CN104936091A - 基于圆形麦克风阵列的智能交互方法及系统 - Google Patents

Abstract

本发明公开了一种基于圆形麦克风阵列的智能交互方法及系统，该方法包括：通过圆形麦克风阵列接收用户语音信号；对所述语音信号进行去噪处理，得到去噪后的语音信号；对去噪后的不同波束方向的语音信号进行预识别，并选择识别得分最高的语音信号的波束方向作为目标说话人方向，后续对在所述目标说话人方向上去噪后的语音信号进行语音识别，得到语音识别结果；根据所述语音识别结果执行操作。利用本发明，可以有效提高麦克风阵列波束输出的语音信号的信噪比，进而提高语音识别效果，使人机交互更智能。

Description

基于圆形麦克风阵列的智能交互方法及系统

技术领域

本发明涉及语音信号处理领域，具体涉及一种基于圆形麦克风阵列的智能交互方法及系统。

背景技术

随着信息技术的突飞猛进式发展，越来越多的智能交互产品问世。语音作为人类信息最自然、最便捷的交互方式，是现今智能交互产品最主流的交互方式。

现有常见的智能交互产品中，多是以特定的唤醒词识别触发交互系统，即智能系统实时获取用户唤醒词语音信号。然而，由于现实环境较为复杂，存在环境噪声、混响及其他说话人的人声干扰，需要进行语音降噪以提高智能系统获取用户唤醒词语音信号的能力。

传统的语音降噪系统多是基于单个麦克风采用谱减法或维纳滤波等技术来抑制噪声；或基于线性麦克风阵列利用麦克风空间位置差异提取期望方向信号，抑制其余方向信号，从而实现降噪。然而，线性麦克风阵列受到阵列形状的限制，只能对阵列法线方向进行较好的拾音，而对于轴线方向的拾音效果较差，使得智能交互产品存在准确性和稳定性较差的缺点。

为此，现有技术中提出了基于圆阵的语音增强方法，设计结构为阵元均匀排列于圆形或圆弧上，使用相位、幅度加权的方法，按照阵列需要处理的音频信号的中心频率计算出各个阵元的加权值以及某一弧度范围内入射方向对应的加权向量，并利用循环移位操作得到整个圆阵或部分圆阵其他方向的加权向量，最后对各个阵元的信号按加权值进行加权求和。该方案采用延时-相加(Delay-and-Sum)形式的波束形成方法，这种方法得到的信号对其他方向干扰抑制有限，导致其余方向信号泄漏过多，波束指向性较差。另外，由于麦克风阵元存在幅度误差和相位误差，当输入信号中的噪声较大时，麦克风阵列波束输出的语音信号的信噪比较低，影响语音识别。

发明内容

本发明实施例提供一种基于圆形麦克风阵列的智能交互方法及系统，以解决现有智能交互产品存在的因噪声影响语音识别效果而带来的系统准确性及稳定性较差的问题。

为此，本发明实施例提供如下技术方案：

一种基于圆形麦克风阵列的智能交互方法，包括：

通过圆形麦克风阵列接收用户语音信号；

对所述语音信号进行去噪处理，得到去噪后的语音信号；

对去噪后的不同波束方向的语音信号进行预识别，并选择识别得分最高的语音信号的波束方向作为目标说话人方向，对后续在所述目标说话人方向上去噪后的语音信号进行语音识别，得到语音识别结果；

根据所述语音识别结果执行操作。

可选的，所述对所述语音信号进行去噪处理，得到去噪后的语音信号包括：

将所述语音信号转换为频域信号；

计算所述频域信号的优化参数，所述优化参数包括：指向性参数和白噪声增益，所述指向性参数是指期望信号相对于全向噪声的输入信噪比和麦克风的输入信噪比的比值，所述白噪声增益是指所述圆形麦克风阵列输出信噪比与输入信噪比的比值；

