CN110673096A - 语音定位方法和装置、计算机可读存储介质、电子设备 - Google Patents
语音定位方法和装置、计算机可读存储介质、电子设备 Download PDFInfo
- Publication number
- CN110673096A CN110673096A CN201910940880.3A CN201910940880A CN110673096A CN 110673096 A CN110673096 A CN 110673096A CN 201910940880 A CN201910940880 A CN 201910940880A CN 110673096 A CN110673096 A CN 110673096A
- Authority
- CN
- China
- Prior art keywords
- signal
- determining
- voice
- noise ratio
- word
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
- G01S5/22—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
Abstract
本公开实施例公开了一种语音定位方法和装置、计算机可读存储介质、电子设备,其中,方法包括:基于传声器阵列对设定空间内的多个位置进行声音采集,获得多个位置中每个位置对应的语音信号,得到多个语音信号;响应于待唤醒设备根据所述多个语音信号实现唤醒,确定符合预设条件的至少一个目标位置;确定设定时间段内的第一信噪比;基于第一信噪比和至少一个目标位置,从多个位置中确定唤醒位置,本实施例针对不同信噪比的情况确定不同的位置为唤醒位置,提高了定位准确度的同时,使定位方法适用于多种场景。
Description
技术领域
本公开涉及声音定位技术,尤其是一种语音定位方法和装置、计算机可读存储介质、电子设备。
背景技术
为了方便在设定空间(如,车内等)内多个语音同时对待唤醒设备进行控制,对于待唤醒设备需要确定发出唤醒词的位置;例如,车内多用户对车辆进行控制,车内语音唤醒车辆控制系统时,需要确定唤醒人所在的位置。但在设定空间中存在其他声音干扰,位置定位的准确度较低。例如,由于车辆行驶中,受到胎噪、风噪、发动机噪声、车内空调噪声、车内音乐以及车内说话人干扰等影响,车载声源定位准确度大幅降低。
发明内容
为了解决上述技术问题,提出了本公开。本公开的实施例提供了一种语音定位方法和装置、计算机可读存储介质、电子设备。
根据本公开实施例的一个方面,提供了一种语音定位方法,包括:
基于传声器阵列对设定空间内的多个位置进行声音采集,获得所述多个位置中每个位置对应的语音信号;
响应于待唤醒设备根据所述多个语音信号实现唤醒,确定符合预设条件的至少一个目标位置;
确定设定时间段内的第一信噪比;
基于所述第一信噪比和所述至少一个目标位置,从所述多个位置中确定唤醒位置。
根据本公开实施例的另一方面,提供了一种语音定位装置,包括:
信号采集模块,用于基于传声器阵列对设定空间内的多个位置进行声音采集,获得所述多个位置中每个位置对应的语音信号,得到多个语音信号;
语音唤醒模块,用于响应于待唤醒设备根据所述信号采集模块获得的多个语音信号实现唤醒,确定符合预设条件的至少一个目标位置;
信噪比确定模块,用于确定设定时间段内的第一信噪比;
位置定位模块,用于基于所述信噪比确定模块确定的第一信噪比和所述语音唤醒模块确定的至少一个目标位置,从所述多个位置中确定唤醒位置。
根据本公开实施例的又一方面,提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行上述实施例所述的语音定位方法。
根据本公开实施例的还一方面,提供了一种电子设备,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述实施例所述的语音定位方法。
基于本公开上述实施例提供的一种语音定位方法和装置、计算机可读存储介质、电子设备,基于传声器阵列对设定空间内的多个位置进行声音采集,获得多个位置中每个位置对应的语音信号,得到多个语音信号;响应于待唤醒设备根据所述多个语音信号实现唤醒,确定符合预设条件的至少一个目标位置;确定设定时间段内的第一信噪比;基于第一信噪比和至少一个目标位置,从多个位置中确定唤醒位置,本实施例针对不同信噪比的情况确定不同的位置为唤醒位置,提高了定位准确度的同时,使定位方法适用于多种场景。
下面通过附图和实施例,对本公开的技术方案做进一步的详细描述。
附图说明
通过结合附图对本公开实施例进行更详细的描述,本公开的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本公开实施例的进一步理解,并且构成说明书的一部分,与本公开实施例一起用于解释本公开,并不构成对本公开的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1是本公开一示例性实施例提供的基于分布式传声器阵列的语音定位方法的系统框图。
图2是本公开一示例性实施例提供的语音定位方法的流程示意图。
