CN111650560A

CN111650560A - 声源定位方法和装置

Info

Publication number: CN111650560A
Application number: CN201910159607.7A
Authority: CN
Inventors: 刘鲁鹏; 占凯; 陈宇; 耿岭; 白二伟; 刘颖; 元海明; 郑勇超; 仇璐
Original assignee: Beijing Jingdong Century Trading Co Ltd; Beijing Jingdong Shangke Information Technology Co Ltd
Current assignee: Beijing Jingdong Century Trading Co Ltd; Beijing Jingdong Shangke Information Technology Co Ltd
Priority date: 2019-03-04
Filing date: 2019-03-04
Publication date: 2020-09-11
Anticipated expiration: 2039-03-04
Also published as: CN111650560B

Abstract

本申请实施例公开了声源定位方法和装置。该方法的一具体实施方式包括：对回声消除后的目标音频进行波束形成处理，确定各个方向波束的高频差分能量和低频差分能量；基于各个方向波束的高频差分能量和低频差分能量，确定各个方向波束的能量和；将能量和最高的波束的方向作为声源方向。本申请实施例基于差分能量，提供了一种全新的声源定位方式。

Description

声源定位方法和装置

技术领域

本申请实施例涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及声源定位方法和装置。

背景技术

随着智能家居、智能车辆、智能会议系统等智能终端的发展需求越来越迫切，作为智能终端入口的智能语音系统技术受到了越来越多的关注。

声源定位技术可以利用声音确定声源方向。声源定位技术是应用于智能语音系统的重要技术，声源定位的精准度直接影响智能语音系统的用户体验。

发明内容

本申请实施例提出了声源定位方法和装置。

第一方面，本申请实施例提供了一种声源定位方法，包括：对回声消除后的目标音频进行波束形成处理，确定各个方向波束的高频差分能量和低频差分能量；基于各个方向波束的高频差分能量和低频差分能量，确定各个方向波束的能量和；将能量和最高的波束的方向作为声源方向。

在一些实施例中，所述基于各个方向波束的高频差分能量和低频差分能量，确定各个方向波束的能量和，包括：对于各个方向的波束，确定波束的平均高频能量和平均低频能量，以及平均高频差分能量和平均低频差分能量；基于所述平均高频能量、所述平均低频能量、所述平均高频差分能量和所述平均低频差分能量，确定波束的方向的能量和。

在一些实施例中，所述基于所述平均高频能量、所述平均低频能量、所述平均高频差分能量和所述平均低频差分能量，确定波束的方向的能量和，包括：对所述平均高频能量、所述平均低频能量、所述平均高频差分能量和所述平均低频差分能量进行加权，得到加权和；将所述加权和作为波束的方向的能量和。

在一些实施例中，所述基于所述平均高频能量、所述平均低频能量、所述平均高频差分能量和所述平均低频差分能量，确定波束的方向的能量和，还包括：对所述平均高频能量、所述平均低频能量、所述平均高频差分能量和所述平均低频差分能量进行归一化处理，得到归一化平均高频能量、归一化平均低频能量、归一化平均高频差分能量和归一化平均低频差分能量；所述对所述平均高频能量、所述平均低频能量、所述平均高频差分能量和所述平均低频差分能量进行加权，包括：对所述归一化平均高频能量、所述归一化平均低频能量、所述归一化平均高频差分能量和所述归一化平均低频差分能量进行加权。

在一些实施例中，所述对回声消除后的目标音频进行波束形成处理，包括：利用相控阵，对回声消除后的目标音频进行最小方差无畸变失真响应，得到多个方向的波束。

第二方面，本申请实施例提供了一种声源定位装置，包括：波束形成单元，被配置成对回声消除后的目标音频进行波束形成处理，确定各个方向波束的高频差分能量和低频差分能量；能量确定单元，被配置成基于各个方向波束的高频差分能量和低频差分能量，确定各个方向波束的能量和；声源确定单元，被配置成将能量和最高的波束的方向作为声源方向。