根据所述优化参数对所述频域信号进行优化，得到去噪后的语音信号。

可选的，所述根据所述优化参数对所述频域信号进行优化还包括：

在根据所述优化参数对所述频域信号进行优化时，对期望方向以外的其它方向波束陷零。

可选的，所述方法还包括：

从去噪后的语音信号的波束中选择能量大于设定阈值的波束作为优选波束；

所述对去噪后的不同波束方向的语音信号进行预识别包括：

对所述优选波束方向的语音信号进行预识别。

可选的，所述对所述优选波束方向的语音信号进行预识别包括：

对所述优选波束方向的语音信号进行语音识别和/或声纹识别，得到特定命令词和/或特定说话人。

可选的，所述对所述优选波束方向的语音信号进行预识别包括：

对所述优选波束方向的语音信号进行语音识别，得到语音识别结果。

一种基于圆形麦克风阵列的智能交互系统，包括：

接收模块，用于通过圆形麦克风阵列接收用户语音信号；

去噪模块，用于对所述语音信号进行去噪处理，得到去噪后的语音信号；

识别模块，用于对去噪后的不同波束方向的语音信号进行预识别，并选择识别得分最高的语音信号的波束方向作为目标说话人方向，对后续在所述目标说话人方向上去噪后的语音信号进行语音识别，得到语音识别结果；

交互处理模块，用于根据所述识别模块的语音识别结果执行操作。

可选的，所述去噪模块包括：

信号转换单元，用于将所述语音信号转换为频域信号；

计算单元，用于计算所述频域信号的优化参数，所述优化参数包括：指向性参数和白噪声增益，所述指向性参数是指期望信号相对于全向噪声的输入信噪比和麦克风的输入信噪比的比值，所述白噪声增益是指所述圆形麦克风阵列输出信噪比与输入信噪比的比值；

第一优化单元，用于根据所述优化参数对所述频域信号进行优化，得到去噪后的语音信号。

可选的，所述去噪模块还包括：

第二优化单元，用于在所述第一优化单元根据所述优化参数对所述频域信号进行优化时，对期望方向以外的其它方向波束陷零。

可选的，所述系统还包括：

筛选模块，用于从去噪后的语音信号的波束中选择能量大于设定阈值的波束作为优选波束；

所述识别模块，具体用于对所述优选波束方向的语音信号进行预识别，以确定目标说话人方向。

可选的，所述识别模块，具体用于对所述优选波束方向的语音信号进行语音识别，在识别到特定命令词后，选择识别得分最高的语音信号的波束方向作为目标说话人方向，并对后续在所述目标说话人方向上去噪后的语音信号进行语音识别，得到语音识别结果。

可选的，所述识别模块包括：声纹识别单元和语音识别单元；所述声纹识别单元对所述优选波束方向的语音信号进行声纹识别，得到特定说话人，并选择识别得分最高的语音信号的波束方向作为目标说话人方向，并触发所述语音识别单元对后续在所述目标说话人方向上去噪后的语音信号进行语音识别，得到语音识别结果。

可选的，所述识别模块，具体用于对所述优选波束方向的语音信号进行语音识别，在得到语音识别结果后，选择识别得分最高的语音信号的波束方向作为目标说话人方向，并对后续在所述目标说话人方向上去噪后的语音信号进行语音识别，得到后续语音信号的语音识别结果。

可选的，所述圆形麦克风阵列中的多个麦克风为均匀分布或非均匀分布。

可选的，所述圆形麦克风阵列的中心还设有一个麦克风。

本发明实施例提供的基于圆形麦克风阵列的智能交互方法及系统，首先，通过圆形麦克风阵列接收用户语音信号，然后对语音信号进行去噪，并对去噪后的不同波束方向的语音信号进行预识别，得到目标说话人方向，后续对目标说话人方向上去噪后的语音信号进行语音识别，获得语音识别结果。有效地提高了智能交互系统的识别准确性及稳定性，进而提高人机交互的智能性。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1是本发明实施例基于圆形麦克风阵列的智能交互方法的一种流程图；

