一种单兵头盔及其目标声源定位和声纹识别方法技术

本发明专利技术公开了一种单兵头盔及其目标声源定位和声纹识别方法，单兵头盔包括头盔本体，头盔本体上设置有麦克风阵列模块、AI边缘计算模块、AR目镜以及9轴传感器；麦克风阵列模块，用于采集周围环境的声音信号；9轴传感器，用于获取头盔本体的位置数据；AI边缘计算设备，用于根据声音信号获取声音信号的相对声源位置以及声音信号的声源类别；还用于根据位置数据和相对声源位置获取声音信号的实际声源位置；AR目镜，用于显示实际声源位置和声源类别。本发明专利技术的目的在于提供一种单兵头盔及其目标声源定位和声纹识别方法，解决声源定位技术的实时性不高，声源目标的位置提示不够直观以及声纹识别的准确率较低的问题。

【技术实现步骤摘要】
一种单兵头盔及其目标声源定位和声纹识别方法
本专利技术涉及声音信号识别
，尤其涉及一种单兵头盔及其目标声源定位和声纹识别方法。
技术介绍
随着信息技术的发展，现代战争形态和格局发生了深刻变化，这对单兵的能力和研制提出了新的要求。单兵头盔的作用不再仅是防护头部功能，而是将多种智能化综合技术融合应用其中，辅助作战人员更好的执行各项任务。伴随人工智能技术、AR微型化等关键技术在装备系统中的应用，智能化单兵作战信息装备正在朝着集成化、轻型化和智能化方向发展。单兵在实际执行任务期间，需要“眼观六路，耳听八方”，实时监控和警戒周围环境的异常声音信息，及时确定威胁性目标的位置。而声音作为一种非接触式探测信号，利用声探测技术及基于深度神经网络的声谱识别技术，可以很快的检测出环境内高威胁度目标的位置及目标个体类别属性(枪、炮、弹等高威胁性武器)，从而为执行人员辅助决策提供足够的节点信息。在实际环境中的噪声和混响环境下，目前的在嵌入式平台实现的声源定位技术的实时性都还不高，声源目标的位置提示还不够直观，声纹识别的准确率较低，特别是对信噪比较小的声音信号，提取的声音信息特征误差较大及信息量不够，仍然不能满足于对声纹识别和声源定位准确率要求较高的工程项目。同时在现有装备中搭载的声纹识别技术仍然是依靠传统方法利用GMM和SVM等机器学习方法来对所提取的MFCC等传统浅层特征进行识别，但在更加复杂的强噪声环境下，传统机器学习模型推理运行声纹识别和声音分类的工效不够理想，无法提取到有效声音信号事件的深度信息，导致声纹识别的准确率不够高，结果也不够鲁棒。
技术实现思路
本专利技术的目的在于提供一种单兵头盔及其目标声源定位和声纹识别方法，解决声源定位技术的实时性不高，声源目标的位置提示不够直观以及声纹识别的准确率较低的问题。本专利技术通过下述技术方案实现：一种单兵头盔，包括头盔本体，所述头盔本体上设置有麦克风阵列模块、AI边缘计算模块、AR目镜以及9轴传感器；所述麦克风阵列模块，用于采集周围环境的声音信号，并对所述声音信息进行处理后传输至所述AI边缘计算设备；所述9轴传感器，用于获取所述头盔本体的位置数据；所述AI边缘计算设备，用于根据所述声音信号获取所述声音信号的相对声源位置以及所述声音信号的声源类别；还用于根据所述位置数据和所述相对声源位置获取所述声音信号的实际声源位置；其中，所述相对声源位置为所述声音信号的声源相对于所述头盔本体的地理位置；所述实际声源位置为所述声音信号的声源相对于大地坐标系的地理位置；所述AR目镜，用于显示所述实际声源位置和所述声源类别。优选地，所述麦克风阵列模块包括9个麦克风，沿俯视方向观看所述头盔本体，其中一个所述麦克风设置于所述头盔本体的圆心处，余下的八个所述麦克风沿所述头盔本体的圆周方向等间距设置。优选地，所述麦克风阵列模块还包括处理模块，所述处理模块用于对所述声音信号进行A/D转化和预处理；其中，所述预处理包括：预滤波处理、预加重处理、分帧加窗处理以及端点检测处理。