CN103076593B - 一种声源定位方法及装置 - Google Patents

Abstract

本发明涉及一种声源定位方法及装置，该方法包括：将通过麦克风阵列接收的声源信号转化成数字声音信号，所述麦克风阵列中包括多个麦克风；对所述数字声音信号进行频谱提取和白化处理，得到针对每个麦克风的数字声音信号的白化频谱；根据针对每个麦克风的数字声音信号的白化频谱计算出声源位置第一值；根据所述声源位置第一值为可控响应功率计算中的每一对交叉相关函数赋予权重系数，根据权重系数计算声源位置第二值；比较所述声源位置第一值与所述声源位置第二值，根据比较结果确定最终的声源位置。本发明通过为可控响应功率计算中的每一对交叉相关函数赋予权重系数，弱化不可靠的交叉相关函数对最终定位结果的影响，从而提高了声源定位的鲁棒性。

Description

一种声源定位方法及装置

技术领域

本发明涉及声源定位领域，尤其涉及一种基于加权的交叉相关函数的可控响应功率的声源定位方法及装置。

背景技术

声源定位在麦克风阵列的应用中占据重要位置，它可用于远程会议，为麦克风阵列指示波束聚焦的方向，为会议摄像头提供指向信息。声源定位技术可以指示声源目标所在的空间方位，为后续的信息采集与处理提供重要的空间信息。

可控响应功率的声源定位算法是声源定位领域应用最为广泛的算法，它以噪声和混响条件下的鲁棒性而著称。在这类声源定位方法中，其中一种流行的快速可控响应功率方法是采用广义交叉相关实现的。该方法采用麦克风对之间形成的交叉相关函数，计算声源在各个可能位置上的功率谱，寻求产生最大功率的方位。然而，该方法存在一个根本性的问题，即受到声源入射方向、环境噪声、以及混响的影响，各个交叉相关函数的可靠性并不相同。传统的实现方法对所有的交叉相关函数同等对待，但是一些可靠性较低的交叉相关函数对最终的定位结果产生了副作用。

发明内容

本发明的目的是提供一种能够克服上述缺陷的声源定位方法及装置。

在本发明的第一方面，提供了一种声源定位方法，包括：将通过麦克风阵列接收的声源信号转化成数字声音信号，所述麦克风阵列中包括多个麦克风；对所述数字声音信号进行频谱提取和白化处理，得到针对每个麦克风的数字声音信号的白化频谱；根据针对每个麦克风的数字声音信号的白化频谱计算出声源位置第一值；根据所述声源位置第一值计算声源位置第二值；以及比较所述声源位置第一值与所述声源位置第二值，根据比较结果确定所述声源的位置。

在本发明的第二方面，提供了一种声源定位装置，包括：麦克风阵列，用于接收声源信号并将其转化成数字声音信号，所述麦克风阵列中包括多个麦克风；频谱提取白化模块，用于对所述数字声音信号进行频谱提取和白化处理，得到针对每个麦克风的数字声音信号的白化频谱；第一计算模块，用于根据针对每个麦克风的数字声音信号的白化频谱计算出声源位置第一值；第二计算模块，用于根据所述声源位置第一值计算声源位置第二值；以及比较确定模块，用于比较所述声源位置第一值与所述声源位置第二值，根据比较结果确定所述声源的位置。

本发明通过根据可控响应功率计算中的交叉相关函数的可靠性为其赋予各自的权重系数，从而排除不可靠的交叉相关对最终定位结果的影响。提高了声源定位方法的鲁棒性。

附图说明

图1是根据本发明实施例的声源定位方法的流程图；以及

图2是根据本发明实施例的声源定位装置的示意图。

具体实施方式

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

图1是根据本发明实施例的基于权重的声源定位方法的流程图。

在步骤101，将通过麦克风阵列接收的声源信号转换成数字声音信号。

在步骤102，提取该数字声音信号的频谱并对其进行白化处理，得到针对麦克风阵列中每个麦克风的数字声音信号的白化频谱。

首先，可以通过对数字声音信号进行快速傅利叶变换（FFT）的方式来提取频谱。在进行快速傅利叶变换之前，先要对接收到的数字声音信号进行缓存。对一帧的数字声音信号先补零到N点，N≥F，N=2^j，j为整数，且j≥8；然后，进行N点的快速傅利叶变换，得到一帧的数字化声音信号的离散频谱Y_l,k

