标签：infty GCC 函数 tau 1y 笔记 srp tag path
Knapp 和 Cater 提出的广义互相关（Generalized Cross-Correlation , GCC）算法是最常用的TDOA估计方法。
1.1 问题背景
考虑只有两个传感器，即\(N=2\) 的单源自由场模型。
两个麦克风之间的TDOA估计可以等效为能够使麦克风输出的滤波信号之间的互相关函数（Cross-Correlation Function，CCF）最大的时间间隔（这称为广义CCF（Generalized CCF,GCCF））:
\[\hat{\tau}^{GCC} = \arg \max_{\tau} r_{y_1y_2}^{GCC}(p)\tag{1} \]式中
\[\begin{align} r_{y_1y_2}^{GCC}(p) &= F^{-1}[\Psi_{y_1y_2}(f)]\\ &= \int_{-\infty}^{\infty} \Psi_{y_1y_2}(f)e^{j2\pi f p}\rm{d}f \\ &= \int_{-\infty}^{\infty} \delta(f)\phi_{y_1y_2}(f)e^{j2\pi f p}\rm{d}f \end{align}\tag{2} \]为GCC函数，\(F^{-1}[\cdot]\) 表示离散傅立叶逆变换（IDTFT）。
\[\phi_{y_1y_2}(f) = E[Y_1(f)Y_2^ * (f)]\tag{3} \]为互频谱，且
\[Y_n(f) = \sum_{k} y_n(k) e^{-j2\pi f k},n=1,2 \tag{4} \]\(\delta(f)\) 为频域加权函数；
\[\Psi_{y_1y_2}(f)= \delta(f)\phi_{y_1y_2}(f)\tag{5} \]为广义互频谱。
对于频域加权系数\(\delta(f)\) 有不同的选择，对应不同的GCC方法。
相位变换（PHAT加权）
通过GCC函数的定义，可以看出TDOA的估计信息是通过互频谱的相位而不是幅值来表示的。因此，可以简单地舍弃幅度而仅保留相位。
\[\delta(f) = \frac{1}{|\phi_{y_1y_2}(f)|}\tag{6} \]得到相位变换（Phrase Transform，PHAT）方法。广义互频谱为
\[\Psi_{y_1y_2}^{PHAT}(f) = e^{-j2\pi f \tau}\tag{6} \]仅依赖于TDOA \(\tau\) ；
此时，理想GCC函数：
\[r_{y_1y_2}^{PHAT}(p) = \int_{-\infty}^{\infty} e^{-j2\pi f(p-\tau)}\rm{d} f= \begin{cases} \infty, p=\tau \\ 0, 其它 \end{cases} \tag{7} \]GCC方法具有很短的判决时延，因此具有好的跟踪能力。在噪声强度中等且无混响环境下表现非常好。但当房间混响较高时，可能会失效，这是因为GCC方法将周围声学环境建模为一个理想自由场模型，因此在处理房间混响时有根本性的弱点。
附录
- 关于公式2的理解：
信号相关于功率谱密度（power spectral density, PSD）是一个傅立叶变换对。(1)
因此对互谱（互功率谱密度，cross-power spectrum）进行傅立叶逆变换，计算互相关函数。这里另外使用PATH方法，即normalize PSD，得到广义互谱，经过傅立叶逆变换后，得到广义互相关函数。(2)
- 关于离散信号的互功率谱的计算：
主要有直接法和自相关法两种方法(3)，这里使用直接法，因为我们就是功率谱估计信号相关的.....
\[ S_x(\omega) = \lim_{T\rightarrow \infty}\frac{E[|F_x(\omega,T)|^2]}{2T} \]
自功率谱密度：
\[ S_{xy}(\omega) = \lim_{T\rightarrow \infty}\frac{E[F^*_x(\omega,T)F_y(w,T)]}{2T} \]
参考链接
- GCC-PHAT算法 https://blog.csdn.net/yq_forever/article/details/103754000
- 功率信号，能量信号，信号的频谱，功率谱密度，频谱密度，能量谱密度，自相关函数，互相关函数 https://blog.csdn.net/weixin_40106401/article/details/106381429
- 估计信号的自/互功率谱密度方法 https://zhuanlan.zhihu.com/p/390104171
标签：infty,GCC,函数,tau,1y,笔记,srp,tag,path 来源： https://www.cnblogs.com/AccompanyingLight/p/16169372.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。