值，以je {1.. .M}来标记它们，这里Μ的值取为4,选择空间谱中能量最高的4个谱峰位置。 [0057] S2、对上一步骤中得到的观测值和当前时刻的Κ个跟踪声源进行数据关联，计算空 间谱峰与跟踪声源的匹配概率。为了保证算法的实时性，这里限定同时跟踪的声源数量不 超过3个。计算空间谱峰与跟踪声源的匹配概率具体过程为：
[0058] S2.1、列举所有谱峰-声源匹配的可能组合。
[0059] 以ke{l. . .Κ}标记当前时刻的跟踪声源，用人=(1|^，1^，〇来表示观测值与跟踪 声源目标之间的匹配关系，其中，Mn，Mc，Mt分别表示由新声源，错误检测以及跟踪目标引起 的观测数量，显然，M=Mn+Mc+Mt。匹配向量r=(ri. . .γμ)由以下表达式给出
[0061] 在跟踪算法的初始化阶段，跟踪目标数量为零，集合ke{l...K}为空集，所有的观 测值由新声源和错误检测引起。可以看出，匹配向量r=(ri. . .γμ)或者A=(；t，Mn，Mc，Mt)代表 了一种空间谱峰与跟踪声源之间的匹配组合。
[0062] 列举所有的组合可能，构成集合At。构成该集合的过程中，每添加一种组合都需 要对该组合进行冲突性检测，以保证每个跟踪声源在每种组合中最多出现一次。例如，r = (1'1..14) = (-1，0，1，2)为有效组合，此时，人=(1'，1，1，2);而1=(1'1..14) = (-1，0，1，1)为 无效组合。
[0063] S2.2、根据谱峰-声源匹配的组合计算谱峰-声源匹配联合先验概率。
[0064] 在贝叶斯推断的框架下，为了获得谱峰-跟踪声源的后验匹配概率，需要对匹配的 先验分布建模。这里，假定谱峰-跟踪声源匹配的先验分布与观测之间相互独立，则匹配的 先验分布可以表示为
[0070] Pn为固定值，表示新声源出现的先验概率。Ac为伪峰出现的平均瞬时速率，与房间 的尺寸以及回响情况有关。表示声源当前时刻的先验活跃概率。
[0071] 计算谱峰-声源匹配联合先验概率 在算法的初始 > 化阶段，由于不存在跟踪声源，所以该公式中的第三
不存在;对于处于试用阶 段和跟踪阶段的声源
在上一个时刻由预测得出。这里，新声源出现 的先验PN取为0.05，与声源从沉默状态转化为活跃状态先验相同。
[0072] S2.3、计算预测性似然概率。计算预测性似然概率的公式为
[0074] 其中，Ν (?#Κ,σ2)为以粒子位置蠕为均值，。为方差的高斯分布在观测位置yj, t 处的取值，方差σ取为0.05。同样，在算法的初始化阶段，此项不存在。
[0075] S2.4、根据所述谱峰-声源匹配联合先验概率以及预测性似然概率计算谱峰-声源 匹配联合后验概率。
[0076] 对于任意一种匹配组合\=(厂|^，1^，1^)，假定单个谱峰与单个跟踪声源的匹配〇 (j e {1. . .Μ})之间是相互独立的，则该组合的后验联合概率可以表示为：
[0078]其中，v为波束形成搜索空间面积，预测性似然概率',(y,v lym)可通过以下公式 给出：
[0082] 表示对于一个位于粒子位置略处的声源，其观测为乃,*的概率。 ><,4为上一时刻的粒子权重，ΝΡ为粒子数目。
[0083] S2.5、重复步骤S2至S4,计算谱峰-声源匹配边缘后验概率，计算谱峰-声源匹配边 缘后验概率。
[0084]具体的，遍历集合At中的所有组合可能，计算谱峰-声源匹配边缘后验概率
[0086] S2.6、归一化谱峰-声源匹配边缘后验概率。
[0087] 由于每个谱峰最终最多只能与一个跟踪声源匹配，所以必有
[0089]故而每个谱峰je{l. . .M}最终的匹配概率需要由下式进行归一化
[0091] 显然，p(rj,t = _l | yi:t)表示谱峰je {1. . .M}被判定为新声源的概率，p(rj,t = 0 yi:t)表示谱峰je{l.. .Μ}被判定为错误检测的概率。
