无线声音传感网络与应用

---

今天的声学阵列处理是许多应用中涉及的音频信号，如助听器，免提设备，或沉浸式音频记录的分析的重要部分。虽然已经提出了在过去几十年的数声学感测和处理系统，这些都典型地依赖于高通量计算平台和/或昂贵的麦克风阵列。虽然麦克风阵列产生比单麦克风系统更高的性能，一些局限性来自这一事实产生的麦克风的位置往往是固定的，而所有的信号处理任务在一个集中的处理器来执行。另一种方法是使用相对低的资源的分布式节点与感测旨在检测，定位，或表征的声事件的装置和算法。这些系统的优点是，无线的，电池供电的节点是不太昂贵的，并且可以在宽范围的环境中容易地展开。另外，相对于传统的麦克风阵列该样品的声场仅局部地，分布式声感测系统允许使用更多的传感器来覆盖感兴趣的大面积。

对于这种类型的先进声学系统的信号处理和机器学习研究正孕育新兴技术和服务具有很大的开发潜力。目前的应用领域，如智能城市和建筑，环境辅助生活，或栖息地的监测已经证明了基于声学解决方案的兴趣。物联网（IOT）平台和单板计算机的互联网均大幅上升瞄准声信号处理传感器网络的能力，作出合理的有价值的信息源新业务的发展打开了新的可能性，和挑战。因此，对于无线声音传感器网络（WASNs）音频信号处理和机器学习，吸引了众多作者的利益。

由M.科沃斯等文章，通过这期特刊的特邀编辑合着，提供广泛的最先进的音响定位的当前状态的调查WASNs方法。本文假设其中定位发生并考虑单个和多个麦克风的两个的情况下在每个节点WASN的融合中心的情况下。用于声源定位的最流行的方法被呈现，包括基于信号能量，到达时间（TOA），到达时间差（TDOA），到达方向（DOA），以及转向响应功率（SRP）的方法接近。估计所述节点位置的问题（通常作为自定位标记）也被考虑。文章最后通过摆在这片区域仍处于打开状态，并呼吁进一步的研究工作显著的挑战。

在WASNs源定位是基于到达角和设想多个节点的合作的一个最常见的方法中，每个估计DOA。一种三维源位置估计通常需要每个节点提供的声学场景到中心节点的源方位角和仰角，对硬件成本产生不利的影响，如在每个节点麦克风必须在二维被部署格，而一个唯一的方位角DOA将需要一个线性阵列。A.坎克利尼等。在“从多元线性阵列2D DOA测量分布式3D源定位”的论文中提出了一种方法来解决这个问题，结合方位来表示只产生源位置的三维估计多的DOA。该方法是基于这样的观察，一个仅方位角DOA被称为平面其中两个源和传感器谎言。原始阵列被转换成等效的阵列，所有位于在同一平面上与源一起。利用这种形式主义，成本函数的定义，其最小化导致源位置估计。作者测试针对可变混响和信噪比的新颖算法的有效性，还与基于方位角和仰角的DOA的组合状态的最先进的技术相比较它。

声源定位算法通常依赖于声速的知识。然而，在WASNs的一些应用场景中，如多区域建筑和室外环境中，会遇到声速的变化。P. Annibale和R. Rabenstein的“声速变条件下的声源定位”一文研究了声速未知条件下的声源定位问题。摘要本文在修正声速与温度关系的物理基础的基础上，重点讨论了在未知参数包括声速的情况下，由到达时差引起的声源定位问题。特别地，给出了基于TDOAs的两种主要的源定位算法的重新定义，即无约束最小二乘和约束最小二乘。证明了该扩展公式对震源位置估计的改进。P. Annibale和R. Rabenstein广泛讨论了不同于声源定位的问题，这些问题受到未知声速的影响，从反射面估计到TDOA消二义性。最后，作者还阐明了一些应用，虽然与WASNs没有严格的联系，在那里声速揭示了重要的信息。

