基于時(shí)延估計(jì)的遠(yuǎn)場被動(dòng)聲源定位算法

牛永建, 楊飛, 李海龍

(武漢大學(xué)電氣與自動(dòng)化學(xué)院, 武漢 430072)

聲音能夠攜帶大量信息,同時(shí)聲音的獲取方便簡單,在某些特定場景下,聲音是獲取信息的最佳途徑,聲學(xué)場景具有很大的研究與應(yīng)用潛力。其中,被動(dòng)式聲源定位技術(shù)因?qū)崿F(xiàn)成本低、隱蔽性好、實(shí)時(shí)性高等優(yōu)勢被廣泛應(yīng)用于機(jī)器人視聽、視頻會(huì)議、智能家居、助聽器等領(lǐng)域[1]。

聲源定位算法主要包括4大類:基于最大輸出功率的可控波束形成定位算法、基于時(shí)延估計(jì)的定位算法、基于高分辨率譜的定位算法、基于聲壓幅度比的定位算法[2-6]?；跁r(shí)延估計(jì)的定位算法是目前應(yīng)用最為廣泛的一種定位算法。相比于可控波束形成定位算法和高分辨率譜定位算法,基于時(shí)延估計(jì)的定位算法具有復(fù)雜度低、運(yùn)算量小的優(yōu)勢,因而可以用于實(shí)時(shí)定位系統(tǒng);同時(shí),該算法在實(shí)際應(yīng)用中實(shí)現(xiàn)成本更低[7]。基于時(shí)延估計(jì)的定位算法首先根據(jù)各傳聲器接收到的聲音信號進(jìn)行時(shí)延估計(jì),然后根據(jù)時(shí)延估計(jì)結(jié)果和傳聲器陣列的幾何信息估計(jì)聲源位置[7]。

在手機(jī)等手持式聲源定位設(shè)備這種小尺度傳聲器陣列的應(yīng)用場景中,由于傳聲器陣列的孔徑相對較小,因此被測聲源通常歸為遠(yuǎn)場源。但是,現(xiàn)有的基于時(shí)延估計(jì)的聲源定位算法大多假定聲源是近場源。根據(jù)馬馳等[8]針對四元十字陣的分布式聲源定位進(jìn)行的研究,王莉等[9]分析發(fā)現(xiàn)此項(xiàng)研究適用于小范圍聲源定位,當(dāng)距離拉遠(yuǎn),定位誤差也會(huì)增大,距離相對較遠(yuǎn)時(shí)會(huì)無法實(shí)現(xiàn)準(zhǔn)確的定位。闞閱[10]研究發(fā)現(xiàn)定距誤差與聲源距離成正比,與傳聲器陣列陣元間距成反比。當(dāng)聲源與傳聲器陣列的距離比較近,或傳聲器陣列陣元間距相對較大時(shí),傳統(tǒng)算法會(huì)有比較理想的定位效果;但是當(dāng)聲源距離拉遠(yuǎn),或傳聲器陣列陣元間距相對較小時(shí),聲源適用于遠(yuǎn)場范圍,傳統(tǒng)算法的定距誤差急劇上升。綜上所述,在遠(yuǎn)場源情景下,傳統(tǒng)定位算法會(huì)無法實(shí)現(xiàn)準(zhǔn)確的定位。

為了選用合適的傳聲器對,提出一種計(jì)算廣義互相關(guān)-相位變換(generalized cross correlation phase transformation, GCC-PHAT)時(shí)延估計(jì)結(jié)果置信度的算法,得到的置信度可以作為選用傳聲器對的標(biāo)準(zhǔn)。其核心思想是通過比較GCC-PHAT曲線的最高峰與次高峰峰值差來獲得時(shí)延估計(jì)結(jié)果置信度。同時(shí),使用對應(yīng)傳聲器對的GCC-PHAT時(shí)延估計(jì)結(jié)果置信度的倒數(shù)組成對角陣,近似代替TDOA協(xié)方差矩陣。得益于該算法,不需要信號統(tǒng)計(jì)特性的先驗(yàn)知識,僅根據(jù)一幀陣列信號就可以估算出TDOA協(xié)方差矩陣。

最后,用傳聲器錄制一段真實(shí)的男聲音頻作為信號源,通過MATLAB仿真構(gòu)造具有白噪聲和混響的聲學(xué)環(huán)境,比較Chan算法、使用傳聲器對篩選算法前后的遠(yuǎn)場定位算法的精度。

