前一阵子,研发部举办了为期三天的第一届Innovation Day,让大家用3天时间去完成工作之外的一些创意.有人做微信小程序,有人继续研究一些工作中用到的Tool,有人把一直想解决而没时间解决的老bug给解决掉.因为我最近忽然对室友新买的小度音响感兴趣,所以就研究了下声源定位. 言归正传,声源定位主要分为三种: 基于时延估计(time-delay estimation,TDE)的算法,也叫TDOA算法(Time Difference of Arrival): 基于高分辨率谱估计的算法: 基于稀

2.1.1 题目与摘要 1.为什么要增强IPD? The phase differences between the discrete Fourier transform (DFT) coefficients for two microphone signals are one of popular spatial cues in the frequency domain. 非理想情况下,IPD会失真,会偏离纯净语音提取的IPD. 2.IPD在复杂场景(混响.噪声)下受到了什么影响? 我们可以从

目前基于麦克风阵列的声源定位方法大致可以分为三类:基于最大输出功率的可控波束形成技术.基于高分辨率谱图估计技术和基于声音时间差(time-delay estimation,TDE)的声源定位技术. 基于TDE的算法核心在于对传播时延的准确估计,一般通过对麦克风间信号做互相关处理得到.进一步获得声源位置信息,可以通过简单的延时求和.几何计算或是直接利用互相关结果进行可控功率响应搜索等方法.这类算法实现相对简单,运算量小,便于实时处理,因此在实际中运用最广. GCC-PHAT 基于广义互相关函数的时

2.2.1 标题(2019年9月5日) 估计时间差的广义互相关方法 互相关可以表示两个信号的相似程度. 计算:两个信号循环移位相乘再相加,得到的一组互相关值. 相关函数: 何为广义?通用的框架,可以设计多种实现细节? 2.2.2 摘要 最大似然(ML)估计器被用来计算在不相关噪声存在情况下,空间分离的两个传感器接收到的信号之间时间差. 假设:噪声是不相关的,噪声与目标声源信号不相关,噪声与噪声之间也不相关. 这个ML估计器可以由一对接收器预滤波器后跟一个互相关来实现. 后面由公式可知,互相关函数

[声明]欢迎转载,但请保留文章原始出处→_→ 秦学苦练:http://www.cnblogs.com/Qinstudy/ 文章来源:http://www.cnblogs.com/Qinstudy/p/8987520.html [正文]  秦学苦练博主,你好!现在有个项目是关于声源定位的,需要用到Python的第三方库:声学库(也就做声学包,英文名叫Acoular),我自己去安装Python的第三方包Acoular,按照官网上的安装方法总是不行!秦学苦练博主,能解答下我的疑惑吗? acoular声

摘自:http://baike.baidu.com/view/1330437.htm?fr=aladdin 3D音效就是用扬声器仿造出似乎存在但是虚构的声音.例如扬声器仿造头顶上有一架飞机从左至右飞过,你闭上眼睛听,就会感觉到头顶真的有一架飞机从左至右飞过.这就是3D音效.大约是在前几年,Diˉamond Multimedia公司大胆地推出了一张全新PCI规格的Monster Sound音效卡.它们利用微软的DirectSound API来解决游戏声音相容性的问题,并且推出了ISA卡与旧的DOS

Kinect开发学习笔记之(一)Kinect介绍和应用 zouxy09@qq.com http://blog.csdn.net/zouxy09 一.Kinect简单介绍 Kinectfor Xbox 360,简称 Kinect,是由微软开发,应用于Xbox 360 主机的周边设备.它让玩家不须要手持或踩踏控制器,而是使用语音指令或手势来操作 Xbox360 的系统界面.它也能捕捉玩家全身上下的动作,用身体来进行游戏,带给玩家"免控制器的游戏与娱乐体验".其在2010年11月4日于美国上