图2是本发明实施例基于圆形麦克风阵列接收语音信号的一种示意图；

图3是本发明实施例基于圆形麦克风阵列的智能交互系统的一种结构示意图；

图4是本发明实施例基于圆形麦克风阵列的智能交互系统的另一种结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明实施例的方案，下面结合附图和实施方式对本发明实施例作进一步的详细说明。

如图1所示，是本发明实施例基于圆形麦克风阵列的智能交互方法的一种流程图，包括以下步骤：

步骤101，通过圆形麦克风阵列接收用户语音信号。

在本实施例中，通过圆形麦克风阵列可以接收全方位的用户语音信号。本发明采用的圆形麦克风阵列中的阵元可以是均匀分布，也可以根据实际应用情况非均匀分布，如预先得知在某些方位目标说话人出现的概率较大，则可在其对应方向多布局麦克风，在其他位置麦克风布置稀疏一些，以增强特定方向上的语音信号接收能力。

此外，还可以在圆形麦克风阵列的中心加入一个麦克风来改善波束形成能力。因阵列中心的麦克风可以视为一个半径为0、麦克风个数为无限个的圆形麦克风阵列，当在阵列中心添加一个麦克风，这相当于以一个麦克风阵元的代价在原有麦克风阵列基础上增加了一个圆形麦克风阵列。对于麦克风阵列，阵元个数越多，主瓣越窄，旁瓣越低，麦克风阵列接收语音信号的能力越强，其中旁瓣的高低主要由零点个数决定，在实际使用中，麦克风越多，自由度越多，可形成的零点个数越多，故在中心增加麦克风，可以得到更好的旁瓣效果，以增强麦克风阵列接收语音信号的能力。

步骤102，对所述语音信号进行去噪处理，得到去噪后的语音信号。

在本实施例中，通过将麦克风接收的语音信号转换成频域信号，并计算所述频域信号的优化参数，然后以其对所述频域信号进行优化，从而对噪声进行抑制，得到输出较为干净的语音信号。具体过程如下：

首先，将麦克风阵列收集到的语音信号转换为频域信号。

在实际应用中，考虑到语音信号为带宽信号，对于不同频点需要分别处理，所以需要将麦克风收集到的时域信号转换为频域信号。在本实施例中，假设声源信号为s_d(t)，参考麦克风接收的声源信号为u(t)，所述参考麦克风可以根据实际应用情况选定圆形麦克风阵列中的任意麦克风作为参考麦克风，定义第m个麦克风接收的信号为v_m(t)，那么第m个麦克风相对于参考点阵元的时延为τ_m，如图2所示，于是v_m(t)可以表示为式(1)：

v_m(t)＝u(t-τ_m)   (1)

然后对式(1)进行傅里叶变换，将第m个麦克风接收的时域信号v_m(t)转换成频域信号v_m(f)，具体如式(2)所示：

$v_m\left(f\right)=u\left(f\right)e^{-j2\mathrm{\πf}{\mathrm{\τ}}_m}---\left(2\right)$

其中，f表示信号的频率。

接着，对上述频域信号进行加权求和得到波束的输出信号，以达到对期望方向语音信号进行增强及去除混响的目的，一种可行的实施方式如下所示：

假设声源信号s_d(t)的入射方向角为θ，第m个麦克风的权值为w_m(f)，则M个麦克风输出波束即全部麦克风加权求和的输出为：

y(f)＝u(f)w(f)^Ha(θ)   (3)

其中，w(f)^H＝[w₁(f),w₂(f),....w_m(f)]^H   (4)

w(f)^H是加权矢量；

$a\left(\mathrm{\θ}\right)=[a_1\left(\mathrm{\θ}\right),a_2\left(\mathrm{\θ}\right),......a_m\left(\mathrm{\θ}\right)]=[e^{-j2\mathrm{\π}{\mathrm{f\τ}}_1},e^{-j2\mathrm{\π}{\mathrm{f\τ}}_2},......e^{-j2\mathrm{\π}{\mathrm{f\τ}}_m}]---\left(5\right)$

