A-,(,)= or,)+ ?,(/)(2.3)-10
分布式麦克风阵列定位方法研宄
分帧操作的实现是通过滑动的有限长度的窗口来截取信号，即原始声音信号为
s{n),使用长度为的窗函数M
= s(n)-M'(n)(2.5)
不同窗函数的选择，包括窗口形状和长度，不仅影响信号在时域的形状，也会影响
其在频域的形状，并且决定了信号短时平均能量的性质[321。通常情况下，对窗函数的总
体要求是频谱主瓣尽量窄，旁瓣峰值尽可能小，使频域的能量主要集中在主瓣内[33]。通
常，窗函数是中心对称的，常用的有矩形窗、三角窗、汉宁窗、海明窗、布莱克曼窗等。
矩形窗是最简单的窗函数，窗长为的矩形窗的时域表达式为 , = lo，其他
（2-6)
频率响应为
= ^(2.7)sin(i)
矩形窗的主瓣很窄，频率分辨率高，但是旁瓣峰值很大且旁瓣衰减速度较慢，导致频谱
泄露严重。为解决此问题，通常可采用由正弦或余弦函数复合而成的、边缘缓慢下降的
窗函数，其中汉宁窗和海明窗就是比较好的选择。由于本文只需计算声音信号短时能量，对其频谱没有较高要求，故釆用矩形窗即可。(2)输入信号活动检测
很多声信号不会处于一直发声的状态。在处理时，需先判断所关注的信号是否存在，即判断当前顿是否为信号帧。如果是信号巾贞，才使用相应算法进行处理。这样既能有效
降低计算量，提高程序执行效率，节省系统资源；又能避免误将噪声当作声音信号进行
处理而出现错误结果，以及避免当前错误结果对后续信号帧处理工作造成的影响。最常
见的信号输入检测方法是短时能量检测法。
能量是信号的一个重要特征，一般情况下，声音信号能量较大，背景噪声的能量较
小，故可以根据短时能量大小判断当前巾贞为信号巾贞还是噪声巾贞。设原始声音信号为，使用长度为的窗函数wO)对其进行加窗，得到加窗后的信号■svO?)，则此信号巾贞的短
时能量为
-12r,)+ n,(,)(2.4)
其中，是第/个麦克风的增益。
2.3预处理
音频信号处理中最基本的两个预处理操作为分帖加窗和输入信号检测。
(1)分倾加窗处理
分中贞处理通常分为两种情况。第一种情况主要是针对短时平稳声音信号，典型的如
语音信号，所采用的算法需要提取信号的某些特征参数，由于此类信号只在较短的时间
间隔内，才是特性不随时间变化的平稳随机信号，所以不能直接对整个信号进行分析，而是截取一段信号作为一顿进行分析计算。同时，为了保证信号的连续性，使巾贞与喊之
间平滑过渡，在分巾贞处理时可进行重叠分巾贞，重叠部分称作械移。典型的应用如语音编
码时提取线性预测系数等。第二种情况主要是针对实际应用，考虑到算法计算复杂度、实时性、硬件平台缓存容量等限制，不宜对较长数据做处理，故每缓存一定时长数据便
处理一次。
分布式麦克风阵歹ll定位方法研究
P,ik)= ]-Y.X,(k,bf(2.11)^ h
其中，5为所取帧数。
对麦克风增益校准即寻找一个合适的因子，使待校准麦克风与参考麦克风间的功率
差的能量最小。以第7_个麦克风作参考，对第/个麦克风进行校准，即需找到一个校准
因子A,(“)满足，(2.12)的、=arg min J Pi”
其中，表示以第7?个麦克风作参考，第/_个麦克风的增益校准因子。对式(2.12)求导，并令导数为零，即
：-21； [p,⑷—{k)]p,⑷丄0(2.13)^P, k-]
整理可得
Z [尸,(幻尸'⑷]
A⑴=上S(2.14)k=
式(2.14)即为所求结果，其也可以看作是一种归一化的互相关系数。进一步，通过分析
校准后的归一化残差功率的幅度，考虑非中心化的相关度对自引入的噪声非常敏感，可
对式(2.14)进行修正，得到最终的校准因子
八41>(幻
(2-15)K k=
^[p,{k)-/J,][pXk)-ju,]
k“ =-^
(2.16)
z[p,(^)-Ar k=-14
分布式麦克风阵列定位方法研宄
