全文总字数：2292字

1. 研究目的与意义及国内外研究现状

在人工智能领域中，听觉与视觉相比，仍旧处在一个初期阶段的研究课题。随着时代的发展，听觉已经成为人工智能领域中重要的研究课题。它是智能机器人的重要标志之一，也是实现人机交互，与环境交互的重要手段。

在之前机器人的导航主要使用测距传感器（如声纳），而跟踪和定位主要靠视觉。这种形式在视觉场景内被广泛作为定位目标的方式。但是像人和大部分动物那样，视觉场被限制在小于180度的范围内。在真实世界中，听觉能带来360度的“听觉场景”。它能定位不在视觉场景内的声音目标，即定位由物体遮挡造成的模糊目标或在拐角处的声音目标。因此，对于声源定位的研究具有理论意义和实际价值。

国内外研究现状

国内研究现状：

2. 研究的基本内容

基于到达时延差的定位方法是利用时延估计算法求出信号到达阵列不同麦克风的相对时延, 再利用这些时延信息和麦克风阵列的空间位置关系估计声源位置, 是麦克风阵列声源定位方法中应用最为广泛的方法。基于到达时延差的定位方法已经成功地应用于雷达、声纳系统中, 但是它们处理的信号是窄带信号, 信噪比高。

本研究将简述国内外声源tdoa算法发展及其现状，然后分析现有声源tdoa算法，对几种算法进行仿真，根据仿真结果，分析其优缺点，再对算法提出改进方法，进行仿真实验，并与现有算法对比。

基于到达时延差tdoa的两步定位法, 延时小, 适用于实时的声源定位与目标追踪。但存在的问题是第一步从原始的麦克风接收数据中提取了时延差这一中间信息后, 丢弃了其他的有用信息, 只将tdoa用于第二步计算, 造成信息损失。因此一种更好的方法是将原始数据中所有的中间信息保留, 并都用于最后一步声源位置的确定。

3. 实施方案、进度安排及预期效果

实施方案:

4. 参考文献

[1] 行鸿彦, 刘照泉. 基于小波变换的广义相关时延估计算法[j]. 声学学报, 2002(1):88-93.

[2] 何燕春, 行鸿彦. 基于hilbert变换的广义时延估计算法[j]. 电子测量与仪器学报, 2008, 22(z2).

[3] 陈华伟, 赵俊渭, 郭业才,等. 一种维纳加权频域自适应时延估计算法[j]. 声学学报, 2003(6):514-517.