在一些实施例中，所述能量确定单元，包括：第一确定子单元，被配置成对于各个方向的波束，确定波束的平均高频能量和平均低频能量，以及平均高频差分能量和平均低频差分能量；第二确定子单元，被配置成基于所述平均高频能量、所述平均低频能量、所述平均高频差分能量和所述平均低频差分能量，确定波束的方向的能量和。

在一些实施例中，所述第二确定子单元，包括：加权模块，被配置成对所述平均高频能量、所述平均低频能量、所述平均高频差分能量和所述平均低频差分能量进行加权，得到加权和；结果模块，被配置成将所述加权和作为波束的方向的能量和。

在一些实施例中，所述第二确定子单元，还包括：处理模块，被配置成对所述平均高频能量、所述平均低频能量、所述平均高频差分能量和所述平均低频差分能量进行归一化处理，得到归一化平均高频能量、归一化平均低频能量、归一化平均高频差分能量和归一化平均低频差分能量；所述加权模块进一步被配置成：对所述归一化平均高频能量、所述归一化平均低频能量、所述归一化平均高频差分能量和所述归一化平均低频差分能量进行加权。

在一些实施例中，所述波束形成单元，包括：波束形成子单元，被配置成利用相控阵，对回声消除后的目标音频进行最小方差无畸变失真响应，得到多个方向的波束。

第三方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如声源定位方法中任一实施例的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如声源定位方法中任一实施例的方法。

本申请实施例提供的声源定位方案，首先，对回声消除后的目标音频进行波束形成处理，确定各个方向波束的高频差分能量和低频差分能量。之后，基于各个方向波束的高频差分能量和低频差分能量，确定各个方向波束的能量和。最后，将能量和最高的波束的方向作为声源方向。本申请实施例基于差分能量，提供了一种全新的声源定位方式。同时，本申请实施例考虑到了人和动物发出的声音往往在短时间内的能量波动很大，而传统的声源定位方法仅仅考虑到能量的大小。本实施例利用人和动物的声音波动较大的特点，采用差分能量将波动较大的声音方向作为更有可能是声源的方向。而在平稳大功率干扰源的环境中，平稳的噪声能量不会对差分能量谱带来影响，因而本实施例能够敏锐地确定出人和动物的声音的声源方向。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的声源定位方法的一个实施例的流程图；

图3是根据本申请的声源定位方法的一个应用场景的示意图；

图4是根据本申请的声源定位方法的又一个实施例的流程图；

图5是根据本申请的声源定位装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的声源定位方法或声源定位装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如声源定位应用、语音识别应用、直播应用、即时通信工具、邮箱客户端、社交平台软件等。

这里的终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103提供支持的后台服务器。后台服务器可以对接收到的目标音频等数据进行分析等处理，并将处理结果(例如声源方向)反馈给终端设备。

需要说明的是，本申请实施例所提供的声源定位方法可以由服务器105或者终端设备101、102、103执行，相应地，声源定位装置可以设置于服务器105或者终端设备101、102、103中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本申请的声源定位方法的一个实施例的流程200。该声源定位方法，包括以下步骤：

步骤201，对回声消除后的目标音频进行波束形成处理，确定各个方向的高频差分能量和低频差分能量。

在本实施例中，声源定位方法的执行主体(例如图1所示的服务器或终端设备)可以对已经经过回声消除(Echo Cancellation)后的目标音频进行波束形成(Beamforming)处理，以形成多个不同方向的波束。之后，确定所形成的各个方向波束的高频差分能量和低频差分能量。通过回声消除可以抵消发出的声音的回声。回声可能来自各个方向，很可能对声源判断产生严重的干扰。所以，在声源定位之前，可以先消除回声以便于较为准确地定位。

具体地，接收音频的拾音装置可以是单独的拾音器也可以是多个拾音器的组合，也即麦克风阵列，其中的多个拾音器可以分别接收到多个音频。需要通过麦克风列阵所接收的各个音频参与处理，来得到每个方向的波束。因而，上述的目标音频可以是一个音频，也可以是拾音器的组合所接收的多个音频。

