CN112946576A - 声源定位方法、装置和电子设备 - Google Patents

Abstract

本公开实施例公开了声源定位方法、装置和电子设备。该方法的一具体实施方式包括：使用麦克风阵列中的各个阵列单元分别采集待定位声源集发出的声音的信号特征参数，得到信号特征参数向量；根据信号特征参数向量确定声源集中声源在各个方位上分布的方位分布向量；根据所述方位分布向量，确定所述待定位声源集中各个声源的方位。本实施例可以实现更准确的声源定位。

Description

声源定位方法、装置和电子设备

技术领域

本公开涉及信息处理技术领域，尤其涉及一种声源定位方法、装置和电子设备。

背景技术

随着技术发展，带有语音采集和处理功能的产品得到越来越多用户的欢迎。这些语音类产品在对采集到的语音信息进行处理时，为了实现更好的语音处理效果，通常需要首先对声源位置进行定位。

但是，目前的声源定位算法在使用的麦克风阵列的尺寸受限时通常定位精度不佳，且随着混响的提高定位准确定明显下降，难以同时定位和跟踪多个声源。

发明内容

提供该公开内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该公开内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开实施例提供了一种声源定位方法、装置和电子设备，可以通过自动化方式实现声源定位的高精确度。

第一方面，本公开实施例提供了一种声源定位方法，该方法包括：使用麦克风阵列中的各个阵列单元分别采集待定位声源集发出的声音的信号特征参数，得到信号特征参数向量；根据信号特征参数向量确定声源集中声源在各个方位上分布的方位分布向量；根据所述方位分布向量，确定所述待定位声源集中各个声源的方位。

第二方面，本公开实施例提供了一种声源定位装置，包括：采集单元，用于使用麦克风阵列中的各个阵列单元分别采集待定位声源集发出的声音的信号特征参数，得到信号特征参数向量；向量确定单元，用于根据信号特征参数向量确定声源集中声源在各个方位上分布的方位分布向量；确定单元，用于根据所述方位分布向量，确定所述待定位声源集中各个声源的方位。

第三方面，本公开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第一方面或第二方面所述的声源定位方法。

第四方面，本公开实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面或第二方面所述的声源定位方法的步骤。

本公开实施例提供的声源定位方法、装置和电子设备，可以通过声源在各个麦克风上的信号特征参数确定声源集中声源在各个方位上分布的方位分布向量，并进而可确定待定位声源集中各个声源的方位，从而可以实现精准的声源定位。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1是根据本公开的声源定位的一个实施例的流程图；

图2是根据本公开的另一种声源定位一个实施例的流程图；

图3是根据本公开的声源定位装置的一个实施例的结构示意图；

图4是本公开的一个实施例的声源定位方法可以应用于其中的示例性系统架构；

图5是根据本公开实施例提供的电子设备的基本结构的示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

请参考图1，其示出了根据本公开的声源定位方法的一个实施例的流程。该声源定位方法应用于桌面设备、服务器或嵌入式设备等电子设备上。如图1所示，该声源定位方法，包括以下步骤：

步骤101，使用麦克风阵列中的各个阵列单元分别采集待定位声源集发出的声音的信号特征参数，得到信号特征参数向量。

麦克风阵列可以是由一定数目的麦克风排列组成的设备，可以用来对声场的空间特性进行采样并处理。通常，麦克风阵列中的各个阵列单元，即单个麦克风可以各自单独采集声场信号。待定位声源集是需要对其进行定位的一个或多个声源，这些声源可以是人的声音，也可以是其他事物发出的声音，这些声源可以单独或共同发出声音。

在本实施例中，可以在待定位声源集发出声音时，利用麦克风阵列中的各个阵列单元分别进行声音采样，单个阵列单元都可以得到相应的信号特征参数，整个麦克风阵列中所有麦克风采集得到的强度信号即可形成信号特征参数向量。