其中，y_l，n表示缓存中第l个麦克风采集信号的第n个采样点，Y_l,k表示缓存中第l个麦克风采集信号的傅利叶变换系数（k=0,1,...,N-1）。

然后，对上面得到的傅利叶变换系数进行白化处理，得到白化后的傅利叶系数， ${\stackrel{\‾}{Y}}_{l,l}=Y_{l,k}/\left|Y_{l,k}\right|.$

优选地，可以在频谱提取和白化处理之前，对每一帧的数字声音信号进行预处理，可以设每帧长度为F点，所述的预处理包括有加窗和/或预加重处理，加窗函数可以采用汉明窗（hamming）或哈宁窗（hanning）。然后，对预处理之后的数字声音信号进行频谱提取和白化处理。

在步骤103，根据该白化频谱得到针对交叉配对的每一对麦克风的数字声音信号的交叉相关函数。

首先，针对每个麦克风的数字化声音的白化后的傅利叶系数进行交叉相关处理。例如，可以对来自每对麦克风的数字化声音信号的白化傅利叶系数进行点乘。麦克风阵列中的麦克风两两交叉配对，例如，对于由第p个和第q个麦克风组成的第i个对的白化傅利叶系数，对其进行反傅利叶变换x_i,r的实部real(x_i,n)表示麦克风对的两个信号的交叉相关函数。

在步骤104，根据该交叉相关函数得到交叉匹配的每一对麦克风中两个麦克风接收声源信号的时间延迟。

对交叉相关函数real(x_i,n)循环移动N/2个采样点，得到该相关函数的序列z_i，k。根据麦克风对中两个麦克风的间距d_i计算最大时间延迟τ_max=fix(f_sd_i/c)，其中f_s表示信号的采样率，c表示声速，fix表示取整数运算。在从k₁=N/2-τ_max到k₂=N/2+τ_max的范围内，在序列中搜索最大值，该最大值对应的时间索引即为第p个和第q个麦克风信号间的时间延迟。依此类推，可以求取所有麦克风对之间的时间延迟τ_i。

在步骤105，根据交叉相关函数和时间延迟计算声源位置第一值。

假定针对每一麦克风对的交叉相关函数的权重系数相等，例如令每对交叉相关函数的权重w_ij＝1/M，则可以根据可控响应功率算法求取声源位置x。可控响应功率的计算公式如下。

在所有交叉相关函数的可控响应功率中找出最大值，其对应的参数组即为声源位置第一值，即声源位置的一个初始计算值，其中，ρ为声源距离、为声源入射的方位角、为声源入射的仰角。

在步骤106，根据声源位置第一值、时间延迟τ_i和麦克风对的间距来计算针对每一麦克风对的交叉相关函数的权重。应当理解，每一对交叉相关函数的权重系数取决于与声源位置第一值对应的声波入射方向和麦克风对连线之间的夹角，即声源相对于这对麦克风的位置，这个位置可称为相对位置。

一方面，可以通过广义交叉相关得出该夹角的估计值也就是上面提到的相对位置：

${\widehat{\mathrm{\θ}}}_{\mathrm{ij}}=\arccos (c{\widehat{\mathrm{\τ}}}_{\mathrm{ij}}/d_{\mathrm{ij}})$

