Page 152 - 应用声学2019年第4期

612 2019 年 7 月

下，CS-OMP 算法对声源的估计角度出现了偏差， 表 4 不同信噪比下各算法的多声源分辨的
RMSE相对于SRP-PHAT算法更高。 RMSE(实验)
而本文的算法在压缩感知的基础上，考虑到 Table 4 Multiple source-resolved RMSE
连续的接收信号具有共同稀疏性，针对压缩感知 of each algorithm under different SNR
算法进一步优化，对多声源的估计结果中，具有比 (experiment)
CS-OMP 算法更好的指向性尖锐程度，对声源的 SRP-PHAT CS-OMP DCS-SOMP
SNR/dB
75 ◦ 135 ◦ 75 ◦ 135 ◦ 75 ◦ 135 ◦
1.0
11.30 5.67 4.365 1.575 2.49 0.3 0.51
0.9
0.8 6.55 5.82 5.715 1.96 5.685 1.395 0.33
0.7 −0.23 7.425 5.535 4.365 9.075 2.445 0.63
ॆʷӑηՂूए 0.6 位置具有更好的估计效果。同时在不同的信噪比
0.5
0.4
0.3 下都具有最低的 RMSE，在各类算法中具有更好
0.2
的分辨率。另外，对信号强度做归一化以后，可以
0.1
看出 CS-OMP 算法尽管估计出双声源的角度，但
0
50 100 150 200 250 300 350
是对声源的信号强度却没有正确的估计结果，而
ࠄᬅᝈए/(O)
(a) η٪උ11.30 dB DCS-SOMP 算法在不同信噪比下对于信号强度都
有正确的估计结果，相对于 CS-OMP 算法对多个声
1.0
0.9 源的方位估计能力有了明显的提升。
0.8 为分析算法在声源强度不同的场景下对多声
0.7 源的定位能力，实验设置两声源位置和播放内容不
ॆʷӑηՂूए 0.6 变，录制声音强度比值分别为 1 : 0.75 和 1 : 0.5 的
0.5
0.4
0.3 标准语音信号。几类不同算法的定位结果和RMSE
分别如图5和表5所示。可知DS算法对于不同声源
0.2
强度仍然不具备多声源定位能力。尽管在不同声源
0.1
0 强度的情况下，SRP-PHAT算法能够估计多声源方
50 100 150 200 250 300 350
ࠄᬅᝈए/(O) 位，但是指向性尖锐程度和分辨率都很低。同时可
(b) η٪උ6.55 dB
以看出在声源强度下降后，SRP-PHAT算法已经出
1.0
现了对强声源估计角度的偏差，对声源的指向性效
0.9
0.8 果较差。
0.7 CS-OMP 算法在声源强度下降后仍然保持较
ॆʷӑηՂूए 0.5 尖锐的波束指向性，相比于 SRP-PHAT 算法的
0.6
RMSE 更低。但是在声源强度下降为 1 : 0.5 的时
0.4
0.3 候，对于强度较低的声源信号，已经出现了估计角度
0.2
偏差。而 DCS-SOMP 算法在这几种算法当中具有
0.1
最好的波束指向性和最低的RMSE，定位性能最好。
0
50 100 150 200 250 300 350
ࠄᬅᝈए/(O) 同时在声源强度比值下降后，由于算法考虑多个数
(c) η٪උ-0.23 dB 据块的共同稀疏性，提升了对弱信号的稀疏重构性
DS SRP-PHAT CS-OMP DCS-SOMP 能，因此相对于 CS-OMP算法依然能够准确估计两
个声源的方位。可见在不同信噪比或者不同信号强
图 4 不同信噪比下各算法的多声源分辨性能 (实验)
Fig. 4 Multi-sound source resolution performance of 度的情况下，本文的算法对于多声源定位都具有更
each algorithm under different SNR (experiment) 好的稳健性。