CN107621625A - 基于双微麦克风阵的声源定位方法 - Google Patents

Abstract

本发明公开了一种基于双微麦克风阵的声源定位方法，将模拟人耳的双微麦克风阵列初次引入声源定位方法，同时，将空间聚类和能量分析的方法引入相位变换加权的可控响应功率声源定位算法，并结合微型阵的结构特点有效减少计算量。本发明提简单易懂、思路清晰，较好地改进了现在研究较少的微型阵声源定位算法。

Description

基于双微麦克风阵的声源定位方法

技术领域

本发明涉及语音信号处理领域，具体涉及一种基于双微麦克风阵的声源定 位方法。

背景技术

近几十年来，高端数字助听器和人工耳蜗技术发展迅速，其中助听器更是 从听残者的专用器械逐步成为服务于优听功能的大众产品。随着助听器技术的 逐渐成熟，单纯的语音增强已不能满足大众的要求，语音识别及语音定位等相 关技术也在不断应用其中。通过对说话人的位置进行声源定位从而将数字助听 器指向说话人，能够定向地放大说话人的声音，去除无关噪声。

另一方面，与发展成熟的机器人视觉相比，机器人听觉也是近些年来急需 发展的研究内容。目前，对于机器人声源定位的研究并不完善，要么是放置在 机器人身上的麦克风阵列过大无法起到仿人耳的作用，要么就是麦克风太少导 致定位精度过低。

目前国内外在微型阵列的语音定位方面研究都不多，这对于现在不断小型 化的电子设备来说无疑是个问题。目前，声源定位技术主要采用基于时延估计 的方法，该方法原理简单易懂且计算方便简易。但是，基于时延估计的声源定 位方法抗混响抗噪声能力较差且在微型阵列上的精度差强人意。针对微型阵列 对于时延估计的精度限制问题，目前通常采用相位变换加权的可控响应功率 (SRP-PHAT)声源定位算法，该算法采取的是空间搜索的方式对声源进行定位， 精度较准但是计算量大，效率低。

发明内容

针对现有技术的不足，本发明所解决的问题是如何解决相位变换加权的可 控响应功率(SRP-PHAT)声源定位算法过程中计算量大，效率低的问题。

为解决上述技术问题，本发明采用的技术方案是一种基于双微麦克风阵的 声源定位方法，将模拟人耳的双微麦克风阵列初次引入声源定位方法，同时， 将空间聚类和能量分析的方法引入相位变换加权的可控响应功率(SRP-PHAT) 声源定位算法，并结合微型阵的结构特点有效减少计算量，包括如下步骤：

(1)构建双边微型麦克风阵列并确定相关坐标位置，其过程如下：设立两 个相距16cm(人两耳之间大致距离)的微型麦克风阵，每个微型麦克风由4个 麦克风均匀分布在直径为4cm的圆上。由于在只有一个声源的房间里，第i个麦 克风接收到的信号可以表示为：

x_i(n)＝s(n)*h_i(n)+v_i(n)

其中，s(n)是声源信号，h_i(n)是房间的单位脉冲响应，v_i(n)是与s(n)不想关 的背景噪声，“*”是卷积符号。

可推导出8个麦克风的坐标分别为 s1(0,8,2),s2(2,8,0),s3(0,8,-2),s4(-2,8,0),s5(0,-8,2),s6(2,-8,0),s7(0 ,-8,-2),s8(-2,-8,0)。

(2)分别计算各麦克风接收到的语音信号的能量，比较两个微型阵列接收 到的平均能量，将空间以阵列中间平面为轴面一分为二，将能量较大的微型阵 的一边作为之后定位的范围，其过程如下：设第i个麦克风接收到的信号能量为

E_i＝∑x_i ²(n)