其中，a(θ)是导向矢量，表示不同麦克风对于期望方向的空间响应，τ_m与入射方向角度θ和阵列结构有关，H表示矩阵转置。

特别地，当τ₁＝0时，表示参考麦克风相对于自身的时延为0。

在本发明实施例中，可以从以下两点来衡量波束性能，即：指向性参数和白噪声增益。其中，指向性参数为期望信号相对于全向噪声的输出信噪比和麦克风的输入信噪比的比值，一般指向性参数越大，说明波束的空间指向性越好。白噪声增益为阵列输出信噪比和麦克风的输入信噪比的比值，相对于全向噪声，白噪声可以视为与期望信号来自同一方向的噪声信号，白噪声增益越大，意味着波束形成对白噪声的抑制能力越强。此外，由于阵元间差异引入的误差可以看作为白噪声，白噪声增益又是衡量阵列鲁棒性的重要参数。

在本实施例中，所述指向性参数的计算过程如下所示：

首先，定义S_f(f)为干净的声源信号的功率，S_n(f)为全向噪声的功率，则经过波束形成处理前的信噪比(麦克风的输入信噪比)如式(6)所示：

${\mathrm{SNR}}_{\mathrm{in}}=\frac{S_f\left(f\right)}{S_n\left(f\right)}---\left(6\right)$

假设全向噪声来自于各个方向，并且是均匀分布的，则经过波束形成处理后的输出信噪比如式(7)所示：

$\begin{array}{c}{\mathrm{SNR}}_{\mathrm{outn}}=\frac{{\left|u\left(f\right)w{\left(f\right)}^{H}a\left(\mathrm{\θ}\right)\right|}^2}{{\∫}_{\mathrm{\θ}}{\left|s_n\left(f\right)w{\left(f\right)}^{H}a\left(\mathrm{\θ}\right)\right|}^2\mathrm{d\θ}}\\ =\frac{S_f\left(f\right){\left|w{\left(f\right)}^{H}a\left(\mathrm{\θ}\right)\right|}^2}{S_n\left(f\right)w{\left(f\right)}^H{\∫}_{\mathrm{\θ}}a\left(\mathrm{\θ}\right)a{\left(\mathrm{\θ}\right)}^H\mathrm{d\θw}\left(f\right)}\\ ={\mathrm{SNR}}_{\mathrm{in}}{G}_{\mathrm{nf}}\left[w\left(f\right)\right]\end{array}---\left(7\right)$

其中，s_n(f)是全向噪声频域信号，G_nf[w(f)]为指向性参数，其具体表达式如式(8)所示：

$G_{\mathrm{nf}}\left[w\left(f\right)\right]=\frac{{\left|w{\left(f\right)}^{H}a\left(\mathrm{\θ}\right)\right|}^2}{w{\left(f\right)}^H\mathrm{Rw}\left(f\right)}---\left(8\right)$

其中，R＝∫_θa(θ)a(θ)^Hdθ表示全向噪声的导向矢量相关矩阵。指向性参数G_nf[w(f)]表示期望信号经过波束形成后相对于全向噪声的信噪比增益。由于干扰信号可以视为来自某一方向的噪声，指向性参数G_nf[w(f)]越大，意味着抑制干扰的能力越强，因此指向性参数反映了波束对干扰方向的抑制能力。

在实际应用中，为了保证波束无失真地接收期望方向的信号，需要增加无畸变约束，即w(f)^Ha(θ)＝1，则指向性参数可以简化为如式(9)所示：

$G_{\mathrm{nf}}\left[w\left(f\right)\right]=\frac{1}{w{\left(f\right)}^H\mathrm{Rw}\left(f\right)}---\left(9\right)$

