《表2 仿真参数设置：使用同心多环阵提升声源定位鲁棒性》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《使用同心多环阵提升声源定位鲁棒性》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本小节，为了验证UCCA具有更优的定位鲁棒性，该文评估了不同信噪比和混响条件下的DOA估计的统计性能。评估算法均采用CH域的CSSM方法。声源语料来自于TIMIT[28]语料库。UCA半径和阵元数分别设置为60 mm和16个，UCCA配置参数如表1所示，其他的仿真参数设置如表2所示。UCA的最高CH展开阶数为7阶，UCCA的CH展开阶数受限于阵元数最少的环，最高为3阶。在接下来的性能评估实验中，麦克风阵列被放置于距离地面1 m高的房间水平面中心位置，单个播放声源的扬声器被依次放置于方位角间隔30?的6个方位，扬声器高度同为1 m，声源到麦克风阵列中心位置距离为2 m。以下仿真结果会统计平均所有声源方位。虚源法[29]被用于生成带有混响的多通道信号，多通道不相关的高斯白噪声被添加至带混响信号，加入噪声后的信号被看作是阵列采样信号。另外，需要使用语音激活检测（Voice activity detection，VAD）模块[30]对阵列采样信号进行预处理，截取语音段，舍去非语音段。语音段数据每10帧（0.16 s）获得一个平均的声源方位估计结果。每一帧数据选取离散傅里叶变换后的88个子带（500～6000 Hz），考虑频域步进间隔为5个子带，此时每一帧数据会进行16次声源方位估计。那么10帧一共获得160个定位结果，对该160个结果进行中值平均进而估计出一个较为稳健的声源方位。仿真分析中使用的软件为Matlab 2018b，处理器为Intel Core i7-6700HQ，主频2.6 GHz，处理器的核心数为4。