左右耳接受到的信号能量总和分别为

比较左右耳接收到的能量大小，若右耳能量大，则将定位范围确定在右边 区域(即y>0区域)；若左耳能量大，则确定在左边区域(y<0区域)。

(3)使用空间聚类的方法将空间分割成一个个小网格并确定声源位置候选 点，有效减少候选点数量，每个网格对应一组麦克风阵列的导引时延，其过程 如下：

1)首先将整个搜索空间作为一个矩形的块。

2)分别计算各块八个顶点到麦克风阵列的到达时延(TDOAs)，如果出现至 少两个顶点的到达时延(TDOAs)不同，则将该块均匀分成8个部分，否则停止 分割该块。

3)将分割好的各块重复过程2)的操作，直到空间中分割好的各块都满足 条件为止。

4)选取各块中心点为声源候选位置点。

(4)根据相位变换加权的可控响应功率(SRP-PHAT)算法计算出麦克风阵 列导引到每个位置候选点的输出功率即可控响应功率，并找出最大可控响应功 率,其过程如下：

首先定义假想声源候选点q，q到第i个麦克风的时延定义为τ_i,q，那么候选 点到每个麦克风对的相对时延为

τ_lm＝τ_l,q-τ_m,q

给出第i个麦克风在时刻n接受到的声源信号x_i(n)，延迟求和波束形成器的 输出为

其频域描述

式中，X_i(k),G_i(k)分别为第i个麦克风接收到的语音信号的短时傅里叶变换 及其对应的相关滤波器。可控响应功率(SRP)算法中每个候选点的波束输出功率 (即可控响应功率)为；

其中，X_l(k),X_m(k)分别为第l个和第m个麦克风接收到的语音信号的短时傅 里叶变换，Ψ_lm(k)＝G_l(k)G_m′(k)为相关权函数；

为了在复杂混响的情况下获得更好的系统鲁棒性和可靠性，引入相位变换 的权函数PHAT，即

(5)通过查表或网格法找出最大可控响应功率对应的声源位置 候选点，实现定位，该点坐标即为所求的声源位置点

采用本发明的技术方案有效减少了相位变换加权的可控响应功率 (SRP-PHAT)声源定位算法计算量，更因其尺寸优势可应用于手机等小型电子 设备。

附图说明

图1为本发明使用的双微麦克风模型坐标；

图2本发明流程图；

图3为空间聚类分割示意图。

具体实施方式

下面结合附图和实施例对本发明的具体实施方式作进一步的说明，但不是 对本发明的限定。

图1示出了本发明使用的双微麦克风模型，每个微型麦克风由4个麦克风均匀分布在 直径为4cm的圆上，8个麦克风的坐标分别为： s1(0,8,2),s2(2,8,0),s3(0,8,-2),s4(-2,8,0),s5(0,-8,2),s6(2,-8,0),s7(0 ,-8,-2),s8(-2,-8,0)。

图2示出了本发明的流程，一种基于双微麦克风阵的声源定位方法，将模 拟人耳的双微麦克风阵列初次引入声源定位方法，同时，将空间聚类和能量分 析的方法引入相位变换加权的可控响应功率(SRP-PHAT)声源定位算法，并结 合微型阵的结构特点有效减少计算量，包括如下步骤：

(1)构建双边微型麦克风阵列并确定相关坐标位置。说话人定位的麦克风 阵列多在室内环境下使用，麦克风接受到的信号中除了声源直达信号外还存在 着背景噪声和房间墙壁反射带来的混响信号。在只有一个声源的房间里，第i个 麦克风接收到的信号可以表示为：

x_i(n)＝s(n)*h_i(n)+v_i(n)

其中，s(n)是声源信号，h_i(n)是房间的单位脉冲响应，v_i(n)是与s(n)不想关 的背景噪声，“*”是卷积符号。

在拟人耳的基础上，本发明创建了一种有两个相距16cm的微型阵组成 的双边微型麦克风阵列。根据相位变换加权的可控响应功率(SRP-PHAT)算法 适合圆形或球形阵列的特点，每个微型阵中的4个麦克风均匀分布在一个半径 为2cm的圆上。以阵列中心为原点，创建一个三维直角坐标系如图1所示。8个 麦克风的坐标分别为：

s1(0,8,2),s2(2,8,0),s3(0,8,-2),s4(-2,8,0),s5(0,-8,2),s6(2,-8,0), s7(0,-8,-2),s8(-2,-8,0)。

