一種基于雙耳匹配濾波器的雙耳聲音源定位方法
【專利摘要】本發(fā)明公開了一種新的基于貝葉斯分層模式的雙耳聲音源定位方法，首先，可靠頻帶選擇機(jī)制保證了選擇用于估計雙耳時間差的頻帶是可靠的，提高了時間差的估計精度；其次，利用雙耳能量差來縮小第一層得到的候選方向集合；再次，第三層提出了雙耳匹配濾波器作為新的雙耳定位特征，它描述了雙耳信號之間的差異，能夠充分表達(dá)雙耳時間差和雙耳能量差之間的關(guān)系；最后，針對三層定位過程中搜索空間逐漸縮小，采用貝葉斯決策的準(zhǔn)則得到概率最大的方向。這種分層的定位系統(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】一種基于雙耳匹配濾波器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，具體涉及一種基于雙耳匹配濾波器的雙耳聲音源定位方法。
【背景技術(shù)】
[0002]雙耳音頻天然具有很多通信及多媒體體驗的優(yōu)勢。在人與人的日常交互中，聽覺感知都是人與人之間最有效最直接的交互方式之一。其中在日常感知世界、獲取信息的主要過程中，人們通過視覺獲取的信息大約占到了 70%-80%，通過聽覺獲取的信息大約占到了10%-20%。因此在機(jī)器人智能化程度不斷提升的過程中，機(jī)器人的聽覺交互是必不可少的研究方向。人和其他的哺乳動物的聽覺系統(tǒng)都具有很強(qiáng)的聲源定位能力，因此人類一直期望機(jī)器人能夠像人一樣具有實時定位環(huán)境中的聲源位置的能力。事實上，能否進(jìn)行聽覺定位是機(jī)器人智能與否的重要標(biāo)志之一。與機(jī)器人視覺相比，機(jī)器人聽覺仍然處于初始階段。然而與機(jī)器人視覺相比，聽覺的優(yōu)勢在于:
[0003]I)視覺的應(yīng)用場景僅限于180°范圍內(nèi)，而聽覺卻可以定位到360°的范圍。
[0004]2)由于聲音信號的衍射性能，相較于視覺、激光等其他的傳感信號聽覺不需要直線視野，在有視野遮蔽障礙物的情況下依然可以有效的工作。
[0005]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。
[0006]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。
[0007]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?；陉嚵械恼Z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。
[0008]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?，F(xiàn)有的聲源定位系統(tǒng)包括以下步驟:
[0009]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。
[0010]2、預(yù)加重。信號通過高頻加重濾波器沖激響應(yīng)H(Z) = 1-ο.95Z—1，以補(bǔ)償嘴唇輻射帶來的高頻衰減。
[0011]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:
[0012]xk (n) = w (n) s (Nk+n) η = O, 1...N-1; k = O, 1...L-1 (I)
[0013]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:
[0014]
【權(quán)利要求】
1.一種基于雙耳匹配濾波器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、雙耳能量差和雙兒耳匹配濾波器建立模板，具體包括: . 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)離線為每個方向上的雙耳時間差、雙耳能量差和雙耳匹配濾波器建立模板，得到雙耳時間差和雙耳能量差的期望和方差； . 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，利用可靠頻帶選擇機(jī)制選擇可靠的頻帶，并計算得到雙耳時間差、雙耳能量差和雙耳匹配濾波器的系數(shù)向量； . 3)將步驟2)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)的轉(zhuǎn)向角和俯仰角，得到縮小的搜索空間，再基于前面得到的搜索空間計算每個方向上雙耳匹配濾波器的相似度，最終采用貝葉斯分層的搜索策略得到候選區(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所述的基于雙耳匹配濾波器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所述的基于雙耳匹配濾波器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；所述模板包括:所有方向上的雙耳時間差均值、方差和雙耳能量差均值、方差，以及所有方向上的雙耳匹配濾波器系數(shù)。
4.如權(quán)利要求1所述的基于雙耳匹配濾波器的雙耳聲音源定位方法，其特征在于，步驟2)中，利用基于頻帶可靠性的廣義互相關(guān)相位變換的方法計算所有方向上的雙耳時間差，再分別按照對數(shù)能量比的方法計算雙耳能量差和按照最優(yōu)維納濾波器的設(shè)計準(zhǔn)則得到雙耳匹配濾波器的系數(shù)向量。
5.如權(quán)利要求1所述的基于雙耳匹配濾波器的雙耳聲音源定位方法，其特征在于，步驟2)中，首先將雙耳信號劃分為K個頻帶，對于其中每個子頻帶m(m = I, 2，…，K)的可靠性的定義方式為:
6.如權(quán)利要求1-5任一所述的基于雙耳匹配濾波器的雙耳聲音源定位方法，其特征在于，分別根據(jù)以下公式計算得到雙耳時間差△ τtm、雙耳能量差ΔΙ(ω)和雙耳濾波器的系數(shù)向量W，并統(tǒng)計相應(yīng)的均值和方差:
7.如權(quán)利要求1所述的一種基于雙耳匹配濾波器的雙耳聲音源定位方法，其特征在于，步驟3)中，兩個方向上雙耳匹配濾波器的相似度通過其雙耳匹配濾波器系數(shù)向量的夾角余弦來衡量，定義為:
8.如權(quán)利要求1所述的一種基于雙耳匹配濾波器的雙耳聲音源定位方法，其特征在于，步驟3)具體采用以下步驟:首先，當(dāng)一個新的聲音源出現(xiàn)時，轉(zhuǎn)向角Θ i和可能的區(qū)域按如下規(guī)則計算:
9.如權(quán)利要求8所述的一種基于雙耳匹配濾波器的雙耳聲音源定位方法，其特征在于，所述縮小的搜索空間利用貝葉斯公式將概率K)表達(dá)為:
10.如權(quán)利要求9所述的一種基于雙耳匹配濾波器的雙耳聲音源定位方法，其特征在于，利用以下公式針對縮小的搜索空間進(jìn)行雙耳匹配濾波器相似度計算:

【文檔編號】G01S5/18GK103901401SQ201410143474
【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