[發(fā)明專利]一種低功耗多頻譜分辨的語音定位方法

有效

• 申請?zhí)枺?/td>: 202211136339.5
• 申請日: 2022-09-19
• 公開（公告）號: CN115201753B
• 公開（公告）日: 2022-11-29
• 發(fā)明（設(shè)計(jì)）人: 鄭珊珊;鄭典郎
• 申請（專利權(quán)）人: 泉州市音符算子科技有限公司
• 主分類號: G01S5/22
• 分類號: G01S5/22;G10L25/51;G10L25/27
• 代理公司: 泉州協(xié)創(chuàng)知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 35231
• 代理人: 鄭浩

一種低功耗多頻譜分辨的語音定位方法，屬于語音定位技術(shù)領(lǐng)域，其包括：通過陣列分布的麥克風(fēng)獲取語音數(shù)據(jù)，計(jì)算得到噪聲子空間；根據(jù)麥克風(fēng)陣列形狀和間距，計(jì)算得到導(dǎo)向矢量；計(jì)算導(dǎo)向矢量和噪聲子空間相乘矩陣；計(jì)算導(dǎo)向矢量和噪聲子空間相乘矩陣的功率譜，根據(jù)功率譜計(jì)算得到空間頻譜向量；獲得空間頻譜向量在各個(gè)頻點(diǎn)中的最大值；在空間頻譜的維度中規(guī)整數(shù)值；對規(guī)整后數(shù)值在整個(gè)空間頻譜區(qū)域內(nèi)求和，然后取均值；對均值進(jìn)行譜峰搜索，獲得譜峰列表，對譜峰列表排序后的最大值即為語音源最可能存在的位置。本發(fā)明實(shí)現(xiàn)了低功耗、低內(nèi)存、高精度的語音定位，可搭載在廉價(jià)的語音芯片上，解決了多頻譜分辨算法復(fù)雜度高、適用范圍小的問題。

技術(shù)領(lǐng)域

本發(fā)明屬于語音定位技術(shù)領(lǐng)域，具體涉及一種低功耗多頻譜分辨的語音定位方法。

背景技術(shù)

目前，聲源定位技術(shù)是確定聲音在空間中來源位置的技術(shù)，而語音定位是聲源定位的核心子模塊，同理，語音定位是確定人的說話聲在空間中來源位置的技術(shù)。語音定位技術(shù)可用于很多電子穿戴、智能家電、辦公設(shè)備中，比如通過人聲定位追蹤軌跡的舞臺攝像頭、空調(diào)防直吹、拾音器、掃地機(jī)器人等人機(jī)語音交互相關(guān)場景，也可以用于麥克風(fēng)陣列波束形成，對某個(gè)特定方向進(jìn)行語音增強(qiáng)和降噪。

語音數(shù)字信號屬于寬帶數(shù)據(jù)信號，具有全頻的特性，不同于其它信號，如天線信號是窄帶信號，有特定的頻段。當(dāng)在強(qiáng)混響或強(qiáng)噪聲情況下，語音和噪聲會發(fā)生多路徑反射，使得聲場環(huán)境變得極其的復(fù)雜，實(shí)際到達(dá)時(shí)間差難以測量、頻譜差異性弱化，進(jìn)行有效的語音定位，是極具挑戰(zhàn)性的。

TDOA和波術(shù)形成是語音定位主要的兩種傳統(tǒng)方式。TDOA主要核心思想是計(jì)算語音源到達(dá)各個(gè)麥克風(fēng)的時(shí)間差，這要求系統(tǒng)的采樣率足夠高；此外，該方法通常通過互相關(guān)或廣義互相關(guān)算法計(jì)算時(shí)間差，可能不適合用于對周期性信號進(jìn)行定位。波術(shù)形成方法通過將陣列中各個(gè)傳感器所采集到的數(shù)據(jù)信號進(jìn)行濾波、加權(quán)疊加后形成波束，掃描整個(gè)接收空間，對一個(gè)平面的聲壓分布進(jìn)行成像可視化，但此方法需要眾多的傳感器，成本高，不適用普通電子設(shè)備中。此外還有采用深度學(xué)習(xí)的方式，仿真海量數(shù)據(jù)，讓神經(jīng)網(wǎng)絡(luò)自行預(yù)判和學(xué)習(xí)，此方法除了計(jì)算量大，在不同的聲場環(huán)境和麥克風(fēng)陣列下不具備普適性，需要根據(jù)不同場景進(jìn)行模型重新訓(xùn)練。