陕西环境声音定位系统

niKJ7Wj

环境声事件检测领域还存在很多问题，往往导致在实际场景中的应用不尽如人意。具体问题总结如下： 1、流行声学特征+机器学习环境声事件识别方法在实际场景中表现不佳，信噪比低。例如，在高信噪比下，目标声音事件的召回率高，但准确率低（背景噪声*识别为目标声音事件）。 );在较低的信噪比下，识别效果普遍较差。 2、语音识别领域缺乏端点检测技术来降低背景噪声对识别的影响。 3. 缺乏大量的环境声数据集来支持环境声事件识别领域的研究。 4、环境声降噪技术研究不足。 在这里，希望通过前辈们的知识积累和后辈们的不断研究，尽快克服困难。

在声源定位过程中，计算出阵列的波束方向图后，一般有两个步骤： 1）找到波束峰——即寻找主瓣的峰，因为主瓣此时的峰（较高的小山）对应的空间角度就是声源的方向，而方向可以获得声源的信息。 2）空间位置映射——计算出声源方向后，可以根据阵列的已知位置信息进行空间映射，计算出声源的相位。正确的位置。 可以看出，整个声源定位的**步骤是前两步，因为主瓣对应的空间角度的精度直接决定了声源定位系统的精度。**我们说过，主瓣宽度越窄，相对旁瓣越高，定位精度越高，抗干扰能力越强。 基于这个原因，我们常见的声源定位系统一般选择大孔径的均匀阵列，这是提高声源定位系统精度的较简单粗暴的方法，因为合成波束的主瓣也很高。和狭窄。因此，在常见的声源定位系统中，主瓣宽度（3dB宽度）常被用作一个非常重要的系统指标。

噪声源识别方法大致可分为两类： 第一类是常规声学测量分析方法，包括分离作业法、分离覆盖法、近场测量法、地表速度测量法等。 第二类是声信号处理方法，它是在现代信号分析理论的基础上发展起来的，如声强法、面强法、谱分析、倒谱分析、互相关和互谱分析、相干分析等。到这一类方法。 在不同的研究阶段，可以根据声源的复杂程度和研究工作的需要，选择不同的识别方法或多种方法组合使用。

2018年4月，联丰迅声成立于历史文化名城古都西安，于同年9月获得英诺天使的种子轮投资。是一家以机器听觉为**的AIoT解决方案提供商，主要从事环境声音信号处理、声音识别、声源定位及相关的声学软、硬件产品研发与服务，并于2020年12月荣获“****企业”认定。

公司**技术团队由西北工业大学博士与硕士组成，环境声音事件检测技术和**前布局的ESR环境声目标识别技术处于**良好地位。连续数年参与世界**声学赛事，排名均位列top 3。是国内为数不多的同时自主掌握声呐硬件设计与算法软件开发的团队。