[发明专利]基于均匀设计和自组织特征映射神经网络的声源定位方法

说明书

本发明提供一种基于均匀设计和自组织特征映射神经网络的声源定位方法，涉及声源定位技术领域。首先确定声源所在三维空间，并将其划分为n个立体网格；选择声音信号的m个特征作为均匀设计法中的实验因素；从n个网格中选取均匀散布的k个网格做成均匀设计表；建立自组织特征映射神经网络，将均匀设计表中的数据进行归一化处理后作为该网络的输入；对自组织特征映射神经网络输入层与输出层的神经元连接权值赋值，并确定权值调整域，对权值进行更新；对自组织特征映射神经网络的学习率赋初始值，并设定学习率随训练次数增加逐渐减小；采用欧式距离法比较输入量与竞争层中的神经元对应的权值的相似性，获得声源稀疏位置，最终实现声源的精确定位。

技术领域

本发明涉及声源定位技术领域，尤其涉及一种基于均匀设计和自组织特征映射神经网络的声源定位方法。

背景技术

环境中的声音信号是我们获取信息的重要数据来源。在空间中，我们时常需要对声源进行定位，根据采集的声音信号，经计算处理后得到声源在空间中的位置，实现对声源的可视化，但对于复杂声源环境，需要辨析时，还有很多问题不能有效解决，无法快速准确定位声源。在空间中具有某种特征的声信号传播时，传统声源定位的解析算法运算量大，精度低，定位时间长。我们需要一种快速、准确且能自适应归纳信号内在规律和本质属性的判别方法，从而定位空间中声源位置。

发明内容

本发明要解决的技术问题是针对上述现有技术的不足，提供一种基于均匀设计和自组织特征映射神经网络的声源定位方法，实现对三维空间中叠混声信号源的定位，提高空间分辨率。

为解决上述技术问题，本发明所采取的技术方案是：基于均匀设计和自组织特征映射神经网络的声源定位方法，包括以下步骤：

步骤1、确定声源所在三维空间，并将声源所在三维空间按照其总体形状划分成大小相同的n个立体网格，每个立体网格的体中心在空间坐标系中有独立的坐标，并把每个立方网格的体中心坐标作为待定位声源所在位置；所述网格划分的大小决定了所要求的声源定位精度；

步骤2、确定均匀设计法中的实验因素；选择声音信号的m个特征作为均匀设计法中的实验因素；对于步骤1中每个立体网格中采集到的声音信号，都有m个实验因素构成的一维向量X_m＝(x₁,x₂，…x_i…x_m)，但不同立体网格中即不同位置处向量不同，对于整个三维空间，有n个m维向量；

步骤3、采用均匀设计方法，从三维空间中的n个网格中选取均匀散布的k个网格；

步骤4、将选取的k个网格做成k行m列的均匀设计表，k行表示选取的进行定位实验的k个网格，m列分别为k个网格中声音信号的不同特征；

步骤5、建立自组织特征映射神经网络；所述自组织特征映射神经网络为两层的神经网络模型结构，一层为输入层，一层为竞争层，两层网络的各个神经元之间双向连接，竞争层作为输出层，该层各神经元之间做横向连接；输入层神经元个数为m，与步骤2中m个实验因素个数对应，即节点数与样本维数相等，竞争层即输出层的神经元个数为k；

步骤6、将均匀设计表中k行m列的向量数据归一化处理处理后的向量表示为作为自组织特征映射神经网络的输入向量；

步骤7、对自组织特征映射神经网络输入层与输出层的神经元连接权值ω_j赋值；连接权值取自空间中n个m维向量中任意k个，对连接权值归一化处理得到权值向量

步骤8、计算自组织特征映射神经网络的输入向量与权值向量乘积，得到z个输出值对于输入向量计算得到的z个输出值，定义优胜邻域N_j(t)，确定训练t次的权值调整域，直到随着训练次数的增加，优胜邻域减小到有一个最大输出值y_p,p∈(1,z)，称为获胜神经元；对权值调整域内的获胜神经元及其他神经元进行权值更新，如下公式所示：