步骤102，根据信号特征参数向量确定声源集中声源在各个方位上分布的方位分布向量。

在基于步骤102得到信号特征参数向量，可以对该信号特征参数向量进行计算处理，从而可以得到声源集中声源在各个方位上分布的方位分布向量。

步骤103，根据所述方位分布向量，确定所述待定位声源集中各个声源的方位。

本实施例中，根据所输出的方位分布向量中在每个方位上所对应的分量的值，可以确定哪些方位上有声源。例如，每个分量均可以是 0或1中某一个值，可以通过1和0分别表示相关方位上是否存在声源。当所输出的方位分布向量在某一方位上对应的分量为1时，可以确定该方位存在声源，反之则无声源。这样，即可依次确定每个方向上是否存在声源，从而可以确定待定位声源集中各个声源的方位。

在本实施例的一些可选实现方式，上述步骤102可以包括：将所述信号特征参数向量输入至声源定位模型中，所述声源定位模型输出所述方位分布向量，其中，所述声源定位模型用于描述声源集发出声音时使用所述麦克风阵列中各个阵列单元分别采集所发出声音的信号特征参数而得到的信号特征参数向量与对应的声源集中声源分布在各个方位上的分布参数所形成的方位分布向量之间的映射关系。在该实现方式中，上述声源定位模型中，输入端对应的是声源集发出声音时使用所述麦克风阵列中各个阵列单元分别采集所发出声音的信号特征参数。声源定位模型的输出端则可以是对应的声源集中声源分布在各个方位上的分布参数所形成的方位分布向量。通常，可以以麦克风为中心，对空间进行划分，得到多个方位。例如，可以分别以东西、南北两个维度对空间进行划分，也可以以东西、南北、上下三个维度对空间进行划分。划分的粒度也可以根据实际需要进行设定，以东西、南北两个维度对空间进行划分为例，可以以每个方位占平面5度进行空间划分。例如，正东到东偏南5度的区域可以作为一个方位，东偏南5度到东偏南10度的区域可以划为一个方位，依次类推。

在本实施例的一些可选实现方式中，上述方法还包括声源定位模型训练步骤，所述声源定位模型训练步骤包括：将样本声源集中声源分布在各个方位上的分布参数所形成的方位分布向量作为模型的输出向量，将所述麦克风阵列的各个阵列单元分别采集所对应的样本声源集发出的声音的信号特征参数得到的信号特征参数向量作为模型的输入向量，进行模型训练，得到所述声源定位模型。

在本实施例的一些可选实现方式中，所述分布参数是分布概率，以及，上述步骤103可以包括：所述根据所述声源定位模型中输出的方位分布向量，确定所述待定位声源集中各个声源的方位，包括：针对所输出的方位分布向量中的每个分量，将分量值与对应的预设阈值进行比较；根据比较结果确定每个方位上是否存在所述待定位声源集中的声源，得到所述待定位声源集中声源的个数及各个声源所处的方位。在本实现方式中，分布参数可以是处于0到1之间连续取值的分布概率，例如可以是0.1，0.3，0.7等。该分布概率表示对应的方位上存在声源的概率。在确定方向时，可以将各个方位所对应的概率与对应的预设阈值进行比较，从而根据比较结果确定相应方位上是否存在声源。通常，当方位上的分量大于该预设阈值时，可以认为该方向存在声源，否则认为不存在。对于各个方位依次处理，即可得到每个方位上是否存在声源，进而得到所述待定位声源集中声源的个数及各个声源所处的方位。

在本实施例的一些可选实现方式，所述声源定位模型为神经网络模型。具体的，神经网络模型中的神经网络结构可以包括以下一种或多种：CNN、LSTM、Linear。该实现方式中，由于使用了神经网络模型进行数据，可以更精准地描述出声源方位和对应麦克风采集到的信号特征参数的映射关系，从而使得最终识别得到的声源方位更为准确。

在本实施例中，可以通过声源在各个麦克风上的信号特征参数确定声源集中声源在各个方位上分布的方位分布向量，并进而可确定待定位声源集中各个声源的方位，从而可以实现精准的声源定位。