Kinect的学习笔记发展(一)Kinect引进和应用 zouxy09@qq.com http://blog.csdn.net/zouxy09 一.Kinect简单介绍 Kinectfor Xbox 360,简称 Kinect,是由微软开发,应用于Xbox 360 主机的周边设备.它让玩家不须要手持或踩踏控制器,而是使用语音指令或手势来操作 Xbox360 的系统界面.它也能捕捉玩家全身上下的动作,用身体来进行游戏,带给玩家"免控制器的游戏与娱乐体验". 其在2010年11月4日于美国

Kinect开发学习笔记之(一)Kinect介绍和应用 zouxy09@qq.com http://blog.csdn.net/zouxy09 一.Kinect简单介绍 Kinectfor Xbox 360,简称 Kinect,是由微软开发,应用于Xbox 360 主机的周边设备.它让玩家不须要手持或踩踏控制器,而是使用语音指令或手势来操作 Xbox360 的系统界面.它也能捕捉玩家全身上下的动作,用身体来进行游戏,带给玩家"免控制器的游戏与娱乐体验".其在2010年11月4日于美国上

AI产品经理成长路 https://www.jianshu.com/p/4b98314ad3c0 以下都是自己平时知识的一些总结,只是一些个人的愚见,下面出现的公司.书籍.视频.网站都是自己看过体验过的,不是给他们打广告,不是广告!不是广告!不是广告!不同意见的评论区留下意见即可 一.     AI的兴起与互联网 1.互联网的红利消失 1) PC端和移动端使用人数固定 目前来看,PC端和移动端的每年出货量都在一个值上下,移动端大概在每年4亿台,PC端更少而且每年还在下降. 2) 大流量入口被巨头

http://www.artrobot.com/ 钢铁侠ROS智能机器人 钢铁侠ROS智能机器人 型号 ARTrobot-ROS 产品图片:   产品概述: ARTrobot-ROS全开放机器人套件服务于广大机器人行业.企业.院校及研究机构,广泛用于企业前期开发验证.院校教学研究,一体高度集成硬件驱动模块,提供各种类型的驱动模块,简单明了的软件设计框架,完善的服务支持,让每一个客户能够快速上手ROS机器人操作系统及高效的进行二次开发,可实现地图构建,自主导航,深度摄像头,是一套学习智能机器人及无

写入自强队名单一年,认识Daniel十个月,第二次代表上海大学参加国赛,这一次是在浙江绍兴.坐在返沪的车上,心里担心着作业和明天的早课,写这篇博文来打发打发时间. ROBOCUP两个半比赛日,项目主要涉及GPSR.Carry.Speech & Person Recognition(SPR).Groceries还有公开挑战赛,这都是机器人竞赛的经典赛项,在采用积分制的ROBOCUP竞赛中,每一个赛项都很重要.我负责SPR.Groceries和公开挑战项目,很开心SPR项目取得了单项冠军的成绩,这是

Kinect for Xbox: 360 不支持“近景模式” 三只眼睛 —— 红外投影机,RGB摄像头,红外深度投影头  —— 色彩影像中的每个像素分别与深度影像中的一个像素对应 四只耳朵 —— L形布局的麦克风阵列 —— 过滤背景噪声,定位声源 —— 根据麦克风阵列接听声音的时间差来判断声源方向 Moving Touch 传动马达电动机 —— 用于仰角控制 PS 1080 Soc 芯片 —— 深度图像获取能力 Xbox 360 (有效视距  1.2 ~~ 3.5)  最近距离 —— 2.26米

基于子阵列互累积量(Cross-Cumulant)的远场和近场混合声源定位[1]. 文中采用Uniform linear array (ULA)阵列,将其分为两个互相重叠的子阵列,构建关于子阵列输出信号的两个特殊cross-cumulant matrices,而这两个矩阵仅仅与源信号的DOA有关. 信号模型 阵列模型如下: K个窄带信号,阵元数目为2M+1的对称ULA阵列.假设中间阵元为相位基准.则第m个传感器的接收信号可以表示为: 其中为第k个入射信号的波形,为第m个传感器的噪声,为第k个源信