图3是本公开一示例性实施例提供的语音定位方法对应的一个示意性应用场景图。
图4是本公开图2所示的实施例中步骤202的一个流程示意图。
图5是本公开图2所示的实施例中步骤204的一个流程示意图。
图6是本公开图2所示的实施例中步骤203的一个流程示意图。
图7是本公开图2所示的实施例中步骤202的另一个流程示意图。
图8是本公开图2所示的实施例中步骤201的一个流程示意图。
图9是本公开一示例性实施例提供的语音定位装置的结构示意图。
图10是本公开另一示例性实施例提供的语音定位装置的结构示意图。
图11是本公开一示例性实施例提供的电子设备的结构图。
具体实施方式
下面,将参考附图详细地描述根据本公开的示例实施例。显然,所描述的实施例仅仅是本公开的一部分实施例,而不是本公开的全部实施例,应理解,本公开不受这里描述的示例实施例的限制。
应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
本领域技术人员可以理解,本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等,既不代表任何特定技术含义,也不表示它们之间的必然逻辑顺序。
还应理解,在本公开实施例中,“多个”可以指两个或两个以上,“至少一个”可以指一个、两个或两个以上。
还应理解,对于本公开实施例中提及的任一部件、数据或结构,在没有明确限定或者在前后文给出相反启示的情况下,一般可以理解为一个或多个。
另外,本公开中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本公开中字符“/”,一般表示前后关联对象是一种“或”的关系。
还应理解,本公开对各个实施例的描述着重强调各个实施例之间的不同之处,其相同或相似之处可以相互参考,为了简洁,不再一一赘述。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
本公开实施例可以应用于终端设备、计算机系统、服务器等电子设备,其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于:个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统、大型计算机系统和包括上述任何系统的分布式云计算技术环境,等等。
终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常,程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等,它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施,分布式云计算环境中,任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中,程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
申请概述
在实现本公开的过程中,发明人发现,现有技术通常基于到达时间差的方法实现语音定位,其具体包括:当说话人唤醒系统时,统计唤醒词所在时间段内,不同传声器单元间的到达时间差,最先接收到信号的传声器单元指向的位置即为说话人所在的位置;该方案至少存在以下问题:只适用于高信噪比场景,信噪比较低时,上述方法失效。
示例性系统
图1是本公开一示例性实施例提供的基于分布式传声器阵列的语音定位方法的系统框图。如图1所示,本实施例系统包括:
语音增强:使用语音增强算法处理传声器阵列接收到的信号。语音增强算法可以包括但不限于回声消除、波束形成/盲源分离、噪声抑制等现有方法。
唤醒词解码器:将语音增强后的数据送入唤醒词解码器,唤醒词解码器会输出唤醒的结果flagwkp以及唤醒的通道chwkp。
最大能量统计:当系统唤醒时,统计唤醒词所在时间段能量,获得最大能量所在的通道cheng。
信噪比估计:估计唤醒词所在时间段内的信噪比SNR,用于增强声源定位结果的准确度。
声源定位装置:当系统信噪比较高时,语音增强算法输出信号每个通道内均含有一定的唤醒词成分,此时每个通道均有可能唤醒,而唤醒人对应通道的输出能量是最大的,因此高信噪比场景使用cheng作为声源定位的结果;当系统信噪比较低时,噪声所在通道的能量可能高于唤醒词所在通道的能量,由于系统信噪比较低,语音增强后唤醒词所在通道最容易被唤醒,因此低信噪比场景使用chwkp作为声源定位的结果。
示例性方法
图2是本公开一示例性实施例提供的语音定位方法的流程示意图。本实施例可应用在电子设备上,本实施例中的电子设备可以包括图1提供的系统中包括的传声器阵列、唤醒词解码器和声源定位装置等构成的设备,如图2所示,包括如下步骤:
步骤201,基于传声器阵列对设定空间内的多个位置进行声音采集,获得多个位置中每个位置对应的语音信号,得到多个语音信号。
可选地,本实施例中的传声器阵列可以为分布式传声器阵列,通过传声器阵列接收到的信号对每个位置的声源有一定的区分度,降低了声源定位的难度,靠近声源位置的传声单元接收到的能量较大。图3是本公开一示例性实施例提供的语音定位方法对应的一个示意性应用场景图。如图3所示,本实施例应用于车内场景,图中左下角表示主驾位置,其他表示非主驾位置,本实施例中的传声器阵列包括传声器1、2、3、4,分别对应每个位置;通过传声器阵列对车内空间的声音信号进行采集,得到四个语音信号。
