一種基于時延補(bǔ)償和雙耳一致性的雙耳聲音源定位方法
【專利摘要】本發(fā)明公開了一種基于時延補(bǔ)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于最小化均方誤差準(zhǔn)則推導(dǎo)出雙耳能量差和雙耳時間差，利用雙耳一致性函數(shù)改進(jìn)了時延估計的精度，在得到雙耳定位特征之后，利用貝葉斯分層的搜索策略確定聲音源的轉(zhuǎn)向角和俯仰角，即達(dá)到定位的目的。首先，雙耳一致性函數(shù)保證了應(yīng)用于定位的信號幀為可靠的；其次，時延補(bǔ)償打破了傳統(tǒng)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，使雙耳特征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(huán)境）；最后，分層的定位系統(tǒng)能夠有效地減少特征匹配的次數(shù)，降低了算法的時間復(fù)雜度，保證了聲源定位系統(tǒng)的實時性要求。
【專利說明】—種基于時延補(bǔ)償和雙耳一致性的雙耳聲音源定位方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于信息【技術(shù)領(lǐng)域】，涉及一種應(yīng)用在語音感知和語音增強(qiáng)中的雙耳聲源定位方法，具體涉及一種基于時延補(bǔ)償和雙耳一致性的雙耳聲音源定位方法。
【背景技術(shù)】
[0002]雙耳聲源定位是聲源定位技術(shù)發(fā)展的一個重要分支。雙耳定位充分利用了雙麥克風(fēng)的易搭載性和耳廓的濾波特性，在智能監(jiān)控、移動機(jī)器人、虛擬現(xiàn)實、視頻會議等研究中有著重要的應(yīng)用。它是聲源定位技術(shù)的一個重要分支，不僅利用了雙麥克風(fēng)簡易的陣列結(jié)構(gòu)，又結(jié)合人耳聽覺特性成功克服了雙麥克風(fēng)定位的前后向歧義性。
[0003]雙耳聲源定位技術(shù)在機(jī)器人聽覺、人機(jī)交互領(lǐng)域有著重要的應(yīng)用。一般來講機(jī)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(jī)器人聽覺聲源定位是指機(jī)器人利用搭載在機(jī)器人上或者外部設(shè)備上的麥克風(fēng)陣列定位出聲源的相對位置。而機(jī)器人的雙耳定位則是期望機(jī)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(shù)在語音識別領(lǐng)域也得到廣泛應(yīng)用。在視頻會議中，通過聲源定位技術(shù)控制攝像頭，使其自動地轉(zhuǎn)向感興趣的說話人方向。對于高速行駛的車輛，為避免駕駛員用手去接聽電話，車載免提電話應(yīng)運而生。然而，當(dāng)車中坐有多個說話人時，語音識別系統(tǒng)就無法辨別實際命令的來源，此時就需要一種定位系統(tǒng)來提取駕駛員方位的語音，進(jìn)而對其命令作出響應(yīng)。助聽器的出現(xiàn)為有聽力障礙的殘疾人提供了幫助。基于陣列的語音增強(qiáng)技術(shù)利用聲源的位置信息進(jìn)行空間濾波，可以進(jìn)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，基于聲源定位技術(shù)的電子筆系統(tǒng)成為研究熱點，用于接收的麥克風(fēng)陣列以不同的方式集成在顯示器邊緣，此時設(shè)計出的電子筆就可以在屏幕上進(jìn)行書寫或者相應(yīng)地控制操作。
[0005]在語音分離中，聲源定位技術(shù)有助于混疊語音的分離。語音分離源于“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于某個人的聲音的能力，長期以來它被認(rèn)為是一個具有挑戰(zhàn)性的問題。“雞尾酒會”問題也常被稱做“雞尾酒會效應(yīng)”。在語音識別技術(shù)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(shù)應(yīng)用到語音分離中，將會大大增強(qiáng)感興趣方向的語音識別，有助于混疊語音的分離。
[0006]基本上，雙耳聲音源定位是一個模式分類的問題。類似于自動語音識別，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，并進(jìn)行模數(shù)轉(zhuǎn)換，把模擬聲音信號轉(zhuǎn)換成數(shù)字信號。在信號處理階段，首先對原始信號進(jìn)行預(yù)處理:降噪和濾波，信號預(yù)加重，分幀并加窗，對于每幀信號提取特征時域的特征或頻域特征組成特征向量。特征向量可以有效表征聲源的位置信息。模式分類階段，通過與定位系統(tǒng)中的先驗知識(即模板)進(jìn)行比對從而得出定位結(jié)果。現(xiàn)有的聲源定位系統(tǒng)包括以下步驟:
[0007]1、語音錄入，預(yù)濾波、模數(shù)變換。先把錄入的模擬聲音信號進(jìn)行預(yù)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采樣頻率一半的部分，防止混疊干擾，對模擬聲音信號進(jìn)行采樣和量化得到數(shù)字信號。
