Page 150 - 应用声学2019年第4期

610 2019 年 7 月

由于 DS 算法具有较大的旁瓣能量，在两个声 好，随着房间反射强度的增强波束也逐渐变宽。而
源角度间隔较近的情况下，该算法对多个声源的方 DCS-SOMP算法则具有最好的波束尖锐程度，同时
位估计能力较低。而 SRP-PHAT 算法具有相对于 在不同房间反射强度的情况下，其波束的尖锐基本
DS 算法更窄的波束，因此从图 1 中可以看出 SRP-
PHAT 算法能够估计出两个声源的位置，但是算法 1.0
的波束指向性不明显，在没有声源处的能量接近 0.9
0.8
于实际声源位置处的能量，导致其 RMSE 值较大。 0.7
CS-OMP 算法具有更尖锐的波束指向性，相对于 0.6
前两种算法具有更好的多声源定位性能和更低的 ॆʷӑηՂूए 0.5
RMSE值。CS-OMP算法在信噪比降低的时候旁瓣 0.4
的波束宽度增大，而 DCS-SOMP 算法在考虑连续 0.3
0.2
语音帧之间的共同稀疏性的情况下，提高了对多 0.1
声源方位估计的能力，在信噪比降低后仍然能够保 0 0 50 100 150 200 250 300 350 400
持较好的波束尖锐程度和较低的 RMSE 值。同时 ࠄᬅᝈए/(O)
在信噪比较高时，相对于其他几种算法都具有最低 (a) ੝ᫎԦ࠱ूए 0.4
的 RMSE 值，说明 DCS-SOMP 不仅能够准确估计 1.0
多个声源的实际方位，同时也具有更好的方位估计 0.9
0.8
性能。 0.7
为对比在不同房间反射强度下几类算法的定 0.6
位性能，在声源数目和位置不变的条件下，设定 ॆʷӑηՂूए 0.5
环境的信噪比为 12.2 dB，在房间反射强度分别为 0.4
0.3
0.4、0.6、0.8 的情况下，几类不同算法对多个声源的
0.2
定位效果和RMSE值分别如图2 和表2 所示。其中， 0.1
CS-OMP 算法和 DCS-SOMP 算法的参数设置与上 0 0 50 100 150 200 250 300 350 400
文相同。 ࠄᬅᝈए/(O)
(b) ੝ᫎԦ࠱ूए 0.6
表 2 不同房间反射强度下各算法的多声源分辨
的 RMSE(仿真) 1.0
0.9
Table 2 Multiple source-resolved RMSE
0.8
for each algorithm under different room
0.7
reflection intensities (simulation) 0.6
SRP-PHAT CS-OMP DCS-SOMP ॆʷӑηՂूए 0.5
房间反射强度 0.4
75 ◦ 135 ◦ 75 ◦ 135 ◦ 75 ◦ 135 ◦ 0.3
0.4 0.03 2.640 0.24 2.895 0.045 0.045 0.2
0.6 1.5 4.215 4.68 2.865 0.165 0.045 0.1
0
0.8 3.06 4.5 7.77 4.875 0.24 0.93 0 50 100 150 200 250 300 350 400
ࠄᬅᝈए/(O)
从图 2 中可以看出，DS算法由于波束的旁瓣能 (c) ੝ᫎԦ࠱ूए 0.8
量较大，因此在不同房间反射强度下，均不能对多
DS SRP-PHAT CS-OMP DCS-SOMP
个声源的位置有较好的判断。SRP-PHAT 算法尽
图 2 不同房间反射强度下各算法的多声源分辨性
管能够判断出两个声源的位置，但是波束尖锐程
能 (仿真)
度较差，且在房间反射强度增大后，其他角度的能
Fig. 2 Multi-sound source resolution performance
量逐渐接近于实际声源位置的能量，对声源位置 of each algorithm under different room reflection
的分辨能力下降。CS-OMP算法的波束尖锐程度更 intensities (simulation)