导读:本文包含了麦克风阵列论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:声源,阵列,麦克风,波束,广义,偶极子,卷积。
麦克风阵列论文文献综述
唐浩洋,陈子为,黄维[1]（2019）在《基于麦克风阵列的GCC时延估计算法分析》一文中研究指出准确的时延估计(Time Delay Estimation, TDE)是基于到达时间差(Time Difference of Arrival, TDOA)的声源定位技术的前提.在众多时延估计算法中,广义互相关(Generalized Cross Correlation, GCC)算法因其较低的运算复杂度和易于实现的特点得到了广泛的应用.针对不同的噪声情况, GCC时延估计算法利用不同的加权函数来抑制噪声干扰.本文在介绍麦克风阵列模型和GCC时延估计算法的基础上,针对GCC算法的弊端提出了一种改进算法,并在多种信噪比条件下,对部分加权函数的GCC时延估计算法进行了MATLAB仿真,通过比较其时延估计性能和声源定位精度,分析了这些加权函数各自的优劣性.(本文来源于《计算机系统应用》期刊2019年12期）
焦丽娟,董宁娟[2]（2019）在《麦克风相位阵列校准方法研究》一文中研究指出文章对传声器阵列校准技术进行了研究。阵列校准包括实验室校准和现场校准,研究中针对阵列的实验室整体校准提出了标准传声器法,并给出了校准声源的设计方法;针对阵列的现场整体校准,提出了采用可移动式消声箱的方法,以避免试验现场试验设备和被测试件等对校准声源的反射作用。最后,在实验室内对校准方法进行了试验验证,对比校准前和校准后的定位结果可以看出,经阵列校准技术校准后,阵列的定位精度有所提高,定位结果更接近实际位置。(本文来源于《科技创新与应用》期刊2019年33期）
徐滢,张小正,毕传兴,陈剑[3]（2019）在《基于叁维麦克风阵列测量的指向性未知偶极声源的识别》一文中研究指出偶极声源识别的一个关键问题是需要事先进行声源的指向性假设,然而假设结果的不确定性常常会导致较大的相位误差和难以分辨的识别结果。为了准确识别指向性未知的偶极声源,本文提出了一种基于叁维麦克风阵列测量的方法。该方法对叁个正交排列的传声器阵列上的波束形成输出进行乘法运算,消除了偶极声源识别过程中指向性的干扰,从而能够准确地定位声源。在确定了声源位置后,通过求解实测声压与源强之间所建立的超定方程组,可以进一步获得源强和指向性信息。数值模拟验证了该方法在识别未知指向性的偶极声源时的有效性。(本文来源于《第十叁届全国振动理论及应用学术会议论文集》期刊2019-11-09）
赵兆,王旭,许志勇[4]（2019）在《嵌入式平面麦克风阵列TDOA校正方法》一文中研究指出针对嵌入式安装麦克风阵列因壳体遮挡部分阵元而导致的实际波达时间差(TDOA)偏离直达波理论模型问题,基于实际声探测系统最常用的对称凸多边形平面阵型构造线性几何约束并结合秩2代数约束,提出了一种校正实测TDOA矩阵的凸优化闭式解,只要阵列结构中存在至少一对等长平行线,就能获得现有TDOA校正方法所没有的壳体遮挡衍射效应抑制能力,同时还能抑制随机误差和异常值的不利影响,实现复杂度低,更适用于日益普及的小型实时全向声探测系统应用.仿真结果验证了该方法的有效性.(本文来源于《电子学报》期刊2019年10期）
金婷纾,洪广伟,赵栋[5]（2019）在《一种用于声源定位的光纤麦克风阵列》一文中研究指出声源定位技术用途广泛,近些年来备受关注.目前虽已有商业化的压电麦克风阵列用于声源定位,但在极端环境下使用受限,亟需工作原理不同、能克服特殊环境的新型麦克风.光纤麦克风具有抗电磁干扰、耐腐蚀、防爆、灵敏度高等显着优点,是一种极佳的解决方案.本文利用Sagnac干涉原理与时分复用方法,搭建了一组全光纤麦克风阵列,结构简单,对设备要求低,可实现多点实时声压传感;又将语音处理算法双门限端点检测法与TDOA时延定位技术运用到该光纤系统,成功实现了高精度的声源定位,并可通过再接入EDFA等光放大器件将阵列拓展,实现立体定位与进一步提升精度,具有很强的实用性与广阔的应用前景.(本文来源于《复旦学报(自然科学版)》期刊2019年05期）
李政仪,宫二玲,曹孟华[6]（2019）在《圆形平面麦克风阵列构型的优化设计方法》一文中研究指出提出利用遗传算法来优化设计圆形麦克风阵列构型。构造了兼顾主瓣宽度和最大旁瓣增益的目标函数,使得两者之间有着较好折中。考虑到实用性,将圆形面板划分为1 cm×1 cm的方格,坐标只能在方格中心取值,确保优化阵列构型是可实现的。设计了选择、交叉和变异等操作的解决方案,保证整个算法可行。仿真结果表明:优化算法可以得到合适的阵列构型,相对于规则型阵列,这种优化阵列构型在主瓣宽度和最大旁瓣增益控制方面有着明显优势。(本文来源于《传感器与微系统》期刊2019年10期）
