公开(公告)号：CN103294647B

公开(公告)日：2017-05-31

申请号：CN201310172337.6

申请日：2013-05-10

Applicant: 上海大学

Inventor： 李琳 ,  黄青华 ,  陈飞 ,  胡瑞 ,  冯玉武 ,  彭昌友

IPC: G06F17/15

Abstract: 本发明公开了一种基于正交张量近邻保持嵌入的头相关传输函数降维方法。包括：首先对给定的一组头相关传输函数进行张量表述，并构建近邻图；然后计算近邻图中的权重矩阵；根据上述步骤得到的权重矩阵，在投影矩阵正交性的约束下，求解泛化特征向量问题，寻找到高维头相关传输函数嵌入到低维数据空间的投影矩阵；利用上述得到的投影矩阵可以对头相关传输函数高维张量进行特征提取，挖掘出蕴藏在高维空间中的头相关传输函数的低维特征，并且保持了高维空间中头相关传输函数的局部流形结构。真实的反映了头相关传输函数数据的分布，克服了传统降维方法对原始数据局部流形结构的破坏，能广泛用于3D音频信号处理等领域。

公开(公告)号：CN103592628A

公开(公告)日：2014-02-19

申请号：CN201310559245.3

申请日：2013-11-12

Applicant: 上海大学

Inventor： 胡瑞 ,  黄青华 ,  李琳 ,  陈飞 ,  冯玉武

IPC: G01S5/18

CPC classification number: G01S5/18 ,  G01S3/8083

Abstract: 本发明公开了一种基于球谐域实值权重波束形成的多声源定位方法：首先建立单位幅度平面波入射到球麦克风阵列的声场模型；然后构建球谐域含噪声源信号模型；对球麦克风阵列接收到的含噪声源信号进行球谐域实值波束形成，得到球谐域的波束；构建球麦克风阵列阵增益最大时的MVDR波束，求出此时的最优实值权重；最后，计算球谐域实值权重平方的峰值点，提取出声源的空间方位最大估计值点。该方法利用MVDR波束形成获得球谐域最优实值权重，克服了传统方法计算量大、计算复杂度高的不足，显著的降低了运算量、满足自由空间的全方位估计，对声场进行更充分的采样。

公开(公告)号：CN103294647A

公开(公告)日：2013-09-11

申请号：CN201310172337.6

申请日：2013-05-10

Applicant: 上海大学

Inventor： 李琳 ,  黄青华 ,  陈飞 ,  胡瑞 ,  冯玉武 ,  彭昌友

IPC: G06F17/15

Abstract: 本发明公开了一种基于正交张量近邻保持嵌入的头相关传输函数降维方法。包括：首先对给定的一组头相关传输函数进行张量表述，并构建近邻图；然后计算近邻图中的权重矩阵；根据上述步骤得到的权重矩阵，在投影矩阵正交性的约束下，求解泛化特征向量问题，寻找到高维头相关传输函数嵌入到低维数据空间的投影矩阵；利用上述得到的投影矩阵可以对头相关传输函数高维张量进行特征提取，挖掘出蕴藏在高维空间中的头相关传输函数的低维特征，并且保持了高维空间中头相关传输函数的局部流形结构。真实的反映了头相关传输函数数据的分布，克服了传统降维方法对原始数据局部流形结构的破坏，能广泛用于3D音频信号处理等领域。

公开(公告)号：CN104977562B

公开(公告)日：2018-10-23

申请号：CN201510024050.8

申请日：2015-01-16

Applicant: 上海大学

Inventor： 冯玉武 ,  黄青华 ,  胡瑞 ,  张广飞 ,  张翼飞

IPC: G01S5/20

Abstract: 本发明公开了一种完全分布式无线传感网中鲁棒性多声源定位方法，该方法包括以下步骤：首先构造完全分布式的无线传感器网络；然后建立含混合噪声的声源信号模型；在此基础上采用EM算法的E步完成传感器检测信号总能量的分解；针对每个节点利用M估计完成声源位置的估计；最后利用鲁棒性均值一致性算法对每个节点所得的估计值进行融合以得声源位置的全局估计值，进一步提高定位精度。本方法利用了EM算法和M估计算法的有效结合，显著地提高了定位精度，同时采用了基于完全分布式结构的网络类型，避免了大量数据远距离无线传输，节省了大量能量。

公开(公告)号：CN104977562A

公开(公告)日：2015-10-14

申请号：CN201510024050.8

申请日：2015-01-16

Applicant: 上海大学

Inventor： 冯玉武 ,  黄青华 ,  胡瑞 ,  张广飞 ,  张翼飞

IPC: G01S5/20

CPC classification number: G01S5/20

Abstract: 本发明公开了一种完全分布式无线传感网中鲁棒性多声源定位方法，该方法包括以下步骤：首先构造完全分布式的无线传感器网络；然后建立含混合噪声的声源信号模型；在此基础上采用EM算法的E步完成传感器检测信号总能量的分解；针对每个节点利用M估计完成声源位置的估计；最后利用鲁棒性均值一致性算法对每个节点所得的估计值进行融合以得声源位置的全局估计值，进一步提高定位精度。本方法利用了EM算法和M估计算法的有效结合，显著地提高了定位精度，同时采用了基于完全分布式结构的网络类型，避免了大量数据远距离无线传输，节省了大量能量。