[發明專利]喚醒詞聲源定位方法和裝置

在審

• 申請號: 202011554774.0
• 申請日: 2020-12-24
• 公開（公告）號: CN112666522A
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 胡玉祥
• 申請（專利權）人: 北京地平線信息技術有限公司
• 主分類號: G01S5/22
• 分類號: G01S5/22;G10L15/16;G10L15/22;G10L15/26
• 代理公司: 北京布瑞知識產權代理有限公司 11505
• 代理人: 李浩

1.一種喚醒詞聲源定位方法，包括：

獲取包括喚醒詞語音內容的單通道喚醒詞信號；

將所述單通道喚醒詞信號變換為頻域喚醒詞信號；

基于所述頻域喚醒詞信號所對應的頻域中的多個頻點各自的頻域能量值，計算所述多個頻點分別對應的多個權重；以及

基于所述多個頻點分別對應的所述多個權重、以及多個傳聲器對應的多個頻域聲音信號，獲取聲源定位結果。

2.根據權利要求1所述的方法，其中，所述多個頻點中的任一個頻點的所述權重與該頻點的所述頻域能量值呈正向關系。

3.根據權利要求1所述的方法，其中，所述基于所述頻域喚醒詞信號所對應的頻域中的多個頻點各自的頻域能量值，計算所述多個頻點分別對應的多個權重包括：

對所述頻域喚醒詞信號進行歸一化處理以得到歸一化數值；以及

將所述多個頻點中的任一個頻點所述對應的所述權重確定為：該頻點所對應的所述歸一化數值與所述多個頻點各自所對應的所述歸一化數值之和的比值。

4.根據權利要求1所述的方法，其中，所述基于所述多個頻點分別對應的所述多個權重、以及多個傳聲器對應的多個頻域聲音信號，獲取聲源定位結果包括：

基于所述多個頻點分別對應的所述多個權重、多個角度的聲音信號各自到所述多個傳聲器的到達時間差、以及所述多個傳聲器對應的多個頻域聲音信號，計算所述多個角度的聲音信號分別對應的多個頻域聲音信號之間的互相關函數值；以及

將最大的所述互相關函數值所對應的所述角度作為所述聲源定位結果。

5.根據權利要求1所述的方法，其中，所述獲取包括喚醒詞語音內容的單通道喚醒詞信號包括：

基于所述多個傳聲器的原始聲音信號，獲得包括所述喚醒詞語音內容的多通道喚醒詞信號；

基于所述多通道喚醒詞信號中的所述喚醒詞語音內容，確定表征喚醒詞起始時間點與結束時間點的喚醒詞時間戳，以及所述喚醒詞語音內容所對應的通道；以及

基于所述喚醒詞時間戳和所述喚醒詞語音內容所對應的通道，確定所述單通道喚醒詞信號。

6.根據權利要求5所述的方法，其中，在基于所述多個單通道信號中的所述喚醒詞語音內容，確定表征喚醒詞起始時間點與結束時間點的喚醒詞時間戳之后，所述方法進一步包括：

基于所述喚醒詞時間戳從所述原始聲音信號中獲取所述多個傳聲器對應的原始喚醒詞信號；以及

將所述原始喚醒詞信號變換為所述多個傳聲器對應的所述多個頻域聲音信號。

7.根據權利要求5所述的方法，其中，所述基于所述多個傳聲器的原始聲音信號，獲得包括所述喚醒詞語音內容的多通道喚醒詞信號包括：

將所述原始聲音信號進行去混響處理；

將經過所述去混響處理的所述原始聲音信號進行波束形成或盲源分離處理，以獲得多個中間信號；以及

將所述多個中間信號分別進行噪聲抑制處理，以獲取所述多通道喚醒詞信號。

8.一種喚醒詞聲源定位裝置，包括：

第一獲取模塊，配置為獲取包括喚醒詞語音內容的單通道喚醒詞信號；

變換模塊，配置為將所述單通道喚醒詞信號變換為頻域喚醒詞信號；

第一計算模塊，配置為基于所述頻域喚醒詞信號所對應的頻域中的多個頻點各自的頻域能量值，計算所述多個頻點分別對應的多個權重；以及

第二計算模塊，配置為基于所述多個頻點分別對應的所述多個權重、以及多個傳聲器對應的多個頻域聲音信號，獲取聲源定位結果。

9.一種電子設備，包括：

處理器；以及

存儲器，在所述存儲器中存儲有計算機程序指令，所述計算機程序指令在被所述處理器運行時使得所述處理器執行如權利要求1至7中任一所述的方法。

10.一種計算機可讀存儲介質，所述計算機可讀存儲介質上存儲有計算機程序指令，所述計算機程序指令在被處理器運行時使得所述處理器執行如權利要求1至7中任一所述的方法。