利用聲源信息的多目標(biāo)定位與跟蹤研究.pdf

1、利用聲源信息的定位與跟蹤技術(shù)已廣泛應(yīng)用于電話與視頻會議、人機(jī)交互、說話人跟蹤與監(jiān)視、智能機(jī)器人、反阻擊系統(tǒng)等。但由于聲源信息易受環(huán)境及噪聲的影響，如何精確而快速地實現(xiàn)對聲源目標(biāo)的定位與跟蹤意義重大。在真實的應(yīng)用場景中，目標(biāo)往往是多個，而且個數(shù)會隨著時間變化，這就使得聲源定位與跟蹤問題變得更加復(fù)雜。基于隨機(jī)集理論的概率假設(shè)密度（probability hypothesis density，PHD）濾波多目標(biāo)跟蹤算法，突破了傳統(tǒng)的數(shù)據(jù)關(guān)聯(lián)方

2、法，具有嚴(yán)格的數(shù)學(xué)理論基礎(chǔ)，大大降低了計算量，開拓了多目標(biāo)跟蹤的研究領(lǐng)域。本文在此基礎(chǔ)上研究了一種多檢測概率假設(shè)密度（MD-PHD）濾波多目標(biāo)跟蹤算法。該算法利用傳播過程中的多徑信號實現(xiàn)對目標(biāo)的定位與跟蹤。以下是本文的主要研究內(nèi)容：
　　第一，研究了真實環(huán)境下聲源信號的特征及傳播模型。在此基礎(chǔ)上建立了聲源信號的傳播模型，并通過仿真分析了房間內(nèi)聲音信號的脈沖響應(yīng)。為了提高后續(xù)處理的高效性，通過仿真分析了聲源信號的預(yù)處理過程。

3、　　第二，研究了時延估計算法中的多種廣義互相關(guān)法。通過仿真實驗比較了各種廣義互相關(guān)法的優(yōu)缺點(diǎn)，并重點(diǎn)研究了PHAT-GCC時延算法。針對標(biāo)準(zhǔn)的PHAT-GCC性能易受噪聲影響的問題，研究了一種改進(jìn)的PHAT-GCC算法。通過仿真驗證了改進(jìn)的PHAT-GCC算法性能更優(yōu)。
　　第三，基于隨機(jī)有限集的理論，建立了遞歸多目標(biāo)跟蹤模型，并研究分析了概率假設(shè)密度（PHD）濾波多目標(biāo)跟蹤算法及其粒子濾波實現(xiàn)。通過理論分析及實驗仿真表明，粒子濾