在实践中，可以利用波束形成技术，进行波束形成处理。比如，波束形成技术可以是线性约束最小方差(linearly constrained minimum-variance)波束形成器。

在得到各个方向的波束之后，可以确定各个波束的高频能量和低频能量。可以通过多种方式确定出高频能量和低频能量。比如，高频能量和低频能量可以是目标音频中，包括当前帧(最新一帧)在内的前n帧音频里每一帧的高频能量和低频能量组成的序列。或者，高频能量和低频能量可以分别为这些高频能量的平均值和这些低频能量的平均值。或者，高频能量和低频能量还可以分别为目标音频的当前帧的高频能量和低频能量。

在这里，高频和低频均指在预设的频率范围之内的声音频率，高频的频率范围中的赫兹数值大于低频的频率范围中的赫兹数值。例如，可以取一个频率值作为高频和低频的分界线，音频中的其中一帧的能量，比如，这个数值可以是2000赫兹。具体地，一个波束可以表示为声波的频谱，频谱的横坐标为时间，纵坐标为频率。在该频谱中，可以统计高频的声波以及低频的声波，并分别计算高频声波的能量和低频声波的能量，以作为高频能量和低频能量。

具体地，高频差分能量HighDiffPower_i,j是音频中相邻帧之间高频能量的差值，可以表示为：

HighDiffPower_i,j＝HighPower_i+1,j-HighPower_i,j，其中，j为形成的波束中的第j个波束，i为第j个波束的第i帧，HighPower_i,j为第j个波束的第i帧的高频能量。HighPower_i+1,j为第j个波束的第i+1帧的高频能量。

具体地，低频差分能量HighDiffPower_i,j是音频中相邻帧之间低频能量的差值，可以表示为：

LowDiffPower_i,j＝LowPower_i+1,j-LowPower_i,j，其中，j为形成的波束中的第j个波束，i为第j个波束的第i帧，HighPower_i,j为第j个波束的第i帧的低频能量，HighPower_i+1,j为第j个波束的第i+1帧的低频能量。

在本实施例的一些可选的实现方式中，步骤201中的对回声消除后的目标音频进行波束形成处理，可以包括：利用相控阵，对回声消除后的目标音频进行最小方差无畸变失真响应，得到多个方向的波束。

在这些可选的实现方式中，上述执行主体可以利用相控阵，对回声消除后的目标音频进行最小方差无畸变失真响应(Minimum variance distortionless response，MVDR)，以得到多个方向的波束。具体地，上述执行主体可以利用相控阵即对声波信号加以适当的移相(或延时)以获得波束的偏转，在不同方位上同时进行相位(或延时)补偿，同时进行最小方差无畸变失真响应，即可获得多个波束。

这些实现方式利用相控阵以及最小方差无畸变失真响应这种波束形成方式，能够准确地形成多个波束。

步骤202，基于各个方向波束的高频差分能量和低频差分能量，确定各个方向波束的能量和。

在本实施例中，上述执行主体可以基于各个方向波束的高频差分能量和低频差分能量，确定各个方向波束的能量和。这里的波束的能量和可以用于表示波束所指的方向是声源方向的可能性的大小。能量和越大，可能性则越大。

在实践中，可以通过多种方式确定波束的能量和，比如将波束的某一帧的高频差分能量和低频差分能量之和，作为波束的能量和。

步骤203，将能量和最高的波束的方向作为声源方向。

在本实施例中，上述执行主体可以在确定各个方向波束的能量和之后，确定出能量和最高的波束，并将该能量和最大的波束所指的方向作为目标音频的声源方向。

继续参见图3，图3是根据本实施例的声源定位方法的应用场景的一个示意图。在图3的应用场景中，执行主体301可以对回声消除后的目标音频302进行波束形成处理，确定各个方向波束303的高频差分能量和低频差分能量304。基于各个方向波束的高频差分能量和低频差分能量304，确定各个方向波束的能量和305。将能量和最高的波束的方向作为声源方向306。

