一種深度學(xué)習(xí)稀疏單快拍DOA估計(jì)方法_第1頁
一種深度學(xué)習(xí)稀疏單快拍DOA估計(jì)方法_第2頁
一種深度學(xué)習(xí)稀疏單快拍DOA估計(jì)方法_第3頁
全文預(yù)覽已結(jié)束

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

處理領(lǐng)域的應(yīng)用也越來越受到關(guān)注。麥克風(fēng)陣列信號(hào)處為一種基于聲音的定位技術(shù)，在語音識(shí)別、語音增強(qiáng)、環(huán)境感知等著廣泛的應(yīng)用。在麥克風(fēng)陣列信號(hào)處理領(lǐng)域，方向-of-arrival OA在DOA估計(jì)的研究中，單快拍(singlesnapshot)技術(shù)被廣泛使用。術(shù)基于麥克風(fēng)陣列的一個(gè)瞬間快照來估計(jì)聲源的角度。在單快拍技，一個(gè)常見的問題是麥克風(fēng)陣列上的信號(hào)重疊，這導(dǎo)致信號(hào)不同來混疊。而且，在麥克風(fēng)陣列中收集的信號(hào)包含了來自各個(gè)方向的聲中存在的問題是復(fù)雜的算法和長(zhǎng)時(shí)間的計(jì)算時(shí)間。隨著深度學(xué)習(xí)DOA基于神經(jīng)網(wǎng)絡(luò)技術(shù)，可以學(xué)習(xí)和自適應(yīng)麥克風(fēng)陣列中的各種聲源在深度學(xué)習(xí)中，稀疏編碼(sparsecoding)被廣泛使用，該方法可效地解決麥克風(fēng)陣列中的信號(hào)重疊問題。稀疏編碼的基本思想是把信號(hào)分解成一組基向量的線性組合。這些基向量所形成的系數(shù)矩陣疏的，這意味著只有很少一部分系數(shù)是非零的。因此，稀疏編碼可在稀疏編碼的階段，我們的目標(biāo)是找到一個(gè)匯編矩陣A和一個(gè)稀疏信號(hào)，構(gòu)建信道矩陣Y，其中每一行都Y乘，得到T組基向量系數(shù)X。的基向量系數(shù)按大小進(jìn)行排序，以構(gòu)造稀向量構(gòu)建稀疏系數(shù)向量，該向量?jī)H包含能成一個(gè)N×T的稀疏系數(shù)矩陣X。6)對(duì)于第i個(gè)輸出端口，計(jì)算其DOA估計(jì)角度θi。，我們將使用深度神經(jīng)網(wǎng)絡(luò)來學(xué)習(xí)每個(gè)信道的可重構(gòu)表示，并將其中的DOA信息相加以得的設(shè)計(jì)是一個(gè)關(guān)鍵問題。在本方法中，我們?cè)O(shè)計(jì)了一個(gè)三網(wǎng)絡(luò)。第一層是卷積層，用于提取特征。第二層是全連接層，用并初始化相應(yīng)參數(shù)。設(shè)置學(xué)習(xí)率和權(quán)重衰(2)以一定的batch_size來隨機(jī)抽取訓(xùn)練數(shù)據(jù)，并將

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論