基于局部聚类优化的听觉定位方法
【摘要】 随着室内服务机器人的广泛应用，室内定位已成为了当前研究热点和难点问题之一。针对传统的声音位置指纹定位算法中离线划分区域造成区域边缘点定位误差较大的问题，提出了一种二次局部聚类的优化算法来提高位于聚簇边缘的测试点的定位精度。首先，通过主成分分析(PrincipalComponentAnalysis，PCA)算法对声音信息采集系统采集计算得到的声达时间差(TimeDifferenceOfArrival，TDOA)特征向量进行降维处理，然后通过局部聚类优化算法对待测点位于的聚簇进行优化。与传统的区域划分不同，采用局部聚类优化可以减少因待测点位于聚簇边缘导致因参考信息不足而造成定位误差较大的现象。此外，采用局部聚类优化算法可以在满足系统定位精度的同时有效减少定位算法的时间开销。实验结果表明，基于局部聚类优化算法的声音定位方法可以有效的提高位于聚簇边缘的待测点的定位精度，并且在算法的实时性和鲁棒性上也有了提高。
