一种麦克风阵列声源空间实时定位方法技术

本发明专利技术一种麦克风阵列声源空间实时定位方法，以麦克风阵列作为信号采集和输出设备，通过使用可控功率响应‑相位变换法初步给出声源空间位置候选点；通过先验知识进行初步的候选点筛选，并使用可控功率响应‑相位变换法计算候选点的可控功率响应输出；用改进的随机区域收缩重新确定搜索边界，提高可控功率响应‑相位变换法的效率；最后计算剩余候选点的可控功率响应，选取最大的位置作为最终的声源估计位置；本发明专利技术声源定位原理明确，实时性好，实验证明该方法在平面上的定位误差范围可控制在厘米量级上，性能优于基于现有技术的方法；具有较高的运算速度和鲁棒性，可应用于智能家居和智能机器人等需要进行实时声源定位的场景。

【技术实现步骤摘要】

本专利技术属于语音
，特别涉及一种麦克风阵列声源空间实时定位方法。
技术介绍
语音处理技术中通常需要掌握声源的空间位置信息，为声纹识别、语音内容识别等交互技术提供帮助。例如，当用户与智能机器人进行语音对话时，通常要确定人的空间位置并进行转向和靠近，即使在黑暗中也可以仅仅根据声音确定用户的具体方位，并自动靠近说话人附近，提供必要的服务和帮助；在视频会议中一般需要自动调整会议摄像头，朝向发言人，并能够对不同发言人进行视频切换。常见的用于声源定位的设备是麦克风阵列，一般定义为：由多个(通常大于三个)麦克风按照指定的几何规则摆放并完全同步采集声音信号的设备。目前麦克风阵列定位的常用方法主要包括：基于到达时间差(Time Delay of Arrival，TDOA)的声源定位，定位首先通过时延估计得到声源信号到达不同阵元的时间差，再通过麦克风阵列的几何构造进行声源位置判断；基于可控功率响应(Steered Response Power,SRP)的声源定位以及基于高分辨率谱估计(High-resolution Spectral Estimation)的声源定位等。1、到达时间差(Time Delay of Arrival，TDOA)法：该方法首先通过时延估计得到声源信号到达不同阵元的时间差，再通过麦克风阵列的几何构造进行声源位置判断。常用的时延估计方法是基于广义互相关(Generalized Cross Correlation,GCC)法，其具体步骤为，设Xi(ω)和Xj(ω)分别代表第i个麦克风接收信号xi(t)和第j个麦克风接收信号xj(t)的傅里叶变换，则有如下等式： Ψ i j ( ω ) = X i ( ω ) X j * ( ω ) ]]> R i j ( τ ) = ∫ - ∞ ∞ W i j ( ω ) Ψ i j ( ω ) e i ω τ d ω ]]> τ ^ i j = arg max R i j ( τ ) ]]>其中Ψij(ω)表示两个信号的互功率谱密度，Rij表示两个信号的互相关函数，为声源到第i个麦克风与第j个麦克风之间的延时估计，Wij(ω)是频域加权系数，当此加权系数为1时，就是基本互相关。常用的频域加权函数还有相位变换(PhAse Transform,PHAT)加权、ROTH加权、最大似然加权、SCOT加权等，其中PHAT加权较为常用，因为基于广义互相关的时延估计信息隐藏在互功率谱的相位信息中，与幅度无关，PHAT加权法则去除了幅度信息的影响，使得相关函数峰值更加尖锐。PHAT加权函数公式为Wij(ω)＝1/｜Ψij(ω)|。上述基于到达时间差的定位方法原理简单，计算效率高，但在较大的噪声或混响干扰下其时延估计性能急剧下降，因此不适用于低信噪比或高混响的声学场景。此外，还有一些时延估计方法，比如利用信息论中联合熵和互信息，使用迭代方法，或者考虑不同信道的非对称性等方法，但在强混响和噪声条件下，结果都不太理想，且部分方法计算速度缓慢，比如迭代法等。2、可控功率响应-相位变换(Steered Response Power-PhAse Transform,SRP-PHAT)法基于可控功率响应-相位变换的定位方法通过对全局空间进行搜索，找到最大可控功率输出的点，网格越小，搜索分辨率越高。其声源定位原理如下：假定声源位于s处，τi表示声源到第i个麦克风的传输延迟。声源s的可控功率响应-相位变换输出PPHAT(s)为： P P H A T ( s ) = Σ i = 1 m Σ j = 1 m ∫ - ∞ ∞ Ψ i j ( ω ) | Ψ i j ( ω ) | e jωτ j i d ω ]]>其中表示两个信号的互功率谱密度，τji表示s处声源到第j个麦克风和第i个麦克风的时延差。估计的声源位置为： s ^ = arg max P P 本文档来自技高网...