步骤202,响应于待唤醒设备根据多个语音信号实现唤醒,确定符合预设条件的至少一个目标位置。
可选地,本实施例中是否可实现唤醒可基于上述图1所示实施例中唤醒词解码器确定,通过唤醒词解码器输出唤醒的结果以及唤醒的通道。
步骤203,确定设定时间段内的第一信噪比。
可选地,本实施例中的第一信噪比可基于上述图1所示实施例中的信噪比估计确定,该第一信噪比用于增强声源定位结果的准确度。
步骤204,基于第一信噪比和至少一个目标位置,从多个位置中确定唤醒位置。
在一些可选示例中,本实施例中的目标位置可基于上述图1所示实施例中的声源定位确定,从多个位置中确定对待唤醒设备实现唤醒的声源对应的目标位置。
如图3所示,本实施例中假定主驾实现唤醒(主驾位置发出的声音为期望声源),最大能量通道对应的位置为主驾,如果此时,通过唤醒词解码器确定的唤醒通道对应的位置为非主驾位置,则基于唤醒词的定位方法结果出错,此时,基于本实施例提供的语音定位方法能够基于信噪比估计结果,将最终定位结果修正为主驾。
基于本公开上述实施例提供的一种语音定位方法,基于传声器阵列对设定空间内的多个位置进行声音采集,获得多个位置中每个位置对应的语音信号,得到多个语音信号;响应于待唤醒设备根据所述多个语音信号实现唤醒,确定符合预设条件的至少一个目标位置;确定设定时间段内的第一信噪比;基于第一信噪比和至少一个目标位置,从多个位置中确定唤醒位置,本实施例基于第一信噪比确定唤醒位置,实现了针对不同信噪比的情况确定不同的位置为唤醒位置,提高了定位准确度的同时,使定位方法适用于多种场景。
如图4所示,在上述图2所示实施例的基础上,步骤202可包括如下步骤:
步骤2021,确定用于唤醒待唤醒设备的唤醒词。
可选地,每个待唤醒设备具有其对应的唤醒词(一个或多个),这些唤醒词是预先设置的,本实施例可从待唤醒设备的配置信息获得唤醒词,或其他方式获得唤醒词,本实施例对确定唤醒词的具体方式不做限制。
步骤2022,确定唤醒词对应的第一位置,第一位置为符合预设条件的目标位置;和/或,确定多个语音信号中具有最大能量值的语音信号对应的第二位置,第二位置为符合预设条件的目标位置。
确定符合预设条件的目标位置可包括以下三种情况:在已知唤醒词的情况下,可基于唤醒词对应的语音信号确定其对应的第一位置,该第一位置为符合预设条件的目标位置;或者,将多个语音信号中能量值最大的语音信号对应的位置作为目标位置;还有一种情况是,同时获得第一位置和第二位置,将第一位置和第二位置都作为目标位置。本实施例采用唤醒与能量相结合的方法,估计传声器阵列输入信号的信噪比,高信噪比场景使用基于能量的方法定位说话人的位置,低信噪比场景使用基于唤醒的方法定位说话人的位置。
如图5所示,在上述图2所示实施例的基础上,步骤204可包括如下步骤:
步骤2041,判断唤醒词对应的时间段内的第一信噪比是否大于预设信噪比;如果是,执行步骤2042,否则,执行步骤2043。
步骤2042,确定多个位置中的第二位置为唤醒位置。
步骤2043,确定多个位置中的第一位置为唤醒位置。
本实施例中,在已知唤醒词之后,可确定唤醒词对应的时间段,并确定该时间段内的第一信噪比,为了提高不同信噪比下目标位置的准确性,本实施例设置预设信噪比(可根据具体情况进行调整大小),将大于预设信噪比的情况确定为高信噪比场景,语音增强算法输出信号每个通道内均含有一定的唤醒词成分,此时每个通道均有可能唤醒,使用基于能量的方法定位(第二位置)说话人的位置;将小于或等于预设信噪比的情况确定为低信噪比场景,此时,噪声所在通道的能量可能高于唤醒词所在通道的能量,由于系统信噪比较低,语音增强后唤醒词所在通道最容易被唤醒,因此使用基于唤醒的方法定位(第一位置)说话人的位置。
如图6所示,在上述图2所示实施例的基础上,步骤203可包括如下步骤:4、根据权利要求3所述的方法,所述确定预设时间段内的第一信噪比,包括:
步骤2031,在唤醒词对应的时间段内,确定传声器阵列接收信号的信噪比,得到多个信噪比。
可选地,本实施例信噪比统计的是传声器阵列输入信号的信噪比,输出信号由于做了语音增强,信噪比受到算法影响,变化较大。
步骤2032,将多个信噪比中最大的信噪比作为第一信噪比。
本实施例中,估计唤醒词所在时间段内的信噪比SNR,用于增强声源定位结果的准确度,第一信噪比为多个语音信号对应的信噪比中最大的,语音信号的信噪比可在噪声抑制(信号增强过程中包括噪声抑制)过程中确定。
如图7所示,在上述图2所示实施例的基础上,步骤202可包括如下步骤:
步骤701,确定用于唤醒待唤醒设备的唤醒词。
步骤702,通过唤醒词解码器对多个语音信号进行处理,根据多个语音信号中是否包括唤醒词确定待唤醒设备的唤醒结果。
步骤703,基于唤醒词解码器确定唤醒词对应的第一位置;和/或,根据唤醒词确定唤醒词对应的时间段,确定多个语音信号中具有最大能量值的语音信号对应的第二位置。
在一些可选示例中,基于唤醒词解码器确定唤醒词对应的传声器阵列的语音信号对应的通道;根据传声器阵列输出的多个语音信号对应的多个通道与多个位置之间的对应关系确定唤醒词对应的第一位置。
