-
题名基于EMBFLN的移动声源定位方法
- 1
-
-
作者
蒋芳
王凯
管灵
董纯柱
陈志菲
许耀华
胡艳军
-
机构
安徽大学计算智能与信号处理教育部重点实验室
北京环境特性研究所
南京大学功能材料与智能研究院
-
出处
《安徽大学学报(自然科学版)》
北大核心
2025年第5期65-74,共10页
-
基金
安徽省高校自然科学研究重点项目(2022AH050109)
安徽省质量基础设施标准化专项项目(2023MKS10)。
-
文摘
针对传统声源定位,在噪声和混响较大时声源定位的准确性急剧下降的问题,提出了一种使用二十面体多层分支特征学习网络(eicosahedral multilayer branching feature learning network,简称EMBFLN)结构进行声源定位的方法.首先,在最大可控响应功率波束形成法(steered response power with phase transform,简称SRP-PHAT)的基础上引入最大化及最小化操作,从而得到最小化噪声与混响影响以及最大化真实传输路径信号后的响应功率谱图,并将其作为网络输入送入EMBLFN结构中;然后,将Mish激活函数应用到声源定位的深度学习神经网络中,以此平滑网络的输出并提高模型的泛化能力;最后,通过仿真实验验证所提方法的有效性.此外,为了验证所提模型应用场景的可扩展性,该文还使用了近距离采集的无人机音频数据制作半合成的移动无人机声学场景对模型进行了测试.
-
关键词
阵列信号处理
声源定位
深度学习
二十面体卷积神经网络
-
Keywords
array signal processing
sound source localization
deep learning
icosahedral convolutional neural network
-
分类号
O429
[理学—声学]
-
-
题名脉冲信号的奇异性分布熵特征分析
- 2
-
-
作者
王璐
陈志菲
陈希
招启军
鲍明
-
机构
航天工程大学航天信息学院
中国科学院声学研究所噪声与振动重点实验室
南京航空航天大学旋翼飞行器空气力学国家重点实验室
西北工业大学自动化学院
南京大学功能材料与智能制造研究院
-
出处
《实验流体力学》
CAS
CSCD
北大核心
2024年第1期91-102,共12页
-
基金
国家自然科学基金项目(11774379)。
-
文摘
为了对低信噪比复杂环境下脉冲信号的奇异性差异进行有效的分析和标定,提出了一种基于模极大值理论的奇异性分布熵特征分析模型。首先对脉冲信号进行归一化并进行小波变换,计算各尺度下模极大值及其特定分布,可以体现具有奇异性差异的模极大值曲线族。为定量描述这种差异性,用熵值表达构成模极大值曲线族的模极大值点分布,并构建能有效分析脉冲信号奇异性差异的奇异性分布熵特征模型。该模型能对低噪比下信号的奇异性差异进行刻画。实验结果表明,在信噪比为-6 dB的环境下对典型的直升机脉冲信号(桨/涡干扰信号和高速脉冲信号)进行分析,能够得到89.25%和87.63%的正确率。
-
关键词
脉冲信号
桨/涡干扰信号
高速脉冲信号
奇异性
特征分析
-
Keywords
impulsive acoustic signals
blade-vortex interaction signal
high-speed impulsive signal
singularity
feature analysis
-
分类号
TN912
[电子电信—通信与信息系统]
-
