文献

J-GLOBAL ID：202202289538924229   整理番号：22A0741873

移動広帯域音源のDOA推定のための多周波数逐次スパースBayes学習【JST・京大機械翻訳】

Multi-frequency sequential sparse Bayesian learning for DOA estimation of the moving wideband sound source

著者 (2件)： Chen Guo (Institute of Systems Engineering, China Academy of Engineering Physics, Mianyang 621999, People’s Republic of China) ,  Lu Yonggang (Institute of Systems Engineering, China Academy of Engineering Physics, Mianyang 621999, People’s Republic of China)
資料名： Measurement Science and Technology  (Measurement Science and Technology)
巻： 33  号： 5  ページ： 055019 (14pp)  発行年： 2022年 
JST資料番号： C0354C  ISSN： 0957-0233  CODEN： MSTCEP  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： マイクロホンアレイによって収集した逐次測定からの移動音源の到来方向(DOA)を得るためには,音響追跡と検出における主なタスクである。圧縮センシングとスパースBayes学習(SBL)の開発のおかげで,時変スパース信号回復としての時変DOA推定を,有望なアイデアであると考えられている。しかし,ほとんどの方法は,ソースが狭帯域であり,DOAが各推定ステップであらかじめ定義されたスパース格子上にあると仮定する。実際,空気中のほとんどの音源は広帯域であり,DOAは連続的に変化する。したがって,マルチ周波数シーケンシャルSBLを,この論文で移動広帯域音源のDOA推定のために提案する。この方法では,多重周波数測定を同時に利用することができ,不正確な動的モデルで,多重周波数測定を同時に利用することができ,多重周波数逐次測定からのスパース性依存情報を,性能を改善するために次の推定ステップに伝播することができるように,ガンマハイパープリオリを,マルチ周波数ビンのためのスパース性促進として使用した。さらに,オフグリッド精密化を,連続的に変化するDOAに適応するためにフレームワークに組み込んだ。シミュレーション結果は,提案方法が,他の最先端の方法と比較して,より高い推定精度とより少ない計算時間で,低い信号対雑音比の下でより良い性能を有することを示した。フィールド実験は,著者らの提案方法が,広帯域DOAの推定において,従来の方式より格子ローブと空間エイリアシングを抑制する強力な能力を持ち,また,ソースの数が変化するシナリオに適応することを示した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： SN比 ,  シミュレーション ,  音響 ,  *音源 ,  ダイナミックモデル ,  狭帯域 ,  *広帯域 ,  エイリアシング ,  *到来方向推定
準シソーラス用語： 到来方向 ,  スパース性 ,  推定精度 ,  *Bayes学習 ,  マイクロホンアレイ ,  圧縮センシング , 【Automatic Indexing@JST】

分類 (2件)： 波形,周波数,波長,位相の計測法・機器  (AD07040Y) ,  音響測定  (BB03040R)

タイトルに関連する用語 (5件)： 広帯域音 ,  DOA推定 ,  多周波 ,  逐次 ,  Bayes学習