جهت يابي چند گوينده با استفاده از نمونه برداري فشرده مبتني بر فاز

Speakers’ Direction Finding Using Phase-based Compressive Sampling

همبستگي سيگنال گوينده ها باعث كاهش دقت جهت يابي گوينده ها مي شود. الگوريتم هاي مبتني بر تنكي فضايي مي-توانند اين مشكل را حل كنند. در اين مقاله الگوريتم نمونه برداري فشرده مبتني بر فاز سيگنال براي تخمين جهت گوينده ها پيشنهاد مي شود كه علاوه بر استفاده از تنكي فضايي، تنها از تعداد كمي از نمونه هاي فاز سيگنال سنسورها براي تخمين جهت گوينده ها استفاده مي كند. نتايج شبيه سازي انجام شده نشان مي دهد كه الگوريتم پيشنهادي در مقايسه با الگوريتم‌هاي مبتني بر نمونه برداري فشرده زماني، جهت گوينده ها را با دقت بهتري تخمين مي زند. همچنين الگوريتم پيشنهادي نسبت به ديگر الگوريتم هاي مبتني بر تنك فضايي، حجم محاسبات كمتري دارد.

Abstract: Correlation of speech signals causes errors in DOA estimation of speakers. To solve this problem, DOA estimation algorithms based on spatial sparsity have been addressed. In this paper, the PCS (Phase Compressive Sampling) algorithm is proposed for DOA estimation of speakers by incorporating spatial sparsity and a small number of signal phase samples. Simulation results show that this algorithm achieves a high accurate estimation with respect to the previously-developed time compressive sampling algorithm. Also, the proposed algorithm has low computational complexity with respect to other spatial sparsity based algorithms.