本申请的上述实施例中，考虑到了人和动物发出的声音往往在短时间内的能量波动很大，而传统的声源定位方法仅仅考虑到能量的大小。本实施例利用人和动物的声音波动较大的特点，采用差分能量将波动较大的声音方向作为更有可能是声源的方向。而在平稳大功率干扰源的环境中，平稳的噪声能量不会对差分能量谱带来影响，因而本实施例能够敏锐地确定出人和动物的声音的声源方向。

进一步参考图4，其示出了声源定位方法的又一个实施例的流程400。该声源定位方法的流程400，包括以下步骤：

步骤401，对回声消除后的目标音频进行波束形成处理，确定各个方向的高频差分能量和低频差分能量。

在本实施例中，声源定位方法的执行主体(例如图1所示的服务器或终端设备)可以对已经经过回声消除后的目标音频进行波束形成处理，以形成多个不同方向的波束。之后，确定所形成的各个方向波束的高频差分能量和低频差分能量。通过回声消除可以抵消发出的声音的回声。回声可能来自各个方向，很可能对声源判断产生严重的干扰。所以，在声源定位之前，可以先消除回声以便于较为准确地确定声源方向。

步骤402，对于各个方向的波束，确定波束的平均高频能量和平均低频能量，以及平均高频差分能量和平均低频差分能量。

在本实施例中，上述执行主体可以确定包括当前帧的前预设数量帧的各帧的高频能量和低频能量，并确定平均高频差分能量和平均低频差分能量。具体地，这里的平均高频能量和平均低频能量可以是前预设数量帧的各帧的高频能量的平均值，以及低频能量的平均值。平均高频差分能量和平均低频差分能量可以是前预设数量帧的各个高频差分能量的平均值，以及前预设数量帧的各个低频差分能量的平均值。

在实践中，平均高频能量AvgHighPower_j可以表示为：

平均低频能量AvgLowPower_j可以表示为：

平均高频差分能量可以表示为：

平均低频差分能量可以表示为：

其中，N为所统计的数量为N帧，j为形成的波束中的第j个波束，i为第j个波束的第i帧，i∈N，HighPower_ij是高频能量，LowPower_ij是低频能量，HighDiffPower_ij是高频差分能量，LowDiffPower_ij是低频差分能量。

步骤403，基于平均高频能量、平均低频能量、平均高频差分能量和平均低频差分能量，确定波束的方向的能量和。

在实施例中，上述执行主体可以基于平均高频能量、平均低频能量、平均高频差分能量和平均低频差分能量，确定波束的方向的能量和。比如，上述执行主体可以采用多种方式确定能量和，比如，上述执行主体可以将这四个量的乘积作为能量和。

在本实施例的一些可选的实现方式中，步骤403可以包括：

对平均高频能量、平均低频能量、平均高频差分能量和平均低频差分能量进行加权，得到加权和；将加权和作为波束的方向的能量和。

在这些可选的实现方式中，上述执行主体可以根据对平均高频能量、平均低频能量、平均高频差分能量和平均低频差分能量预设的权重，对这四个量进行加权，以得到加权和。并且，可以将该加权和作为能量和。

加权和Score_j可以表示为：

Score_j＝α₁×AvgHighPower_j+α₂×AvgLowPower_j+α₃×AvgHighDiffPower_j

+α₄×AvgLowDiffPower_j，其中，α₁、α₂、α₃和α₄为权重。

这些实现方式可以对平均低频能量、平均高频差分能量和平均低频差分能量任意设置权重，比如根据历史数据进行设置。以获得更为准确的声源定位结果。

在这些实现方式的一些可选的应用场景中，步骤403还可以包括：

对平均高频能量、平均低频能量、平均高频差分能量和平均低频差分能量进行归一化处理，得到归一化平均高频能量、归一化平均低频能量、归一化平均高频差分能量和归一化平均低频差分能量；对平均高频能量、平均低频能量、平均高频差分能量和平均低频差分能量进行加权，包括：对归一化平均高频能量、归一化平均低频能量、归一化平均高频差分能量和归一化平均低频差分能量进行加权。

