一种分布式非同步声传感器的声源空间定位方法技术

一种分布式非同步声传感器的声源空间定位方法，先在假设条件下计算空间坐标，再发射校正信号计算分布式非同步声传感器的结构，然后对分布式非同步声传感器采集的信号进行预处理，再对声源信号采用时延估计法计算，得到对应的时延估计值，最后根据时延估计值计算每个声源的空间位置坐标，本发明专利技术声传感器的排列和间距没有任何限制，声传感器采集的信号在时间域不完全同步，具有价格低廉、使用方便等优势，可应用于复杂声学环境下的多人多方对话场景。

【技术实现步骤摘要】

本专利技术属于语音
，具体涉及一种分布式非同步声传感器的声源空间定位 方法。
技术介绍
随着网络和通讯技术的不断发展，利用现有的多媒体技术、网络与通讯技术、分布 式处理技术等可以实现复杂声学环境场景下的多人多方对话。传统声源输入和录音设备包括头戴式麦克风、全向性和方向性麦克风、麦克风阵 列等。单麦克风作为传统声源输入和录音设备，具有体积小、价格低廉等优点，但不具备对 环境噪声处理以及声源定位的能力；麦克风阵列由多个按照特定几何位置摆放的麦克风组 成，对空间信号进行时空域联合处理，其能力包括混响条件下的声源定位、增强语音信号、 辨识与分离声源等。分布式非同步声传感器是由多个单声传感器组成的信号采集系统，各个声传感器 由不同设备控制，对声传感器的排列和间距没有任何限制，声传感器采集的信号在时间域 不完全同步。分布式非同步声传感器结构简单、使用方便、节约成本，符合多声源多方向复 杂对活场景的要求，可有效地完成声源定位、说话人聚类和识别等多种应用。但是，麦克风阵列系统算法对各个设备之间采样的误差敏感，因此对音频数据同 步性要求十分严格；而普通的多人多方会议场景中声源个数未知、声传感器位置未知、房间 声学环境未知，即需要在时间和空间先验信息均缺失的场景下对声音数据进行处理。分布式非同步声传感器的声源空间定位方法和麦克风阵列的声源空间定位方法 有所不同。麦克风阵列的麦克风需要组成阵列，或至少麦克风间距固定，而分布式非同步声 传感器对声传感器的位置和摆放没有任何约束和限制，因此使用更加灵活；麦克风阵列采 集的信号在时间域完全同步，各个麦克风由统一的时钟进行控制，声传感器采集的信号在 时间域不完全同步；此外分布式非同步声传感器系统中的声源和声传感器位置信息未知， 需要对其进行估计。分布式非同步声传感器和麦克风阵列网络系统也有所不同。其区别在于麦克风 阵列网络系统是由多个麦克风阵列作为节点组成网络声传感器对语音进行处理，无线网络 中分布式语音输入设备需要统一的时钟来保证采集时间同步；而分布式非同步声传感器中 的各个声传感器由不同的终端设备控制，使用不同的采集卡进行信号采集，因此具有各自 独立的时钟和采样频率，导致采集时间不同步。麦克风阵列定位的主要方法包括单步定位方法和双步定位方法。单步定位包括基于波束指向的定位方法和基于高分辨率谱分析的定位方法。前一 种方法通过补偿声源到不同麦克风之间的时间差，将补偿后的信号进行相加平均得到阵列 的输出。后一种方法主要涉及了自回归模型、最小方差谱估计和各种基于特征分析技术的 方法。这些方法通常需要搜索整个空间来达到定位的目的。双步定位技术实现一个定位过程要分两步来实现，它包括两类基于TDOA(到达时间差)的双步定位和基于ILD(双耳电平差)的双步定位。基于TDOA(到达时间差)的 定位首先通过时延估计算法估计出信号在不同阵元处的TD0A(到达时间差)，进而再通过 几何关系进行定位。基于ILD (双耳电平差)的定位技术建立在人耳感知特性基础之上，它 借助于声源到达两耳间的电平差信息来判断声源的位置。麦克风阵列时延估计算法主要包括GCC(广义互相关)方法和LMS(最小均方误 差)方法。GCC (广义互相关)受混响影响比较严重，改进后产生了 CEP (倒谱预滤波)方法 和基音加权的GCC (广义互相关)方法，EVD (特征值分解)和基于ATF (声学传递函数)比 的时延估计方法则分别利用子空间的技术和传递函数比来求解。作为传统声源输入和录音设备的麦克风，价格低廉、结构简单，缺点是易受环境干 扰，且不能对声源进行定位；麦克风阵列系统已被广泛研究，没有商用化的主要原因是专用 硬件价格昂贵以及算法复杂度较高。
