一种基于SVM的声源定位算法

来源：计算机技术与发展杂志2017年第09期北京时间：

作者：顾晓瑜;杨悦

摘要：随着多媒体技术的快速发展,获取高质量的语音成为一种越来越受到广泛重视的技术手段,以麦克风阵列定位声源的方法在诸多领域得到了广泛的应用.支持向量机(Support Vector Machine,SVM)是一种基于统计学习理论和结构风险最小化原则的机器学习方法,其诸多参数的选择直接影响到SVM的性能,SVM可作为估计声源位置的分类器,且可通过选取适当的参数提高算法的抗噪声能力.为此,提出了一种基于SVM的声源定位新算法.该算法提取鉴别互相关函数的特征,通过选取合适的参数,对SVM的核函数进行优化.基于Matlab对提出的新算法进行了仿真实验验证.仿真实验结果表明,该算法较为显著地增加了混响和噪声条件下声源定位的准确性,且具有良好的鲁棒性.

关键词：支持向量机;机器学习;声源定位;核函数