优选地，所述AI边缘计算设备包括位置获取模块，所述位置获取模块包括划分单元、补偿单元以及计算单元；所述划分单元，用于获取经预处理后的所述声音信号的高频信号强度分布，并根据所述高频信号强度分布将所述麦克风阵列模块划分为前向麦克风和后向麦克风；其中，所述前向麦克风是指当前麦克风阵列模块中和所述声源处于同一侧的麦克风，后向麦克风是指当前麦克风阵列模块中和所述声源处于相对侧的麦克风；所述补偿单元，用于对所述后向麦克风接收的所述声音信号进行时延的衍射补偿，对所述前向麦克风接收的所述声音信号采用直射路径进行时延估计；当所述声音信号到达所述前向麦克风时，获取所述前向麦克风与所述后向麦克风的时延差数据；所述计算单元，用于根据所述时延差数据，采用最大可控响应功率波束形成法获取搜索区域内的联合可控响应功率值；还用于根据所述联合可控响应功率值，采用随机区域查找法对所述联合可控响应功率值进行全局最大值的查找；其中，联合可控响应功率值的全局最大值所在的位置即为所述相对声源位置。优选地，所述AI边缘计算设备还包括声纹识别模块，所述声纹识别模块包括提取单元和识别单元；所述提取单元，用于根据深度自编码器网络对预处理后的所述声音信号进行声学特征提取，得到深度融合特征；所述识别单元，用于将所述融合特征输入预先训练好的长短时记忆网络进行声音事件推理，得到所述声音信号的声源类别。优选地，所述标识模块用于在所述AR目镜的虚拟视场中标识所述声源相对于大地坐标系的准确方位、标识所述头盔本体相对于大地坐标系的准确方位、标识所述声源相对于所述头盔本体的方向以及标识声源的类别。本方案还提供了一种单兵头盔的目标声源和声纹识别方法，该识别方法包括以下步骤：S1：采集周围环境的声音信号；S2：根据所述声音信号获取所述声音信号的相对声源位置以及所述声音信号的声源类别；其中，所述相对声源位置为所述声音信号的声源相对于所述单兵头盔的地理位置；S3：获取所述头盔本体的位置数据，并根据所述位置数据和所述相对声源位置获取所述声音信号的实际声源位置；其中，所述实际声源位置为所述声音信号的声源相对于大地坐标系的地理位置。优选地，根据所述声音信号获取所述声音信号的相对声源位置包括以下子步骤：对所述声音信号进行A/D转化和预处理；其中，所述预处理包括：预滤波处理、预加重处理、分帧加窗处理、端点检测处理；获取经预处理后的所述声音信号的高频信号强度分布，并根据所述高频信号强度分布将所述麦克风阵列模块分为前向麦克风和后向麦克风；其中，所述前向麦克风是指当前麦克风阵列模块中和所述声源处于同一侧的麦克风，后向麦克风是指当前麦克风阵列模块中和所述声源处于相对侧的麦克风；对所述后向麦克风接收的所述声音信号进行时延的衍射补偿，对所述前向麦克风接收的所述声音信号采用直射路径进行时延估计；当所述声音信号到达所述前向麦克风时，获取所述前向麦克风与所述后向麦克风的时延差数据；根据所述时延差数据，采用最大可控响应功率波束形成法获取搜索区域内的联合可控响应功率值；采用随机区域查找法对所述联合可控响应功率值进行全局最大值的查找；其中，联合可控响应功率值的全局最大值所在的位置即为所述相对声源位置。优选地，根据所述声音信号获取所述声音信号的声源类别包括以下子步骤：对所述声音信号进行A/D转化和预处理；其中，所述预处理包括：预滤波处理、预加重处理、分帧加窗处理、端点检测处理；用多层深度自编码器网络对预处理后的所述声音信号进行声学特征提取并融合，得到深度融合特征；将所述融合特征输入预先训练好的长短时记忆网络进行声音事件推理，得到所述声音信号的声源类别。优选地，所述多层深度自编码器网络包括：梅尔频率倒谱系数MFCC特征、Bark滤波器组特征以及Gabor滤波器组特征。本专利技术与现有技术相比，具有如下的本文档来自技高网...