技术实现思路
为了克服上述现有技术的缺点，本专利技术提供了一种分布式非同步声传感器的声源 空间定位方法，声传感器的排列和间距没有任何限制，声传感器采集的信号在时间域不完 全同步，具有价格低廉、使用方便的优势，可应用于复杂声学环境下的多人多方对话场景。，包括以下步骤第一步，在假设条件下计算空间坐标首先假设在数据获得过程中全部声传感器的数目η和空间位置不变，η为大于零 的整数，声源数目k不变，k为大于零的整数，声源与声传感器距离符合近场模型的要求，各 个声传感器的物理性质相同，再对每个声传感器按顺序编号为声传感器Ml，M2···，Mn，选择 初始编号为1和2的两个声传感器Ml和M2，设声传感器Ml的位置为原点坐标，声传感器 Ml到声传感器M2的方向为起点坐标轴方向，这样可以确定一个空间坐标系，第二步，发射校正信号计算分布式非同步声传感器的结构首先令声传感器Ml发射校正信号C，除声传感器Ml之外的其他声传感器进行记 录；同样地，声传感器M2发射相同的校正信号C，除声传感器M2之外的其他声传感器进行 记录；以此类推，全部η个声传感器都发射一遍校正信号C ；这样，每个声传感器得到对应 η-1个记录信号；计算这η-1个记录信号的起始时间与每个声传感器Mi发射校正信号C时 刻的对应时延，时延与声速c的乘积则为每个发射声传感器Mi到每个接收声传感器％的物 理距离Clij。然后在第一步确定的坐标系下得到每个声传感器Mi到原点的距离di(l及声传感器 Mi到起点坐标轴的夹角θ ρ由此计算得到每个声传感器Mi的二维坐标(diCI，θ ^，当每个 声传感器Mi到起点坐标轴的夹角θ i相同时，表明多声传感器为线形多声传感器阵列，当声 传感器之间的距离完全相等时为均勻线阵，此时可用传统的声传感器阵列处理方法对声源 进行定位，即通过余弦定理公式计算每个声传感器的二维极坐标，如公式(1) 公式(3)所 示cosC = (a"2+b"2-c"2)/2ab(l)cosB = (a"2+c"2-b"2)/2ac(2)cosA = (b"2+c"2-a"2)/2bc(3)其中a为任意声传感器Mi与声传感器M1之间的物理距离，b为声传感器M1与声 传感器M2之间的物理距离，c为声传感器Mi与声传感器M2之间的物理距离，由此计算可得 声传感器Mi到起点坐标轴的夹角C，第三步，对分布式非同步声传感器采集的信号进行预处理首先对分布式非同步声传感器获得的多路声源信号进行预处理，先对多路声源信 号分帧及进行快速傅立叶变换(FFT)变换，然后对多路声源信号进行端点检测，将信号分 为声源信号和非声源信号两类，语音端点检测方法可采用子带频谱熵算法，先将每帧语音 的频谱划分成η (η为大于零的整数)子带，计算出每个子带的频谱熵，然后把相继η帧的子 带频谱熵经过一组顺序统计滤波器获得每帧的频谱熵，根据频谱熵的值对输入的语音进行 分类，具体步骤为将每帧的语音信号经过快速傅立叶变换(FFT)之后得到它在功率谱上 的Nfft个点Yi (0彡i彡Nfft)，每个点在频谱域上的概率密度可用公式⑷表示NFFl.P1=Y1/ ￡ Yk (4)其中Yk为经过FFT变换的语音信号在功率谱上的第k个点，Yi为经过FFT变换的 语音信号在功率谱上的第i个点，Nfft为i的个数，Pi为第i个点在频谱域上的概率密度，相应信号在频谱域上的熵函数定义可用公式( 表示Nfft -1H = -^ PkIog(Pk) (5)k=Q其中pk为第k个点在频谱域上的概率密度，Nff本文档来自技高网...