1 陣列信號模型的建立

1.1 近場模型與遠(yuǎn)場模型

針對不同的傳聲器陣列陣元間距及聲源與傳聲器陣列間的距離,聲源模型可分為近場模型和遠(yuǎn)場模型[12]。設(shè)d為傳聲器陣列陣元間距,λ為聲波波長,聲源與傳聲器陣列間的距離為r,當(dāng)r≤2d2/λ時(shí),認(rèn)為聲源位于近場范圍;反之,聲源位于遠(yuǎn)場范圍[13]。在手機(jī)等手持式聲源定位設(shè)備這種小尺度傳聲器陣列的應(yīng)用場景中,傳聲器陣列陣元間距d通常為0.08～0.18 m,聲音信號的頻率范圍f為340～4 000 Hz,聲速c約為340 m/s,由λ=c/f可知,波長λ范圍為0.085～1 m。則遠(yuǎn)近場的臨界距離的范圍為0.012 7～0.932 9 m。也就是說,當(dāng)聲源距離大于0.932 9 m時(shí),聲源歸為遠(yuǎn)場源;當(dāng)聲源距離小于0.012 7 m時(shí),聲源歸為近場源。大部分聲源距離都大于1 m,故在手機(jī)等手持式聲源定位設(shè)備這種小尺度傳聲器陣列的應(yīng)用場景中,聲源大多歸為遠(yuǎn)場源。下面簡單介紹近場模型和遠(yuǎn)場模型。

在近場模型中,聲波以球面波的形式擴(kuò)散,一個(gè)聲源到兩個(gè)傳聲器的傳播過程如圖1(a)所示。在遠(yuǎn)場模型中,聲波以平面波的形式傳播,一個(gè)聲源到兩個(gè)傳聲器的傳播過程如圖1(b)所示。

i和j為傳聲器的序號;xi(t)為第i個(gè)傳聲器接收到的信號;s(t)為聲源信號;d為陣元間距;ri為聲源到第i個(gè)傳聲器的距離;rij為聲源到第i個(gè)傳聲器和第j個(gè)傳聲器的聲程差;α為聲源方向角圖1 聲學(xué)傳播模型示意圖Fig.1 Schematic diagram of acoustic propagation model

由圖1(b)表示的幾何關(guān)系和相關(guān)知識可得

rij=dcosα

(1)

rij=cτij

(2)

式中:τij為聲源到達(dá)第i個(gè)傳聲器和第j個(gè)傳聲器的時(shí)間差。

1.2 信號傳播模型

假設(shè)有M個(gè)傳聲器,則信號傳播模型表示為

xi(t)=ai*s(t-τi)+ni(t),i=1,2,…,M

(3)

式(3)中:ai為聲源信號到第i個(gè)傳聲器的沖激響應(yīng)函數(shù);*為卷積操作;τi為聲源傳播到第i個(gè)傳聲器經(jīng)歷的時(shí)間;ni(t)為第i個(gè)傳聲器的背景噪聲。

如果忽略混響,式(3)可以近似為

xi(t)=his(t-τi)+ni(t),i=1,2,…,M

(4)

式(4)中:hi為聲源信號傳播到第i個(gè)傳聲器產(chǎn)生的衰減。

2 基于廣義互相關(guān)函數(shù)的時(shí)延估計(jì)算法

基于時(shí)延估計(jì)的聲源定位算法首先根據(jù)各傳聲器接收到的信號進(jìn)行時(shí)延估計(jì),然后根據(jù)得到的時(shí)延估計(jì)結(jié)果和傳聲器陣列的幾何信息進(jìn)行位置估計(jì),得到聲源位置[7]。本節(jié)介紹應(yīng)用最為廣泛的時(shí)延估計(jì)算法——基于廣義互相關(guān)函數(shù)的時(shí)延估計(jì)算法。

廣義互相關(guān)是最為經(jīng)典的時(shí)延估計(jì)算法,也是應(yīng)用最為廣泛的時(shí)延估計(jì)算法[11]。算法原理如下:

利用廣義互相關(guān)函數(shù)估計(jì)聲源到達(dá)第i個(gè)和第j個(gè)傳聲器的時(shí)間差,兩個(gè)傳聲器接收到的信號分別表示為xi(t)、xj(t)。由概率論相關(guān)知識可知,兩者之間的互相關(guān)函數(shù)為

Rxi,xj(τ)=E[xi(t)xj(t-τ)]

(5)

