所记录的声音全部源自空间中的相同位置，但由于从源点到每个麦克风的路径不同；信号将被（时间）移位
并且失真。已使用先验知识来尽可能地补偿时移，但数据中仍存在一些时移。
测量位置越近，信号越相似。
我对自动分类峰感兴趣。我的意思是说，我正在寻找一种算法，可以“看”下图中的两个麦克风信号，并从位置和波形中“识别”出两个主要声音并报告其时间位置：
sound 1: sample 17 upper plot, sample 19 lower plot,
sound 2: sample 40 upper plot, sample 38 lower plot
为此，我计划在每个峰周围进行Chebyshev展开，并使用Chebyshev系数的向量作为聚类算法的输入（k均值？）。
作为示例，以下是在两个附近位置（蓝色）处测得的时间信号的一部分，这些位置由5个项切比雪夫序列对两个峰值（蓝色圆圈）周围的9个样本（红色）进行了近似估算： >
近似值非常好：-)。
但是；上方图的切比雪夫系数为：
Clu = -1.1834 85.4318 -39.1155 -33.6420 31.0028
Cru =-43.0547 -22.7024 -143.3113 11.1709 0.5416
下方图的切比雪夫系数为：
Cll = 13.0926 16.6208 -75.6980 -28.9003 0.0337
Crl =-12.7664 59.0644 -73.2201 -50.2910 11.6775
我希望看到Clu〜= Cll和Cru〜= Crl，
似乎并非如此：-( ..
也许还有另一个正交的基础
是否有任何有关如何进行操作的建议（我正在使用Matlab）？
预先感谢您提供任何答案！
#1 楼
似乎您有一个信号源x [n]和多个麦克风信号$ y_ {i} [n] $。假设您从源到麦克风的传播路径是合理的线性且不随时间变化，则只需将路径建模为传递函数即可。所以基本上你有$$ y_ {i} [n] = h_ {i} [n] \ ast x [n] $$
其中$ h_ {i} [n] $是冲量从源到麦克风“ i”的传递函数的响应。这些传递函数具有不同的幅度和相位响应。如果它们足够不同，则各个麦克风信号也将完全不同，并且没有理由相信峰值实际上会出现在同一位置。在大多数声学环境中，如果麦克风与感兴趣的频率（或者频谱中存在非平凡的能量）相距超过四分之一波长，则它们将“不同”。
如果可以测量传递函数，您可以使用传递函数的反函数来过滤每个麦克风信号。这将使麦克风信号更加相似，并降低滤波效果。
一种替代方法是将所有麦克风信号组合到一个波束成形器中，以优化从源头的拾取，但拒绝其他所有信号。这也应该提供一个相当“干净”的源信号版本。
评论
看起来，您本质上是在假设峰的“形状”在Chebyshev多项式系数的向量空间中表示时是连续的（即，峰的一部分的形状发生小的变化会产生小的变化在系数中）。您是否有理由相信情况如此？听起来好像您在选择工具时未确保能解决当前的问题。要清楚，您尝试以哪种方式对峰进行“分类”？您是否要关联来自各个传感器的与相同峰对应的测量值？您是否还有其他方法可以测量先验的相对时间延迟，然后将该信息用于分类？
嗨，JasonR。我已经更新了我的问题，使事情变得更加清楚。
实际上，我实际上是在尝试复制“通过地震视域的分类进行自动结构解释”（Borgos等人）中的步骤。我试图用更笼统的术语来解释这个问题。
@Andy能否请您解释一下这些系数如何与此处显示的红线相对应？它们似乎没有关联...