[0008]2、預(yù)加重。信號通過高頻加重濾波器沖激響應(yīng)!1(2)=1-0.952'以補(bǔ)償嘴唇輻射帶來的高頻衰減。
[0009]3、分幀、加窗。由于語音信號的慢時變性，整體非平穩(wěn)，局部平穩(wěn)，一般認(rèn)為語音信號在10-30ms內(nèi)是平穩(wěn)的，可以把聲音信號按照20ms的長度進(jìn)行分幀。分幀函數(shù)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(shù)。w (n)為窗函數(shù)，它的選擇(形狀和長度)對短時分析參數(shù)的特性影響很大，常用的窗函數(shù)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(yīng)語音信號的特性變化，漢明窗表達(dá)式為:
[0011]
【權(quán)利要求】
1.一種基于時延補(bǔ)償和雙耳一致性的雙耳聲音源定位方法，包括: 1)訓(xùn)練階段，錄制雙耳聲音源定位數(shù)據(jù)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(zhuǎn)向角和俯仰角劃分； 1-2)采用固定聲源到坐標(biāo)系中心距離，在室內(nèi)/半室內(nèi)安靜環(huán)境中分別為定位空間劃分后的每個方向錄制聲音數(shù)據(jù)； 1-3)基于時延補(bǔ)償?shù)姆椒x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(dāng)聲源定位系統(tǒng)檢測到有聲音源發(fā)生，先對錄入的聲音源信號進(jìn)行預(yù)處理，再利用雙耳一致性函數(shù)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于時延補(bǔ)償?shù)姆椒?，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(zhuǎn)向角在模板中搜索匹配的方向作為候選區(qū)域，其次在此候選區(qū)域中搜索匹配的雙耳能量差所對應(yīng)的俯仰角，利用貝葉斯分層的搜索策略獲得候選區(qū)域里所有方向中概率最大的聲音源的轉(zhuǎn)向角和俯仰角，實現(xiàn)雙耳聲音源定位。
2.如權(quán)利要求1所述的基于時延補(bǔ)償和雙耳一致性的雙耳聲音源定位方法，其特征在于，步驟I)中，轉(zhuǎn)向角采用非均勻的劃分方法，俯仰角采用均勻劃分的方式。
3.如權(quán)利要求1所述的基于時延補(bǔ)償和雙耳一致性的雙耳聲音源定位方法，其特征在于，步驟I)中，雙耳時間差的方差是根據(jù)每個轉(zhuǎn)向角上所有俯仰角的時間差統(tǒng)計得到?’雙耳能量差的均值和方差是針對每個方向進(jìn)行多次訓(xùn)練測試，統(tǒng)計結(jié)果得到。
4.如權(quán)利要求1所述的基于時延補(bǔ)償和雙耳一致性的雙耳聲音源定位方法，其特征在于，步驟I)中采用沖激函數(shù)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，并統(tǒng)計相應(yīng)的均值和方差。
5.如權(quán)利要求1所述的基于時延補(bǔ)償和雙耳一致性的雙耳聲音源定位方法，其特征在于，步驟2)中，所述預(yù)處理包括:預(yù)加重、分幀和加窗。
6.如權(quán)利要求1所述的基于時延補(bǔ)償和雙耳一致性的雙耳聲音源定位方法，其特征在于，在雙耳信號均方誤差最小的原則下進(jìn)行時延補(bǔ)償?shù)玫诫p耳能量差，利用雙耳一致性函數(shù)對GCC-TDC函數(shù)修正得到雙耳時間差。
7.如權(quán)利要求6所述的基于時延補(bǔ)償和雙耳一致性的雙耳聲音源定位方法，其特征在于，所述雙耳一致性函數(shù)的定義為:
8.如權(quán)利要求7所述的基于時延補(bǔ)償和雙耳一致性的雙耳聲音源定位方法，其特征在于，利用雙耳一致性函數(shù)判斷信號幀的可靠性，提取有效的信號幀，只有當(dāng)Σ ωΥ (κ, ω),即累計一致性大于經(jīng)驗主義閾值Yci時，該幀計算出來的雙耳特征才是有效的，否則判斷該幀為不可靠幀并作舍棄處理。
9.如權(quán)利要求7或8任一所述的基于時延補(bǔ)償和雙耳一致性的雙耳聲音源定位方法，其特征在于，根據(jù)以下公式計算雙耳時間差和雙耳能量差:
10.如權(quán)利要求1所述的基于時延補(bǔ)償和雙耳一致性的雙耳聲音源定位方法，其特征在于，步驟4)具體采用以下步驟:首先，當(dāng)一個新的聲音源出現(xiàn)時，將步驟3)中得到的雙耳時間差按轉(zhuǎn)向角在模板中搜索匹配的方向，轉(zhuǎn)向角Θ 1和^可能的區(qū)域按如下規(guī)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(yōu)先權(quán)日:2014年4月10日
【發(fā)明者】劉宏, 張結(jié), 丁潤偉 申請人:北京大學(xué)深圳研究生院