[發明專利]基于Soft-argmax回歸器的雙耳聲源定位方法

有效

• 申請號: 202010872003.X
• 申請日: 2020-08-26
• 公開（公告）號: CN111948609B
• 公開（公告）日: 2022-02-18
• 發明（設計）人: 周琳;王天儀;馮坤;許越;馬康宇
• 申請（專利權）人: 東南大學
• 主分類號: G01S5/22
• 分類號: G01S5/22;G06N3/04;G06N3/08
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 李悅聲

1.一種基于Soft-argmax回歸器的雙耳聲源定位方法，其特征在于步驟如下：

(1)收集不同方位角、不同混響時間、不同信噪比下的雙耳聲信號；

(2)雙耳聲信號先后進行子帶濾波、分幀和加窗，從而得到各個子帶分幀后的雙耳聲信號；

(3)計算每一幀子帶分幀后的雙耳聲信號的耳間特征參數，將耳間特征參數進行融合，從而形成耳間二維特征參數矩陣X(τ)，將X(τ)與第τ幀的聲源真實方位角θ(τ)組成訓練樣本(X(τ),θ(τ))；

(4)利用訓練雙耳聲信號的二維特征參數訓練Soft-argmax回歸器，訓練過程具體包括：

(4-2)首先隨機初始化Soft-argmax回歸器所有卷積層和全連接層的權值；

(4-2)然后向Soft-argmax回歸器輸入訓練樣本(X(τ),θ(τ))，X(τ)為第τ幀的耳間二維特征參數矩陣，作為Soft-argmax回歸器的輸入；θ(τ)為第τ幀的聲源真實方位角，作為Soft-argmax回歸器的輸入X(τ)對應的預期輸出；

(4-3)根據前向傳播算法，依次計算每層網絡的實際輸出值，直到計算出Soft-argmax的實際輸出值θ_pred；

(4-4)計算當前訓練特征參數的代價函數，定義如下：

L_MAE(θ(τ),θ_pred)＝|θ(τ)-θ_pred|

(4-5)使用反向傳播算法，計算代價函數L_MAE對網絡權重的偏導，并修正權重；

(4-6)若當前迭代次數未達到預設總迭代次數，則返回至步驟(4-2)，繼續輸入下一個訓練樣本進行計算，直至得到達到預設迭代次數時迭代結束，Soft-argmax回歸器訓練結束；

(5)利用訓練的Soft-argmax回歸器對測試雙耳聲信號對應的融合二維空間特征參數進行運算，確定輸入的雙耳聲信號的方位；

具體步驟如下：

a利用公式：獲取不同方位角、不同混響時間、不同信噪比下的雙耳聲信號，將獲取到的雙耳聲信號生成訓練樣本集，式中，x_L(m)、x_R(m)分別表示加入混響和噪聲后的左、右耳聲信號，s(m)為單聲道源信號，h_L(m)、h_R(m)為不同混響時間對應的雙耳房間沖激響應函數，v_L(m)、v_R(m)表示指定信噪比下的左、右耳白噪聲信號，m表示樣本點序號，*為卷積運算；

b對雙耳聲信號訓練樣本集進行子帶濾波、分幀、加窗，得到各個子帶分幀后的訓練雙耳聲信號樣本集，其中子帶濾波器為：或者任何實現聲信號的子帶濾波功能的濾波器，式中，x_L(i,m)、x_R(i,m)分別為濾波后的第i個子帶的左耳聲信號、右耳聲信號；

c計算子帶分幀雙耳聲信號的耳間特征參數互相關函數和耳間強度差，并將耳間特征參數進行融合組成一維的特征向量，然后將每一幀中每個子帶的一維特征向量，根據子帶順序，融合組成二維特征參數矩陣X(τ)，二維特征參數集X(τ)的維數為K×(2L+2)，其中K為子帶個數，L為最大延遲采樣點數；