式(5)中:E( )為數(shù)學(xué)期望函數(shù)。通常情況下,噪聲與語音信號不相關(guān),兩個(gè)傳聲器的噪聲也不相關(guān),則由式(4)和式(5)可得

Rxi,xj(τ)=hihjE[s(t-τi)s(t-τj-τ)]

(6)

可以發(fā)現(xiàn),當(dāng)τ=τi-τj,即聲源到達(dá)第i個(gè)傳聲器和第j個(gè)傳聲器的時(shí)間差時(shí),Rxi,xj取最大值,這便是基于廣義互相關(guān)函數(shù)的時(shí)延估計(jì)算法的理論依據(jù)。

由維納-辛欽定理可知

(7)

在實(shí)際處理中,混響和噪聲會(huì)導(dǎo)致Rxi,xj(τ)的峰值不明顯,時(shí)延估計(jì)誤差擴(kuò)大[14]。根據(jù)信號和噪聲的先驗(yàn)知識,在頻域內(nèi)對互功率譜進(jìn)行加權(quán),可以銳化Rxi,xj(τ)的峰值,從而能抑制噪聲和混響的干擾[15]。最后進(jìn)行傅里葉逆變換,得到廣義互相關(guān)函數(shù)

(8)

式(8)中:φi,j為添加的權(quán)重項(xiàng),人們已提出多種方案,其中效果較好的是PHAT,即

(9)

即對幅值進(jìn)行歸一化,只留下相位信息,這也是其名稱“相位變換”的來源。

結(jié)合了PHAT的GCC被稱為GCC-PHAT。

3 本文中提出的算法

由文獻(xiàn)[9-10]可知,當(dāng)聲源適用于遠(yuǎn)場范圍時(shí),原有算法的定距誤差急劇上升。因此,在遠(yuǎn)場源情景下,傳統(tǒng)定位算法會(huì)引入很大的定距誤差,進(jìn)而影響定向效果。本節(jié)在如圖1(b)所示的遠(yuǎn)場模型的基礎(chǔ)上進(jìn)行推導(dǎo),提出一種無需估計(jì)聲源距離,直接估計(jì)聲源方向的定位算法。同時(shí),提出一種計(jì)算GCC-PHAT時(shí)延估計(jì)結(jié)果置信度的算法。得到的置信度可以用于估算TDOA協(xié)方差矩陣或者選用傳聲器對。

3.1 基于遠(yuǎn)場模型的聲源定位算法公式

在遠(yuǎn)場模型中,第i個(gè)傳聲器到第j個(gè)傳聲器和聲源的指向向量可表示為

qi,j=[-xi,j,-yi,j,-zi,j]

(10)

qs=[r0cosθcosφ,r0cosθsinφ,r0sinθ]

(11)

式中:φ為方位角;θ為俯仰角。假設(shè)兩個(gè)向量之間的夾角為α,由向量的基礎(chǔ)知識可得

(12)

聯(lián)立式(10)～式(12),解之得

‖qi,j‖cosα=-xi,jcosθcosφ-

yi,jcosθsinφ-zi,jsinθ

(13)

由式(1)和式(13)可得

ri,j=-xi,ja-yi,jb-zi,jc

(14)

式(14)中:a=cosθcosφ,b=cosθsinφ,c=sinθ。

在這個(gè)推導(dǎo)過程中,巧妙地消除了聲源距離r0,避免了進(jìn)行位置估計(jì)時(shí),距離誤差對定向結(jié)果造成影響,提高了定向精度,降低了計(jì)算復(fù)雜度。相比于Chan算法在聲源歸于遠(yuǎn)場源時(shí),會(huì)有特別大的定距誤差,進(jìn)而影響定向誤差,該算法在聲源歸為遠(yuǎn)場源時(shí)會(huì)擁有比較好的定位效果。

根據(jù)式(14)可建立存在TDOA噪聲的線性方程為

ψ=h-Gz

(15)

式(15)中:ψ為誤差矢量;

式(15)可近似為

z≈(GTQ-1G)-1GTQ-1h

(16)

式(16)中:Q為TDOA協(xié)方差矩陣。

3.2 GCC-PHAT時(shí)延估計(jì)結(jié)果置信度

由第2節(jié)可知,當(dāng)τ=τi-τj時(shí),式(8)取得最大值。在理想情況下,τ=τi-τj時(shí)Gxi,xj(τ)的值應(yīng)該遠(yuǎn)大于其他值。但是在實(shí)際處理中,由于存著混響和噪聲影響,Gxi,xj(τ)的峰值不明顯[14]。本文認(rèn)為Gxi,xj(τ)曲線的最高峰與次高峰的峰值之差反映了GCC-PHAT時(shí)延估計(jì)結(jié)果的可信度,基于這一思想,提出一種計(jì)算GCC-PHAT時(shí)延估計(jì)結(jié)果置信度的算法。時(shí)延估計(jì)結(jié)果的置信度,計(jì)算公式為