因此最大化指向性参数，等价于最小化指向性参数的分母w(f)^HRw(f)。

所述白噪声增益的计算过程如下：

假设每个麦克风的白噪声s_w(f)是均匀分布的，则阵列输出信号信噪比如式(10)所示：

$\begin{array}{c}{\mathrm{SNR}}_{\mathrm{outw}}=\frac{{\left|u\left(f\right)w{\left(f\right)}^{H}a\left(\mathrm{\θ}\right)\right|}^2}{{{\mathrm{\Σ}}_{m=1}^M\left|s_w\left(f\right)w{\left(f\right)}^H\right|}^2}\\ =\frac{S_f\left(f\right){\left|w{\left(f\right)}^{H}a\left(\mathrm{\θ}\right)\right|}^2}{S_w\left(f\right){\mathrm{\Σ}}_{m=1}^M{\left|w{\left(f\right)}^H\right|}^2}\\ ={\mathrm{SNR}}_{\mathrm{iw}}\frac{1}{{\mathrm{\Σ}}_{m=1}^M{\left|w{\left(f\right)}^H\right|}^2}\end{array}---\left(10\right)$

其中第二个等号由无畸变约束w(f)^Ha(θ)＝1得到。

则根据白噪声增益的定义得到其表达式如式(11)所示：

$G_{\mathrm{wf}}\left[w\left(f\right)\right]=\frac{{\mathrm{SNR}}_{\mathrm{outw}}}{{\mathrm{SNR}}_{\mathrm{iw}}}=\frac{1}{{\mathrm{\Σ}}_{m=1}^M{\left|w{\left(f\right)}^H\right|}^2}---\left(11\right)$

在实际应用中，为了保证阵列较高的白噪声抑制能力和较强的波束稳健性，需要白噪声增益大于某一阈值，即G_wf[w(f)]＞G。

因此，在本实施例中，最大化指向性参数，并进行白噪声增益，具体可如式(12)所示：

$\underset{w}{\min }{w}^H\mathrm{Rw\; subject\; to}{w}^{H}a\left(\mathrm{\θ}\right)=1;G_{\mathrm{wf}}\left[w\right]>G---\left(12\right)$

进一步地，在根据所述优化参数对所述频域信号进行优化时，还可以对期望方向以外的其它方向波束陷零，这样既可以在做能量选择的过程中保证更加准确的判断，又可以在输出信号中减少其他方向信号的泄漏。具体的约束可以如式(13)所示：

$w{\left(f\right)}^{H}a\left({\mathrm{\θ}}_{\mathrm{null}\_1}\right)=0,w\left(f\right)a\left({\mathrm{\θ}}_{\mathrm{null}\_i}\right)=0,...,w\left(f\right)a\left({\mathrm{\θ}}_{\mathrm{null}\_\mathrm{Ne}}\right)=0---\left(13\right)$

其中a(θ_{null_i}),i＝1,...,Ne为其余各个方向导向矢量，Ne为陷零个数。

相应地，由上述的两个重要指标和无畸变约束，最优权重w(f)的求解问题可以转化为如式(14)所示的最优化问题，为了保证公式的整洁性，省略频域表达式中f。

$\underset{w}{\min }{w}^H\mathrm{Rw\; subject\; to}{w}^{H}a\left(\mathrm{\θ}\right)=1;{w^{H}a\left({\mathrm{\θ}}_{\mathrm{Null}\_i}\right)=0,i=1,...,\mathrm{Ne};G}_{\mathrm{wf}}\left[w\right]>G---\left(14\right)$

通过凸优化方法求解该优化问题可以计算出最优的权重矢量w，利用该权重矢量w，可以计算得到去噪后的语音信号。

步骤103，对去噪后的不同波束方向的语音信号进行预识别，并选择识别得分最高的语音信号的波束方向作为目标说话人方向，后续对在所述目标说话人方向上去噪后的语音信号进行语音识别，得到语音识别结果。

