10.3969/j.issn.1673-629X.2017.09.015
一种基于SVM的声源定位算法
随着多媒体技术的快速发展,获取高质量的语音成为一种越来越受到广泛重视的技术手段,以麦克风阵列定位声源的方法在诸多领域得到了广泛的应用.支持向量机(Support Vector Machine,SVM)是一种基于统计学习理论和结构风险最小化原则的机器学习方法,其诸多参数的选择直接影响到SVM的性能,SVM可作为估计声源位置的分类器,且可通过选取适当的参数提高算法的抗噪声能力.为此,提出了一种基于SVM的声源定位新算法.该算法提取鉴别互相关函数的特征,通过选取合适的参数,对SVM的核函数进行优化.基于Matlab对提出的新算法进行了仿真实验验证.仿真实验结果表明,该算法较为显著地增加了混响和噪声条件下声源定位的准确性,且具有良好的鲁棒性.
支持向量机、机器学习、声源定位、核函数
27
TP301.6(计算技术、计算机技术)
声纳技术国防科技重点实验室开放研究基金KF201503;江苏省自然科学基金BK20140891
2017-10-11(万方平台首次上网日期,不代表论文的发表时间)
共5页
70-74