[0092] S3、检查当前时刻粒子滤波器或检查当前时刻跟踪目标数量；
[0093]若粒子滤波器已经初始化或跟踪目标数量不等于0,进入步骤S4;
[0094] 若粒子滤波器尚未初始化或跟踪目标数量等于0,进入步骤S8。
[0095] S4、评估试用声源存在概率并删除伪声源，监测跟踪声源活跃状态并删除非活跃 声源，具体过程为：
[0096] S4.1、计算各声源当前观测下的活跃概率。
[0097]用Ak,te{〇，l}表示跟踪声源目标ke{l. . .Κ}当前时刻的活跃状态，则声源ke {1...K}在当前观测下的活跃概率可以表示为?1{ = ?以1^=1|5^)，而根据以上算出的后验匹 配概率，活跃概率pk可以由以下公式计算得到
[0099] 令 p(rj,t = k|yi:t)=Pj，k，
[0100] S4.2、检查各个声源当前所处阶段，若声源处于试用阶段，则进入步骤S4.3;若声 源处于跟踪阶段，则进入步骤S4.4。
[0101] S4.3、评估试用声源存在概率并删除伪声源，具体过程为：
[0102] S4.31、更新试用声源累积活跃概率
，其中，τ为激活该试 用声源粒子滤波器的时刻；
[0103] S4.32、检查试用期计时器，若t-T<Tprcib，则试用期未满，否则，试用期满。若试用 期未满，直接跳至步骤S5;若试用期已满，则进入下一步骤S4.33。其中，T prQb为事先定义的 试用期长度，在本实施例中设为50,表示50次循环，每次循环大约为一帧数据的时长，本实 施例中设为32ms;
[0104] S4.33、计算新声源试用期间平均存在概率则表示新 声源通过试用期，确认该声源的存在性，并标记该声源进入跟踪阶段;否则，删除该试用声 源的粒子滤波器。其中，P_b为事先定义的存在性阈值，在本实施例中，存在性阈值P_b设置 为 0.7〇
[0105] S4.4、监测跟踪声源活跃状态并删除非活跃声源，具体过程为：
[0106] S4.41、检验跟踪声源当前时刻非活跃程度，若非活跃程度小于预设的活跃值，即 ，则更新非活跃计数器T_nt = T_nt+l，进入下一步骤S4.42;否则，非活跃计数器 清零，即令Τ_λ = 0并跳至步骤S5。
[0107] 34.42、检查非活跃计数器，若1'。_* = 1'。_，则计数器满，删除该非活跃声源。设置 !'。_11为25，表示当声源连续25个循环处于非活跃状态时，则需要删除该声源。
[0108] S5、根据谱峰-声源匹配边缘后验概率定义声源的似然函数，并更新各声源的粒子 权重。
[0109] 由步骤S2中计算得到的谱峰-声源匹配边缘后验概率匕,15 = ?(〇,* = 1^|^)，声源1^ e{l...K}的似然函数可以定义成
[0111]粒子权值可以由以下公式来更新
[0113] S6、根据粒子权重和粒子位置计算当前时刻各声源的位置。计算公式为
[0115] S7、根据贝叶斯推断预测各声源的先验活跃概率。
[0116] 用p(Ak,t+i = l | Ak,t= 1)表示声源在下一时刻保持活跃状态的概率，p(Ak,t+i = l Ak,t = 0)表示沉默声源转为活跃状态的概率，则通过简单的边缘化与贝叶斯推断，下一时刻 声源的先验活跃概率可以用以下公式预测：
[0117] p(Ak,t+i = 11 yi：t) = p(Ak,t+i = 11 Ak,t = 1 )p(Ak,t = 11 yi：t)+p(Ak,t+i = 11 Ak,t = 0)p (Ak,t = 0 I yi：t)
[0118] p(Ak,t = l |yi：t)+p(Ak,t = 〇|yi：t) = l
[0119]
(Ak，t = 0 | yi:t-1) = l_p(