请继续参考图2，其示出了根据本公开的声源定位方法的又一个实施例的流程。该声源定位方法应用于移动终端上。如图2所示该声源定位方法，包括以下步骤：

步骤201，使用麦克风阵列中的各个阵列单元分别采集待定位声源集发出的声音的初始信号特征参数。

在本实施例中，电子设备可以使用麦克风阵列中的各个阵列单元分别采集待定位声源集发出的声音的初始信号特征参数。

步骤202，基于所述初始信号特征参数提取相干与散射信号能量比值特征参数，得到各个分量为相干与散射信号能量比值特征参数的所述信号特征参数向量。

在本实施例中，基于步骤201所提取的初始信号特征参数，电子设备可以从初始信号特征参数提取相干与散射信号能量比值(CDR， coherent-to-diffuse power ratio)特征参数，得到各个分量为相干与散射信号能量比值特征参数的所述信号特征参数向量。

步骤203，将所述信号特征参数向量输入至声源定位模型中，所述声源定位模型输出所述方位分布向量，其中，所述声源定位模型用于描述声源集发出声音时使用所述麦克风阵列中各个阵列单元分别采集所发出声音的信号特征参数而得到的信号特征参数向量与对应的声源集中声源分布在各个方位上的分布参数所形成的方位分布向量之间的映射关系。

在本实施例中，步骤203的处理可以参考图1对应实施例中的步骤102。该实施例中的声源定位模型描述的是提取出的CDR特征参数向量与声源集中声源分布在各个方位上的分布参数所形成的方位分布向量之间的映射关系。对该模型进行训练时也使用对应的特征参数向量。

步骤204，根据所述方位分布向量，确定所述待定位声源集中各个声源的方位。

在本实施例中，步骤204的具体处理可以参考图1对应的实施例的步骤103，这里不再赘述。

在本实施例的一些可选实现方式中，在上述步骤202之前，所述方法还包括：对所述初始信号特征参数进行时频变换。通过时频频变，可以将采集的时域信号变换成频域信号，更便于后续的信号特征处理。

在本实施例中，提取的信号特征为CDR特征，并通过基于该CDR 特征所对应的模型得到声源位置信息，可以进一步提高高混响场景定位的鲁棒性，减少干扰对定位结果的影响。

进一步参考图3，作为对上述各图所示方法的实现，本公开提供了一种声源定位装置的一个实施例，图3所示装置实施例与图1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3所示，本实施例的声源定位装置包括：采集单元301、向量确定单元302、方位确定单元303。其中，采集单元301，用于使用麦克风阵列中的各个阵列单元分别采集待定位声源集发出的声音的信号特征参数，得到信号特征参数向量；向量确定单元302，用于根据信号特征参数向量确定声源集中声源在各个方位上分布的方位分布向量；方位确定单元303，用于根据所述方位分布向量，确定所述待定位声源集中各个声源的方位。

在本实施例中，声源定位装置的采集单元301、向量确定单元302、方位确定单元303的具体处理及其所带来的技术效果可分别参考图1 对应实施例中步骤101、步骤102和步骤103的相关说明，在此不再赘述。

在本实施例的一些可选实现方式中，向量确定单元进一步用于：将所述信号特征参数向量输入至声源定位模型中，所述声源定位模型输出所述方位分布向量，其中，所述声源定位模型用于描述声源集发出声音时使用所述麦克风阵列中各个阵列单元分别采集所发出声音的信号特征参数而得到的信号特征参数向量与对应的声源集中声源分布在各个方位上的分布参数所形成的方位分布向量之间的映射关系。

在本实施例的一些可选实现方式中，所述装置还包括声源定位模型训练单元，所述声源定位模型训练单元用于：将样本声源集中声源分布在各个方位上的分布参数所形成的方位分布向量作为模型的输出向量，将所述麦克风阵列的各个阵列单元分别采集所对应的样本声源集发出的声音的信号特征参数得到的信号特征参数向量作为模型的输入向量，进行模型训练，得到所述声源定位模型。

