来源：期刊VIP网 时间：
作者：延浩浩;杨瑞峰;郭晨霞;
单位：中北大学仪器与电子学院;
摘要：在低信噪比和高混响的条件下，室内声源区域定位的难度增大。为解决这一问题，设计一种神经网络，即LeNet-RES，利用残差块改进LeNet，从而提高网络的性能。通过仿真8阵元正方体麦克风阵列的房间脉冲响应，得到室内声源的数据集。将麦克风接收到的信号进行分帧处理，并计算每帧信号之间的相位变换加权广义互相关函数，将其排列成二维数据作为输入特征；再将房间划分区域标签作为网络输出，训练得到最终网络模型。实验中分别测试房间分区数为8和16时，两种神经网络的定位准确率。结果表明：在相同信噪比条件下，房间分区数为16，混响时间为0.6 s时，LeNet-RES-16的准确率为81.33%，比LeNet-16高23%；在相同混响条件下，房间分区数为16，信噪比为0时，LeNet-RES-16的准确率为84.16%，比LeNet-16高29%。LeNet-RES在多种信噪比和多种混响时间的条件下，区域定位性能均优于LeNet。
关键词：室内声源定位;;麦克风阵列;;神经网络;;相位变换加权广义互相关函数;;信号处理;;房间脉冲响应
基金资助：山西省中央引导地方科技发展自由探索类基础研究项目(YDZJSX2022A027)
