针对到达时间差的声源测向问题,如果能够知道声源现场的速度参量,结合线性最小二乘法(Linear Least Squares,LLS)的波达方向(Direction of Arrival,DOA)的估计结果,则可以采用基于最大似然原理的迭代式算法进行求解。但在某些环境下,声...针对到达时间差的声源测向问题,如果能够知道声源现场的速度参量,结合线性最小二乘法(Linear Least Squares,LLS)的波达方向(Direction of Arrival,DOA)的估计结果,则可以采用基于最大似然原理的迭代式算法进行求解。但在某些环境下,声信号传播的速度参量无法获得,或测量偏差较大,势必会影响DOA的估计精度。根据LLS无需声速的特点,以及基于最大似然原理的迭代式算法可直接求解声源方位角与俯仰角的特点,文中提出免声速迭代式模型,并采用泰勒级数展开法以及莱温伯格-马夸特法进行求解,该方法无需预先知道声音信号的速度参量。另外,文中推导了泰勒级数展开法、莱温伯格-马夸特法的测向均方差以及免声速迭代式模型的克拉姆-拉奥下界。模拟实验结果表明,在存在声速测量误差的情况下,所提方法明显优于现有方法。展开更多
文摘针对到达时间差的声源测向问题,如果能够知道声源现场的速度参量,结合线性最小二乘法(Linear Least Squares,LLS)的波达方向(Direction of Arrival,DOA)的估计结果,则可以采用基于最大似然原理的迭代式算法进行求解。但在某些环境下,声信号传播的速度参量无法获得,或测量偏差较大,势必会影响DOA的估计精度。根据LLS无需声速的特点,以及基于最大似然原理的迭代式算法可直接求解声源方位角与俯仰角的特点,文中提出免声速迭代式模型,并采用泰勒级数展开法以及莱温伯格-马夸特法进行求解,该方法无需预先知道声音信号的速度参量。另外,文中推导了泰勒级数展开法、莱温伯格-马夸特法的测向均方差以及免声速迭代式模型的克拉姆-拉奥下界。模拟实验结果表明,在存在声速测量误差的情况下,所提方法明显优于现有方法。
