[發(fā)明專利]基于關(guān)鍵詞改進(jìn)麥克風(fēng)陣列遠(yuǎn)場(chǎng)拾音的方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201811058277.4
• 申請(qǐng)日: 2018-09-11
• 公開(kāi)（公告）號(hào): CN109192219B
• 公開(kāi)（公告）日: 2021-12-17
• 發(fā)明（設(shè)計(jì)）人: 董天旭
• 申請(qǐng)（專利權(quán)）人: 四川長(zhǎng)虹電器股份有限公司
• 主分類號(hào): G10L21/0216
• 分類號(hào): G10L21/0216;G10L21/0208;G10L21/0316;G10L15/08
• 代理公司: 四川省成都市天策商標(biāo)專利事務(wù)所(有限合伙) 51213
• 代理人: 王荔

本發(fā)明公開(kāi)了一種基于關(guān)鍵詞改進(jìn)麥克風(fēng)陣列遠(yuǎn)場(chǎng)拾音的方法，在關(guān)鍵詞被關(guān)鍵詞識(shí)別引擎監(jiān)測(cè)到后，首先對(duì)緩存的單幀音源方位進(jìn)行聚類運(yùn)算獲得可信度較高的音源方位，然后使用信號(hào)包絡(luò)最大值計(jì)算遠(yuǎn)場(chǎng)拾音算法的輸入信號(hào)增益，再將設(shè)備切換到喚醒狀態(tài)；在喚醒狀態(tài)下，算法包含輸入信號(hào)增益調(diào)整、波束形成、噪聲抑制、混響消除、自動(dòng)增益控制等，此時(shí)自動(dòng)增益控制可以設(shè)置較小的調(diào)整范圍，避免放大作為背景噪聲的低幅值信號(hào)，實(shí)現(xiàn)在監(jiān)測(cè)到目標(biāo)關(guān)鍵詞時(shí)，根據(jù)關(guān)鍵詞確定出喚醒狀態(tài)下的音源方向和輸入信號(hào)幅值增益，從而提高麥克風(fēng)陣列遠(yuǎn)場(chǎng)拾音的語(yǔ)音增強(qiáng)效果。

技術(shù)領(lǐng)域

本發(fā)明涉及語(yǔ)音識(shí)別技術(shù)領(lǐng)域，特別涉及基于關(guān)鍵詞改進(jìn)麥克風(fēng)陣列遠(yuǎn)場(chǎng)拾音的方法。

背景技術(shù)

近年來(lái)人工智能呈現(xiàn)爆發(fā)式增長(zhǎng)，語(yǔ)音交互是人工智能的一個(gè)重要領(lǐng)域，而遠(yuǎn)場(chǎng)語(yǔ)音友好的人機(jī)交互方式逐漸成為語(yǔ)音交互的主導(dǎo)方式，如智能音箱、車載語(yǔ)音等；麥克風(fēng)陣列和遠(yuǎn)場(chǎng)拾音算法為語(yǔ)音交互提供的高質(zhì)量語(yǔ)音信號(hào)是語(yǔ)音交互的前提。

目前主流的遠(yuǎn)場(chǎng)拾音方式為：設(shè)備大部分時(shí)候在監(jiān)聽(tīng)狀態(tài)下工作，當(dāng)關(guān)鍵詞識(shí)別引擎監(jiān)測(cè)到關(guān)鍵詞后，設(shè)備進(jìn)入喚醒狀態(tài)；喚醒狀態(tài)下，輸入語(yǔ)音被識(shí)別為各種交互指令；在交互指令完成后，設(shè)備回到監(jiān)聽(tīng)狀態(tài)。一般情況下，監(jiān)聽(tīng)狀態(tài)下的拾音算法包括：回聲消除、噪聲抑制、混響消除、自動(dòng)增益控制等；喚醒狀態(tài)下，通常設(shè)備處于靜音狀態(tài)，拾音算法包括：音源定位、波束形成、噪聲抑制、混響消除、自動(dòng)增益控制等。