在本实施例的一些可选实现方式中，所述采集单元包括：采集子单元，使用麦克风阵列中的各个阵列单元分别采集待定位声源集发出的声音的初始信号特征参数；提取子单元，用于基于所述初始信号特征参数提取相干与散射信号能量比值特征参数，得到各个分量为相干与散射信号能量比值特征参数的所述信号特征参数向量。

在本实施例的一些可选实现方式中，所述采集单元还包括：变换子单元，用于对所述初始信号特征参数进行时频变换。

在本实施例的一些可选实现方式中，所述分布参数是分布概率，以及，所述方位确定单元进一步用于：针对所输出的方位分布向量中的每个分量，将分量值与对应的预设阈值进行比较；根据比较结果确定每个方位上是否存在所述待定位声源集中的声源，得到所述待定位声源集中声源的个数及各个声源所处的方位。

在本实施例的一些可选实现方式中，所述声源定位模型为神经网络模型。

请参考图4，图4示出了本公开的一个实施例的声源定位方法可以应用于其中的示例性系统架构。

如图4所示，系统架构可以包括麦克风阵列401，传输介质402，电子设备403。传输介质402用以在麦克风阵列401和电子设备403之间进行数据传输的介质。传输介质402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，也可以是USB传输线路。

麦克风阵列401可以通过传输介质402与终端设备403交互，以接收或发送信号等。

电子设备401可以是具有信号和数据处理的各种电子设备，可以是终端设备，例如智能手机、平板电脑、电子书阅读器、MP3播放器 (Moving Picture Experts Group AudioLayer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts GroupAudio Layer IV，动态影像专家压缩标准音频层面4)播放器等等，也可以是服务器设备。

需要说明的是，本实施例提供的声源定位方法可以由电子设备403 执行，相应地，声源定位装置可以设置在电子设备403中。

应该理解，图4中的麦克风阵列、网络和电子设备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麦克风阵列、传输介质和电子设备。

下面参考图5，其示出了适于用来实现本公开实施例的电子设备 (例如图4中的电子设备)的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、 PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字 TV、台式计算机等等的固定终端，也可以包括服务器设备。图5示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图5所示，电子设备可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500 操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503 通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

通常，以下装置可以连接至I/O接口505：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506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置 507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备，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。

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，其包括承载在非暂态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509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述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。

在一些实施方式中，客户端、服务器可以利用诸如HTTP (HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

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电子设备执行时，使得该电子设备：使用麦克风阵列中的各个阵列单元分别采集待定位声源集发出的声音的信号特征参数，得到信号特征参数向量；将所述信号特征参数向量输入至声源定位模型中，所述声源定位模型用于描述声源集发出声音时使用所述麦克风阵列中各个阵列单元分别采集所发出声音的信号特征参数而得到的信号特征参数向量与对应的声源集中声源分布在各个方位上的分布参数所形成的方位分布向量之间的映射关系；根据所述声源定位模型中输出的方位分布向量，确定所述待定位声源集中各个声源的方位。。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言-诸如Python、Java、Smalltalk、C++，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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN) 或广域网(WAN)-连接到用户计算机，或者，可以连接到外部计算机 (例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、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。

描述于本公开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。其中，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，采集单元还可以被描述为“使用麦克风阵列中的各个阵列单元分别采集待定位声源集发出的声音的信号特征参数，得到信号特征参数向量的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

根据本公开的一个或多个实施例，提供一种声源定位方法，其特征在于，包括：使用麦克风阵列中的各个阵列单元分别采集待定位声源集发出的声音的信号特征参数，得到信号特征参数向量；根据信号特征参数向量确定声源集中声源在各个方位上分布的方位分布向量；根据所述方位分布向量，确定所述待定位声源集中各个声源的方位。

