风噪声抑制的离散频点加权GCC-PHAT时延估计算法

抑制风噪声的频点离散值加权GCC-PHAT时延估计算法针对麦克风阵列在实际应用中遇到的问题进行了创新。GCC-PHAT算法作为常用的TDOA估计算法，由于其短的判决时延和良好的跟踪能力，常用于低混响环境中的声源定位。然而，当面临如风噪声这样的加性噪声时，尤其是非平稳的风噪声，GCC-PHAT算法的性能会受到影响，因为连续值加权方法（如连续值频点加权GCC-PHAT算法）依赖于信噪比估计，对于这类噪声的消除效果有限。 该新算法的核心在于引入了离散频点加权的概念。它首先分析了原有算法对风噪声敏感的问题，认识到风噪声通常在特定频点上与声源信号存在显著的不相关性。因此，算法通过量化信号频点间的相干性，以及在时域计算信号之间的关联性，为每个频点分配不同的权重。这种方法有效地移除了风噪声的干扰频点，提高了TDOA估计的准确性。 此外，算法还考虑了声源信号的活跃度，通过动态调整运算量，进一步优化了性能。在处理风噪声频繁变化的环境中，这种自适应策略有助于降低算法的运算负担，提升了实时性和效率。 实验结果显示，与传统的GCC-PHAT算法相比，新提出的频点离散值加权GCC-PHAT算法在抵抗风噪声干扰的同时，显著改善了声源定位的可靠性，降低了噪声估计误差，从而提高了整体性能。这对于移动设备的听觉场景分析，特别是语音识别和声源分离任务，具有重要的实际应用价值。