d利用訓練雙耳聲信號的二維特征參數訓練Soft-argmax回歸器，訓練過程具體為：

d1初始化Soft-argmax回歸器中的卷積層以及全連接層的權值，Soft-argmax回歸器包括輸入層、卷積層、若干密集連接塊和轉換層、全局池化層、全連接層、輸出層，具體依次包含1個輸入層，1個卷積層，3個密集連接塊和2個轉換層，1個池化層，1個全連接層和1個Soft-argmax輸出層；

d2輸入訓練樣本(X(τ),θ(τ))，其中X(τ)是步驟三獲得的特征參數矩陣；θ(τ)表示Soft-argmax回歸器在第τ幀的預期輸出，即聲源的真實方位角；

d3根據前向傳播算法，依次計算Soft-argmax回歸器每層網絡的實際輸出值，直到計算出Soft-argmax回歸器的輸出代價函數θ_pred；

d4當前訓練特征參數的代價函數L_MAE定義為：L_MAE(θ(τ),θ_pred)＝|θ(τ)-θ_pred|；

d5用反向傳播算法，計算代價函數L_MAE對網絡權重的偏導，并修正權重；

d6判斷當前迭代次數是否小于預設總迭代次數，若小于則返回至步驟d2繼續向Soft-argmax回歸器輸入訓練樣本(X(τ),θ(τ))中的數據進行計算，直至得到達到預設迭代次數時迭代結束，結束訓練Soft-argmax回歸器，獲得訓練完成的Soft-argmax回歸器；

e利用訓練完成的Soft-argmax回歸器對測試雙耳聲信號對應的融合二維空間特征參數進行運算，得到Soft-argmax回歸器輸出神經元的輸出值，該輸出值即為預測得到的目標聲源的方位角；

所述計算子帶分幀雙耳聲信號的耳間特征參數，并將耳間特征參數進行融合，從而形成二維特征參數的步驟具體包括：

首先利用公式：計算子帶每一幀雙耳聲信號的互相關函數CCF；式中，CCF(i,τ,d)表示第i個子帶、第τ幀的雙耳聲信號對應的互相關函數，d為延遲采樣點數，x_L(i,τ,m)、x_R(i,τ,m)分別表示子帶濾波、分幀、加窗后第i個子帶、第τ幀的左、右耳聲信號，m表示樣本點序號，L為最大延遲采樣點數；

然后利用公式：計算子帶每一幀雙耳聲信號的耳間強度差IID，式中，IID(i,τ)表示第i個子帶、第τ幀的耳間強度差；

最后利用公式：C(i,τ)＝[CCF(i,τ,-L),CCF(i,τ,-L+1),...,CCF(i,τ,L),IID(i,τ)]將第i個子帶、第τ幀的CCF和IID參數組成一維特征向量C(i,τ)；

二維特征參數訓練Soft-argmax回歸器的輸入層輸入特征參數矩陣X(τ)，Soft-argmax回歸器的卷積層后為若干個密集連接塊和轉換層依次排列，密集連接塊中包含卷積和dropout操作，轉換層中包含卷積和池化操作，最后一個密集連接塊后為全局池化層，全連接層將上一層的輸出轉化為一維向量，通過Soft-argmax轉化為回歸預測數值，對應方位角線性映射的標簽得到真實方位角；真實方位角回歸預測值θ_pred的計算公式為：

式中，表示全連接層的輸出經Softmax激活后的向量中第j點的值，u_j表示全連接層的輸出向量中第j點的值，β是改變向量分布的參數，w_j為權值，P為的方位角個數，表示βu_j的指數函數；

w_j的計算公式為：

式中，θ_min表示可能方位角的最小值，θ_max表示可能方位角的最大值，P為的方位角個數。

2.根據權利要求1所述的基于Soft-argmax回歸器的雙耳聲源定位方法，其特征在于：計算子帶分幀雙耳聲信號的耳間特征參數，并將耳間特征參數進行融合，從而形成二維特征參數的步驟包括：將每一幀中每個子帶的一維特征向量，根據子帶順序，融合組成一個二維向量，其計算過程為：

式中，X(τ)表示第τ幀雙耳聲信號的二維特征參數向量，K為子帶個數。