声信号本身含有大量信息,稳定其本身物理性质,声信号将在诸多方面有着灵活且高效的应用。基于此,近年来在各个方面已经有很多系统立足于特定频段声信号,完成研发并实现既定目标。其相关技术也在不断成熟,基于相关学科的开发与跨学科高质量的应用也正不断涌现,同时亦从多方面展现出声信号本身巨大的发展前景。为使得此声信号处理流程能用于基于室内定位系统中,面向声定位信号核心技术完成相应开发是必须的。相关技术包括且不限于声音信号的特征提取算法、特征选择与重组、声信号分类与特征回归分析与相关评价指标构建等。在基于特定频段声信号且自标定锚点位置的室内定位系统中,对于声信号的开发与研究,其核心切入点在于:传统定位算法在非视距环境下,由于声信号将产生散射、反射、无规则衰减等现象,使得原有定位算法此时并不能发挥出应有效果。因此,非视距情形下声信号的处理是需要的,在此之前,声定位信号的分类亦是必要的。据此,基于适当策略完成开发,介入系统流程的重组、选择过程中,基于声信号分类结果,而针对非视距场景进行一定调整,以此使得室内定位系统所用定位算法发挥出更佳效果。经实测,升级后室内定位系统能够在非视距场景中,较之原版系统,强化实际特定场景中定位效果。以此,本文将基于此特定情境,从特征提取与训练升级、视距与非视距声定位信号wav文件分类方案以及核心训练流程升级、声信号特征值回归分析此三个方面作为研究内容,并完成既定研究与开发,最终给出各个优化方案的实测效果对比,以及具有一定参考价值的结论。本文完成核心工作将包含以下三个方面:首先,根据既有声定位信号特征提取算法,完成对于部分特征权重升级,继而凸显有益于分类进行的特征作用,并进行部分重组。实际场景中,其所得结果将作为分类器输入,需要更多地针对非视距声信号特点进行调整,从而凸显非视距声信号区分度,为全文根基;其次,经典SVM分类器虽然高效,但尚不能完美且轻易地实现非视距声定位信号辨识,因此,引入改进后群体智能优化策略,从特征选择、训练权重动态调整以及训练过程收敛速度三方面完成升级是必须的,基于此完成不同特征组合以及对应不同升级方案的研发与对比。分类结果将直接影响非视距场景中室内定位系统实际流程,为复杂场景中定位精度提升的提到提供可能;随后,面向部分室内定位系统中非视距声信号,存在着难于接收、难于获取、出现随机性强等问题,据此引入基于模糊信息粒化模型的回归分析部分,完成对于非视距声信号的回归分析,从而使得分类器获得更多针对性强的训练样本,侧面增强分类器实际效果。继而最终强化室内定位系统中定位实际精度。