روش های مبتنی بر تأخیر زمانی برای مکان یابی منابع صوتی با استفاده از آرایه های میکروفونی با ساختار نامنظم

مکان یابی منبع گفتار یکی از شاخه های مهم بحث پردازش گفتار می باشد. هدف روش های مکان یابی منابع، دستیابی به دقت بالاتر در مکان یابی می باشد. تلاش برای افزایش دقت، نوعاً افزایش حجم محاسبات را در پی خواهد داشت. در میان روش های مرسوم مکان یابی بر پایه tdoa (time difference of arrival) و srp (steered response power)، روش های مبتنی بر انرژی و جستجوی فضا دقت بالاتر را در کنار حجم بالای محاسباتی دارا هستند. در مقابل روش های مبتنی بر tdoa با حجم کم محاسبات ولی با دقت پایین مکان یابی را انجام می دهند. از طرفی در چند سال اخیر، استفاده از آرایه های نامنظم (یا ad-hoc) در مقایسه با آرایه های منظم توسعه بیشتری یافته است. هدف از این پایان نامه، معرفی یک روش مکان یابی در شبکه های میکروفونی با چیدمان ad-hoc است که ضمن حفظ دقت مکان یابی، حجم محاسباتی متناسبی نیز داشته باشد. دستیابی به این هدف، مستلزم استفاده از یک روش ترکیبی (ترکیب روشهای مبتنی بر انرژی و tdoa) است. روش پیشنهادی از سه گام تشکیل شده است. در گام اول بر اساس روش های مبتنی بر انرژی، و سپس استفاده از یکی از دو روش 1) جستجوی مستطیل های محدود کننده فضایی، و یا 2) دوایر متحدالمرکز، ناحیه محدودتری از فضا که منبع در آن واقع است، تخمین زده می شود. در گام دوم، tdoa بین جفت میکروفون های دو دسته از حسگرها که بیشترین انرژی را دارند، محاسبه، و در گام سوم با حداقل سازی یک تابع خطا، نقطه ای از فضا که ارضا کننده مقادیر بدست آمده برای tdoaهاست، به عنوان نتیجه مکان یابی بدست می آید. با آزمایش بر روی سناریوهای متفاوت و موقعیت های مختلف گوینده، کارایی بالای روش پیشنهادی در مقایسه با دو روش پایه tdoa و srp نشان داده شده است. در ادامه این تحقیق، از روش پیشنهادی برای مکان یابی منابع همزمان نیز استفاده گردیده و برتری کارایی آن در مقایسه با یکی از مهم ترین روش های مکان یابی منابع همزمان نشان داده شده است.