(17)

由式(17)可知,pi,j分子項(xiàng)為曲線最高峰與次高峰峰值差,分子項(xiàng)越大,表明曲線最高峰的突出程度越大,即時(shí)延估計(jì)結(jié)果越可信;pi,j的分母為最高峰峰值,這樣對pi,j進(jìn)行了歸一化,可以濾除峰值大小對置信度的影響,只考慮最高峰的突出程度,便于不同傳聲器對的時(shí)延估計(jì)結(jié)果置信度的比較。

3.2.1 用置信度估算TDOA協(xié)方差矩陣

噪聲功率與時(shí)延估計(jì)誤差正相關(guān),則時(shí)延估計(jì)結(jié)果置信度與該傳聲器對的噪聲功率成反比,故可用置信度的倒數(shù)組成對角陣,近似代替Q,則有

(18)

式(18)中:pi,j可由式(17)獲得,將式(18)代入式(16)即可定位出聲源位置。

3.2.2 基于路徑規(guī)劃的傳聲器對篩選算法

在信噪比(signal to noise ratio, SNR)比較低或者混響時(shí)間(reverberation time, RT)比較長的聲學(xué)環(huán)境下,一些傳聲器對的時(shí)延估計(jì)結(jié)果可能會(huì)有較大誤差,進(jìn)而極大影響定位效果。通過對傳聲器對進(jìn)行篩選,可以去除具有較大時(shí)延估計(jì)誤差的傳聲器對,進(jìn)而防止這些時(shí)延估計(jì)結(jié)果對定位結(jié)果造成相對較大的影響。

為了盡可能多地使用誤差較小的時(shí)延估計(jì)結(jié)果,同時(shí)能夠有效地利用每一個(gè)傳聲器的信息,本文中將傳聲器視為節(jié)點(diǎn),將傳聲器對的時(shí)延估計(jì)結(jié)果置信度視為兩個(gè)節(jié)點(diǎn)之間的距離,則傳聲器對的篩選問題可以轉(zhuǎn)化為一道尋找經(jīng)過所有節(jié)點(diǎn)的最長路徑問題。將找到的最長路徑的每兩個(gè)相鄰節(jié)點(diǎn)組成一個(gè)傳聲器對,共M-1個(gè)傳聲器對,用來進(jìn)行聲源定位。

4 仿真實(shí)驗(yàn)

4.1 實(shí)驗(yàn)設(shè)計(jì)

為了驗(yàn)證本文提出算法的有效性,在不同信噪比和混響時(shí)間環(huán)境下進(jìn)行了MATLAB仿真實(shí)驗(yàn)。傳聲器陣列是一個(gè)立方體陣列,以(3 m, 3 m, 3 m)為中心點(diǎn)坐標(biāo),邊長為0.08 m。在立方體的每個(gè)頂點(diǎn)上放置一個(gè)傳聲器,在中心點(diǎn)也放置一個(gè)傳聲器,共9個(gè)傳聲器。房間大小為7 m×8 m×9 m。實(shí)際聲源方向角為(52.8°,31.7°),聲源距離為1.5 m。由1.1節(jié)的分析可知,該聲源歸為遠(yuǎn)場源。

聲源為96 kHz采樣、16位二進(jìn)制表示的一段真實(shí)男聲音頻,聲源信號波形圖如圖2所示。本文中采用幀長為42.7 ms(4 096個(gè)采樣點(diǎn)),幀移為1/2的方案,使用海寧窗(Hanning)作為窗函數(shù)進(jìn)行分幀操作。測試語音長度為3.4 s,共159幀。為獲得足夠的實(shí)驗(yàn)樣本,對實(shí)際采集的語音進(jìn)行6次仿真,添加隨機(jī)白噪音來生成具有目標(biāo)信噪比的含噪語音。由于每次仿真的噪音是隨機(jī)的,因此獲得的定位結(jié)果不盡相同。最終得到的測試語音長度可達(dá)954幀。

圖2 持續(xù)3.4 s的原始語音信號波形Fig.2 Characteristic waveform of 3.4 seconds of continuous raw speech signal