在这些应用场景中，上述执行主体可以对平均高频能量、平均低频能量、平均高频差分能量和平均低频差分能量进行归一化处理。具体地，上述执行主体可以采用多种方式进行归一化处理，比如，线性函数归一化(Min-Max scaling)，零均值标准化(Z-scorestandardization)等等。而上述的加权可以是对归一化后的各个值进行加权处理。

这些应用场景可以对数据进行归一化处理，以消除各个量之间的量纲影响，让各个数据实现标注化，以计算得到更加准确的声源方向。

步骤404，将能量和最高的波束的方向作为声源方向。

本实施例提供的方法可以利用能量的平均值以及差分能量的平均值来确定波束的能量和，以避免异常值较大地影响最终的能量和，进而确保所确定的声源方向的准确性。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种声源定位装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的声源定位装置500包括：波束形成单元501、能量确定单元502和声源确定单元503。其中，波束形成单元501，被配置成对回声消除后的目标音频进行波束形成处理，确定各个方向波束的高频差分能量和低频差分能量。能量确定单元502，被配置成基于各个方向波束的高频差分能量和低频差分能量，确定各个方向波束的能量和。声源确定单元503，被配置成将能量和最高的波束的方向作为声源方向。

在一些实施例中，声源定位装置500的波束形成单元501可以对已经经过回声消除后的目标音频进行波束形成处理，以形成多个不同方向的波束。之后，确定所形成的各个方向波束的高频差分能量和低频差分能量。通过回声消除可以抵消发出的声音的回声。回声可能来自各个方向，很可能对声源判断产生严重的干扰。所以，在声源定位之前，可以先消除回声以便于较为准确地定位。

在一些实施例中，能量确定单元502可以基于各个方向波束的高频差分能量和低频差分能量，确定各个方向波束的能量和。这里的波束的能量和可以用于表示波束所指的方向是声源方向的可能性的大小。能量和越大，可能性则越大。

在一些实施例中，声源确定单元503可以在确定各个方向波束的能量和之后，确定出能量和最高的波束，并将该能量和最大的波束所指的方向作为目标音频的声源方向。

在本实施例的一些可选的实现方式中，所述能量确定单元，包括：第一确定子单元，被配置成对于各个方向的波束，确定波束的平均高频能量和平均低频能量，以及平均高频差分能量和平均低频差分能量；第二确定子单元，被配置成基于所述平均高频能量、所述平均低频能量、所述平均高频差分能量和所述平均低频差分能量，确定波束的方向的能量和。

在本实施例的一些可选的实现方式中，所述第二确定子单元，包括：加权模块，被配置成对所述平均高频能量、所述平均低频能量、所述平均高频差分能量和所述平均低频差分能量进行加权，得到加权和；结果模块，被配置成将所述加权和作为波束的方向的能量和。

在本实施例的一些可选的实现方式中，所述第二确定子单元，还包括：处理模块，被配置成对所述平均高频能量、所述平均低频能量、所述平均高频差分能量和所述平均低频差分能量进行归一化处理，得到归一化平均高频能量、归一化平均低频能量、归一化平均高频差分能量和归一化平均低频差分能量；所述加权模块进一步被配置成：对所述归一化平均高频能量、所述归一化平均低频能量、所述归一化平均高频差分能量和所述归一化平均低频差分能量进行加权。

在本实施例的一些可选的实现方式中，所述波束形成单元，包括：波束形成子单元，被配置成利用相控阵，对回声消除后的目标音频进行最小方差无畸变失真响应，得到多个方向的波束。

下面参考图6，其示出了适于用来实现本申请实施例的电子设备的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括波束形成单元、能量确定单元和声源确定单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，声源确定单元还可以被描述为“将能量和最高的波束的方向作为声源方向的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：对回声消除后的目标音频进行波束形成处理，确定各个方向波束的高频差分能量和低频差分能量；基于各个方向波束的高频差分能量和低频差分能量，确定各个方向波束的能量和；将能量和最高的波束的方向作为声源方向。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims

