一文读懂基于信号处理的声源定位

基于麦克阵列的声源定位，通过麦克风阵列，判断声音的方位（距离、方位角azimuth和俯仰角elevation）。

远场模型定义如下图：

信号源s到观察信号y1和y2的时间差为

方向角

可以采用如下方法计算时间差

（1）互相关方法（crosscorrelation）

计算观察信号编辑和编辑之间的互相关函数。

互相关函数取最大值时的p值，即对应的时延，此时编辑和编辑重叠。

（2）广义互相关方法（generalizedcrosscorrelation）

由于噪声和混响的存在，导致互相关函数的峰值不明显，导致估计不准，考虑采用广义互相关方法。即先将时域转换为频域，在频域进行归一化操作，达到降噪的效果，再傅里叶逆变换至时域。

根据Wiener-Khichine定理，互功率谱(一般用大写字母编辑或编辑表示)

这里可以对功率谱进行归一化

接下来同CC方法一样

附上Matlab代码

%%利用基于时延估计的方法（CC，GCC，GCC-PHAT）%作者：;%采样频率Fs=8192;%采样周期dt=1/Fs;%定义声源music_src=y;%设置两个麦克风的坐标mic_d=2;mic_x=[-mic_dmic_d];mic_y=[00];plot(mic_x,mic_y,'x');%观察两麦克风的位置gridonaxis([-55-55])holdon;quiver(-5,0,10,0,1,'color','black');%画x,y轴quiver(0,-5,0,10,1,'color','black');xlabel('X')ylabel('Y')title("声源到两麦克风距离");%设置声源位置s_x=20;s_y=10;plot(s_x,s_y,'o');quiver(s_x,s_y,-s_x-mic_d,-s_y,1);%假设两麦克风接收声信号路线quiver(s_x,s_y,-s_x+mic_d,-s_y,1);%求出两麦克风分别到声源的距离dis_s1=sqrt((mic_x(1)-s_x).^2+(mic_y(1)-s_y).^2);%麦克风1到声源距离dis_s2=sqrt((mic_x(2)-s_x).^2+(mic_y(2)-s_y).^2);%麦克风2到声源距离c=343;%设置声速delay=abs((dis_s1-dis_s2)./c);%计算两麦克风之间的时延%设置延时music_delay=delayseq(music_src,delay,Fs);figure(2);subplot(2,1,1);plot(music_src);axis([0length(music_src)-22]);subplot(2,1,2);plot(music_delay);axis([0length(music_delay)-22]);%使用matlab自带的gcc-phat算法[tau,R,lag]=gccphat(music_delay,music_src,Fs);disp("使用gcc-phat时延为");disp(tau);figure(3);t=1:length(tau);plot(lag,real(R(:,1)));%使用cc算法[rcc,lag]=xcorr(music_delay,music_src);figure(4);plot(lag/Fs,rcc);[M,I]=max(abs(rcc));lagDiff=lag(I);timeDiff=lagDiff/Fs;disp("使用自相关的时延为");disp(timeDiff);%使用公式gcc-phat算法RGCC=fft(rcc);rgcc=ifft(RGCC*1./abs(RGCC));figure(5);plot(lag/Fs,rgcc);[M,I]=max(abs(rgcc));lagDiff=lag(I);timeDiff=lagDiff/Fs;disp("使用gcc-phat的时延为");disp(timeDiff);%计算角度，这里假设为平面波dis_r=tau*c;angel=acos(tau*c./(mic_d*2))*180/pi;ifdis_s1dis_s2angel=180-angel;disp("计算声源的角度为");disp(angel);

[1]Generalizedcross-correlation-MATLABgccphat-MathWorks中国

[2]声源定位之GCC-PHAT算法_抽屉疯了的博客-CSDN博客

[3]声源定位-知乎