3分布式麦克风阵列位置估计
虽然距分布式麦克风阵列信号处理的提出已有十年，但其位置校准问题至今研宄成
果不多。目前已有的麦克风阵列位置校准方法也较分散，典型的方法有两类，第一类是
基于测距（无线信号测距、信号到达时间差测距）和最大似然估计的麦克风位置估计方
法，第二类是基于能量优化和最大似然估计的估计方法。
由于分布式麦克风阵列尺寸可能较大，呈分布式特点，直接采用经典的基于信号到
达时间差方法估计距离可能出现两个问题：一是对于周期或准周期的声音，如语音信号，时延估计可能出现周期模糊；二是为保证距离估计准确，需要较多数据参与时延估计运
算，导致计算量很大。而基于能量的距离估计方法，由于通常只采用信号的短时能量进
行计算，每顿数据都有一定的随机性，较之统计意义上的能量会有所偏差，故难以获得
高精度的估计结果。故本文尝试将传统麦克风阵列位置校准与传感器网络中节点校正方
法结合使用来估计麦克风的位置，先基于能量进行麦克风到校正声源距离的粗估计，之
后采用时延估计方法在粗估计距离附近搜索准确的距离，最后再借鉴传感器网络中节点
校正思路，根据几何关系确定各个麦克风位置。此方法在保证了麦克风位置估计具有较
高精度的同时，又具有较小的计算量。同时，对校正声源进行设计与设置，可以提高麦 克风位置估计的效率。
3.1基于声能衰减模型的测距方法
点声源辖射的是球面波，在理想情况下，不考虑传播路径与环境因素对信号的衰减，则空间中某一接收位置的声音特性与接收点到声源的距离有关，即在距离声源^/处，接
收到的声音信号的能量为
S= ,(3.1)A7Z-d-
其中，So是声源处信号的能量。
文献[35]在阐明点声源声音信号的能量与声源到接收点距离的平方成反比关系的基
础上，建立了声音能量衰减模型。假设自由空间中存在一个声源与多个接收麦克风，这
里仅考虑一个平面区域，声源和第/个麦克风的位置分别为办和m,(x,，>v)，假设声
音在传播过程中不会受到其他麦克风反射等影响，声音信号与背景噪声互不相关，则麦
克风接收到的声音信号的能量为
-16r)]
=?1 ?2E[”S.(,-r,)s{t-r,-r)] +(3r,-r】)v^(,-r)]
E|X'-r,r)]
(3.9)通常，假设背景噪声是均值为零的平稳噪声，且与信号互不相关，不同麦克风处背景噪
声也互不相关，那么式(3.9)等号右边的后三项均为零，即
/?i2(r)= a',Q',E[5(/-r)](3,10)
当r = r|-r2时，■s'O —r,)与??(/_
大连理工大学硕士学位论文
3.3校准声源
根据几何知识，已知一个声源的位置从与麦克风到该声源的距离c/i,，可确定该麦
克风的位置在以成为圆心、c/l,?为半径的圆上；己知两个声源的位置与麦克风到两个声
源的距离可以确定该麦克风的位置在两个圆的交点处，而如果麦克风不在两个圆心的连
线上，两圆相交有两个交点，也难以确定麦克风的真实位置，故需要选择三个己知位置 的声源，用第三个圆与前两个圆相交，排除掉虚假的声源位置。
对于校准声源的选择，为避免麦克风间距离较大，计算信号互相关时产生周期模糊
现象，不能采用频率较高的周期或准周期信号，这里选择白噪声作为校准声源。白噪声 的时域信号中任意两个不同时刻是不相关的，自相关效果很好，所以对于接收到的两路
由同一声源发出的白噪声，仅用最基本的互相关运算就能够得到准确的时延估计结果。
另一方面，文献[37]中将一个声源移动三次，进行三次采集、三次计算才能最终获
得麦克风位置，此种方法操作比较复杂，效率较低。本文将白噪声通过三个不同通带的
带通滤波器，产生三个不同频带的信号，作为三个声源信号，放置于非线性排列的三个
不同位置。使其同时发声，虽然麦克风接收到的是三个声源发出的混合信号，但是通过
相应的带通滤波器，便可以恢复出三个信号，如图3.1所示。用此方法，麦克风做一次