【技术保护点】
１．一种分布式非同步声传感器的声源空间定位方法，其特征在于：包括以下步骤：第一步，在假设条件下计算空间坐标首先假设在数据获得过程中全部声传感器的数目ｎ和空间位置不变，ｎ为大于零的整数，声源数目ｋ不变，ｋ为大于零的整数，声源与声传感器距离符合近场模型的要求，各个声传感器的物理性质相同，再对每个声传感器按顺序编号为声传感器Ｍ１，Ｍ２…，Ｍｎ，选择初始编号为１和２的两个声传感器Ｍ１和Ｍ２，设声传感器Ｍ１的位置为原点坐标，声传感器Ｍ１到声传感器Ｍ２的方向为起点坐标轴方向，这样可以确定一个空间坐标系，第二步，发射校正信号计算分布式非同步声传感器的结构首先令声传感器Ｍ１发射校正信号Ｃ，除声传感器Ｍ１之外的其他声传感器进行记录；同样地，声传感器Ｍ２发射相同的校正信号Ｃ，除声传感器Ｍ２之外的其他声传感器进行记录；以此类推，全部ｎ个声传感器都发射一遍校正信号Ｃ；这样，每个声传感器得到对应ｎ－１个记录信号；计算这ｎ－１个记录信号的起始时间与每个声传感器Ｍｉ发射校正信号Ｃ时刻的对应时延，时延与声速ｃ的乘积则为每个发射声传感器Ｍｉ到每个接收声传感器Ｍｊ的物理距离ｄｉｊ。公式（９）所示：Ｅｈ［ｌ，ｋ］＝（１－λ）Ｅｓ（ｈ）［ｌ，ｋ］＋λＥｓ（ｈ＋１）［ｌ，ｋ］（０≤ｋ≤Ｋ－１）（９）其中：Ｅｓ（ｈ）［ｌ，ｋ］获得方法如下：算法中每个子带的顺序统计滤波器作用在一组长度为Ｌ的子带信息熵Ｅｓ［ｌ－Ｎ，ｋ］，ＫＥｓ［ｌ，ｋ］，ＫＥｓ［ｌ＋Ｎ，ｋ］上，将这组子带信息熵按升序顺序排序，Ｅｓ（ｈ）［ｌ，ｋ］是Ｅｓ［ｌ－Ｎ，ｋ］，Ｋ　Ｅｓ［ｌ，ｋ］，Ｋ　Ｅｓ［ｌ＋Ｎ，ｋ］中的第ｈ个最大值；λ为一常数，Ｅｈ［ｌ，ｋ］为滤波平滑处理后的第ｌ帧的第ｋ个子带的信息熵，由公式（８）可以得到每帧的信号有一个频谱熵Ｈｌ，当Ｈｌ的值大于事先设定的阈值Ｔ时，将第ｌ帧判别语音帧，否则判为非语音帧；阈值Ｔ的定义为Ｔ＝βＡｖｇ＋θ，其中β＝０．０１，θ＝０．１，Ｅｍ［ｋ］为Ｅｓ［０，ｋ］，Ｋ，Ｅｓ［Ｎ－１，ｋ］的中值，Ａｖｇ是输入信号最开始Ｎ帧的噪声估计，第四步，对声源信号采用时延估计法计算，得到对应的时延估计值首先采用时延估计法对声源信号到任意两个传感器之间的时延差进行估计，时延估计可采用ＰＨＡＴ（相位变换）加权算法，其加权系数如公式（１０）所示，时然后在第一步确定的坐标系下得到每个声传感器Ｍｉ到原点的距离ｄｉ０及声传感器Ｍｉ到起点坐标轴的夹角θｉ，由此计算得到每个声传感器Ｍｉ的二维坐标（ｄｉ０，θｉ），当每个声传感器Ｍｉ到起点坐标轴的夹角θｉ相同时，表明多声传感器为线形多声传感器阵列延估计方法如公式（１１）～（１２）所示：（ｍａｔｈ）??（ｍｒｏｗ）?（ｍｉ）Ｗ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）＆ｏｍｅｇａ；（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）＝（／ｍｏ）?（ｍｆｒａｃ）?（ｍｎ）１（／ｍｎ）?（ｍｒｏｗ）?（ｍｏ）｜（／ｍｏ）?（ｍｓｕｂ）?（ｍｉ）Ｘ（／ｍｉ）?（ｍｎ）１（／ｍｎ）?（／ｍｓｕｂ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）＆ｏｍｅｇａ；（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｓｕｂｓｕｐ）?（ｍｉ）Ｘ（／ｍｉ）?（ｍｎ）２（／ｍｎ）?（ｍｏ）＊（／ｍｏ）?（／ｍｓｕｂｓｕｐ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）＆ｏｍｅｇａ；（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）｜（／ｍｏ）?（／ｍｒｏｗ）?（／ｍｆｒａｃ）?（ｍｏ）－（／ｍｏ）?（ｍｏ）－（／ｍｏ）?（ｍｏ）－（／ｍｏ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｎ）１０（／ｍｎ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（／ｍｒｏｗ）?（／ｍａｔｈ）其中：Ｘ１（ω）、Ｘ２（ω）分别为两路时域信号经过ＦＦＴ变换之后的输出，＊为共轭符号，（ｍａｔｈ）??（ｍｒｏｗ）?（ｍｓｕｂ）?（ｍｉ）Ｒ（／ｍｉ）?（ｍｒｏｗ）?（ｍｓｕｂ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｎ）１（／ｍｎ）?（／ｍｓｕｂ）?（ｍｓｕｂ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｎ）２（／ｍｎ）?（／ｍｓｕｂ）?（／ｍｒｏｗ）?（／ｍｓｕｂ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｎ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）＝（／ｍｏ）?（ｍｉ）ＩＦＦＴ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）Ｗ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）＆ｏｍｅｇａ；（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）＆ＣｅｎｔｅｒＤｏｔ；（／ｍｏ）?（ｍｓｕｂ）?（ｍｉ）Ｘ（／ｍｉ）?（ｍｎ）１（／ｍｎ）?（／ｍｓｕｂ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）＆ｏｍｅｇａ；（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）＆Ｃｅ...

【技术特征摘要】

【专利技术属性】
技术研发人员：杨毅，刘加，
申请(专利权)人：清华大学，
类型：发明
国别省市：11