1.一种声源定位方法，包括：

对回声消除后的目标音频进行波束形成处理，确定各个方向波束的高频差分能量和低频差分能量；

基于各个方向波束的高频差分能量和低频差分能量，确定各个方向波束的能量和；

将能量和最高的波束的方向作为声源方向。

2.根据权利要求1所述的方法，其中，所述基于各个方向波束的高频差分能量和低频差分能量，确定各个方向波束的能量和，包括：

对于各个方向的波束，确定波束的平均高频能量和平均低频能量，以及平均高频差分能量和平均低频差分能量；

基于所述平均高频能量、所述平均低频能量、所述平均高频差分能量和所述平均低频差分能量，确定波束的方向的能量和。

3.根据权利要求2所述的方法，其中，所述基于所述平均高频能量、所述平均低频能量、所述平均高频差分能量和所述平均低频差分能量，确定波束的方向的能量和，包括：

对所述平均高频能量、所述平均低频能量、所述平均高频差分能量和所述平均低频差分能量进行加权，得到加权和；

将所述加权和作为波束的方向的能量和。

4.根据权利要求3所述的方法，其中，所述基于所述平均高频能量、所述平均低频能量、所述平均高频差分能量和所述平均低频差分能量，确定波束的方向的能量和，还包括：

对所述平均高频能量、所述平均低频能量、所述平均高频差分能量和所述平均低频差分能量进行归一化处理，得到归一化平均高频能量、归一化平均低频能量、归一化平均高频差分能量和归一化平均低频差分能量；

所述对所述平均高频能量、所述平均低频能量、所述平均高频差分能量和所述平均低频差分能量进行加权，包括：

对所述归一化平均高频能量、所述归一化平均低频能量、所述归一化平均高频差分能量和所述归一化平均低频差分能量进行加权。

5.根据权利要求1所述的方法，其中，所述对回声消除后的目标音频进行波束形成处理，包括：

利用相控阵，对回声消除后的目标音频进行最小方差无畸变失真响应，得到多个方向的波束。

6.一种声源定位装置，包括：

波束形成单元，被配置成对回声消除后的目标音频进行波束形成处理，确定各个方向波束的高频差分能量和低频差分能量；

能量确定单元，被配置成基于各个方向波束的高频差分能量和低频差分能量，确定各个方向波束的能量和；

声源确定单元，被配置成将能量和最高的波束的方向作为声源方向。

7.根据权利要求6所述的装置，其中，所述能量确定单元，包括：

第一确定子单元，被配置成对于各个方向的波束，确定波束的平均高频能量和平均低频能量，以及平均高频差分能量和平均低频差分能量；

第二确定子单元，被配置成基于所述平均高频能量、所述平均低频能量、所述平均高频差分能量和所述平均低频差分能量，确定波束的方向的能量和。

8.根据权利要求7所述的装置，其中，所述第二确定子单元，包括：

加权模块，被配置成对所述平均高频能量、所述平均低频能量、所述平均高频差分能量和所述平均低频差分能量进行加权，得到加权和；

结果模块，被配置成将所述加权和作为波束的方向的能量和。

9.根据权利要求8所述的装置，其中，所述第二确定子单元，还包括：

处理模块，被配置成对所述平均高频能量、所述平均低频能量、所述平均高频差分能量和所述平均低频差分能量进行归一化处理，得到归一化平均高频能量、归一化平均低频能量、归一化平均高频差分能量和归一化平均低频差分能量；

所述加权模块进一步被配置成：

10.根据权利要求6所述的装置，其中，所述波束形成单元，包括：

波束形成子单元，被配置成利用相控阵，对回声消除后的目标音频进行最小方差无畸变失真响应，得到多个方向的波束。

11.一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。

12.一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-5中任一所述的方法。