在实际应用中，可以对去噪后的多路波束输出的较为干净的语音信号分别进行预识别，还可以基于一定准则先对所述语音信号进行筛选，例如将语音信号的声波能量大于一定阈值的几路波束筛选出来，然后对筛选出的几路波束方向的语音信号进行预识别，以获得目标说话人方向，然后根据目标说话人方向上去噪后的语音信号进行语音识别。

另外，对语音信号的预识别可以是语音识别和/或声纹识别，具体有以下几种情况：

(1)对语音信号进行语音识别，得到特定命令词，并确定目标说话人方向，以触发后续的语音交互。

(2)对语音信号进行声纹识别，得到特定说话人，并确定目标说话人方向，以触发后续的语音交互。

(3)对语音信号进行语音识别和声纹识别，得到特定命令词及特定说话人，并确定目标说话人方向，以触发后续的语音交互。

上述三种情况下的预识别只是为了触发后续的语音交互，并确定目标说话人方向。

(4)对语音信号进行语音识别，得到语音识别结果，并确定目标说话人方向。

这种情况下的语音识别结果即是语音交互的内容。

需要说明的是，在实际应用中，智能交互产品在确定与之交互的目标说话人方位后，可相应地做出一些响应，如将智能机器人的脸转向目标说话人等，以提高后续智能交互过程中，麦克风阵列获取的语音信号的信噪比，进而提高语音识别效果，使人机交互更具智能性。

步骤104，根据所述语音识别结果执行操作。

在实际应用中，可以通过步骤103获得的语音识别结果，与目标用户进行智能交互，例如回答问题、做相应指令的动作等。

本发明实施例提供的基于圆形麦克风阵列的智能交互方法，通过将圆形麦克风阵列收集的用户语音信号进行去噪，对去噪后的不同波束方向的语音信号进行预识别，并选择识别得分最高的波束的对应方向作为目标说话人方向，后续对在所述目标说话人方向上去噪后的语音信号进行语音识别，得到语音识别结果，并根据所述语音识别结果执行操作，从而提高了语音识别的效果及稳定性。

相应地，本发明还实施例提供了一种基于圆形麦克风阵列的智能交互系统，如图3所示，是该系统的一种结构示意图。

在该实施例中，所述系统包括：

接收模块300，用于通过圆形麦克风阵列接收用户语音信号；

去噪模块301，用于对所述语音信号进行去噪处理，得到去噪后的语音信号；

识别模块302，用于对去噪后的不同波束方向的语音信号进行预识别，并选择识别得分最高的语音信号的波束方向作为目标说话人方向，后续对在所述目标说话人方向上去噪后的语音信号进行语音识别，得到语音识别结果；

交互处理模块303，用于根据所述识别模块302的语音识别结果执行操作。

所述去噪模块301具体可以先将语音信号转换为频域信号，然后计算所述频域信号的优化参数，并根据所述优化参数对频域信号进行优化，以得到去噪后的语音信号。相应的，去噪模块301的一种具体结构包括以下各单元：

信号转换单元，用于将所述语音信号转换为频域信号；

计算单元，用于计算所述频域信号的优化参数，所述优化参数包括：指向性参数和白噪声增益，所述指向性参数是指期望信号相对于全向噪声的输入信噪比和麦克风的输入信噪比的比值，所述白噪声增益是指所述圆形麦克风阵列输出信噪比与输入信噪比的比值；