1.声音的三个主要的主观属性(即音量.音调.音色).音色(Timbre)是指不同的声音的频率表现在波形方面总是有与众不同的特性,音色的不同取决于不同的泛音.频率的高低决定声音的音调,振幅的大小决定声音的响度,音色区分不同的发声材料物体. 2.Chirp信号:线性调频信号,是指频率随时间而线性改变(增加或减少)的信号.线性调频的瞬时频率f(t)呈线性变化:f(t)=f0+kt,其中f0表示时间等于零时的频率,k表示频率改变的速率,当k>0时,频率递增,k<0则递减.主要应用:常见的包括声纳.雷达

2.5D Visual Sound:CVPR2019论文解析 论文链接: http://openaccess.thecvf.com/content_CVPR_2019/papers/Gao_2.5D_Visual_Sound_CVPR_2019_paper.pdf Video results: http://vision.cs. utexas.edu/projects/2.5D_visual_sound/ 摘要 双耳音频为听者提供了3D的声音感受,使其对场景有丰富的感知体验.然而,双耳录音几乎不

摘要:本篇文章主要通过Tensorflow+Opencv实现CNN自定义图像分类案例,它能解决我们现实论文或实践中的图像分类问题,并与机器学习的图像分类算法进行对比实验. 本文分享自华为云社区<Tensorflow+Opencv实现CNN自定义图像分类及与KNN图像分类对比>,作者:eastmount . 一.图像分类 图像分类(Image Classification)是对图像内容进行分类的问题,它利用计算机对图像进行定量分析,把图像或图像中的区域划分为若干个类别,以代替人的视觉判断.图像分

语音识别有近场和远场之分,且很多场景下都会用到麦克风阵列(micphone array).所谓麦克风阵列是一组位于空间不同位置的麦克风按一定的形状规则布置形成的阵列,是对空间传播声音信号进行空间采样的一种装置,采集到的信号包含了其空间位置信息.近场语音识别将声波看成球面波,它考虑各麦克风接收信号间的幅度差:远场语音识别将声波看成平面波,它忽略各麦克风接收信号间的幅度差,近似认为各接收信号之间是简单的时延关系.麦克风阵列可分为一维.二维和三维麦克风阵列.一维麦克风阵列,即线性麦克风阵列,各个麦克风

​前言 本文主要介绍作者关于人工智能(AI)语音测试的各方面知识点和实战技术. 本书共分为9章,第1.2章详细介绍人工智能(AI)语音测试各种知识点和人工智能(AI)语音交互原理:第3.4章介绍人工智能(AI)语音产品需求和评价指标,以及其相对应的验收标准:第5章介绍如何准备语音数据,包括准备方案和具体方法:第6-9章介绍人工智能(AI)语音测试涉及的4大模块,既黑盒测试.自动化测试.算法测试.性能测试. 本书从理论概念到测试实践,从手工测试到自动化测试,内容翔实且丰富,其中的项目方案.范例和实

1. 序 您一定有过这样的经验:在一个炎热的夏夜,讨厌的蚊子在你的耳边飞舞.此时,没有比除掉这个祸害更急所的了,对吧?做到这一点,不必睁大了眼去找蚊子,只需依靠敏锐的听力,一样可以确定蚊子的方位,在漆黑之中也能给其以精确而致命的打击. 站在街头,有时候我们可以看见盲人无需牵引,也可跟随着路上的人群.对于盲人,想来这样不太安全:但不论如何,他们的行为是令人惊奇的肢体才能——聆听,当其被完全利用起来的时候,可以带给人很大的帮助. 实际上,不仅仅是我们的眼睛可以分辨物体的三维定位,我们的耳朵也能做到.