当声学传感器节点作为网络的组成部分部署时，声学传感器的自定位是WASNs中最重要的课题之一，而声学传感器节点的位置没有任何先验知识。“声学传感器自定位:模型和最新成果”是一篇综述论文，涵盖了声学传感器节点完全依赖于声学信号进行定位，而不依赖于它们之间的任何通信或任何其他类型的传感器。特别地，本文讨论了这样一种情况，即传感器节点被放置在一个已知的环境中，并且预先知道探测信号和源的位置，或者扬声器在环境中的位置。这使得仅通过分析每个节点接收到的声学信号就可以实现传感器节点的自定位。在此基础上，本文首先回顾了基于TOA或TDOA测量的现有的闭型最小二乘解，并考虑了它们测量的两个实际问题，即异步性和扩音器与麦克风之间的频率不匹配。然后，基于声源定位这一众所周知的对偶问题的概念，提出了基于声源定位的声传感器定位方法。本文还介绍了滑动窗口技术、匹配追踪算法和TOA选择，以改进TOA/TDOA估计，并讨论了如何设计探测信号，使它们在实际部署时具有低功耗。这篇综述文章将为开始这一领域的研究提供一个良好的起点。

现在出售的智能手机通常都配有多个麦克风和扬声器。在典型的情况下，比如在会议室里有多个参与者，每个人都带着一部智能手机，可能会有几个这样的人，这使得他们成为构建一个特设系统的最佳候选人。为了将它们作为声场信号的组成部分用于声场信号的联合处理，必须确定它们的位置和方向。H. a . Sanchez-Hevia等人在《使用声音信号的智能手机的室内自定位和方向估计》一文中，针对配备至少两个麦克风和一个扬声器的智能手机，通过允许智能手机与其他智能手机通信，并通过扬声器播放声音，解决了这个问题。对于自我定位来说，最具挑战性的问题之一是DOA的不确定性，这种不确定性可能是由多种因素引起的。为了克服DOA的不确定性以及在最大似然框架下联合估计方向的问题，采用遗传算法解决了这一问题。尽管遗传算法可能会给系统增加显著的计算负担，但更快的并行化处理器有望在不久的将来克服这个问题。

在大多数WASN应用中，WASN的每个节点包括感测装置，即，一个或多个麦克风的。然而，一些有趣的应用要求每个节点还包括驱动器，也就是扬声器。一种这样的应用是有源噪声控制，其中，具有WASN物镜，以便通过生成适当的声音信号取消特定噪声源来创建消干涉的区域。在由C.Antoñanzas纸张等，作者认为有源噪声控制的无线声音传感器网络的问题，并调查这些需要为了不违背与音响致动装置的操作相关联的功率限制的几个控制工作策略。他们分析，并在性能，计算效率和通信需求方面比较不同的策略。

对于WASNs语音增强方法的另一个感兴趣的话题，在需要的无线节点之间的音频信号的交换。用于减少网络内的数据交换量的算法从两个能量和带宽效率透视必要的。在由F.德拉Hucha阿尔塞等人的论文，自适应量化方案来优化认为其对语音增强性能的贡献讨论的每个交换信号的比特深度。一种多通道维纳滤波器框架被认为是，提出基于最小均方误差（MMSE），导致贪婪算法的梯度用于自适应量化新度量。它也表明，先前提出的影响度量是梯度度量的概括。通过使用贪婪自适应量化而获得的能量节省以模拟和在真实WASN设置讨论两者。

WASNs的另一个应用也是在纸由A.卢克等人的，题目为讨论“的处理时间的评价在无尾音分类”。本文提出了一种利用WASNs对栖息地的监测，专门为无尾的歌曲分类。他们的工作是专注于需要对系统的不同阶段，包括收购，特征提取和分类处理时间的分析。本文认为，不同的功能集和分类，显示出这种WASN应用分类的准确性和所需的处理能力之间产生的权衡。

在这个特殊的问题确认包括工程研究界在基于声音的技术集成到广泛的应用采取在硬件和数据连接性的新进展的优势利益。接收到的捐款集中在重要的方面，如传感器的自定位，声音识别，语音增强，有源噪声控制，或声源定位。在任何情况下，当务之急是要继续进步，并把更多的研究成果转变成一种对推广使用WASNs到未来的声音相关的应用是至关重要的许多其他方面。这些措施包括方法的成本效益评估的发展，自动校准和部署方法的可用性，高能效的信号处理算法的设计，与隐私相关问题的适当管理。

马克西莫科沃斯
法比奥Antonacci
阿萨纳西Mouchtaris
Bowon利

版权

Maximo Cobos等人版权所有这是一篇开放获取下发布的文章知识共享署名许可，其允许在任何介质无限制地使用，分发和再现时，所提供的原始工作正确的引用。