[發(fā)明專利]波達(dá)方向估計(jì)方法、服務(wù)器以及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201911355855.5
• 申請(qǐng)日: 2019-12-25
• 公開(kāi)（公告）號(hào): CN111142066A
• 公開(kāi)（公告）日: 2020-05-12
• 發(fā)明（設(shè)計(jì)）人: 車云飛
• 申請(qǐng)（專利權(quán)）人: 達(dá)闥科技成都有限公司
• 主分類號(hào): G01S3/802
• 分類號(hào): G01S3/802;G06N3/08
• 代理公司: 北京智晨知識(shí)產(chǎn)權(quán)代理有限公司 11584
• 代理人: 張婧

本發(fā)明實(shí)施例涉及語(yǔ)音信號(hào)處理技術(shù)領(lǐng)域，公開(kāi)了一種波達(dá)方向估計(jì)方法、服務(wù)器以及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。本發(fā)明中，波達(dá)方向估計(jì)方法包括：獲取麥克風(fēng)陣列采集第一聲源的聲音得到的多路音頻、以及所述第一聲源的聲源角度；將所述多路音頻作為輸入，所述聲源角度作為輸出，訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型；將待識(shí)別音頻輸入已訓(xùn)練的所述神經(jīng)網(wǎng)絡(luò)模型中，得到與所述待識(shí)別音頻對(duì)應(yīng)的待識(shí)別聲源角度作為波達(dá)方向。本發(fā)明提供的波達(dá)方向估計(jì)方法、服務(wù)器以及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，能夠在保證波達(dá)方向估計(jì)準(zhǔn)確性的前提下，提高響應(yīng)速度。

技術(shù)領(lǐng)域

本發(fā)明實(shí)施例涉及語(yǔ)音信號(hào)處理技術(shù)領(lǐng)域，特別涉及一種波達(dá)方向估計(jì)方法、服務(wù)器以及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

波達(dá)方向(DOA)的計(jì)算作為音頻信號(hào)處理的重要環(huán)節(jié)，對(duì)波束成形和聲源定位、聲源跟蹤有著極其重要的意義。傳統(tǒng)的波達(dá)方向(DOA)估計(jì)方法是基于麥克風(fēng)陣列各個(gè)麥克風(fēng)直接的接收到音頻信號(hào)的時(shí)間差異對(duì)聲源角度進(jìn)行統(tǒng)計(jì)學(xué)估計(jì)。

發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)中至少存在如下問(wèn)題：基于麥克風(fēng)陣列各個(gè)麥克風(fēng)直接的接收到音頻信號(hào)的時(shí)間差異對(duì)聲源角度進(jìn)行統(tǒng)計(jì)學(xué)估計(jì)的方法，雖然能夠滿足波達(dá)方向估計(jì)的準(zhǔn)確性要求，但響應(yīng)速度較慢。

發(fā)明內(nèi)容

本發(fā)明實(shí)施方式的目的在于提供一種波達(dá)方向估計(jì)方法、服務(wù)器以及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，能夠在保證波達(dá)方向估計(jì)準(zhǔn)確性的前提下，提高響應(yīng)速度。

為解決上述技術(shù)問(wèn)題，本發(fā)明的實(shí)施方式提供了一種波達(dá)方向估計(jì)方法，包括：獲取麥克風(fēng)陣列采集第一聲源的聲音得到的多路音頻、以及所述第一聲源的聲源角度；將所述多路音頻作為輸入，所述聲源角度作為輸出，訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型；將待識(shí)別音頻輸入已訓(xùn)練的所述神經(jīng)網(wǎng)絡(luò)模型中，得到與所述待識(shí)別音頻對(duì)應(yīng)的待識(shí)別聲源角度作為波達(dá)方向。

本發(fā)明的實(shí)施方式還提供了一種服務(wù)器，包括：至少一個(gè)處理器；以及，與所述至少一個(gè)處理器通信連接的存儲(chǔ)器；其中，所述存儲(chǔ)器存儲(chǔ)有可被所述至少一個(gè)處理器執(zhí)行的指令，所述指令被所述至少一個(gè)處理器執(zhí)行，以使所述至少一個(gè)處理器能夠執(zhí)行如上述的波達(dá)方向估計(jì)方法。

本發(fā)明的實(shí)施方式還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述的波達(dá)方向估計(jì)方法。

本發(fā)明實(shí)施方式相對(duì)于現(xiàn)有技術(shù)而言，通過(guò)獲取麥克風(fēng)陣列采集第一聲源的聲音得到的多路音頻、以及所述第一聲源的聲源角度，將所述多路音頻作為輸入，所述聲源角度作為輸出，訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，將待識(shí)別音頻輸入已訓(xùn)練的所述神經(jīng)網(wǎng)絡(luò)模型中，得到與所述待識(shí)別音頻對(duì)應(yīng)的待識(shí)別聲源角度作為波達(dá)方向，從而實(shí)現(xiàn)了端到端的波達(dá)方向的計(jì)算，在保證了波達(dá)方向估計(jì)準(zhǔn)確性的前提下，提高了響應(yīng)速度。

另外，所述獲取麥克風(fēng)陣列采集到的多路音頻、以及與所述多路音頻對(duì)應(yīng)的聲源角度，具體包括：獲取所述麥克風(fēng)陣列N次采集到的N個(gè)所述多路音頻、以及分別與N個(gè)所述多路音頻一一對(duì)應(yīng)的N個(gè)聲源角度；其中，每個(gè)所述多路音頻對(duì)應(yīng)的聲源角度均不相等。

另外，獲取的所述麥克風(fēng)陣列相鄰兩次采集到的、兩個(gè)所述多路音頻對(duì)應(yīng)的聲源角度的差值相等。

另外，所述獲取麥克風(fēng)陣列采集到的多路音頻、以及與所述多路音頻對(duì)應(yīng)的聲源角度之后，還包括：識(shí)別所述多路音頻中的語(yǔ)音段以及靜音段；對(duì)所述語(yǔ)音段的所述多路音頻進(jìn)行標(biāo)注；所述將所述多路音頻作為輸入，所述聲源角度作為輸出，訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，具體包括：將所述多路音頻中被標(biāo)注的部分作為輸入，所述聲源角度作為輸出，訓(xùn)練所述神經(jīng)網(wǎng)絡(luò)模型。通過(guò)僅將所述語(yǔ)音段的所述多路音頻作為輸入來(lái)訓(xùn)練所述神經(jīng)網(wǎng)絡(luò)模型，避免了將靜音段的所述多路音頻也作為輸入、而導(dǎo)致神經(jīng)網(wǎng)絡(luò)模型中的對(duì)應(yīng)關(guān)系不準(zhǔn)確的問(wèn)題，從而提高了波達(dá)方向估計(jì)的準(zhǔn)確性。

另外，所述對(duì)所述語(yǔ)音段的所述多路音頻進(jìn)行標(biāo)注，具體為：以與所述多路音頻對(duì)應(yīng)的聲源角度作為音頻標(biāo)注，對(duì)所述語(yǔ)音段的所述多路音頻進(jìn)行標(biāo)注。