[發(fā)明專利]一種利用傳聲器陣列的語音聲源定位方法

有效

• 申請?zhí)枺?/td>: 201911069273.0
• 申請日: 2019-11-05
• 公開（公告）號(hào): CN110838303B
• 公開（公告）日: 2022-02-08
• 發(fā)明（設(shè)計(jì)）人: 王浩;盧晶
• 申請（專利權(quán)）人: 南京大學(xué)
• 主分類號(hào): G10L25/30
• 分類號(hào): G10L25/30;G10L25/51;G01S5/18
• 代理公司: 江蘇法德東恒律師事務(wù)所 32305
• 代理人: 李媛媛

1.一種利用傳聲器陣列的語音聲源定位方法，其特征在于，包括以下步驟：

步驟1，利用傳聲器陣列采集語音信號(hào)和干擾信號(hào)，獲得含噪語音信號(hào)和干凈語音信號(hào)的時(shí)-頻域信號(hào)，并計(jì)算含噪語音信號(hào)和干凈語音信號(hào)的功率譜幅度對數(shù)值；所述干凈語音信號(hào)為僅由語音直達(dá)聲構(gòu)成的信號(hào)；

步驟2，對含噪語音信號(hào)和干凈語音信號(hào)時(shí)-頻域中所有的時(shí)-頻點(diǎn)，分別計(jì)算各自的空間功率響應(yīng)譜，并進(jìn)一步估計(jì)時(shí)-頻點(diǎn)對應(yīng)的時(shí)延，記和分別是含噪語音信號(hào)和干凈語音信號(hào)對應(yīng)于時(shí)間n和頻帶k的時(shí)-頻窗時(shí)延估計(jì)值；獲得語音直達(dá)聲對應(yīng)的時(shí)-頻點(diǎn)分布圖；

步驟3，利用步驟1的含噪語音信號(hào)和干凈語音信號(hào)的功率譜幅度對數(shù)值和步驟2的語音直達(dá)聲對應(yīng)的時(shí)-頻點(diǎn)分布圖訓(xùn)練UNET結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)；利用待測信號(hào)的功率譜幅度對數(shù)值和已訓(xùn)練的神經(jīng)網(wǎng)絡(luò)估計(jì)待測信號(hào)的語音直達(dá)聲對應(yīng)的時(shí)-頻點(diǎn)分布圖；

步驟4，利用步驟3估計(jì)的語音直達(dá)聲分布作為權(quán)重，結(jié)合加權(quán)定位算法得到語音聲源定位結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種利用傳聲器陣列的語音聲源定位方法，其特征在于，所述步驟2中，選取直達(dá)聲對應(yīng)的時(shí)-頻分布點(diǎn)需同時(shí)滿足以下條件：

1)在含噪語音信號(hào)中，時(shí)延估計(jì)值與真實(shí)時(shí)延τ＝(dsinθ)/c相差小于閾值TH₁的時(shí)-頻窗，d、c、θ分別是傳聲器間距、聲速、語音源到達(dá)陣列的角度；

2)在干凈語音信號(hào)中，時(shí)延估計(jì)值與真實(shí)時(shí)延τ相差小于閾值TH₁的時(shí)-頻窗；

3)含噪語音信號(hào)和干凈語音信號(hào)相同位置空間功率譜響應(yīng)相關(guān)性大于閾值TH₂的時(shí)-頻窗。

3.根據(jù)權(quán)利要求1所述的一種利用傳聲器陣列的語音聲源定位方法，其特征在于，所述步驟3中，神經(jīng)網(wǎng)絡(luò)的輸入為含噪語音信號(hào)的對數(shù)化功率譜圖，輸出為干凈語音信號(hào)對數(shù)化功率譜圖和語音直達(dá)聲時(shí)-頻點(diǎn)分布圖，其中，干凈語音信號(hào)對數(shù)化功率譜圖為輔助訓(xùn)練，語音直達(dá)聲時(shí)-頻點(diǎn)分布圖對應(yīng)的值作為步驟4的時(shí)-頻點(diǎn)的權(quán)重值。