采集就能获得三个声音信号，对三个信号同时进行处理，可一次性估计得麦克风位置，用此方法可以实现麦克风位置的实时校正。
一带通滤波器1 带通滤波器1
白噪声 J带通滤波器2 带通滤波器2 ^^ Z —
带通滤波器3 Z 带通滤波器3
图3.1校准声源示意图
Fig.3.1 Schematic diagram of sound source for microphone position estimation
3.4麦克风位置估计方法
这里提出的分布式麦克风阵列位置估计方法结合了基于声音能量和时延估计的测
距方法，并采用三边质心定位算法最终确定各个麦克的位置。为实现此目的，除设置三
个不同频带的校准声源之外，如本章前两节所述，因无法获得声源原始信号，还需设置
大连理工大学硕士学位论文
兄(0 = 5,(0 + S,(0 = gf^|^4-s,it)(3.2)d，其中，^/,_表示声源与第/个麦克风之间的欧式距离，即
d 丨=^ix.-xy+(y,-yy-(3.3)
>Si(/)是在距声源Im处声音信号的能量，■?,+(?)是在第/个麦克风处的声音信号能量，是
第/个麦克风增益，e,(0为第/个麦克风处背景噪声能量。根据声能衰减模型，将式(3.2)
变形为
大连理工大学硕士学位论文
对应频带的信号，基于经背景噪声能量修正后的信号能量比，即式(3.7),来粗估计待定
位麦克风到各个声源的距离。之后计算信号互相关，这里由于已经有了距离粗估计结果，故可直接将距离信息转换为时间信息，在粗距离对应的粗时延附近搜索精细时延，再转
换为距离。以声源1对应的数据为例，计算得麦克风到该声源粗距离为c/ic，则对应的
粗时延为/,。=^/,。/0，在附近么^/,范围内搜索精细距离，将其转换为时间信息为
A/， = Ad, /c，则精细时延的搜索范围为[/1,-4/1。，/^^+么/」。
得到待定位麦克风到三个声源的距离之后，根据其几何关系，通过求解以声源所在
位置为圆心的三个圆的交点，确定麦克风所在位置，即(X-Xj, +(>>-八1)2 =dL
-(X-Xs2)2 +0-_ys2)2 =“
2、（3.14))2 +(3；—八3)2 =
其中，（Xsijsl)、（Xs2,_ys2)和(Xs3,>^s3)分别为三个声源坐标，O^la、4分别为待定位麦
克风到三个声源的距离。只有在理想情况下，三个圆才能相交于一点，如图3.3(a)所示。
而在一般情况下，由于计算误差的存在，此方程组可能无解，无解分为两种情况：一种
情况是三圆不能交于一点，而是相交出一个区域，如图3.3(b)所示；第二种情况是其中
有至少两圆没有交点，如图3.3(c)所示。
(a)理想情况，三圆交于一点（b)三圆相交出一个区域
（C)三圆不相交
图3.3三圆相交示意图
Fig.3.3 Schematic diagram of three circles intersection
对于第一种无解情况，通常做法是选择相距最近的三个交点⑴(X山乂,1)，n2{x,2.yn2
W3O/73，乂73)，组成三角形，求该三角形质心[38]，设质心为„乂?)，贝Ij-21-
大连理工大学硕士学位论文
用于产生声源发声信号的三个带通滤波器均为8阶Butterworth滤波器，通带截止
频率分别为[450Hz, 650Hz]、[950Hz, 1150Hz]和[1450Hz，1650Hz],频响曲线如图 3.5 所
不0
设仿真中信号采样频率16KHZ，顿长为0.2s。设粗距离平滑因子为0.05,在距离
粗估计附近O.lm范围内搜索精细距离，声速为340m/s。
501 1 1 1 1 1 1 1
j ； I ——滤波器1幅频响应I o-_r-十「门叶—[— 滤波器2幅频响应_ / Y： V ：——滤波器3幅频响应-50-T