在下文中,用“基礎(chǔ)算法”表示本文提出的基于遠(yuǎn)場聲源模型的定位算法;“增強(qiáng)算法”在基礎(chǔ)算法的基礎(chǔ)上,使用了基于路徑規(guī)劃的傳聲器對篩選算法。其中,TDOA協(xié)方差矩陣使用GCC-PHAT時(shí)延估計(jì)結(jié)果可信度估算。

4.2 實(shí)驗(yàn)結(jié)果與分析

4.2.1 在不同陣列孔徑下,Chan算法定距結(jié)果比較

已知聲源距離為1.5 m,由1.1節(jié)分析可知,當(dāng)孔徑大于0.9 m時(shí),聲源歸為近場源,當(dāng)孔徑小于0.146 m時(shí),聲源歸為遠(yuǎn)場源。逐漸減小孔徑,從1 m到0.1 m,間隔為0.1 m,共10種孔徑大小。Chan算法定距結(jié)果隨孔徑大小的變化如圖3所示。

圖3 孔徑大小與定距結(jié)果相關(guān)性分析Fig.3 Correlation analysis between aperture and distance estimation performance

由圖3可知,當(dāng)孔徑不小于0.4 m時(shí),定距結(jié)果保持1.5 m左右,定距結(jié)果有效;當(dāng)孔徑小于0.4 m時(shí),定距結(jié)果隨著孔徑的減小有明顯減小,定距結(jié)果無效。這說明當(dāng)聲源歸為近場源時(shí),定距結(jié)果有效;當(dāng)聲源歸為遠(yuǎn)場源時(shí),定距結(jié)果無效。

4.2.2 比較不同算法在不同聲學(xué)環(huán)境下的定位準(zhǔn)確度

分別令信噪比為30 dB,混響時(shí)間從100 ms每隔100 ms升到500 ms;令混響時(shí)間為100 ms,信噪比從15 dB每隔5 dB升到35 dB進(jìn)行仿真實(shí)驗(yàn),獲得定位成功率。

定義第i幀語音的定位結(jié)果的誤差為ei,則有

(19)

聲學(xué)環(huán)境變化對定位成功率的影響如圖4、圖5所示。

圖4 定位成功率隨混響時(shí)間變化曲線圖Fig.4 Graph illustrating the variation of sound source location success rate with reverberation time

圖5 定位成功率隨信噪比變化曲線圖Fig.5 Graph illustrating the variation of sound source location success rate with signal-to-noise ratio

由圖4可知,無論哪種算法,隨混響時(shí)間延長,定位成功率都會(huì)下降,同時(shí)本文提出的兩種算法的定位成功率都遠(yuǎn)高于Chan算法。隨著混響時(shí)間的延長,Chan算法和基礎(chǔ)算法的定位成功率快速下降,而增強(qiáng)算法的定位成功率下降緩慢。當(dāng)混響時(shí)間比較短時(shí),基礎(chǔ)算法和增強(qiáng)算法的定位成功率相差不大,兩種算法的定位成功率都高于98%,Chan算法的定位成功率低于85%;當(dāng)混響時(shí)間比較長時(shí),增強(qiáng)算法的定位成功率遠(yuǎn)高于另外兩種算法,增強(qiáng)算法的定位成功率可以保持在85%以上,而基礎(chǔ)算法和Chan算法的成功率都低于70%。

由圖5可知,隨著信噪比降低,三種算法的定位成功率變化規(guī)律同上。這說明本文提出的兩種算法都具有更高的定位準(zhǔn)確度,隨著聲學(xué)環(huán)境的惡化,增強(qiáng)算法表現(xiàn)出更高的抗干擾能力。這是因?yàn)樵趷毫勇晫W(xué)環(huán)境下,本文提出的基于路徑規(guī)劃的傳聲器對篩選算法保留了誤差相對較低的時(shí)延估計(jì)結(jié)果,剔除了誤差相對較高的時(shí)延估計(jì)結(jié)果,避免了一些具有較大誤差的時(shí)延估計(jì)結(jié)果影響聲源定位結(jié)果,提高了定位魯棒性。

4.2.3 比較不同算法在不同聲學(xué)環(huán)境下的定位精度

分別令信噪比為30 dB,混響時(shí)間從100 ms每隔100 ms升到500 ms;令混響時(shí)間為100 ms,信噪比從15 dB每隔5 dB升到35 dB進(jìn)行仿真實(shí)驗(yàn),獲得均方根誤差(root mean square error, RMSE)。