本实施例中位置的确定需要结合传声器的信号分离确定,其中,传声器阵列中的通道与位置存在对应关系,该对应关系可基于波束形成或盲源分离方法等确定,本实施例不限制获得通道与位置之间关系的具体方法。
在一些可选示例中,根据唤醒词确定唤醒词对应的时间段,对在时间段内的多个语音信号进行处理,获得每个语音信号对应的能量值,确定最大能量值的语音信号对应的通道;根据传声器阵列输出的多个语音信号对应的多个通道与多个位置之间的对应关系确定最大能量值对应的第二位置。
其中,最大能量和唤醒通道,对应的都是处理后的传声器阵列信号,也就是传声器阵列的输出信号。
本实施例中,分别确定每个语音信号的能量值,能量值的确定是基于时间段内对应的全部信号幅度的平方再累加得到,以获得最大能量值对应的通道,确定最大能量值的过程可以通过对所有能量值按大小排序后获得,例如,将能量值从大到小排序,取首位即为最大能量值,或者,将能量值从小到大排序,取末位即为最大能量值。
本实施例中,将语音增强后的语音信号送入唤醒词解码器,唤醒词解码器会输出唤醒的结果以及唤醒词对应的通道;当实现对待唤醒设备的唤醒时,统计唤醒词所在时间段每段语音信号的能量,并确定最大能量对应的通道,其中能量的确定可基于幅度和时间计算获得。
如图8所示,在上述图2所示实施例的基础上,步骤201可包括如下步骤:
步骤2011,基于传声器阵列对设定空间内的多个位置进行声音采集,获得多个原始语音信号。
步骤2012,对多个原始语音信号进行回声消除和信号增强处理,得到多个位置中每个位置对应的语音信号。
可选地,步骤2012在对多个原始语音信号进行回声消除和信号增强处理之后,还可以包括:对回声消除和信号增强处理后的多个原始语音信号进行噪声抑制处理。
本实施例中,还可以通过噪声抑制处理,获得每个原始声音信号的信噪比,以确定最大信噪比。
本实施例实现的过程可参照图1所示实施例中语音增强的部分,即使用语音增强算法处理传声器接收到的信号,其中,语音增强算法可以包括但不限于回声消除、波束形成/盲源分离、噪声抑制等现有方法。
本公开实施例提供的任一种语音定位方法可以由任意适当的具有数据处理能力的设备执行,包括但不限于:终端设备和服务器等。或者,本公开实施例提供的任一种语音定位方法可以由处理器执行,如处理器通过调用存储器存储的相应指令来执行本公开实施例提及的任一种语音定位方法。下文不再赘述。
示例性装置
图9是本公开一示例性实施例提供的语音定位装置的结构示意图。如图9所示,本实施例装置包括:
信号采集模块91,用于基于传声器阵列对设定空间内的多个位置进行声音采集,获得多个位置中每个位置对应的语音信号,得到多个语音信号。
语音唤醒模块92,用于响应于待唤醒设备根据信号采集模块获得的多个语音信号实现唤醒,确定符合预设条件的至少一个目标位置。
信噪比确定模块93,用于确定设定时间段内的第一信噪比。
位置定位模块94,用于基于信噪比确定模块确定的第一信噪比和语音唤醒模块确定的至少一个目标位置,从多个位置中确定唤醒位置。
基于本公开上述实施例提供的一种语音定位装置,基于传声器阵列对设定空间内的多个位置进行声音采集,获得多个位置中每个位置对应的语音信号,得到多个语音信号;响应于待唤醒设备根据所述多个语音信号实现唤醒,确定符合预设条件的至少一个目标位置;确定设定时间段内的第一信噪比;基于第一信噪比和至少一个目标位置,从多个位置中确定唤醒位置,本实施例针对不同信噪比的情况确定不同的位置为唤醒位置,提高了定位准确度的同时,使定位方法适用于多种场景。
图10是本公开另一示例性实施例提供的语音定位装置的结构示意图。如图10所示,本实施例装置包括:
信号采集模块91包括:
原始声音采集单元911,基于传声器阵列对设定空间内的多个位置进行声音采集,获得多个原始语音信号。
原始信号处理单元912,对多个原始语音信号进行回声消除和信号增强处理,对回声消除和信号增强处理后的多个原始语音信号进行噪声抑制处理,得到多个位置中每个位置对应的语音信号。
语音唤醒模块92包括:
唤醒词确定单元921,确定用于唤醒待唤醒设备的唤醒词。
语音信号处理单元922,通过唤醒词解码器对多个语音信号进行处理,根据多个语音信号中是否包括唤醒词确定待唤醒设备的唤醒结果。
目标位置确定单元923,用于确定唤醒词对应的第一位置,第一位置为符合预设条件的目标位置;和/或,确定多个语音信号中具有最大能量值的语音信号对应的第二位置,第二位置为符合预设条件的目标位置。
可选地,目标位置确定单元923,还用于基于唤醒词解码器确定唤醒词对应的第一位置;和/或,根据唤醒词确定唤醒词对应的时间段,确定多个语音信号中具有最大能量值的语音信号对应的第二位置。
其中,目标位置确定单元923确定第一位置时,用于基于唤醒词解码器确定唤醒词对应的传声器阵列的语音信号对应的通道;根据传声器阵列输出的多个语音信号对应的多个通道与多个位置之间的对应关系确定唤醒词对应的第一位置。
目标位置确定单元923确定第二位置时,根据唤醒词确定唤醒词对应的时间段,对在时间段内的多个语音信号进行处理,获得每段语音信号对应的能量值,确定最大能量值的语音信号对应的通道;根据传声器阵列输出的多个语音信号对应的多个通道与多个位置之间的对应关系确定最大能量值对应的第二位置。
