我研究了 GCC-PHAT 算法来估计 2 个麦克风的音频信号的 TDOA。

这是我的 MATLAB 实现：

function cc = freq_xcorr_phat(x,y)
  n = length(x)+length(y)-1;
  X = fft(x,n);
  Y = fft(y,n);
  R = X.*conj(Y);
  R = exp(1i*angle(R));
  cc = ifft(R);
endfunction

我使用模拟立体声音频信号（其中通道 1 是真实的音频录制，通道 2 是具有特定采样延迟的通道 1，在本例中为 7 个采样）来测试此功能。结果 GCC-PHATcc绘制在下面，我们可以看到它显示了预期的结果，峰值位于-7：

但是，当我使用真正的立体声音频信号（通道 2 延迟 15 个样本）来测试此功能时，结果 GCC-PHAT 图变得很奇怪。我们可以看到它在 处有一个峰值-15，但在 处的峰值0更强：

问题是：

为什么第二个情节0达到峰值并且比峰值更强-15？这对我来说没有意义。

ps

1. 剧情其实是中间部分fftshift(cc)。
2. 我的问题可能与这个问题有关。
3. 真正的立体声音频信号是从嵌入式系统 (MCU) 录制的。