- 解决**平面麦克风阵列** 在3D场景中**DOA估计(方向到达角估计) ** 的实时性问题
- ** SRP-PHAT(相位变换的导向响应功率) ** 方法需要评估数千个候选方向,在资源受限平台上难以实时运行
- 平面阵列因结构简单广泛用于机器人,但其** 方位角估计**通常比** 仰角估计**更可靠,现有方法未充分利用这一特性
- 提出**ASAP(方位角优先的条带搜索方法) ** ,分为两阶段搜索
- 第一阶段:在** 方位角条带(azimuthal strips) ** 内执行** 粗到细的区域收缩(coarse-to-fine region contraction) ** ,通过** 球冠(spherical caps) ** 保留多个极大值以锁定方位角
- 第二阶段:沿两个相近候选点之间的** 大圆弧(great-circle arc)** 细化仰角估计
- **方位角优先(azimuth-priority) ** 策略:利用方位角估计可靠性高于仰角的先验知识,先高效锁定方位角再细化仰角
- ** 条带搜索(strip-based search) ** :将3D空间搜索降维为方位角条带内的快速搜索,大幅降低计算量
- ** 两阶段粗到细框架**:第一阶段区域收缩保留多候选,第二阶段沿弧线精确优化,平衡效率与精度
- 为**平面麦克风阵列3D DOA估计** 提供了一种高效实时的搜索范式
- 在**仿真和真实实验** 中验证了相比现有方法的效率和精度优势
- 解决了**资源受限平台** (如机器人)上实时SRP-PHAT估计的瓶颈问题