其中c表示空气在声波中的传播速度，d_ij表示麦克风对的间距，表示交叉相关得到的时间延迟估计。

另一方面，可以根据声波入射方向和麦克风对连线的几何关系，得到声波入射方向和麦克风对连线之间的夹角的值θ_ij为：

θ_ij=arccos(x^Tr_ij)

在理想条件下，θ_ij和应该相等。在实际情况中，由于外界的各种干扰因素，导致θ_ij和产生偏差。进一步，交叉相关函数的可靠性便由θ_ij和之差确定。偏差越大，该交叉相关函数的可靠性越低；偏差越小，则该交叉相关函数的可靠性越高。θ_ij和之间的角度差δ_ij可以通过下面的公式来计算：

δ_ij=arccos(x^Tr_ij)-arccos(cτ_ij/d_ij)

接下来，假定角度差遵从零均值的高斯分布，则其方差σ²可以计算为：

${\mathrm{\σ}}^2={\mathrm{\Σ}}_j{\mathrm{\Σ}}_i{\mathrm{\δ}}_{\mathrm{ij}}^2/M$

其中，M表示麦克风阵列中麦克风的对数。

最后，根据下面公式计算每一对交叉相关函数的权重系数w_ij：

$w_{\mathrm{ij}}=\exp ({\mathrm{\δ}}_{\mathrm{ij}}^2/{\mathrm{\σ}}^2)/{\mathrm{\Σ}}_j{\mathrm{\Σ}}_i\exp ({\mathrm{\δ}}_{\mathrm{ij}}^2/{\mathrm{\σ}}^2).$

在步骤107，根据该交叉相关函数及其权重和该时间延迟来计算一个新的声源位置，可称为声源位置第二值。

通过计算所有可能声源位置的可控响应功率找出一个新的声源位置。每一对交叉相关函数的可控响应功率可以通过下面的公式来计算：

然后，在多个可控响应功率中找出最大的可控响应功率，根据该最大的可控响应功率找到一个新的声源位置其对应的是参数组即距离ρ、方位角、仰角组成的三元组表达。在远场的情况下，也可以只采用方位角和仰角描述。一般来说，可以采用三元组描述空间方位/声源位置。

在步骤108，判断声源位置第一值和声源位置第二值之差是否小于预定阈值。例如，可以通过判断是否无限接近于1来判断判断x和是否近似相等。如果无限接近于1，则表示算法收敛，声源位置第二值对应的即为最终所求的声源位置/空间方位；否则，令流程跳转到步骤106。

其实，本发明首先假设所有子阵列的权重系数相同，从而求取一个声源位置x的粗略估计值，用此估计值来求取交叉相关函数的权重系数，用加权的交叉相关函数来求取新的声源位置估计值此迭代不断循环，直至判断出声源位置估计收敛为止。

图2是根据本发明实施例的声源定位装置的示意图。

如图2所示，该声源定位装置包括麦克风阵列、频谱提取白化模块、第一计算模块、第二计算模块和比较确定模块。

数字化模块将通过麦克风阵列接收的声源信号转换成数字声音信号。

频谱提取白化模块提取该数字声音信号的频谱并对其进行白化处理，得到针对麦克风阵列中每个麦克风的数字声音信号的白化频谱。

首先，可以通过对数字声音信号进行快速傅利叶变换（FFT）的方式来提取频谱。在进行快速傅利叶变换之前，先要对接收到的数字声音信号进行缓存。对一帧的数字声音信号先补零到N点，N≥F，N=2^j，j为整数，且j≥8；然后，进行N点的快速傅利叶变换，得到一帧的数字化声音信号的离散频谱Y_l，k

其中，y_l，n表示缓存中第l个麦克风采集信号的第n个采样点，Y_l,k表示缓存中第l个麦克风采集信号的傅利叶变换系数（k=0,1,...,N-1）。

然后，对上面得到的傅利叶变换系数进行白化处理，得到白化后的傅利叶系数， ${\stackrel{\‾}{Y}}_{l,l}=Y_{l,k}/\left|Y_{l,k}\right|.$