信噪比确定模块93,具体用于在唤醒词对应的时间段内,确定传声器阵列接收信号的信噪比,得到多个信噪比;将多个信噪比中最大的信噪比作为第一信噪比。
位置定位模块94,具体用于判断唤醒词对应的时间段内的第一信噪比是否大于预设信噪比;如果是,确定多个位置中的第二位置为唤醒位置;确定多个位置中的第一位置为唤醒位置。
示例性电子设备
下面,参考图11来描述根据本公开实施例的电子设备。该电子设备可以是第一设备100和第二设备200中的任一个或两者、或与它们独立的单机设备,该单机设备可以与第一设备和第二设备进行通信,以从它们接收所采集到的输入信号。
图11图示了根据本公开实施例的电子设备的框图。
如图11所示,电子设备110包括一个或多个处理器111和存储器112。
处理器111可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备110中的其他组件以执行期望的功能。
存储器112可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器111可以运行所述程序指令,以实现上文所述的本公开的各个实施例的语音定位方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。
在一个示例中,电子设备110还可以包括:输入装置113和输出装置114,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
例如,在该电子设备是第一设备100或第二设备200时,该输入装置113可以是上述的麦克风或麦克风阵列,用于捕捉声源的输入信号。在该电子设备是单机设备时,该输入装置113可以是通信网络连接器,用于从第一设备100和第二设备200接收所采集的输入信号。
此外,该输入设备113还可以包括例如键盘、鼠标等等。
该输出装置114可以向外部输出各种信息,包括确定出的距离信息、方向信息等。该输出设备114可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图11中仅示出了该电子设备110中与本公开有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备110还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质
除了上述方法和设备以外,本公开的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的语音定位方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本公开的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的语音定位方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本公开的基本原理,但是,需要指出的是,在本公开中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本公开为必须采用上述具体的细节来实现。
本说明书中各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言,由于其与方法实施例基本对应,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
可能以许多方式来实现本公开的方法和装置。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明,本公开的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本公开实施为记录在记录介质中的程序,这些程序包括用于实现根据本公开的方法的机器可读指令。因而,本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
还需要指出的是,在本公开的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此,本公开不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (12)
1.一种语音定位方法,包括:
基于传声器阵列对设定空间内的多个位置进行声音采集,获得所述多个位置中每个位置对应的语音信号,得到多个语音信号;
响应于待唤醒设备根据所述多个语音信号实现唤醒,确定符合预设条件的至少一个目标位置;
确定设定时间段内的第一信噪比;
基于所述第一信噪比和所述至少一个目标位置,从所述多个位置中确定唤醒位置。
2.根据权利要求1所述的方法,其中,所述确定符合预设条件的至少一个目标位置,包括:
确定用于唤醒所述待唤醒设备的唤醒词;
确定所述唤醒词对应的第一位置,所述第一位置为符合预设条件的目标位置;和/或,
确定所述多个语音信号中具有最大能量值的语音信号对应的第二位置,所述第二位置为符合预设条件的目标位置。
