我有麦克风在空间的许多不同位置随时间测量声音。被记录的声音都来自空间中的同一位置，但由于从源点到每个麦克风的路径不同；信号将（时间）偏移和失真。先验知识已用于尽可能好地补偿时间偏移，但数据中仍然存在一些时间偏移。测量位置越接近，信号就越相似。

我对自动对峰值进行分类很感兴趣。我的意思是我正在寻找一种算法，它可以“查看”下图中的两个麦克风信号，并从位置和波形“识别”两个主要声音并报告它们的时间位置：

sound 1: sample 17 upper plot, sample 19 lower plot,
sound 2: sample 40 upper plot, sample 38 lower plot

为了做到这一点，我计划在每个峰值周围进行 Chebyshev 展开，并使用 Chebyshev 系数的向量作为聚类算法的输入（k-means？）。

作为一个例子，这里是在两个附近位置（蓝色）测量的时间信号的一部分，近似于两个峰值（蓝色圆圈）周围的 9 个样本（红色）的 5 项切比雪夫级数：

近似值非常好:-)。

然而; 上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，但情况似乎并非如此 :-(。

也许还有另一个更适合这种情况的正交基？

关于如何进行的任何建议（我正在使用 Matlab）？

提前感谢您的任何答案！