买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京理工大学申请的专利一种基于双级搜索MVDR的远场多声源快速定位方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118409278B 。

龙图腾网通过国家知识产权局官网在2025-03-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410494366.2，技术领域涉及：G01S5/20；该发明授权一种基于双级搜索MVDR的远场多声源快速定位方法是由朱建良;张拓;薄煜明;王军;吴盘龙;刘宗凯;张贤椿;王超尘设计研发完成，并于2024-04-24向国家知识产权局提交的专利申请。

本一种基于双级搜索MVDR的远场多声源快速定位方法在说明书摘要公布了：本发明公开了一种基于双级搜索MVDR的远场多声源快速定位方法，该方法为：使用声源识别定位系统获取单声道音频数据，并对单声道音频数据进行低通滤波；对单声道音频数据进行静态MFCC特征提取和过零点特征提取，并对两种特征进行融合；预训练基于BP网络的分类矩阵组，将融合特征送入训练好的基于BP网络的分类矩阵组进行识别，将音频数据FFT结果和预置声源类别对应频率区间进行对比，确定用于MVDR计算的频率；使用六阵元均匀圆阵列的所有麦克风进行同步数据采集，计算声音数据协方差矩阵，执行双级搜索MVDR快速算法，实现俯仰角、方位角估计。本发明可以进行多声源的快速识别和定位，具有精确度高、计算量低、工作稳定、可靠性高的优点。