3.根据权利要求2所述的方法,其中,所述基于所述第一信噪比和所述至少一个目标位置,从所述多个位置中确定唤醒位置,包括:
判断所述唤醒词对应的时间段内的第一信噪比是否大于预设信噪比;
响应于所述唤醒词对应的时间段内的第一信噪比大于预设信噪比,确定所述多个位置中的第二位置为唤醒位置;
响应于所述唤醒词对应的时间段内的第一信噪比小于或等于预设信噪比,确定所述多个位置中的第一位置为唤醒位置。
4.根据权利要求3所述的方法,所述确定预设时间段内的第一信噪比,包括:
在所述唤醒词对应的时间段内,确定所述传声器阵列接收信号的信噪比,得到多个信噪比;
将所述多个信噪比中最大的信噪比作为所述第一信噪比。
5.根据权利要求2-4任一所述的方法,其中,所述响应于待唤醒设备根据所述多个语音信号实现唤醒,确定符合预设条件的至少一个目标位置之前,还包括:
通过唤醒词解码器对所述多个语音信号进行处理,根据所述多个语音信号中是否包括所述唤醒词确定所述待唤醒设备的唤醒结果;
所述确定所述唤醒词对应的第一位置,包括:
基于所述唤醒词解码器确定所述唤醒词对应的第一位置;
所述确定所述多个语音信号中具有最大能量值的语音信号对应的第二位置,包括:
根据所述唤醒词确定所述唤醒词对应的时间段,确定所述多个语音信号中具有最大能量值的语音信号对应的第二位置。
6.根据权利要求5所述的方法,其中,所述基于所述唤醒词解码器确定所述唤醒词对应的第一位置,包括:
基于所述唤醒词解码器确定所述唤醒词对应的传声器阵列的语音信号对应的通道;
根据所述传声器阵列输出的多个语音信号对应的多个通道与所述多个位置之间的对应关系确定所述唤醒词对应的第一位置。
7.根据权利要求5所述的方法,其中,所述根据所述唤醒词确定所述唤醒词对应的时间段,确定所述多个语音信号中具有最大能量值的语音信号对应的第二位置,包括:
根据所述唤醒词确定所述唤醒词对应的时间段,对在所述时间段内的所述多个语音信号进行处理,获得每个所述语音信号对应的能量值,确定最大能量值的语音信号对应的通道;
根据所述传声器阵列输出的多个语音信号对应的多个通道与所述多个位置之间的对应关系确定所述最大能量值对应的第二位置。
8.根据权利要求1所述的方法,其中,所述基于传声器阵列对设定空间内的多个位置进行声音采集,获得所述多个位置中每个位置对应的语音信号,包括:
基于传声器阵列对设定空间内的多个位置进行声音采集,获得多个原始语音信号;
对所述多个原始语音信号进行回声消除和信号增强处理,得到所述多个位置中每个位置对应的语音信号。
9.根据权利要求8所述的方法,在对所述多个原始语音信号进行回声消除和信号增强处理之后,还包括:
对所述回声消除和信号增强处理后的多个原始语音信号进行噪声抑制处理。
10.一种语音定位装置,包括:
信号采集模块,用于基于传声器阵列对设定空间内的多个位置进行声音采集,获得所述多个位置中每个位置对应的语音信号,得到多个语音信号;
语音唤醒模块,用于响应于待唤醒设备根据所述信号采集模块获得的多个语音信号实现唤醒,确定符合预设条件的至少一个目标位置;
信噪比确定模块,用于确定设定时间段内的第一信噪比;
位置定位模块,用于基于所述信噪比确定模块确定的第一信噪比和所述语音唤醒模块确定的至少一个目标位置,从所述多个位置中确定唤醒位置。
11.一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1-9任一所述的语音定位方法。
12.一种电子设备,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述权利要求1-9任一所述的语音定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910940880.3A CN110673096B (zh) | 2019-09-30 | 2019-09-30 | 语音定位方法和装置、计算机可读存储介质、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910940880.3A CN110673096B (zh) | 2019-09-30 | 2019-09-30 | 语音定位方法和装置、计算机可读存储介质、电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110673096A true CN110673096A (zh) | 2020-01-10 |
CN110673096B CN110673096B (zh) | 2022-02-01 |
Family
ID=69078767
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910940880.3A Active CN110673096B (zh) | 2019-09-30 | 2019-09-30 | 语音定位方法和装置、计算机可读存储介质、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110673096B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111341313A (zh) * | 2020-03-04 | 2020-06-26 | 北京声智科技有限公司 | 一种车载多音区声源检测方法、装置及系统 |
