توضیحات
چکیده
در اين مقاله الگوريتم نمونه برداري فشرده با استفاده از فاز سيگنال براي تخمين جهت گوينده ها پيشنهاد ميشود كه علاوه بر استفاده از تنكي فضايي، تنها از تعداد كمي از نمونه هاي فاز سيگنال سنسورها استفاده مي كند. الگوريتم پيشنهادي برخلاف الگوريتم مبتني بر نمونه برداري فشرده در حوزه زمان، به تمام نمونه هاي سنسور مرجع نياز ندارد و همچنين نسبت به الگوريتم فوق حجم محاسبات كمتري دارد نتايج شبيه سازی انجام شده نشان مي دهد كه الگوريتم پيشنهادي مانند الگوريتم مبتني بر نمونه برداري فشرده زماني جهت گوينده ها را با دقت خوبی تخمین می زند.
مقدمه
جهت يابي گوينده موضوع مهمي در ارتباطات انساني و كاربردهاي مختلف مرتبط با آن است. براي مثال ميتوان به كاربردهاي ويدئوكنفرانس، تله كنفرانسينگ، سيستم هاي بازشناسي صوت، و تجهيزات كمك شنوايي اشاره (سمعك) كرد براي جهت يابي يك گوينده الگوريتم هاي متنوعي پيشنهاد شده است ولي براي جهت يابي چند گوينده همزمان تعداد كمي الگوريتم ديده مي شود. از جمله اين الگوريتم ها مي توان به الگوريتم مبتني بر “نفطه شروع (Onset) و الگوريتم مبتني بر طيف فركانسي اشاره كرد. هرچقدر سيگنال گوينده ها همبسته تر باشند به همان اندازه الگوريتم هاي فوق كارآيي خود را از دست خواهند داد . روش های جهت يابي مبتني بر تنكي فضايي مشكل فوق را حل كرده اند . از طرف ديگر در اكثر الگوريتم هاي تخمين منابع، جهت سيگنال هاي سنسورها با نرخ نايكويست نمونه برداري شده و پردازش روي همه نمونه ها انجام مي شود اخيرا الگوريتمي مبتني بر نمونه برداري فشرده (Compressive Sampling) زماني براي جهت يابي گوينده ها پيشنهاد شده است ، كه علاوه بر استفاده از تنكي فضايي، از نمونه هاي زماني سيگنال يك سنسور به همراه تعداد كمي از نمونه هاي زماني سيگنال ديگر سنسورها استفاده كرده است.
ABSTRACT
In this paper, the compression sampling algorithm is proposed using the signal phase to estimate the direction of the speakers. In addition to using spatial tuning, only a small number of phase signal samples are used by sensors. The proposed algorithm, unlike the time-intensive sampling algorithm, does not require all reference sensor samples, and the algorithm has less computational volume. The simulation results show that the proposed algorithm, such as the time-intensive sampling algorithm Estimates for speakers with great accuracy.
INTRODUCTION
Finding a speaker is an important issue in human communication and its various applications. For example, videoconferencing applications, teleconferencing, voice recognition systems, and auxiliary hearing aids have been suggested. Various algorithms have been proposed for the routing of a speaker, but a few algorithms are also available for multi-speaker navigation. One of these algorithms is the “Onset” and the Frequency-Based Algorithm based algorithm. The more speaker’s signal is matched, the same as the above-mentioned algorithms will lose. Space-based spatial resolution has solved the above problem. On the other hand, most algorithms for estimating resources are sampled for sensor signals at a niche rate, and processing is performed on all samples. Recently, an algorithm based on compact compression Sampling is suggested when it comes to navigating the speakers, in addition to the use of space tennery One of the time samples of a sensor signal, along with a small number of time samples, has used other signal sensors.
Year: 2010
Publisher : Eighteenth International Energy Conference of Iran
By : Mahmoud Soltbar and Mohammad Hussein Khaee
File Information: persian Language/ 6 Page / size: 627 KB
سال :1389
ناشر : هجدهمین کنفرانس بین المللی برق ایران
کاری از : محمود آتشبار و محمدحسين كهائي
اطلاعات فایل : زبان فارسی / 6 صفحه / حجم : KB 627
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.