第一优化单元，用于根据所述优化参数对所述频域信号进行优化，得到去噪后的语音信号。

此外，为了进一步对频域信号进行优化，所述去噪模块301还可以包括：

第二优化单元，用于在所述第一优化单元根据所述优化参数对所述频域信号进行优化时，对期望方向以外的其它方向波束陷零。

当然，为了进一步降低识别工作量，如图4所示，在本发明系统另一实施例中，所述系统还可以包括：

筛选模块304，用于从去噪后的语音信号中选择能量大于设定阈值的波束作为优选波束。

相应地，在该实施例中，所述识别模块302对所述优选波束方向的语音信号进行语音识别和/或声纹识别，以确定目标说话人方向。

需要说明的是，在实际应用中，上述识别模块302可以对去噪后的多路波束输出的较为干净的语音信号分别进行语音识别和/或声纹识别，该识别结果可以作为后续识别的触发条件，比如：

所述识别模块302可以对所述优选波束方向的语音信号进行语音识别，在识别到特定命令词后，选择识别得分最高的语音信号的波束方向作为目标说话人方向，并对后续在所述目标说话人方向上去噪后的语音信号进行语音识别，得到语音识别结果。

或者，上述识别模块302可以包括：声纹识别单元和语音识别单元；所述声纹识别单元对所述优选波束方向的语音信号进行声纹识别，得到特定说话人，并选择识别得分最高的语音信号的波束方向作为目标说话人方向，并触发所述语音识别单元对后续在所述目标说话人方向上去噪后的语音信号进行语音识别，得到语音识别结果。当然，所述语音识别单元也可以对所述优选波束方向的语音信号进行语音识别，在声纹识别单元得到特定说话人，并且语音识别单元得到特定命令词后，综合考虑这两个识别单元的识别得分来确定目标说话人方向，并触发所述语音识别单元对后续在所述目标说话人方向上去噪后的语音信号进行语音识别，得到语音识别结果。或者，所述识别模块302对所述优选波束方向的语音信号进行语音识别，在得到语音识别结果后，选择识别得分最高的语音信号的波束方向作为目标说话人方向，并对后续在所述目标说话人方向上去噪后的语音信号进行语音识别，得到后续语音信号的语音识别结果。

在实际应用中所述圆形麦克风阵列中的多个麦克风可以为均匀分布或非均匀分布。例如，当系统预先得知某个方向的目标说话人出现的概率较大，则可以在其对应的方向多布置麦克风，以增强圆形麦克风对特定方向的语音信息获取能力。

进一步的，为了改善波束形成性能，所述圆形麦克风阵列的中心还可以设有一个麦克风，使得形成波束的主瓣越窄，旁瓣越低。

本发明实施例提供的基于圆形麦克风阵列的智能交互系统，通过将去噪后的由圆形麦克风阵列收集的语音信息进行识别，获取目标说话人的方向，后续对在所述目标说话人方向上去噪后的语音信号进行语音识别，以提高智能交互系统的识别准确率及稳定性；由于将目标说话人方向以外其他方向上的语音信息进行陷零，进一步避免了其他方向信号泄露的问题，提高了智能交互系统的识别准确率。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上对本发明实施例进行了详细介绍，本文中应用了具体实施方式对本发明进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及系统；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (15)

1.一种基于圆形麦克风阵列的智能交互方法，其特征在于，包括：

通过圆形麦克风阵列接收用户语音信号；

对所述语音信号进行去噪处理，得到去噪后的语音信号；

对去噪后的不同波束方向的语音信号进行预识别，并选择识别得分最高的语音信号的波束方向作为目标说话人方向，对后续在所述目标说话人方向上去噪后的语音信号进行语音识别，得到语音识别结果；

根据所述语音识别结果执行操作。

2.根据权利要求1所述的方法，其特征在于，所述对所述语音信号进行去噪处理，得到去噪后的语音信号包括：

将所述语音信号转换为频域信号；

计算所述频域信号的优化参数，所述优化参数包括：指向性参数和白噪声增益，所述指向性参数是指期望信号相对于全向噪声的输入信噪比和麦克风的输入信噪比的比值，所述白噪声增益是指所述圆形麦克风阵列输出信噪比与输入信噪比的比值；