CN112201239A (zh) * | 2020-09-25 | 2021-01-08 | 海尔优家智能科技(北京)有限公司 | 目标设备的确定方法及装置、存储介质、电子装置 |
CN112509584A (zh) * | 2020-12-03 | 2021-03-16 | 北京声智科技有限公司 | 声源位置确定方法、装置和电子设备 |
CN112799016A (zh) * | 2020-12-24 | 2021-05-14 | 北京地平线信息技术有限公司 | 声源定位方法、装置、计算机可读存储介质和电子设备 |
CN113053368A (zh) * | 2021-03-09 | 2021-06-29 | 锐迪科微电子(上海)有限公司 | 语音增强方法、电子设备和存储介质 |
CN113992463A (zh) * | 2021-09-10 | 2022-01-28 | 科大讯飞股份有限公司 | 语音交互方法及相关装置、设备、系统和存储介质 |
CN115050367A (zh) * | 2022-08-12 | 2022-09-13 | 清华大学苏州汽车研究院(相城) | 一种说话目标定位方法、装置、设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106797512A (zh) * | 2014-08-28 | 2017-05-31 | 美商楼氏电子有限公司 | 多源噪声抑制 |
CN108899044A (zh) * | 2018-07-27 | 2018-11-27 | 苏州思必驰信息科技有限公司 | 语音信号处理方法及装置 |
CN108924923A (zh) * | 2018-05-31 | 2018-11-30 | 江西午诺科技有限公司 | 定位方法、系统、可读存储介质及终端 |
CN109473095A (zh) * | 2017-09-08 | 2019-03-15 | 北京君林科技股份有限公司 | 一种智能家居控制系统及控制方法 |
CN109979447A (zh) * | 2019-01-25 | 2019-07-05 | 广州富港万嘉智能科技有限公司 | 一种基于位置的点餐控制方法、电子设备及存储介质 |
CN110010126A (zh) * | 2019-03-11 | 2019-07-12 | 百度国际科技(深圳)有限公司 | 语音识别方法、装置、设备和存储介质 |
CN110085233A (zh) * | 2019-04-08 | 2019-08-02 | 广东美的制冷设备有限公司 | 语音控制方法及其装置、电子设备和计算机可读存储介质 |
US20190325874A1 (en) * | 2017-06-20 | 2019-10-24 | Bose Corporation | Audio Device with Wakeup Word Detection |
-
2019
- 2019-09-30 CN CN201910940880.3A patent/CN110673096B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106797512A (zh) * | 2014-08-28 | 2017-05-31 | 美商楼氏电子有限公司 | 多源噪声抑制 |
US20190325874A1 (en) * | 2017-06-20 | 2019-10-24 | Bose Corporation | Audio Device with Wakeup Word Detection |
CN109473095A (zh) * | 2017-09-08 | 2019-03-15 | 北京君林科技股份有限公司 | 一种智能家居控制系统及控制方法 |
CN108924923A (zh) * | 2018-05-31 | 2018-11-30 | 江西午诺科技有限公司 | 定位方法、系统、可读存储介质及终端 |
CN108899044A (zh) * | 2018-07-27 | 2018-11-27 | 苏州思必驰信息科技有限公司 | 语音信号处理方法及装置 |
CN109979447A (zh) * | 2019-01-25 | 2019-07-05 | 广州富港万嘉智能科技有限公司 | 一种基于位置的点餐控制方法、电子设备及存储介质 |
CN110010126A (zh) * | 2019-03-11 | 2019-07-12 | 百度国际科技(深圳)有限公司 | 语音识别方法、装置、设备和存储介质 |
CN110085233A (zh) * | 2019-04-08 | 2019-08-02 | 广东美的制冷设备有限公司 | 语音控制方法及其装置、电子设备和计算机可读存储介质 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111341313A (zh) * | 2020-03-04 | 2020-06-26 | 北京声智科技有限公司 | 一种车载多音区声源检测方法、装置及系统 |
