[發(fā)明專利]聲源跟蹤方法、裝置、設(shè)備和存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010790561.1
• 申請日: 2020-08-07
• 公開（公告）號: CN111933182A
• 公開（公告）日: 2020-11-13
• 發(fā)明（設(shè)計）人: 王備
• 申請（專利權(quán)）人: 北京字節(jié)跳動網(wǎng)絡(luò)技術(shù)有限公司
• 主分類號: G10L25/51
• 分類號: G10L25/51;G01S5/20
• 代理公司: 北京鍾維聯(lián)合知識產(chǎn)權(quán)代理有限公司 11579
• 代理人: 金愛靜

本申請涉及聲源跟蹤方法、裝置、設(shè)備和存儲介質(zhì)。該方法包括：利用麥克風(fēng)陣列采集音頻信號；其中，所述麥克風(fēng)陣列中的多個麥克風(fēng)分別設(shè)置于音頻采集設(shè)備的不同方向，用于從多個不同方向采集音頻信號；從所述多個不同方向中確定所述音頻信號中目標(biāo)音頻幀的聲源方向；若所述目標(biāo)音頻幀的聲源方向與所述目標(biāo)音軌中已關(guān)聯(lián)的其他音頻幀的聲源方向相匹配，將所述目標(biāo)音頻幀關(guān)聯(lián)至目標(biāo)音軌，以便在所述目標(biāo)音軌中對所述聲源方向上的音頻信號進行跟蹤采集。如此，來實現(xiàn)對多聲源的跟蹤。

技術(shù)領(lǐng)域

本申請涉及音頻處理領(lǐng)域，特別是涉及一種聲源跟蹤方法、裝置、設(shè)備和存儲介質(zhì)。

背景技術(shù)

目前，遠(yuǎn)程會議場景中常使用麥克風(fēng)陣列，常采用能量估計方式來進行音頻傳輸，即利麥克風(fēng)陣列波束形成技術(shù)，在預(yù)先設(shè)定的多個不同方向的固定波束中，選擇采集到的能量最大的固定波束的信號作為目標(biāo)信號來完成音頻傳輸。這種方法雖然實現(xiàn)簡單，但是現(xiàn)有麥克風(fēng)陣列只能對一個參會人的聲音進行跟蹤，也即只能進行單聲源跟蹤，當(dāng)多個聲源同時出現(xiàn)時，能量相對較弱的聲源會被忽略，而會議場景中必然存在多個聲源，因此，現(xiàn)有聲源跟蹤方式無法滿足會議場景的需求。

發(fā)明內(nèi)容

為解決上述問題，本發(fā)明提出了一種聲源跟蹤方法、裝置、設(shè)備和存儲介質(zhì)。

第一方面，本申請實施例提供一種聲源跟蹤方法，所述方法包括：

利用麥克風(fēng)陣列采集音頻信號；其中，所述麥克風(fēng)陣列中的多個麥克風(fēng)分別設(shè)置于音頻采集設(shè)備的不同方向，用于從多個不同方向采集音頻信號；

從所述多個不同方向中確定所述音頻信號中目標(biāo)音頻幀的聲源方向；

若所述目標(biāo)音頻幀的聲源方向與所述目標(biāo)音軌中已關(guān)聯(lián)的其他音頻幀的聲源方向相匹配，將所述目標(biāo)音頻幀關(guān)聯(lián)至目標(biāo)音軌，以便在所述目標(biāo)音軌中對所述聲源方向上的音頻信號進行跟蹤采集。

在本申請方案的一具體示例中，所述方法還包括：

基于所述目標(biāo)音軌中所關(guān)聯(lián)的音頻幀輸出所述音頻信號。

在本申請方案的一具體示例中，所述方法還包括：

檢測所述目標(biāo)音頻幀的聲源方向與處于激活狀態(tài)的目標(biāo)音軌中已關(guān)聯(lián)的其他音頻幀的聲源方向是否相匹配；

基于匹配結(jié)果確定是否將所述目標(biāo)音頻幀關(guān)聯(lián)至與目標(biāo)音軌。

在本申請方案的一具體示例中，所述方法還包括:

若所述目標(biāo)音頻幀的聲源方向與所述目標(biāo)音軌中已關(guān)聯(lián)的其他音頻幀的聲源方向不匹配，將所述目標(biāo)音頻幀關(guān)聯(lián)至其他音軌，以使該其他音軌關(guān)聯(lián)與所述目標(biāo)音頻幀的聲源方向相匹配的音頻幀。

在本申請方案的一具體示例中，所述將所述目標(biāo)音頻幀關(guān)聯(lián)至其他音軌，包括：

將所述目標(biāo)音頻幀關(guān)聯(lián)至處于激活狀態(tài)的其他音軌；或者，

將所述目標(biāo)音頻幀關(guān)聯(lián)至處于空閑狀態(tài)的其他音軌。

在本申請方案的一具體示例中，所述目標(biāo)音軌和/或其他音軌的狀態(tài)隨關(guān)聯(lián)音頻幀的關(guān)聯(lián)特征而變化。

第二方面，本申請實施例提供一種聲源跟蹤裝置，所述裝置包括：

采集單元，用于利用麥克風(fēng)陣列采集音頻信號；其中，所述麥克風(fēng)陣列中的多個麥克風(fēng)分別設(shè)置于音頻采集設(shè)備的不同方向，用于從多個不同方向采集音頻信號；

聲源方向確定單元，用于從所述多個不同方向中確定所述音頻信號中目標(biāo)音頻幀的聲源方向

音軌關(guān)聯(lián)單元，用于若所述目標(biāo)音頻幀的聲源方向與所述目標(biāo)音軌中已關(guān)聯(lián)的其他音頻幀的聲源方向相匹配，將所述目標(biāo)音頻幀關(guān)聯(lián)至目標(biāo)音軌，以便在所述目標(biāo)音軌中對所述聲源方向上的音頻信號進行跟蹤采集。