本发明授权一种基于双级搜索MVDR的远场多声源快速定位方法在权利要求书中公布了：1.一种基于双级搜索MVDR的远场多声源快速定位方法，其特征在于，包括以下步骤：步骤1、使用声源识别定位系统获取单声道音频数据，使用短时傅里叶变换对单声道音频数据进行低通滤波；步骤2、对单声道音频数据进行静态MFCC特征提取、一阶差分MFCC特征提取和过零点特征提取，并对两种特征进行融合；步骤3、预训练基于BP网络的分类矩阵组，将融合特征送入训练好的基于BP网络的分类矩阵组，输出声源类别，将音频数据FFT结果和预置声源类别对应频率区间进行对比，确定用于MVDR计算的频率；步骤4、使用六阵元均匀圆阵列的所有麦克风进行同步数据采集，计算声音数据协方差矩阵，执行双级搜索MVDR快速算法，实现俯仰角、方位角估计；步骤2中，对单声道音频数据进行静态MFCC特征提取、一阶差分MFCC特征提取和过零点特征提取，并对两种特征进行融合，具体如下：步骤2.1、对滤波后的单声道音频数据进行MFCC特征提取和一阶差分MFCC特征提取，具体如下：步骤2.1.1、将线性频率f转换为梅尔频率fmel，公式为： 步骤2.1.2、将声源频率范围fl,fh依据式2转换为fl-mel,fh-mel，fl-mel,fh-mel分别表示梅尔频率的最小值和最大值，设定所需MFCC维数为梅尔滤波器个数为M，则梅尔尺度下的第m个滤波器的中心点频率fmelm为： 步骤2.1.3、将各梅尔滤波器的梅尔中心频率转换回线性频率，公式为： 其中f为实际频率，单位为Hz；步骤2.1.4、生成梅尔滤波器组，公式为： 其中，Hmk为梅尔滤波器函数，fm,1≤m≤M表示第m个梅尔滤波器的中心频率，每个中心频率在Mel域等间隔分布，在实际频率域不等间隔分布；步骤2.1.5、对梅尔滤波器组的输出取对数，公式为： 其中，Xk为线性频谱，sm为对数频谱，K为FFT点数；步骤2.1.6、将对数输出进行DCT变换，得到静态MFCC系数，公式为： 其中，cγ是第γ个离散余弦变换系数，即静态MFCC系数，γ是DCT系数的索引，取0到步骤2.1.7、使用静态MFCC系数生成一阶差分MFCC系数，公式为：ΔMFCCdt＝MFCCdt-MFCCdt-18其中，ΔMFCCdt是t时刻的第d个MFCC系数的一阶差分，MFCCdt是当前时刻第d个MFCC系数，MFCCdt-1是前一时刻的MFCC系数，第一帧的差分系数为每帧最后一个MFCC因数和第一个MFCC因数的差值；步骤2.2、对滤波后的单声道音频数据进行过零点特征提取，具体如下：步骤2.2.1、计算单声道音频数据的短时过零率ZCR，公式为： 在当前帧内，采集信号总点数为N，信号表示为sn,n∈[1,N]，n为整数，sgnx是符号函数；步骤2.2.2、计算单声道音频数据的过零点序列z[n]，公式为： 步骤2.2.3、计算单声道音频数据的过零间隔长度序列ZCIS，对于每一对连续过零点z[ni]和z[ni+1]，间隔长度Ii为两过零点之间的采样点数：Ii＝ni+1-ni11其中ni表示过零点序列中第i个为1的值对应的信号采样点数；步骤2.2.4、对各种目标信号进行过零点特征分析，得到和背景噪声不同的ZCIS；步骤2.3、将对单声道音频数据的静态MFCC特征和过零点特征进行融合；步骤3所述的预训练基于BP网络的分类矩阵组，将融合特征送入训练好的基于BP网络的分类矩阵组，输出声源类别，将音频数据FFT结果和预置声源类别对应频率区间进行对比，确定用于MVDR计算的频率，具体如下：步骤3.1、预训练基于BP网络的分类矩阵组，具体如下：步骤3.1.1、配置BP网络参数：单声道音频数据的静态MFCC和过零点融合特征包括12阶静态MFCC特征、12阶一阶差分MFCC特征、1阶ZCR特征、4阶ZCIS特征，因此配置输入层神经元数p为29层，根据声源类别数配置输出层神经元数量q，并根据输入层神经元数p和输出层神经元数量q配置隐藏层神经元数h，公式为： 其中a为1～10之间调节的调节函数；步骤3.1.2、生成权重矩阵、偏置矩阵：生成输入层到隐藏层的权重矩阵W1和偏置矩阵b1，维度分别为p×h和h×1；生成隐藏层到输出层的权重矩阵W2和偏置矩阵b2，维度分别为h×q和q×1；步骤3.2、将融合特征送入训练好的基于BP网络的分类矩阵组，输出声源类别，具体如下：设定输入信号的融合特征为矩阵x，识别结果为矩阵Y，则有： 其中函数f是Softmax激活函数，定义如下： 步骤3.3、将音频数据FFT结果和预置声源类别对应频率区间进行对比，确定用于MVDR计算的频率，具体如下：对每种声源类别预置一个频率区间，将音频数据FFT的最大频率分量和对应类别的频率区间对比，如果该频率落在区间内，则使用其进行定向解算；若不在区间内，则对比次大频率分量，直到有S个频率落在区间内，S为声源个数；步骤4所述的使用六阵元均匀圆阵列的所有麦克风进行同步数据采集，计算声音数据协方差矩阵，执行双级搜索MVDR快速算法，实现俯仰角、方位角定向，具体如下：步骤4.1、使用六阵元均匀圆阵列的所有麦克风进行同步数据采集，计算协方差矩阵，具体如下： 其中矩阵R为有限快拍数下协方差矩阵，维数为6×6，L为快拍数，矩阵Xl为各阵元的采样信号，维数为6×1；步骤4.2、执行初级搜索：将初级搜索方位角的搜索步长θI设为2.5°，俯仰角的搜索步长设为5°，在θI∈[0,π],范围内计算MVDR功率并找到峰值点公式为： 其中为六元均匀圆阵列的阵列流形矩阵，设定存在S个声源，则其中第s个声源的导向矢量为： 其中λ为该声源的波长；步骤4.3、执行次级搜索：将次级搜索的方位角搜索步长、俯仰角搜索步长θII和设为0.5°，在θ∈[θC-θI,θC+θI],范围内计算MVDR功率并找到峰值点

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。