根据本公开的一个或多个实施例，其特征在于，所述根据信号特征参数向量确定声源集中声源在各个方位上分布的方位分布向量，包括：将所述信号特征参数向量输入至声源定位模型中，所述声源定位模型输出所述方位分布向量，其中，所述声源定位模型用于描述声源集发出声音时使用所述麦克风阵列中各个阵列单元分别采集所发出声音的信号特征参数而得到的信号特征参数向量与对应的声源集中声源分布在各个方位上的分布参数所形成的方位分布向量之间的映射关系。

根据本公开的一个或多个实施例，其特征在于，所述方法还包括声源定位模型训练步骤，所述声源定位模型训练步骤包括：将样本声源集中声源分布在各个方位上的分布参数所形成的方位分布向量作为模型的输出向量，将所述麦克风阵列的各个阵列单元分别采集所对应的样本声源集发出的声音的信号特征参数得到的信号特征参数向量作为模型的输入向量，进行模型训练，得到所述声源定位模型。

根据本公开的一个或多个实施例，其特征在于，所述使用麦克风阵列中的各个阵列单元分别采集待定位声源集发出的声音的信号特征参数，得到信号特征参数向量，包括：使用麦克风阵列中的各个阵列单元分别采集待定位声源集发出的声音的初始信号特征参数；基于所述初始信号特征参数提取相干与散射信号能量比值特征参数，得到各个分量为相干与散射信号能量比值特征参数的所述信号特征参数向量。

根据本公开的一个或多个实施例，其特征在于，在所述基于所述初始信号特征参数提取相干与散射信号能量比值特征参数，得到各个分量为相干与散射信号能量比值特征参数的所述信号特征参数向量之前，所述方法还包括：对所述初始信号特征参数进行时频变换。

根据本公开的一个或多个实施例，其特征在于，所述分布参数是分布概率，以及所述根据所述声源定位模型中输出的方位分布向量，确定所述待定位声源集中各个声源的方位，包括：针对所输出的方位分布向量中的每个分量，将分量值与对应的预设阈值进行比较；根据比较结果确定每个方位上是否存在所述待定位声源集中的声源，得到所述待定位声源集中声源的个数及各个声源所处的方位。

根据本公开的一个或多个实施例，其特征在于，所述声源定位模型为神经网络模型。

根据本公开的一个或多个实施例，提供一种声源定位装置，其特征在于，包括：采集单元，用于使用麦克风阵列中的各个阵列单元分别采集待定位声源集发出的声音的信号特征参数，得到信号特征参数向量；向量确定单元，用于根据信号特征参数向量确定声源集中声源在各个方位上分布的方位分布向量；方位确定单元，用于根据所述方位分布向量，确定所述待定位声源集中各个声源的方位。

根据本公开的一个或多个实施例，其特征在于，所述向量确定单元进一步用于：将所述信号特征参数向量输入至声源定位模型中，所述声源定位模型输出所述方位分布向量，其中，所述声源定位模型用于描述声源集发出声音时使用所述麦克风阵列中各个阵列单元分别采集所发出声音的信号特征参数而得到的信号特征参数向量与对应的声源集中声源分布在各个方位上的分布参数所形成的方位分布向量之间的映射关系。

根据本公开的一个或多个实施例，其特征在于，所述装置还包括声源定位模型训练单元，所述声源定位模型训练单元用于：将样本声源集中声源分布在各个方位上的分布参数所形成的方位分布向量作为模型的输出向量，将所述麦克风阵列的各个阵列单元分别采集所对应的样本声源集发出的声音的信号特征参数得到的信号特征参数向量作为模型的输入向量，进行模型训练，得到所述声源定位模型。

根据本公开的一个或多个实施例，其特征在于，所述采集单元包括：采集子单元，使用麦克风阵列中的各个阵列单元分别采集待定位声源集发出的声音的初始信号特征参数；提取子单元，用于基于所述初始信号特征参数提取相干与散射信号能量比值特征参数，得到各个分量为相干与散射信号能量比值特征参数的所述信号特征参数向量。

