speech-recognition - 编写软件以判断声音来自何处(定向聆听)

Question

Closed. This question needs to be more focused。它当前不接受答案。












想要改善这个问题吗？更新问题，使它仅关注 editing this post的一个问题。

1年前关闭。



Improve this question




我一直对此感到好奇，所以我想也许在这里发布我会得到一些好的答案。

到目前为止我所知道的:

Humans can use their two ears to get not only what sounds "sound like" but also where they are coming from. Pitch is the note we hear, and something like the human voice has various pitches overlaid (not a pure tone.)

我想知道的是:

How do I go about writing a program that can know where sound is coming from? From a theoretical standpoint I'd need two microphones, then I would record the sound data coming to the microphones and store the audio data such that a split second of audio data can be put into a tuple like [streamA, streamB].

我觉得可能存在一种公式/数学方法，可以根据声音的来源来计算音频。我还觉得有可能获取流数据并训练学习者(给它采样音频并告诉它音频来自何处)，并以这种方式对传入的音频进行分类。

进行此操作的最佳方法是什么/是否有很好的资源可以从中学习更多有关该主题的信息？

编辑:

Example:

          front

left (mic) x ======== x (mic) right

          back

                            x (sound source should return "back" or "right" or "back right")

我想编写一个程序，使其听到的大多数声音都可以向左/向右/向后返回。据我了解，设置两个指向“前进”的麦克风应该很简单。基于此，我试图找出一种方法，可以对声音进行三角测量，并知道声源相对于麦克风的位置。

最佳答案

如果您研究有关多相麦克风阵列的研究论文，尤其是用于水下定向的那些研究论文(即，冷战期间大范围的潜艇研究-马达声音从何而来，以便我们瞄准鱼雷？)，那么您就可以了吗？在两个或多个麦克风输入的情况下，将找到查找声音位置所需的技术和数学方法。

这是不平凡的事情，尽管这里没有什么可以广泛讨论的内容，所以您不会找到简单的代码段和/或库来完成所需的工作。

主要问题是消除回声和阴影。一种简单的方法是从单个音调开始，滤除该音调以外的所有内容，然后测量该音调的两个麦克风之间的相位差。相位差将为您提供有关音调位置的许多信息。

然后，您可以选择是要处理回声和多径问题(可以通过除去最强的音调来消除许多回声或多音色问题)，或者移至包含单个音调以外的其他相关声音-一个人在说话，还是一个声音。例如，玻璃 splinter 。从小而轻松开始，然后从那里开始扩展。

关于speech-recognition - 编写软件以判断声音来自何处(定向聆听)，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/8662999/

上一篇：speech-recognition - 如何使用 Codename One 中的 Google Speech API？

下一篇：selenium-webdriver - Jmeter WebDriverSampler 因 Chromedriver headless 而失败

相关文章：

c# - 如何从语音文件中识别短语

java - 如何在 java applet 中使用 JMF 功能？

java - 使用Java下载当前正在播放的音频

c# - 使用 SoundPlayer 播放多种声音

actionscript-3 - 一维多峰检测？

python - 我已经 pip 安装了 pydub 但仍然没有工作

iphone - 如何在 iPhone 中将语音转换为文本

c# - 不支持的sourceStream NAUDIO

python - 如何用 Python 编写立体声 wav 文件？

javascript音频在 react 中当前播放时暂停先前播放的音频

Answer 1

如果您研究有关多相麦克风阵列的研究论文，尤其是用于水下定向的那些研究论文(即，冷战期间大范围的潜艇研究-马达声音从何而来，以便我们瞄准鱼雷？)，那么您就可以了吗？在两个或多个麦克风输入的情况下，将找到查找声音位置所需的技术和数学方法。

这是不平凡的事情，尽管这里没有什么可以广泛讨论的内容，所以您不会找到简单的代码段和/或库来完成所需的工作。

主要问题是消除回声和阴影。一种简单的方法是从单个音调开始，滤除该音调以外的所有内容，然后测量该音调的两个麦克风之间的相位差。相位差将为您提供有关音调位置的许多信息。

然后，您可以选择是要处理回声和多径问题(可以通过除去最强的音调来消除许多回声或多音色问题)，或者移至包含单个音调以外的其他相关声音-一个人在说话，还是一个声音。例如，玻璃 splinter 。从小而轻松开始，然后从那里开始扩展。