V ；丨丨丨丨；丨！-3001 1 1 ‘ 1 ‘ 1 1
0 1000 2000 3000 4000 5000 6000 7000 8000 频率(Hz)
图3.5三个带通滤波器的幅频响应
Fig.3.5 Amplitude-frequency responses of the three bandpa filters
仿真过程中测得参考麦克风处信噪比为24.16dB,将后30巾贞定位结果取平均获得麦
克风坐标，则坐标测量值与估计误差如表3.1所示，位置估计结果的分布如图3.4中
号所示。从表3.1可以看出，虽然参考麦克风处信噪比较高，但由于麦克风距离较远，信号衰减，在各个麦克风处接收到信号信噪比大大降低。在麦克风距离较近、接收到信
号强度较大时，仅基于能量确定麦克风位置效果比较好，但是信号强度较小时，性能有
所下降。而通过时延估计方法对能量测得距离进行修正，无论信号强度大小，定位误差
都比较小，性能非常稳定。
图3.6是以坐标为(8, 5)和(9, 2)的麦克风为例给出其定位过程中各巾贞估计结果，横坐
标为巾贞数，子图从上到下分别为横坐标的估计值、纵坐标估计值以及定位误差。由图3.6
可以看出，仅基于能量定位结果始终有波动，而基于能量和时延结合方法定位结果呈收
敛趋势，且收敛速度很快，故采用能量和时延结合方法可以实现迅速、稳定的麦克风位
置确定。
-23 一——？ 9
大连理工大学硕士学位论文
在计算复杂度方面，如果直接计算信号互相关来搜索信号延迟时间，那么在16KHZ
采样率条件下，计算0.2s时长数据的互相关函数需要进行大约1.024X107次乘法运算和
1.023x10'次加法运算；而先计算两路信号的能量进行距离粗估计，再在少量点处(在此
仿真条件下为11个采样点)进行互相关计算，只需要进行大约4.16X104次乘法运算和
4.159X104次加法运算。计算量约降至基于时延估计测距方法的1/500。
通过以上理论分析与仿真结果，对于本文提出的分布式麦克风阵列位置估计方法可
以得到以下几个结论：（1)此方法算法简单，计算量小；（2)对麦克风定位精度较高，定位速度快，性能稳定，且具有一定的抗噪声能力；（3)通过对校准声源的设计，可以 一次性采集并分离出三个声源，可实现麦克风位置的实时校准。
分布式麦克风阵列定位方法研宄
得基于指纹的定位技术近年来在室内定位方面得到广泛地研究与应用[42”^】。不过，此方
法的缺点是前期采集数据工作量较大，并且只是针对特定环境下特定布局的网络区域，如果环境或者接收器位置改变，就得重新建立指纹数据库。指纹定位方法的定位精度取
决于数据库的大小，如想获得较高的定位精度，需要事先对定位区域做非常细致的划分，在较多的采集点处采集数据，建立庞大的数据库。
4.2基于位置指纹的声源定位
本文将基于位置指纹的定位技术引入分布式麦克风阵列，实现声源定位。然而，声
音信号不同于射频信号，分布式麦克风阵列也不同于无线网络，欲进行声源定位，需要 解决下列问题。
(1)指纹参数的选择。对于分布式麦克风阵列，麦克风只能接收到声音信号，所
以只能通过信号计算出需要的参数。与接收信号强度类似，本文选择声音信号的能量作
为特征物理量。但对于声音信号，其短时能量存在起伏。而且，无法获知声源发出声音 的能量，那么仅知道接收到的信号能量，并不能确定其与声源位置的关系，故不能直接
将接收信号的短时能量作为指纹参数。不过，如3.1节所述，理想条件下声音信号能量
与声源到接收点距离的平方成反比关系，所以当声源和麦克风位置固定的时候，无论声
源信号能量如何变化，两两麦克风接收到的信号能量的比值是固定的。而由于分布式阵
列无特定几何结构，故一般情况下，声源处于不同位置时，两两麦克风接收到的信号能
量比也就不同。所以本文采用麦克风接收信号能量比作为指纹参数。