根据本公开的一个或多个实施例，其特征在于，所述采集单元还包括：变换子单元，用于对所述初始信号特征参数进行时频变换。

根据本公开的一个或多个实施例，其特征在于，所述分布参数是分布概率，以及，所述方位确定单元进一步用于：针对所输出的方位分布向量中的每个分量，将分量值与对应的预设阈值进行比较；根据比较结果确定每个方位上是否存在所述待定位声源集中的声源，得到所述待定位声源集中声源的个数及各个声源所处的方位。

根据本公开的一个或多个实施例，其特征在于，所述声源定位模型为神经网络模型。

以上描述仅为本公开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，本公开中所涉及的公开范围，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公开构思的情况下，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。例如上述特征与本公开中公开的(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。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (10)

1.一种声源定位方法，其特征在于，包括：

使用麦克风阵列中的各个阵列单元分别采集待定位声源集发出的声音的信号特征参数，得到信号特征参数向量；

根据信号特征参数向量确定声源集中声源在各个方位上分布的方位分布向量；

根据所述方位分布向量，确定所述待定位声源集中各个声源的方位。

2.根据权利要求1所述的方法，其特征在于，所述根据信号特征参数向量确定声源集中声源在各个方位上分布的方位分布向量，包括：

将所述信号特征参数向量输入至声源定位模型中，所述声源定位模型输出所述方位分布向量，其中，所述声源定位模型用于描述声源集发出声音时使用所述麦克风阵列中各个阵列单元分别采集所发出声音的信号特征参数而得到的信号特征参数向量与对应的声源集中声源分布在各个方位上的分布参数所形成的方位分布向量之间的映射关系。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括声源定位模型训练步骤，所述声源定位模型训练步骤包括：

将样本声源集中声源分布在各个方位上的分布参数所形成的方位分布向量作为模型的输出向量，将所述麦克风阵列的各个阵列单元分别采集所对应的样本声源集发出的声音的信号特征参数得到的信号特征参数向量作为模型的输入向量，进行模型训练，得到所述声源定位模型。

4.根据权利要求1所述的方法，其特征在于，所述使用麦克风阵列中的各个阵列单元分别采集待定位声源集发出的声音的信号特征参数，得到信号特征参数向量，包括：

使用麦克风阵列中的各个阵列单元分别采集待定位声源集发出的声音的初始信号特征参数；

基于所述初始信号特征参数提取相干与散射信号能量比值特征参数，得到各个分量为相干与散射信号能量比值特征参数的所述信号特征参数向量。

5.根据权利要求3所述的方法，其特征在于，在所述基于所述初始信号特征参数提取相干与散射信号能量比值特征参数，得到各个分量为相干与散射信号能量比值特征参数的所述信号特征参数向量之前，所述方法还包括：

对所述初始信号特征参数进行时频变换。

6.根据权利要求1所述的方法，其特征在于，所述分布参数是分布概率，以及

所述根据所述声源定位模型中输出的方位分布向量，确定所述待定位声源集中各个声源的方位，包括：

针对所输出的方位分布向量中的每个分量，将分量值与对应的预设阈值进行比较；

根据比较结果确定每个方位上是否存在所述待定位声源集中的声源，得到所述待定位声源集中声源的个数及各个声源所处的方位。

7.根据权利要求1－5之一所述的方法，其特征在于，所述声源定位模型为神经网络模型。

8.一种声源定位装置，其特征在于，包括：

采集单元，用于使用麦克风阵列中的各个阵列单元分别采集待定位声源集发出的声音的信号特征参数，得到信号特征参数向量；

向量确定单元，用于根据信号特征参数向量确定声源集中声源在各个方位上分布的方位分布向量；

方位确定单元，用于根据所述方位分布向量，确定所述待定位声源集中各个声源的方位。

9.一种电子设备，其特征在于，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1－7中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1－7中任一所述的方法。

Images