根据所述优化参数对所述频域信号进行优化，得到去噪后的语音信号。

3.根据权利要求2所述的方法，其特征在于，所述根据所述优化参数对所述频域信号进行优化还包括：

在根据所述优化参数对所述频域信号进行优化时，对期望方向以外的其它方向波束陷零。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：

从去噪后的语音信号的波束中选择能量大于设定阈值的波束作为优选波束；

所述对去噪后的不同波束方向的语音信号进行预识别包括：

对所述优选波束方向的语音信号进行预识别。

5.根据权利要求4所述的方法，其特征在于，所述对所述优选波束方向的语音信号进行预识别包括：

对所述优选波束方向的语音信号进行语音识别和/或声纹识别，得到特定命令词和/或特定说话人。

6.根据权利要求4所述的方法，其特征在于，所述对所述优选波束方向的语音信号进行预识别包括：

对所述优选波束方向的语音信号进行语音识别，得到语音识别结果。

7.一种基于圆形麦克风阵列的智能交互系统，其特征在于，包括：

接收模块，用于通过圆形麦克风阵列接收用户语音信号；

去噪模块，用于对所述语音信号进行去噪处理，得到去噪后的语音信号；

识别模块，用于对去噪后的不同波束方向的语音信号进行预识别，并选择识别得分最高的语音信号的波束方向作为目标说话人方向，对后续在所述目标说话人方向上去噪后的语音信号进行语音识别，得到语音识别结果；

交互处理模块，用于根据所述识别模块的语音识别结果执行操作。

8.根据权利要求7所述的系统，其特征在于，所述去噪模块包括：

信号转换单元，用于将所述语音信号转换为频域信号；

计算单元，用于计算所述频域信号的优化参数，所述优化参数包括：指向性参数和白噪声增益，所述指向性参数是指期望信号相对于全向噪声的输入信噪比和麦克风的输入信噪比的比值，所述白噪声增益是指所述圆形麦克风阵列输出信噪比与输入信噪比的比值；

第一优化单元，用于根据所述优化参数对所述频域信号进行优化，得到去噪后的语音信号。

9.根据权利要求8所述的系统，其特征在于，所述去噪模块还包括：

第二优化单元，用于在所述第一优化单元根据所述优化参数对所述频域信号进行优化时，对期望方向以外的其它方向波束陷零。

10.根据权利要求7至9任一项所述的系统，其特征在于，所述系统还包括：

筛选模块，用于从去噪后的语音信号的波束中选择能量大于设定阈值的波束作为优选波束；

所述识别模块，具体用于对所述优选波束方向的语音信号进行预识别，以确定目标说话人方向。

11.根据权利要求10所述的系统，其特征在于，

所述识别模块，具体用于对所述优选波束方向的语音信号进行语音识别，在识别到特定命令词后，选择识别得分最高的语音信号的波束方向作为目标说话人方向，并对后续在所述目标说话人方向上去噪后的语音信号进行语音识别，得到语音识别结果。

12.根据权利要求10所述的系统，其特征在于，所述识别模块包括：声纹识别单元和语音识别单元；所述声纹识别单元对所述优选波束方向的语音信号进行声纹识别，得到特定说话人，并选择识别得分最高的语音信号的波束方向作为目标说话人方向，并触发所述语音识别单元对后续在所述目标说话人方向上去噪后的语音信号进行语音识别，得到语音识别结果。

13.根据权利要求10所述的系统，其特征在于，

所述识别模块，具体用于对所述优选波束方向的语音信号进行语音识别，在得到语音识别结果后，选择识别得分最高的语音信号的波束方向作为目标说话人方向，并对后续在所述目标说话人方向上去噪后的语音信号进行语音识别，得到后续语音信号的语音识别结果。

14.根据权利要求7至9任一项所述的系统，其特征在于，所述圆形麦克风阵列中的多个麦克风为均匀分布或非均匀分布。

15.根据权利要求7至9任一项所述的系统，其特征在于，所述圆形麦克风阵列的中心还设有一个麦克风。