CN112201239A (zh) * | 2020-09-25 | 2021-01-08 | 海尔优家智能科技(北京)有限公司 | 目标设备的确定方法及装置、存储介质、电子装置 |
CN112509584A (zh) * | 2020-12-03 | 2021-03-16 | 北京声智科技有限公司 | 声源位置确定方法、装置和电子设备 |
CN112799016A (zh) * | 2020-12-24 | 2021-05-14 | 北京地平线信息技术有限公司 | 声源定位方法、装置、计算机可读存储介质和电子设备 |
CN112799016B (zh) * | 2020-12-24 | 2024-04-26 | 北京地平线信息技术有限公司 | 声源定位方法、装置、计算机可读存储介质和电子设备 |
CN113053368A (zh) * | 2021-03-09 | 2021-06-29 | 锐迪科微电子(上海)有限公司 | 语音增强方法、电子设备和存储介质 |
CN113992463A (zh) * | 2021-09-10 | 2022-01-28 | 科大讯飞股份有限公司 | 语音交互方法及相关装置、设备、系统和存储介质 |
CN113992463B (zh) * | 2021-09-10 | 2023-05-30 | 科大讯飞股份有限公司 | 语音交互方法及相关装置、设备、系统和存储介质 |
CN115050367A (zh) * | 2022-08-12 | 2022-09-13 | 清华大学苏州汽车研究院(相城) | 一种说话目标定位方法、装置、设备及存储介质 |
CN115050367B (zh) * | 2022-08-12 | 2022-11-04 | 清华大学苏州汽车研究院(相城) | 一种说话目标定位方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110673096B (zh) | 2022-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110673096B (zh) | 语音定位方法和装置、计算机可读存储介质、电子设备 | |
CN110556103B (zh) | 音频信号处理方法、装置、系统、设备和存储介质 | |
CN107577449B (zh) | 唤醒语音的拾取方法、装置、设备及存储介质 | |
CN109286875B (zh) | 用于定向拾音的方法、装置、电子设备和存储介质 | |
CN109509465B (zh) | 语音信号的处理方法、组件、设备及介质 | |
CN111435598B (zh) | 语音信号处理方法、装置、计算机可读介质及电子设备 | |
CN112349292B (zh) | 信号分离方法和装置、计算机可读存储介质、电子设备 | |
CN109756818B (zh) | 双麦克风降噪方法、装置、存储介质及电子设备 | |
CN111863005A (zh) | 声音信号获取方法和装置、存储介质、电子设备 | |
WO2016119388A1 (zh) | 一种基于语音信号构造聚焦协方差矩阵的方法及装置 | |
CN112687286A (zh) | 音频设备的降噪模型的调整方法和装置 | |
KR20220083990A (ko) | 다 음성 영역 음성의 웨이크업 및 인식 방법, 장치, 전자 기기, 저장 매체 및 컴퓨터 프로그램 | |
CN112055284B (zh) | 回声消除方法及神经网络的训练方法、装置、介质、设备 | |
CN114093358A (zh) | 语音识别方法和装置、电子设备和存储介质 | |
CN112652320B (zh) | 声源定位方法和装置、计算机可读存储介质、电子设备 | |
CN113674754A (zh) | 基于音频的处理方法和装置 | |
CN110689900B (zh) | 信号增强方法和装置、计算机可读存储介质、电子设备 | |
CN113053377A (zh) | 语音唤醒方法和装置、计算机可读存储介质、电子设备 | |
CN109243457B (zh) | 基于语音的控制方法、装置、设备及存储介质 | |
CN112346012A (zh) | 声源位置确定方法和装置、可读存储介质、电子设备 | |
CN113889091A (zh) | 语音识别方法、装置、计算机可读存储介质及电子设备 | |
US20200327887A1 (en) | Dnn based processor for speech recognition and detection | |
CN111048096A (zh) | 一种语音信号处理方法、装置及终端 | |
US20230097197A1 (en) | Cascade Architecture for Noise-Robust Keyword Spotting | |
CN112185367A (zh) | 关键词检测方法和装置、计算机可读存储介质、电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |