在线时间:8:00-16:00
迪恩网络APP
随时随地掌握行业动态
扫描二维码
关注迪恩网络微信公众号
目录参考文献下载地址:Microphone_Array_Signal_Processing(中文版+英文版) 远场模型
自由场信号模型麦克风的接收信号可以被建模成 互相关方法(Cross-Correlation,CC)考虑两个麦克风,可以得到两个观测信号y1(k)和y2(k),它们之间的互相关函数(CCF)为 广义互相关方法(Generalized Cross-correlation, GCC)在麦克风阵列信号处理实际模型中,由于存在混响和噪声影响,导致CCF的峰值不明显,降低了时延估计的精度。为了锐化CCF的峰值,可以根据信号和噪声的先验知识,在频域内对互功率谱进行加权,从而能抑制噪声和混响干扰。最后进行傅里叶逆变换,得到广义互相关函数(GCCF) GCC-PHAT方法理想情况下,我们总是希望时域的互相关函数能够尽可能的尖锐,甚至趋近于δ函数;并且我们并不关心互相关函数每一点的幅值大小,我们只关心峰值出现的位置,换句话说我们更关心的是这个δ函数的时移。GCC-PHAT方法所采用的的频域加权函数(相位变换加权函数)如下 matlab实现matlab中也提供了相应的函数包可以调用,tau = gccphat(sig,refsig,fs). 如果想了解代码细节可以参考我的程序,欢迎指正不足之处~代码下载地址:GCC-PHAT算法demo
|
2023-10-27
2022-08-15
2022-08-17
2022-09-23
2022-08-13
请发表评论