-
题名基于互STFT复数卷积神经网络的声源定位方法
- 1
-
-
作者
简泽明
周超
胡君豪
聂磊
刘梦然
-
机构
湖北工业大学机械工程学院现代制造质量工程湖北省重点实验室
-
出处
《传感器与微系统》
北大核心
2025年第8期27-31,共5页
-
基金
国家自然科学基金资助项目(51805154)
湖北省自然科学基金面上项目(2022CFB473)。
-
文摘
当前声源定位中的深度学习算法多依赖单一实数特征,未能充分挖掘麦克风阵列间的空间信息与频谱特征的多样性。为此,提出一种基于互短时傅里叶变换(STFT)复数卷积神经网络(CCNN)的声源定位方法。该方法以融合幅度与相位信息的互STFT谱作为输入特征,并通过CCNN进行特征提取,以提升定位精度与鲁棒性。通过仿真与实验,对比分析了互STFT特征及三种典型特征在实数与复数网络中的定位性能。结果表明,所提方法具有显著优势,定位误差较实数方法降低了51.06%,验证了其在特征表达能力和定位精度方面的有效性,为深度学习在声源定位领域的进一步发展提供了新思路。
-
关键词
声源定位
麦克风阵列
互短时傅里叶变换
复数卷积神经网络
-
Keywords
sound source localization
microphone array
cross-STFT
CCNN
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
TN384
[电子电信—物理电子学]
-
