基于互相关函数，采用求和广义互相关函数(summed-GCC)法用于机器人系统平台。由于采用不同的映射函数(mapping functions)，GCC法在该平台下，只需三个麦克风即可进行三维定位，突破了基于TDOA法进行三维声源定位最少需4个麦克风的限制-Based on cross-correlation function, using generalized cross-correlation function sum (summed-GCC) method for the robot s

结合马尔可夫过程，提出一种概率论的声源定位算法，并给出了基于DSP的机器人实现。其中声源定位部分采用三个麦克风呈三角形放置，为减小由于噪声等引起的TDOA估计误差，采用马尔可夫过程计算时延，这样计算的时延会更可靠。该方案中的声源定位也属于一维定位，即只需知道声源的方向角-Combination of Markov process, a probability theory of sound source location algorithm, and give the robot based o

一个详细讲述卡尔曼滤波的ppt，通过它可以学习有关卡尔曼滤博，和机器人自主定位的知识- Kalman filter detailed ppt, through which you can learn more about Bo Kalman filter, and knowledge of robot autonomous localization