一種基於時延補償和雙耳一致性的雙耳聲音源定位方法
2023-09-12 15:15:25
一種基於時延補償和雙耳一致性的雙耳聲音源定位方法
【專利摘要】本發明公開了一種基於時延補償和雙耳一致性的雙耳聲音源定位方法，分別在時域和頻域基於最小化均方誤差準則推導出雙耳能量差和雙耳時間差，利用雙耳一致性函數改進了時延估計的精度，在得到雙耳定位特徵之後，利用貝葉斯分層的搜索策略確定聲音源的轉向角和俯仰角，即達到定位的目的。首先，雙耳一致性函數保證了應用於定位的信號幀為可靠的；其次，時延補償打破了傳統的需要兩個獨立的算法估計雙耳時間差和雙耳能量差的局限性，使雙耳特徵提取的手段更具多樣化與普適性（適合多種不同程度地噪聲環境）；最後，分層的定位系統能夠有效地減少特徵匹配的次數，降低了算法的時間複雜度，保證了聲源定位系統的實時性要求。
【專利說明】—種基於時延補償和雙耳一致性的雙耳聲音源定位方法
【技術領域】
[0001]本發明屬於信息【技術領域】，涉及一種應用在語音感知和語音增強中的雙耳聲源定位方法，具體涉及一種基於時延補償和雙耳一致性的雙耳聲音源定位方法。
【背景技術】
[0002]雙耳聲源定位是聲源定位技術發展的一個重要分支。雙耳定位充分利用了雙麥克風的易搭載性和耳廓的濾波特性，在智能監控、移動機器人、虛擬實境、視頻會議等研究中有著重要的應用。它是聲源定位技術的一個重要分支，不僅利用了雙麥克風簡易的陣列結構，又結合人耳聽覺特性成功克服了雙麥克風定位的前後向歧義性。
[0003]雙耳聲源定位技術在機器人聽覺、人機互動領域有著重要的應用。一般來講機器人聽覺包括聲源信號的定位與分離、自動語音識別、說話人識別等。機器人聽覺聲源定位是指機器人利用搭載在機器人上或者外部設備上的麥克風陣列定位出聲源的相對位置。而機器人的雙耳定位則是期望機器人能夠像人或者其他哺乳動物一樣僅僅利用兩個聲音傳感器完成聲源信號的定位。
[0004]聲源定位技術在語音識別領域也得到廣泛應用。在視頻會議中，通過聲源定位技術控制攝像頭，使其自動地轉向感興趣的說話人方向。對於高速行駛的車輛，為避免駕駛員用手去接聽電話，車載免提電話應運而生。然而，當車中坐有多個說話人時，語音識別系統就無法辨別實際命令的來源，此時就需要一種定位系統來提取駕駛員方位的語音，進而對其命令作出響應。助聽器的出現為有聽力障礙的殘疾人提供了幫助。基於陣列的語音增強技術利用聲源的位置信息進行空間濾波，可以進一步抑制除說話人以外的其它方向的噪聲，使得助聽器話音更加清晰。近年來，基於聲源定位技術的電子筆系統成為研究熱點，用於接收的麥克風陣列以不同的方式集成在顯示器邊緣，此時設計出的電子筆就可以在屏幕上進行書寫或者相應地控制操作。
[0005]在語音分離中，聲源定位技術有助於混疊語音的分離。語音分離源於「雞尾酒會」問題，就是人們能夠在眾多談話聲和噪聲中集中聽力於某個人的聲音的能力，長期以來它被認為是一個具有挑戰性的問題。「雞尾酒會」問題也常被稱做「雞尾酒會效應」。在語音識別技術中，這方面的研究具有重要的實際意義。如果把聲源定位技術應用到語音分離中，將會大大增強感興趣方向的語音識別，有助於混疊語音的分離。
[0006]基本上，雙耳聲音源定位是一個模式分類的問題。類似於自動語音識別，其主要的兩大步驟分別是:語音信號處理和模式分類。首先通過雙耳傳聲器接收原始的聲音源信號，並進行模數轉換，把模擬聲音信號轉換成數位訊號。在信號處理階段，首先對原始信號進行預處理:降噪和濾波，信號預加重，分幀並加窗，對於每幀信號提取特徵時域的特徵或頻域特徵組成特徵向量。特徵向量可以有效表徵聲源的位置信息。模式分類階段，通過與定位系統中的先驗知識(即模板)進行比對從而得出定位結果。現有的聲源定位系統包括以下步驟:
[0007]1、語音錄入，預濾波、模數變換。先把錄入的模擬聲音信號進行預濾波，高通濾波抑制50Hz電源噪聲信號；低通濾波濾除聲音信號中頻率分量超過採樣頻率一半的部分，防止混疊幹擾，對模擬聲音信號進行採樣和量化得到數位訊號。