优选地，该声源定位装置还可以包括预处理模块（图中未示出），用于在频谱提取和白化处理之前，对每一帧的数字声音信号进行预处理，可以设每帧长度为F点，所述的预处理包括有加窗和/或预加重处理，加窗函数可以采用汉明窗（hamming）或哈宁窗（hanning）。然后，对预处理之后的数字声音信号进行频谱提取和白化处理。

第一计算模块根据针对每个麦克风的数字声音信号的白化频谱计算出声源位置第一值。

首先，第一计算模块根据该白化频谱得到针对交叉配对的每一对麦克风的数字声音信号的交叉相关函数。例如，可以对来自每对麦克风的数字化声音信号的白化傅利叶系数进行点乘。麦克风阵列中的麦克风两两交叉配对，例如，对于由第p个和第q个麦克风组成的第i个对的白化傅利叶系数，对其进行反傅利叶变换x_i,r的实部real(x_i,n)表示麦克风对的两个信号的交叉相关函数。

接下来，第一计算模块根据该交叉相关函数得到交叉匹配的每一对麦克风中两个麦克风接收声源信号的时间延迟。

对交叉相关函数real(x_i,n)循环移动N/2个采样点，得到该相关函数的序列z_i，k。根据麦克风对中两个麦克风的间距d_i计算最大时间延迟τ_max=fix(f_sd_i/c)，其中f_s表示信号的采样率，c表示声速，fix表示取整数运算。在从k₁=N/2-τ_max到k₂=N/2+τ_max的范围内，在序列中搜索最大值，该最大值对应的时间索引即为第p个和第q个麦克风信号间的时间延迟。依此类推，可以求取所有麦克风对之间的时间延迟τ_i。

然后，第一计算模块根据交叉相关函数和时间延迟计算声源位置第一值，具体执行流程如下。

假定针对每一麦克风对的交叉相关函数的权重系数相等，例如令每对交叉相关函数的权重w_ij=1/M，则可以根据可控响应功率算法求取声源位置x。可控响应功率的计算公式如下。

在所有交叉相关函数的可控响应功率中找出最大值，其对应的参数组即为声源位置第一值，即声源位置的一个初始计算值，其中，ρ为声源距离、为声源入射的方位角、为声源入射的仰角。

第二计算模块根据声源位置第一值来计算声源位置第二值，具体计算过程如下所述。

第二计算模块根据声源位置第一值、时间延迟τ_i和麦克风对的间距来计算针对每一麦克风对的交叉相关函数的权重。应当理解，每一对交叉相关函数的权重系数取决于与声源位置第一值对应的声波入射方向和麦克风对连线之间的夹角相关，即声源相对于这对麦克风的位置，这个位置可称为相对位置。

一方面，可以通过广义交叉相关得出该夹角的估计值也就是上面提到的相对位置：

${\widehat{\mathrm{\θ}}}_{\mathrm{ij}}=\arccos (c{\widehat{\mathrm{\τ}}}_{\mathrm{ij}}/d_{\mathrm{ij}})$

其中c表示空气在声波中的传播速度，d_ij表示麦克风对的间距，表示交叉相关得到的时间延迟估计。

另一方面，可以根据声波入射方向和麦克风对连线的几何关系，得到声波入射方向和麦克风对连线之间的夹角的值θ_ij为：

θ_ij=arccos(x^Tr_ij)

在理想条件下，θ_ij和应该相等。在实际情况中，由于外界的各种干扰因素，导致θ_ij和产生偏差。进一步，交叉相关函数的可靠性便由θ_ij和之差确定。偏差越大，该交叉相关函数的可靠性越低；偏差越小，则该交叉相关函数的可靠性越高。θ_ij和之间的角度差δ_ij可以通过下面的公式来计算：

δ_ij=arccos(x^Tr_ij)-arccos(cτ_ij/d_ij)