【技术保护点】
一种麦克风阵列声源空间实时定位方法，其特征在于，包括以下步骤：首先，以麦克风阵列作为信号采集和输出设备，通过使用可控功率响应‑相位变换(SRP‑PHAT)法初步给出声源空间位置候选点；其次，通过先验知识进行初步的候选点筛选，并使用可控功率响应‑相位变换(SRP‑PHAT)法计算候选点的可控功率响应输出；随后，用改进的随机区域收缩(Stochastic Region Contraction,SRC)重新确定搜索边界，提高可控功率响应‑相位变换法的效率；最后，计算剩余候选点的可控功率响应，选取最大的位置作为最终的声源估计位置。

【技术特征摘要】
1.一种麦克风阵列声源空间实时定位方法，其特征在于，包括以下步骤：首先，以麦克风阵列作为信号采集和输出设备，通过使用可控功率响应-相位变换(SRP-PHAT)法初步给出声源空间位置候选点；其次，通过先验知识进行初步的候选点筛选，并使用可控功率响应-相位变换(SRP-PHAT)法计算候选点的可控功率响应输出；随后，用改进的随机区域收缩(Stochastic Region Contraction,SRC)重新确定搜索边界，提高可控功率响应-相位变换法的效率；最后，计算剩余候选点的可控功率响应，选取最大的位置作为最终的声源估计位置。2.根据权利要求1所述麦克风阵列声源空间实时定位方法，其特征在于，所述初步给出声源空间位置候选点是指确定全部声源的空间位置候选点，方法如下：假设待搜索空间c的长宽高分别为X，Y，Z，网格间隔为δ，则网格点数即声源空间位置的候选点为N个。3.根据权利要求1所述麦克风阵列声源空间实时定位方法，其特征在于，所述初步的候选点筛选是指初步降低候选点数目，方法如下：假设麦克风阵列包含m个麦克风，则可得到位于s处的声源到麦克风阵列的到达时延向量TDOAs＝[τ1,2,s,τ1,3,s,τ1,4,s,τ2,3,s,τ2,4,s,τ3,4,s,......]T，其中τi,j,s＝(di,s-dj,s)/v为位于s处的声源到第i个麦克风和第j个麦克风的时延，v表示空气中声音传播速度，di,s表示位于s处的声源到第i个麦克风的物理距离，dj,s表示位于s处的声源到第j个麦克风的物理距离；定义采样点个数差(Sample number Difference，SD)向量为：SDs＝[sd1,2,s,sd1,3,s,sd1,4,s,sd2,3,s,sd2,4,s,sd3,4,s,......]T当信号采样频率为fs时，有：sdi,j,s＝round(fs·τi,j,s)其中round表示对每个元素向最近的方向取整，如果某些候选点所求出的采样点差向量SD等同，则只保留其中任意一个候选点，删除其他候选点，避免重复计算；进一步求出每两个候选点s1,s2之间的采样点个数差：SDs1,s2＝abs(SDs1-SDs2)其中abs表示求取绝对值，并选出所有满足max(SDs1,s2)≤threshold的候选点，只保留其中任意一个候选点，删除其他候选点，避免重复计算，Threshold定义为： t h r e s h o l d = ( 1 5 × λ v × f s ) ]]>其中，λ表示声音波长。4.根据权利要求3所述麦克风阵列声源空间实时定位方法，其特征在于，所述采样频率fs为16000Hz时，设置threshold＝1。5.根据权利要求3所述麦克风阵列声源空间实时定位方法，其特征在于，所述TDOA向量和采样点差SD向量的计算以及候选点的挑选，预先做好并存储在一个查找表中，在声源定位时，直接根据索引查找，不用重复计算。6.根据权利要求3所述麦克风阵列声源空间实时定位方法，其特征在于，所述候选点的可控功率响应输出计算方法如下：假定筛选得到的候选点位于空间位置s处，Xi(ω)和Xj(ω)分别代表第i个麦克风接收信号xi(t)和第j个麦克风接收信号xj(t)的傅里叶变换，τi表示声源到第i个麦克风的传...

【专利技术属性】
技术研发人员：杨毅，孙甲松，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11