(2)背景噪声的影响。由于背景噪声的存在，各麦克风接收到的带噪信号的能量
比并不等于实际的声音信号能量比。声音信号的短时能量是变化的，而环境中存在的背
景噪声的短时能量不可能刚好与声音信号的短时能量具有相同的变化规律，那么每顿带
噪信号能量比相对于声音信号能量比的偏差各不相同，故也不能直接用带噪信号能量比
做指纹参数。所以，为计算得较为可靠的能量比，需要排除背景噪声的影响。
根据上述考虑，设定位区域为一个平面，区域中有M个麦克风，TV个指纹采集点，则对于第《(? = 1,2,---, AO个指纹采集点，采集到的特征矢量为
风卡X’„，
E
大连理工大学硕士学位论文
其中，Z)flm?(>7 = l，2,...,AO对应在第《个釆集点采集到的数据，iV表示区域中采集点的
个数，M表示接收器个数，/?,(m = l,2，„，M)表示第/77个接收器接收到的特征量，x?和
?表示第/7个采集点坐标（这里仅考虑一个平面情况）。将在各个采集点采集到的数据
存储起来，便建立了位置指纹的数据库。通常，为了提高数据库的可靠性，保证定位精
度，需要在一个采集点进行多次采集，保存其平均值，进一步，还可以采用中值滤波、高斯滤波等方法对其进行处理。,、接收器1 ^ 中心处理平台位置指纹数据库
离 ,、接收器2 ■!-1 71i
1S —
！??? 厂’广’„‘卜”，7” r / J> 0接收器A/ „,几、-=>^9合益、漂益配口（'，力 丄
图4.1基于位置指纹的定位过程
Fig.4.1 Schematic diagram of the localization proce based on position fingerprint
(2)在线定位阶段。当信号源运动到某一位置时，各个接收器可接收到特征量，将它们传到一个中心处理平台上，可以组成一组特征矢量[//，/^'，„，/；^。将该组矢量
与数据库中的各组数据中特征量部分进行匹配，将满足匹配条件的己存特征矢量所对应 的坐标或坐标的某种组合作为目标源的位置。
基于位置指纹的定位技术在线定位过程具有较小的算法复杂度，适合实时定位。与
直接计算方式的定位方法相比，基于位置指纹的定位技术有一个很大的优势，即由于数
据库建立阶段和定位阶段均在相同条件下进行，故无需考虑信号传输路径、时间延迟等
因素的影响，只需选择合适的算法，将采集的数据与数据库中己有数据进行匹配。这使
分布式麦克风阵列定位方法研究
量比矢量（以下简称观测矢量）与数据库中己存的信号能量比矢量（以下简称己存矢量）
进行对比，从而推得声源的位置。
(1)传统的确定性方法
传统的确定性方法包括最近邻法、K近邻法、K加权近邻法三种。
骨髓穿刺术的形态学定位（黎凤萍 李彩霞 佛山科学技术学院医学院2009医学检验2班；指导老师： 刘文国）[摘要] 目的探讨骨髓穿刺术的形态学定位方法。方法在人体标本或活体上进行观......
企业形象广告定位研究前言进入新世纪以来，市场竞争程度越来越激烈，档次越来越高，竞争形式已经由以往的产品和品牌之间的竞争向企业文化，企业形象之间的竞争转变。与之相随的是广......
分布式光伏扶贫效果研究摘要：当前，能源问题日益严峻，分布式光伏发电因其具有可持续性、零排放、无污染等特点被广泛使用。与此同时，国家大力实施并推广分布式光伏扶贫政策，但在政......
研究方法1、文献研究法。认真学习邱学华老师的有关书籍，为从事课题研究提供有效的教学策略。还搜集有关资料，了解有关尝试教学法的研究成果，为课题研究提供理论支持和经验借鉴......
仓库管理中物资的四号定位方法研究，四号定位的改进目录： 一、何谓四号定位： ..................................................................................................