这样的阵列结构不仅因其尺寸优势适用于小型设备中，同时也因其麦克风 数量和立体结构可做到较为精准的近场定位。

(2)分别计算各麦克风接收到的语音信号的能量，比较两个微型阵列接收 到的平均能量。将空间以阵列中间平面为轴面一分为二，将能量较大的微型阵 的一边作为之后定位的范围。由于人头的影响，在近场的条件下，声音到达左 右耳的能量差异较大。根据这一特性，本发明利用双耳能量差将室内定位范围 缩减一半。第i个麦克风接收到的信号能量可以表示为

E_i＝∑x_i ²(n)

左右耳接受到的信号能量总和分别为

比较左右耳接收到的能量大小，若右耳能量大，则将定位范围确定在右边 区域(即y>0区域)；若左耳能量大，则确定在左边区域(y<0区域)。这样做初 步缩减了搜索空间的一半。

(3)使用空间聚类的方法将空间分割成一个个小网格并确定声源位置候选 点，有效减少候选点数量。同时，每个网格对应一组麦克风阵列的导引时延。 与传统相位变换加权的可控响应功率(SRP-PHAT)算法均匀划分空间网格选取 候选位置点不同，本发明使用一种空间搜索聚类的方法选取候选点。

该方法的大致过程为：

1)首先将整个搜索空间作为一个矩形的块。

2)分别计算各块八个顶点到麦克风阵列的到达时延(TDOAs)，如果出现至 少两个顶点的到达时延(TDOAs)不同，则将该块均匀分成8个部分，见图3所示， 否则停止分割该块。

3)将分割好的各块重复(2)的操作，直到空间中分割好的各块都满足条 件为止。

4)选取各块中心点为声源候选位置点。

该方法主要思想和意义是是将有相同TDOA的候选点归为一类，选择一个点 作为该类所有点的代表，将代表点存储在一个搜索表格(look-up)中，在之后 的搜索计算中只要对各类的代表点进行处理即可。该方法尤其在微型阵中可大 大减少候选点数量并降低计算量。

(4)根据相位变换加权的可控响应功率(SRP-PHAT)算法计算出麦克风阵 列导引到每个位置候选点的输出功率(即可控响应功率)，并找出最大可控响应 功率。

基于可控响应功率(steered response power，SRP)的声源定位算法又称 为延迟求和波束形成算法，基本思想是将空间分成一个个小网格，每个网格对 应一个声源候选点，也对应一组麦克风阵列的导引时延，通过这些时延值及输 入信号计算出每个网格的输出功率(即可控响应功率)，最后找出最大的可控响 应功率对应的声源位置候选点即为声源位置。

首先定义假想声源候选点q，q到第i个麦克风的时延定义为τ_i,q，那么候选 点到每个麦克风对的相对时延为

τ_lm＝τ_l,q-τ_m,q

给出第i个麦克风在时刻n接受到的声源信号x_i(n)，延迟求和波束形成器的 输出为

其频域描述

式中，X_i(k),G_i(k)分别为第i个麦克风接收到的语音信号的短时傅里叶变换 及其对应的相关滤波器。可控响应功率(SRP)算法中每个候选点的波束输出功率 (即可控响应功率)为

式中，X_l(k),X_m(k)分别为第l个和第m个麦克风接收到的语音信号的短时傅 里叶变换，Ψ_lm(k)＝G_l(k)G_m′(k)为相关权函数。由于原始的SRP算法受噪声和混响干 扰严重，于是研究人员引入相位变换的权函数PHAT，即

选择相位变换的权函数可以使广义互相关函数在各个频率分量上的权重平 均，从而在复杂回响的条件下获得较好的鲁棒性和可靠性。

(5)通过查表或网格法找出最大可控响应功率对应的声源位置候选点，实 现精细定位。该点坐标即为所求的声源位置点。

采用本发明的技术方案有效减少了相位变换加权的可控响应功率 (SRP-PHAT)声源定位算法计算量，更因其尺寸优势可应用于手机等小型电子 设备。

以上结合附图对本发明的实施方式做出了详细说明，但本发明不局限于所描述的实施方式。对于本领域技术人员而言，在不脱离本发明的原理和精神的情况 下，对这些实施方式进行各种变化、修改、替换和变型仍落入本发明的保护范 围内。