【技术保护点】
1.一种单兵头盔，包括头盔本体，其特征在于，所述头盔本体上设置有麦克风阵列模块、AI边缘计算模块、AR目镜以及9轴传感器；/n所述麦克风阵列模块，用于采集周围环境的声音信号，并对所述声音信息进行处理后传输至所述AI边缘计算设备；/n所述9轴传感器，用于获取所述头盔本体的位置数据；/n所述AI边缘计算设备，用于根据所述声音信号获取所述声音信号的相对声源位置以及所述声音信号的声源类别；还用于根据所述位置数据和所述相对声源位置获取所述声音信号的实际声源位置；/n其中，所述相对声源位置为所述声音信号的声源相对于所述头盔本体的地理位置；所述实际声源位置为所述声音信号的声源相对于大地坐标系的地理位置；/n所述AR目镜，用于显示所述实际声源位置和所述声源类别。/n

【技术特征摘要】
1.一种单兵头盔，包括头盔本体，其特征在于，所述头盔本体上设置有麦克风阵列模块、AI边缘计算模块、AR目镜以及9轴传感器；
所述麦克风阵列模块，用于采集周围环境的声音信号，并对所述声音信息进行处理后传输至所述AI边缘计算设备；
所述9轴传感器，用于获取所述头盔本体的位置数据；
所述AI边缘计算设备，用于根据所述声音信号获取所述声音信号的相对声源位置以及所述声音信号的声源类别；还用于根据所述位置数据和所述相对声源位置获取所述声音信号的实际声源位置；
其中，所述相对声源位置为所述声音信号的声源相对于所述头盔本体的地理位置；所述实际声源位置为所述声音信号的声源相对于大地坐标系的地理位置；
所述AR目镜，用于显示所述实际声源位置和所述声源类别。


2.根据权利要求1所述的一种单兵头盔，其特征在于，所述麦克风阵列模块包括9个麦克风，沿俯视方向观看所述头盔本体，其中一个所述麦克风设置于所述头盔本体的圆心处，余下的八个所述麦克风沿所述头盔本体的圆周方向等间距设置。


3.根据权利要求1或2所述的一种单兵头盔，其特征在于，所述麦克风阵列模块还包括处理模块，所述处理模块用于对所述声音信号进行A/D转化和预处理；其中，所述预处理包括：预滤波处理、预加重处理、分帧加窗处理以及端点检测处理。


4.根据权利要求3所述的一种单兵头盔，其特征在于，所述AI边缘计算设备包括位置获取模块，所述位置获取模块包括划分单元、补偿单元以及计算单元；
所述划分单元，用于获取经预处理后的所述声音信号的高频信号强度分布，并根据所述高频信号强度分布将所述麦克风阵列模块划分为前向麦克风和后向麦克风；
其中，所述前向麦克风是指当前麦克风阵列模块中和所述声源处于同一侧的麦克风，后向麦克风是指当前麦克风阵列模块中和所述声源处于相对侧的麦克风；
所述补偿单元，用于对所述后向麦克风接收的所述声音信号进行时延的衍射补偿，对所述前向麦克风接收的所述声音信号采用直射路径进行时延估计；当所述声音信号到达所述前向麦克风时，获取所述前向麦克风与所述后向麦克风的时延差数据；
所述计算单元，用于根据所述时延差数据，采用最大可控响应功率波束形成法获取搜索区域内的联合可控响应功率值；还用于根据所述联合可控响应功率值，采用随机区域查找法对所述联合可控响应功率值进行全局最大值的查找；其中，联合可控响应功率值的全局最大值所在的位置即为所述相对声源位置。


5.根据权利要求3所述的一种单兵头盔，其特征在于，所述AI边缘计算设备还包括声纹识别模块，所述声纹识别模块包括提取单元和识别单元；
所述提取单元，用于根据深度自编码器网络对预处理后的所述声音信号进行声学特征提取并融合，得到深度融合特征；
所述识别单元，用于将所述融合特征输入预先训练好的长短时记忆网络进行声音事件推理，得到所述声音信号的声源类别...

【专利技术属性】
技术研发人员：刘议聪，赖春强，马婷霞，隋旭阳，王钤，张穗华，李亚南，陈大鹏，
申请(专利权)人：中国兵器装备集团自动化研究所，
类型：发明
国别省市：四川;51