[0008]2、預加重。信號通過高頻加重濾波器衝激響應!1(2)=1-0.952'以補償嘴唇輻射帶來的高頻衰減。
[0009]3、分幀、加窗。由於語音信號的慢時變性，整體非平穩，局部平穩，一般認為語音信號在10-30ms內是平穩的，可以把聲音信號按照20ms的長度進行分幀。分幀函數為:
[0010]xk(n) =w (n) s (Nk+n) n=0, 1...N-1; k=0, 1...L-1 (I)其中 N為幀長,L 為幀數。w (n)為窗函數，它的選擇(形狀和長度)對短時分析參數的特性影響很大，常用的窗函數包括矩形窗、漢寧窗和漢明窗等。一般選用漢明窗，可以很好地反應語音信號的特性變化，漢明窗表達式為:
[0011]
【權利要求】
1.一種基於時延補償和雙耳一致性的雙耳聲音源定位方法，包括: 1)訓練階段，錄製雙耳聲音源定位資料庫，為雙耳時間差和雙耳能量差建立模板，包括: 1-1)將定位空間按照轉向角和俯仰角劃分； 1-2)採用固定聲源到坐標系中心距離，在室內/半室內安靜環境中分別為定位空間劃分後的每個方向錄製聲音數據； 1-3)基於時延補償的方法離線為每個方向上的雙耳時間差、雙耳能量差，以及各自的期望和方差建立模板； 2)在線定位階段，當聲源定位系統檢測到有聲音源發生，先對錄入的聲音源信號進行預處理，再利用雙耳一致性函數從該聲音源信號中提取有效的信號幀； 3)針對有效的信號幀基於時延補償的方法，計算得到雙耳時間差和雙耳能量差； 4)將步驟3)中得到的雙耳時間差按轉向角在模板中搜索匹配的方向作為候選區域，其次在此候選區域中搜索匹配的雙耳能量差所對應的俯仰角，利用貝葉斯分層的搜索策略獲得候選區域裡所有方向中概率最大的聲音源的轉向角和俯仰角，實現雙耳聲音源定位。
2.如權利要求1所述的基於時延補償和雙耳一致性的雙耳聲音源定位方法，其特徵在於，步驟I)中，轉向角採用非均勻的劃分方法，俯仰角採用均勻劃分的方式。
3.如權利要求1所述的基於時延補償和雙耳一致性的雙耳聲音源定位方法，其特徵在於，步驟I)中，雙耳時間差的方差是根據每個轉向角上所有俯仰角的時間差統計得到?』雙耳能量差的均值和方差是針對每個方向進行多次訓練測試，統計結果得到。
4.如權利要求1所述的基於時延補償和雙耳一致性的雙耳聲音源定位方法，其特徵在於，步驟I)中採用衝激函數作為聲音源與HRTF卷積或者直接利用錄入的聲音信號，計算出所有方向上的雙耳時間差和雙耳能量差，並統計相應的均值和方差。
5.如權利要求1所述的基於時延補償和雙耳一致性的雙耳聲音源定位方法，其特徵在於，步驟2)中，所述預處理包括:預加重、分幀和加窗。
6.如權利要求1所述的基於時延補償和雙耳一致性的雙耳聲音源定位方法，其特徵在於，在雙耳信號均方誤差最小的原則下進行時延補償得到雙耳能量差，利用雙耳一致性函數對GCC-TDC函數修正得到雙耳時間差。
7.如權利要求6所述的基於時延補償和雙耳一致性的雙耳聲音源定位方法，其特徵在於，所述雙耳一致性函數的定義為:
8.如權利要求7所述的基於時延補償和雙耳一致性的雙耳聲音源定位方法，其特徵在於，利用雙耳一致性函數判斷信號幀的可靠性，提取有效的信號幀，只有當Σ ωΥ (κ, ω),即累計一致性大於經驗主義閾值Yci時，該幀計算出來的雙耳特徵才是有效的，否則判斷該幀為不可靠幀並作捨棄處理。
9.如權利要求7或8任一所述的基於時延補償和雙耳一致性的雙耳聲音源定位方法，其特徵在於，根據以下公式計算雙耳時間差和雙耳能量差:
10.如權利要求1所述的基於時延補償和雙耳一致性的雙耳聲音源定位方法，其特徵在於，步驟4)具體採用以下步驟:首先，當一個新的聲音源出現時，將步驟3)中得到的雙耳時間差按轉向角在模板中搜索匹配的方向，轉向角Θ 1和^可能的區域按如下規則計算:
【文檔編號】G01S5/18GK103901400SQ201410142777
【公開日】2014年7月2日 申請日期:2014年4月10日 優先權日:2014年4月10日
【發明者】劉宏, 張結, 丁潤偉 申請人:北京大學深圳研究生院