Claims (6)

1.一种基于双微麦克风阵的声源定位方法，其特征在于：将模拟人耳的双微麦克风阵列初次引入声源定位方法，同时，将空间聚类和能量分析的方法引入相位变换加权的可控响应功率声源定位算法，并结合微型阵的结构特点有效减少计算量，包括如下步骤：

(1)构建双边微型麦克风阵列并确定相关坐标位置；

(2)分别计算各麦克风接收到的语音信号的能量，比较两个微型阵列接收到的平均能量，将空间以阵列中间平面为轴面一分为二，将能量较大的微型阵的一边作为之后定位的范围；

(3)使用空间聚类的方法将空间分割成一个个小网格并确定声源位置候选点，有效减少候选点数量，每个网格对应一组麦克风阵列的导引时延；

(4)根据相位变换加权的可控响应功率算法计算出麦克风阵列导引到每个位置候选点的输出功率即可控响应功率，并找出最大可控响应功率；

(5)通过查表或网格法找出最大可控响应功率对应的声源位置候选点，实现定位。

2.根据权利要求1所述的基于双微麦克风阵的声源定位方法，其特征在于：在步骤(1)中，其过程如下：设立两个相距16cm的微型麦克风阵，每个微型麦克风由4个麦克风均匀分布在直径为4cm的圆上，在单声源的房间里，第i个麦克风接收到的信号表示为：

x_i(n)＝s(n)*h_i(n)+v_i(n)

其中，s(n)是声源信号，h_i(n)是房间的单位脉冲响应，v_i(n)是与s(n)不想关的背景噪声，“*”是卷积符号；

可推导出8个麦克风的坐标分别为：

s1(0,8,2),s2(2,8,0),s3(0,8,-2),s4(-2,8,0),s5(0,-8,2),s6(2,-8,0),s7(0,-8,-2),s8(-2,-8,0)。

3.根据权利要求1或2所述的基于双微麦克风阵的声源定位方法，其特征在于：在步骤(2)中，其过程如下：设第i个麦克风接收到的信号能量为

E_i＝∑x_i ²(n)

左右耳接受到的信号能量总和分别为

比较左右耳接收到的能量大小，若右耳能量大，则将定位范围确定在右边区域即y>0区域；若左耳能量大，则确定在左边区域即y<0区域。

4.根据权利要求1或2所述的基于双微麦克风阵的声源定位方法，其特征在于：在步骤(3)中，其过程如下：

1)首先将整个搜索空间作为一个矩形的块；

2)分别计算各块八个顶点到麦克风阵列的到达时延TDOAs，如果出现至少两个顶点的到达时延TDOAs不同，则将该块均匀分成8个部分，否则停止分割该块；

3)将分割好的各块重复过程2)的操作，直到空间中分割好的各块都满足条件为止；

4)选取各块中心点为声源候选位置点。

5.根据权利要求1或2所述的基于双微麦克风阵的声源定位方法，其特征在于：在步骤(4)中，其过程如下：

首先定义假想声源候选点q，q到第i个麦克风的时延定义为τ_i,q，那么候选点到每个麦克风对的相对时延为

τ_lm＝τ_l,q-τ_m,q

给出第i个麦克风在时刻n接受到的声源信号x_i(n)，延迟求和波束形成器的输出为

其频域描述

式中，X_i(k),G_i(k)分别为第i个麦克风接收到的语音信号的短时傅里叶变换及其对应的相关滤波器；可控响应功率算法中每个候选点的波束输出功率即可控响应功率为

其中，X_l(k),X_m(k)分别为第l个和第m个麦克风接收到的语音信号的短时傅里叶变换，Ψ_lm(k)＝G_l(k)G_m′(k)为相关权函数；

为了在复杂混响的情况下获得更好的系统鲁棒性和可靠性，引入相位变换的权函数，即

6.根据权利要求1或2所述的基于双微麦克风阵的声源定位方法，其特征在于：最大可控响应功率对应的声源位置候选点为所求的声源位置点