接下来，计算该角度差的方差 ${\mathrm{\σ}}^2={\mathrm{\Σ}}_j{\mathrm{\Σ}}_i{\mathrm{\δ}}_{\mathrm{ij}}^2/M.$

最后，根据下面公式计算每一对交叉相关函数的权重系数w_ij：

$w_{\mathrm{ij}}=\exp ({\mathrm{\δ}}_{\mathrm{ij}}^2/{\mathrm{\σ}}^2)/{\mathrm{\Σ}}_j{\mathrm{\Σ}}_i\exp ({\mathrm{\δ}}_{\mathrm{ij}}^2/{\mathrm{\σ}}^2).$

然后，根据该交叉相关函数及其权重和该时间延迟来计算一个新的声源位置，可称为声源位置第二值，其中，可以根据该交叉相关函数及其权重和该时间延迟计算所有可能声源位置的可控响应功率找出一个新的声源位置。每一对交叉相关函数的可控响应功率可以通过下面的公式来计算：

最后，在多个可控响应功率中找出最大的可控响应功率，根据该最大的可控响应功率找到一个新的声源位置其对应的是参数组即距离ρ、方位角、仰角组成的三元组表达。在远场的情况下，也可以只采用方位角和仰角描述。一般来说，可以采用三元组描述空间方位/声源位置。

判断确定模块判断声源位置第一值和声源位置第二值之差是否小于预定阈值。例如，可以通过判断是否无限接近于1来判断判断x和是否近似相等。如果无限接近于1，则表示算法收敛，声源位置第二值对应的即为最终所求的声源位置/空间方位；否则，令第二计算模块按照新的x来计算针对每一麦克风对的交叉相关函数的权重，进而计算出新的声源位置第二值，继续进行上述比较判断，直至最终符合判断条件为止。

专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器（RAM）、内存、只读存储器（ROM）、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种声源定位方法，包括：

将通过麦克风阵列接收的声源信号转化成数字声音信号，所述麦克风阵列中包括多个麦克风；

对所述数字声音信号进行频谱提取和白化处理，得到针对每个麦克风的数字声音信号的白化频谱；

根据针对每个麦克风的数字声音信号的白化频谱计算出声源位置第一值；

根据所述声源位置第一值计算声源位置第二值；以及

比较所述声源位置第一值与所述声源位置第二值，根据比较结果确定所述声源位置；

所述根据针对每个麦克风的数字声音信号的白化频谱计算出声源位置第一值的步骤包括：

对针对每个麦克风的数字声音信号的白化频谱进行交叉相关，得到针对交叉匹配的每一对麦克风的数字声音信号的交叉相关函数；

根据所述交叉相关函数得到交叉匹配的每一对麦克风中两个麦克风接收声源的声音信号的时间延迟；以及

根据所述交叉相关函数和所述时间延迟计算多个可控响应功率，并且根据其中的最大可控响应功率得到所述声源位置第一值；

所述根据所述声源位置第一值计算声源位置第二值的步骤包括：

根据所述声源位置第一值、所述时间延迟及其对应的交叉匹配的每一对麦克风的间距，计算每一交叉相关函数的权重；以及

根据所述每一交叉相关函数及其权重、以及所述时间延迟计算多个可控响应功率，并且根据其中的最大可控响应功率得到所述声源位置第二值；

所述根据所述交叉相关函数得到交叉匹配的每一对麦克风中两个麦克风接收声源的声音信号的时间延迟的步骤包括：

根据所述交叉相关函数得到交叉相关函数序列，并且根据交叉匹配的每一对麦克风的间距计算最大时间延迟；

根据所述最大时间延迟确定搜索范围；

根据所述搜索范围，在所述交叉相关函数序列中搜索最大值；以及

根据所述最大值得到交叉匹配的每一对麦克风中两个麦克风接收声源的声音信号的时间延迟；

根据所述声源位置第一值、所述时间延迟及其对应的交叉匹配的每一对麦克风的间距，计算每一交叉相关函数的权重的步骤包括：

根据声源位置第一值计算对应的声音信号入射方向与麦克风对连线之间的夹角；

根据所述时间延迟和麦克风对的间距估计所述夹角的估计值；

计算所述夹角和所述夹角的估计值的角度差的方差；以及

根据所述方差计算每一交叉相关函数的权重。

2.根据权利要求1所述的方法，还包括:

