买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉重庆大学申请的专利基于GS-RBF和时延估计的多元麦克风阵列声源定位方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119861333B 。

龙图腾网通过国家知识产权局官网在2026-05-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411867466.1，技术领域涉及：G01S5/18；该发明授权基于GS-RBF和时延估计的多元麦克风阵列声源定位方法是由张琪炜;李明洋;王平设计研发完成，并于2024-12-18向国家知识产权局提交的专利申请。

本基于GS-RBF和时延估计的多元麦克风阵列声源定位方法在说明书摘要公布了：本发明涉及一种基于GS‑RBF和时延估计的多元麦克风阵列声源定位方法，属于声源定位技术领域，包括以下步骤：S1：建立故障声源的近场模型，并进行麦克风阵列设计；S2：基于广义互相关相位变换算法GCC_PHAT计算到达时间差TDOA矩阵；S3：构建基于RBF神经网络的声源定位模型；S4：基于网格搜索算法GS对声源定位模型进行优化，利用优化后的模型对声源进行定位。本发明保证了无人机巡检时对故障声源定位的快速性与准确性，兼顾了复杂环境中的抗噪性能和空间分辨能力，为输电线路隐性故障的检测提供了一种高效、可靠的技术解决方案。

本发明授权基于GS-RBF和时延估计的多元麦克风阵列声源定位方法在权利要求书中公布了：1.一种基于GS-RBF和时延估计的多元麦克风阵列声源定位方法，其特征在于：包括以下步骤： S1：建立故障声源的近场模型，并进行麦克风阵列设计； S2：基于广义互相关相位变换算法GCC_PHAT计算到达时间差TDOA矩阵； S3：构建基于RBF神经网络的声源定位模型； S4：基于网格搜索算法GS对声源定位模型进行优化，利用优化后的模型对声源进行定位； 基于广义互相关相位变换算法GCC_PHAT计算到达时间差TDOA矩阵，包括以下步骤： S21：利用元麦克风阵列同步采集空间中的声源信号，得到对应的时域离散信号； S22：对每对麦克风的时域信号和进行快速傅里叶变换FFT，，将其转换至频域，得到频域信号表示： 式中为傅里叶变换； S23：然后计算互功率谱函数： 式中为的共轭； S24：在频域内对互功率谱进行平滑相干加权，抑制噪声和混响干扰，最后进行傅里叶逆变换，得到互相关函数： 式中为频域内的加权函数； S25：根据现实环境和接受信号的特征引入合适的加权函数； S26：在互相关函数中搜索最大峰值对应的延迟时间，作为两路信号的时延差TDOA： 式中，为两路对应的时延输出，为寻找目标函数最大值对应的的运算； S27：根据麦克风阵元数，将所有麦克风对的时间延迟估计值组织为一个对称的TDOA矩阵，其中： 步骤S25中引入PHAT加权函数，具体表达式如下： 步骤S3所述构建基于RBF神经网络的声源定位模型，具体包括以下步骤： S31：提取TDOA矩阵的上三角部分，得到麦克风对之间的TDOA特征，将TDOA特征作为网络输入样本；网络输入样本表达式为： 式中，为第个输入样本，为第个输入样本中从TDOA矩阵的上三角部分提取出的第个元素； S32：确定输入样本后，选择隐藏层函数为高斯函数： 式中，欧式范数，为高斯函数方差，为第个隐藏节点径向基函数的中心向量； S33：根据隐藏层中激活值进行加权求和即可得到网络输出： 式中为神经网络的输出实际输出值，为隐藏层第个节点到输出层的权值，为隐藏节点数量； S34：设定径向基函数的宽度spread超参数，将输入样本输入到RBF神经网络进行网络训练以建立声源定位模型； 步骤S4所述基于网格搜索算法GS对声源定位模型进行优化，具体包括以下步骤： S41：列出RBF神经网络待调节超参数spread的可能值； S42：使用模型预测均方误差MSE评估模型性能，表达式为： 式中为第个样本的真实值，为第个样本的预测值，为数量； S43：遍历所有spread值，对于每一个spread值进行交叉验证； S44：根据交叉验证结果，选择模型预测均方误差MSE最低的spread值作为最优spread值，作为最终基于RBF神经网络建立的声源定位模型的最终超参数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙坪坝正街174号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。