RMSE定義為

(20)

式(20)中:m為進(jìn)行定位的幀數(shù)。

聲學(xué)環(huán)境變化對RMSE的影響如圖6、圖7所示。

圖6 RMSE隨混響時(shí)間變化曲線圖Fig.6 Graph illustrating the variation of RMSE with reverberation time

圖7 RMSE隨信噪比變化曲線圖Fig.7 Graph illustrating the variation of RMSE with signal-to-noise rate

由圖6可知,無論哪種算法,隨混響時(shí)間延長,RMSE都會(huì)增大。當(dāng)混響時(shí)間比較短時(shí),基礎(chǔ)算法和增強(qiáng)算法的RMSE相差不大,兩種算法的RMSE遠(yuǎn)小于Chan算法,基礎(chǔ)算法的RMSE在4°以內(nèi),增強(qiáng)算法的RMSE在4.5°以內(nèi),Chan算法的RMSE在8.5°以內(nèi);當(dāng)混響時(shí)間比較長時(shí),增強(qiáng)算法的RMSE遠(yuǎn)小于另外兩種算法,增強(qiáng)算法的RMSE可以保持在35°以內(nèi),而另外兩種算法的RMSE都大于45°。

由圖7可知,隨著信噪比降低,3種算法的RMSE變化規(guī)律同上。這說明在比較良好的聲學(xué)環(huán)境下,本文提出的基礎(chǔ)算法具有很高的定位精度,增強(qiáng)算法的定位精度比基礎(chǔ)算法稍低,兩種算法的定位精度都遠(yuǎn)高于Chan算法;隨著聲學(xué)環(huán)境的惡化,本文提出的增強(qiáng)算法表現(xiàn)出很強(qiáng)的抗干擾能力,其定位精度遠(yuǎn)高于另外兩種算法。

5 結(jié)論

本文首先通過分析指出了在手機(jī)等手持式聲源定位設(shè)備這種小尺度傳聲器陣列的應(yīng)用場景中,聲源一般為遠(yuǎn)場源,而傳統(tǒng)Chan算法的定距結(jié)果無效,并通過4.2.1節(jié)驗(yàn)證了這一結(jié)論。針對這一問題,本文提出了一種適用于遠(yuǎn)場源的基于時(shí)延估計(jì)的聲源定位算法。為了選用合適的傳聲器對,本文提出了一種計(jì)算GCC-PHAT時(shí)延估計(jì)結(jié)果置信度的算法,并用該置信度估算TDOA協(xié)方差矩陣。在此基礎(chǔ)上,將置信度作為兩節(jié)點(diǎn)之間的路徑長度,提出了一種基于路徑規(guī)劃的傳聲器對篩選算法。當(dāng)聲源歸為遠(yuǎn)場源時(shí),在不同的聲學(xué)環(huán)境下進(jìn)行仿真實(shí)驗(yàn),得到以下結(jié)論。

(1)在信噪比相對較高并且混響時(shí)間相對較短時(shí),相比傳統(tǒng)Chan算法,本文提出的遠(yuǎn)場聲源定位算法在定位準(zhǔn)確度和定位精度方面具有很大優(yōu)勢。但是隨著信噪比降低或混響時(shí)間延長,該算法表現(xiàn)出比較差的抗干擾能力。其中,定位精度會(huì)低于Chan算法,定位成功率保持高于Chan算法。

(2)當(dāng)使用了基于路徑規(guī)劃的傳聲器對篩選算法后,本文提出的算法具有很強(qiáng)的抗干擾能力,無論信噪比和混響時(shí)間如何,本文提出的算法在定位準(zhǔn)確度和定位精度方面都優(yōu)于Chan算法。當(dāng)信噪比相對較低或混響時(shí)間相對較高時(shí),該增強(qiáng)算法的定位準(zhǔn)確度和定位精度遠(yuǎn)遠(yuǎn)高于另外兩種算法。

總而言之,在手機(jī)等手持式聲源定位設(shè)備這種小尺度傳聲器陣列的應(yīng)用場景中,相比傳統(tǒng)Chan算法,本文提出的基于遠(yuǎn)場聲源模型的定位算法具有更高的準(zhǔn)確度和精度;使用了基于路徑規(guī)劃的傳聲器對篩選算法后,定位算法將具有優(yōu)異的抗干擾能力,在低信噪比或者高混響時(shí)間等惡劣聲學(xué)環(huán)境下,也具有令人滿意的定位效果。