马威,鲍欢,刘迅[7]（2019）在《相位麦克风阵列旋转声源定位技术研究》一文中研究指出0引言旋转噪声问题作为噪声污染的重要组成部分,已经越来越受到人们的重视。基于相位麦克风阵列的旋转波束成形技术可以快速高效的识别旋转噪声源,该技术可有效的协助旋转噪声的降噪设计[1]。为了提高旋转波束成形的分辨率,旋转波束成形的频域算法应运而生[2]。影响频域算法精度的主要因素为交叉互谱矩阵和导向矢量。在相同交叉互谱矩阵下,导向矢量在波束成形的定位精度上起着至关重要的作用[3]。但是对于导向矢量的选取,目(本文来源于《2019年全国声学大会论文集》期刊2019-09-21）
闫姝,权建军[8]（2019）在《基于麦克风阵列的语音增强算法研究》一文中研究指出麦克风阵列信号处理技术的语音增强方法,能够充分利用语音信号的时空信息,其波束控制能力、抗干扰能力和信号增益均优于传统的方法。对于广义旁瓣抵消(GSC)的自适应滤波算法,在噪声相干的情况下具有很好的噪声抑制作用,但并不适用于噪声为非相干情形;反之,维纳滤波算法在噪声非相干的情况下对噪声有很好的抑制作用,而又不适用于噪声相干情形。为防止出现在高信噪比的情况下信号相消的现象,首先对GSC的阻塞矩阵进行了改进,其次对维纳滤波算法中信噪比取值的不确定性进行了改进,最后尝试将两种算法进行融合。仿真结果表明:融合算法在两种噪声情况下都具有较好的噪声抑制能力,在复杂噪声环境中具有更高的可靠性,因而更具实用价值。(本文来源于《自动化仪表》期刊2019年09期）
宋章辰,郭昊,刘沛清[9]（2019）在《基于卷积神经网络算法的麦克风阵列研究》一文中研究指出麦克风阵列技术作为一种声源定位技术,其使用多种后处理算法追求更高的空间分辨率和测量精度。在多种波束成形算法和反卷积算法中,计算的精度和计算的效率难以兼顾,为此,能够在复杂对象上计算高效的人工智能机器学习的方法被引入。本文针对卷积神经网络算法,使用基于TensorFlow的Keras,参考现有研究者的网络搭建,验证了这一方法在麦克风阵列的计算效果,并进一步研究在不同空间分辨率下的学习结果变化,确认在搭设网格密度为传统波束成形算法空间分辨率的3倍时的准确性,一定程度上完善对于这种方法在使用上学习样本数量和精度的要求,为后续研究如何进一步深入低频段以及处理更高的空间分辨率精度等提供一定的支持。(本文来源于《中国力学大会论文集（CCTAM 2019）》期刊2019-08-25）
黄惠祥,郭秋涵,童峰[10]（2019）在《基于分布式压缩感知的麦克风阵列声源定位》一文中研究指出压缩感知-正交匹配追踪(CS-OMP)算法将声源定位问题转化为信号稀疏重构问题,能比传统定位算法获得更高的定位性能。但是CS-OMP算法在定位中没有考虑多个信号的相关性。将分布式压缩感知(DCS)理论引入麦克风阵列的声源定位中,考虑信号之间具有的共同稀疏性,利用分布式压缩感知-同步正交匹配追踪(DCS-SOMP)算法对信号进行联合重构,获取稀疏位置并对声源实现定位。仿真和实验结果表明,与传统定位算法和CS-OMP算法相比,DCS-SOMP算法在低信噪比环境下具有更好的定位性能和鲁棒性。(本文来源于《兵工学报》期刊2019年08期）
麦克风阵列论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
文章对传声器阵列校准技术进行了研究。阵列校准包括实验室校准和现场校准,研究中针对阵列的实验室整体校准提出了标准传声器法,并给出了校准声源的设计方法;针对阵列的现场整体校准,提出了采用可移动式消声箱的方法,以避免试验现场试验设备和被测试件等对校准声源的反射作用。最后,在实验室内对校准方法进行了试验验证,对比校准前和校准后的定位结果可以看出,经阵列校准技术校准后,阵列的定位精度有所提高,定位结果更接近实际位置。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
麦克风阵列论文参考文献
[1].唐浩洋,陈子为,黄维.基于麦克风阵列的GCC时延估计算法分析[J].计算机系统应用.2019
[2].焦丽娟,董宁娟.麦克风相位阵列校准方法研究[J].科技创新与应用.2019
[3].徐滢,张小正,毕传兴,陈剑.基于叁维麦克风阵列测量的指向性未知偶极声源的识别[C].第十叁届全国振动理论及应用学术会议论文集.2019
[4].赵兆,王旭,许志勇.嵌入式平面麦克风阵列TDOA校正方法[J].电子学报.2019
[5].金婷纾,洪广伟,赵栋.一种用于声源定位的光纤麦克风阵列[J].复旦学报(自然科学版).2019
[6].李政仪,宫二玲,曹孟华.圆形平面麦克风阵列构型的优化设计方法[J].传感器与微系统.2019
[7].马威,鲍欢,刘迅.相位麦克风阵列旋转声源定位技术研究[C].2019年全国声学大会论文集.2019
[8].闫姝,权建军.基于麦克风阵列的语音增强算法研究[J].自动化仪表.2019
[9].宋章辰,郭昊,刘沛清.基于卷积神经网络算法的麦克风阵列研究[C].中国力学大会论文集（CCTAM2019）.2019
[10].黄惠祥,郭秋涵,童峰.基于分布式压缩感知的麦克风阵列声源定位[J].兵工学报.2019
论文知识图