对所述数字声音信号进行加窗和/或加重处理之后再进行所述频谱提取和白化处理。

3.根据权利要求1所述的方法，其中，所述频谱提取是通过对所述数字声音信号进行快速傅利叶变换FFT得到的。

4.根据权利要求1所述的方法，其中，所述比较所述声源位置第一值与所述声源位置第二值，根据比较结果确定最终的声源位置的步骤包括：

比较所述声源位置第一值与所述声源位置第二值，如果所述声源位置第一值和所述声源位置第二值之差不大于预定阈值，则将所述声源位置第二值确定为所述声源的位置。

5.一种声源定位装置，包括：

麦克风阵列，用于接收声源信号并将其转化成数字声音信号，所述麦克风阵列中包括多个麦克风；

频谱提取白化模块，用于对所述数字声音信号进行频谱提取和白化处理，得到针对每个麦克风的数字声音信号的白化频谱；

第一计算模块，用于根据针对每个麦克风的数字声音信号的白化频谱计算出声源位置第一值；

所述用于根据针对每个麦克风的数字声音信号的白化频谱计算出声源位置第一值步骤包括：

对针对每个麦克风的数字声音信号的白化频谱进行交叉相关，得到针对交叉匹配的每一对麦克风的数字声音信号的交叉相关函数；

根据所述交叉相关函数得到交叉匹配的每一对麦克风中两个麦克风接收声源的声音信号的时间延迟；以及

根据所述交叉相关函数和所述时间延迟计算多个可控响应功率，并且根据其中的最大可控响应功率得到所述声源位置第一值；

所述根据所述交叉相关函数得到交叉匹配的每一对麦克风中两个麦克风接收声源的声音信号的时间延迟的步骤包括：

根据所述交叉相关函数得到交叉相关函数序列，并且根据交叉匹配的每一对麦克风的间距计算最大时间延迟；

根据所述最大时间延迟确定搜索范围；

根据所述搜索范围，在所述交叉相关函数序列中搜索最大值；以及

根据所述最大值得到交叉匹配的每一对麦克风中两个麦克风接收声源的声音信号的时间延迟；

第二计算模块，用于根据所述声源位置第一值计算声源位置第二值；

所述根据所述声源位置第一值计算声源位置第二值的步骤包括：

根据所述声源位置第一值、所述时间延迟及其对应的交叉匹配的每一对麦克风的间距，计算每一交叉相关函数的权重；以及

根据所述每一交叉相关函数及其权重、以及所述时间延迟计算多个可控响应功率，并且根据其中的最大可控响应功率得到所述声源位置第二值；

根据所述声源位置第一值、所述时间延迟及其对应的交叉匹配的每一对麦克风的间距，计算每一交叉相关函数的权重的步骤包括：

根据声源位置第一值计算对应的声音信号入射方向与麦克风对连线之间的夹角；

根据所述时间延迟和麦克风对的间距估计所述夹角的估计值；

计算所述夹角和所述夹角的估计值的角度差的方差；以及

根据所述方差计算每一交叉相关函数的权重；以及

比较确定模块，用于比较所述声源位置第一值与所述声源位置第二值，根据比较结果确定所述声源的位置。

6.根据权利要求5所述的声源定位装置，还包括：

预处理模块，用于对所述数字声音信号进行预加窗和/或加重之后再进行所述频谱提取和白化处理。