遠(yuǎn)場(chǎng)拾音的核心算法是回聲消除和波束形成，噪聲抑制和混響消除常作為回聲消除和波束形成的后處理算法。回聲消除算法已近比較成熟了，它通過(guò)采集設(shè)備自己輸出給喇叭的信號(hào)作為參考信號(hào)，以此來(lái)消除麥克風(fēng)拾取信號(hào)中包含的設(shè)備自身喇叭發(fā)出的聲音、從而獲得干凈的外部輸入信號(hào)。

波束形成算法是聲吶和雷達(dá)的核心，旨在拾取目標(biāo)方向的信號(hào)、而其他方向信號(hào)則被過(guò)濾掉，由于其他方向信號(hào)被過(guò)濾掉、則拾取到的目標(biāo)方向信號(hào)的信噪比高、目標(biāo)信號(hào)被增強(qiáng)；波束形成算法同樣也是麥克風(fēng)陣列遠(yuǎn)場(chǎng)拾音的核心，目前主要采用廣義旁瓣消除器(GSC)及其改進(jìn)算法，它需要音源定位算法為它指定期望拾取信號(hào)的方向。

音源定位問(wèn)題分為移動(dòng)音源定位和固定音源定位，大多數(shù)情況下的音源定位屬于固定音源定位，如坐在沙發(fā)上與遠(yuǎn)場(chǎng)電視交互時(shí)的音源定位,以及車載語(yǔ)音的音源定位等，本專利處理的音源定位針對(duì)的就是固定音源。

現(xiàn)在的音源定位算法通常指單幀的音源定位，基本原理是不同方向的信號(hào)到達(dá)兩個(gè)麥克風(fēng)的時(shí)間差不同，而通過(guò)廣義互相關(guān)理論可以計(jì)算出兩個(gè)麥克風(fēng)拾取信號(hào)的時(shí)間差，典型算法如GCC-PHAT及其衍生而來(lái)的CSR-PHAT，

單幀音源算法通常采用廣義互相關(guān)最大的方向作為目標(biāo)音源方向，廣義互相關(guān)越大對(duì)應(yīng)的方向?yàn)檎_方向的可能性越大；單幀音源定位算法在信噪比低時(shí)，其定位精度低，甚至定位出的是噪聲方向，比如：正在進(jìn)行語(yǔ)音識(shí)別時(shí)的關(guān)門聲“砰”，如果將這個(gè)方向傳遞給波束形成，那么波束形成拾取的信號(hào)是關(guān)門聲“砰”。

增益控制分為遠(yuǎn)場(chǎng)拾音輸入信號(hào)的增益控制和遠(yuǎn)場(chǎng)拾音輸出信號(hào)的增益控制。輸入信號(hào)的增益控制主要由拾音硬件的放大器完成，需要保證近場(chǎng)交互時(shí)語(yǔ)音信號(hào)幅值不能被削頂，這使得遠(yuǎn)場(chǎng)交互時(shí)語(yǔ)音幅值往往偏小，這個(gè)增益通常在拾音硬件校準(zhǔn)后就固定不變了。

由于在遠(yuǎn)場(chǎng)交互時(shí)，輸入信號(hào)幅值偏小，遠(yuǎn)場(chǎng)算法處理后的輸出信號(hào)也就偏小，需要采用AGC/DRC等自動(dòng)增益算法調(diào)節(jié)輸出信號(hào)的幅值后再將信號(hào)送入識(shí)別引擎；但這種自動(dòng)增益算法不能設(shè)置較大的調(diào)節(jié)范圍，如果需要放大幅值小的信號(hào)，會(huì)導(dǎo)致同等水平的背景噪聲的放大；而如果對(duì)輸入信號(hào)采用自動(dòng)增益算法會(huì)破壞語(yǔ)音輸入信號(hào)通道間的相關(guān)性，使得基于相關(guān)性的多通道算法難以正常工作，如音源定位。

發(fā)明內(nèi)容