CN113223548A - 声源定位方法及装置 - Google Patents
声源定位方法及装置 Download PDFInfo
- Publication number
- CN113223548A CN113223548A CN202110497196.XA CN202110497196A CN113223548A CN 113223548 A CN113223548 A CN 113223548A CN 202110497196 A CN202110497196 A CN 202110497196A CN 113223548 A CN113223548 A CN 113223548A
- Authority
- CN
- China
- Prior art keywords
- sound source
- data
- matrix
- observation signal
- observation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 55
- 230000009467 reduction Effects 0.000 claims abstract description 23
- 239000011159 matrix material Substances 0.000 claims description 179
- 238000000926 separation method Methods 0.000 claims description 96
- 230000004807 localization Effects 0.000 claims description 34
- 238000005516 engineering process Methods 0.000 abstract description 11
- 230000003993 interaction Effects 0.000 abstract description 6
- 230000014509 gene expression Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 239000013598 vector Substances 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 102100026436 Regulator of MON1-CCZ1 complex Human genes 0.000 description 3
- 101710180672 Regulator of MON1-CCZ1 complex Proteins 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0272—Voice signal separating
- G10L21/028—Voice signal separating using properties of sound source
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0272—Voice signal separating
- G10L21/0308—Voice signal separating characterised by the type of parameter measurement, e.g. correlation techniques, zero crossing techniques or predictive techniques
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Circuit For Audible Band Transducer (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本公开是关于一种声源定位方法及装置。涉及智能语音交互技术,解决了强干扰低信噪比场景下声源定位准确率低的问题。该方法包括:获取至少两个采集点分别对至少两个声源采集的原始观测数据;对所述原始观测数据进行降噪处理,获取观测信号估计数据;根据所述观测信号估计数据,定位各个声源。本公开提供的技术方案适用于智能语音交互设备,实现了高效、抗干扰能力强的声源定位。
Description
技术领域
本公开涉及智能语音交互技术,尤其涉及一种声源定位方法及装置。
背景技术
在物联网、AI时代,智能语音作为人工智能核心技术之一,丰富了人机交互的模式,大大提高智能产品使用的便捷性。
智能产品设备拾音多采用多个麦克风构成的麦克风阵列,应用麦克风波束形成技术或盲源分离技术抑制环境干扰,提高语音信号处理质量,以提高真实环境下的语音识别率。
麦克风波束形成技术需要估计声源方向,另外为了赋予更强的智能性和感知性,一般智能设备会配备指示灯,当与用户交互时将指示灯准确指向用户而非干扰,让用户感觉在与智能设备面对面对话,增强用户的交互体验。基于此,在存在干扰音源的环境中,准确估计用户(也即声源)的方向十分重要。
声源寻向算法一般直接利用麦克风采集得到的数据,使用基于相位变换加权的可控响应功率的声源定位算法(SRP-PHAT)等算法进行寻向估计。但这种算法依赖信号的信噪比,在低信噪比下准确率不够高,极容易寻各到干扰音源的方向上,无法准确对有效声源进行定位。
发明内容
为克服相关技术中存在的问题,本公开提供一种声源定位方法及装置。通过对原始观测数据降噪后再据以寻向定位,实现了抗干扰性更佳更为精准的定位方案。
根据本公开实施例的第一方面,提供一种声源定位方法,包括:
获取至少两个采集点分别对至少两个声源采集的原始观测数据;
对所述原始观测数据进行降噪处理,获取观测信号估计数据;
根据所述观测信号估计数据,定位各个声源。
进一步的,所述对所述原始观测数据进行降噪处理,获取观测信号估计数据的步骤包括:
初始化各个频点的分离矩阵及各个声源在各个频点的加权协方差矩阵,所述分离矩阵的行数和列数均为声源的数量;
求取各个采集点处的时域信号,并根据所述时域信号对应的频域信号构建观测信号矩阵;
根据上一帧的分离矩阵和所述观测信号矩阵,求取当前帧各个声源的先验频域估计;
根据所述先验频域估计更新所述加权协方差矩阵;
根据更新后的所述加权协方差矩阵,更新所述分离矩阵;
对更新后的所述分离矩阵去模糊;
根据去模糊后的所述分离矩阵,对所述原始观测数据进行分离,将分离得到的后验域估计数据作为所述观测信号估计数据。
进一步的,根据上一帧的分离矩阵求取当前帧各个声源的先验频域估计的步骤包括:
根据上一帧的分离矩阵对所述观测信号矩阵进行分离,得到当前帧各个声源的先验频域估计。
进一步的,根据所述先验频域估计更新所述加权协方差矩阵的步骤包括:
根据所述观测信号矩阵及所述观测信号矩阵的共轭转置矩阵,更新所述加权协方差矩阵。
进一步的,根据更新后的所述加权协方差矩阵,更新所述分离矩阵的步骤包括:
根据各个声源的加权协方差矩阵,分别更新各个声源的分离矩阵;
更新所述分离矩阵为各个声源的分离矩阵合并后的共轭转置矩阵。
进一步的,对更新后的所述分离矩阵去模糊的步骤包括:
采用最小畸变准则(MDP)对所述分离矩阵进行幅度去模糊处理。
进一步的,所述根据所述观测信号估计数据,定位各个声源的步骤包括:
根据所述观测信号估计数据,获取各采集点处各声源的观测信号数据;
根据各采集点处各声源的所述观测信号数据,分别估算各声源的方位。
进一步的,根据各采集点处各声源的所述观测信号数据,分别估算各声源的方位的步骤包括:
分别对各声源进行如下估算,获取各声源的方位:
使用同一声源在不同采集点处的所述观测信号数据构成采集点的观测数据,通过寻向算法对所述声源进行定位。
根据本公开实施例的第二方面,提供一种声源定位装置,包括:
原始数据获取模块,用于获取至少两个采集点分别对至少两个声源采集的原始观测数据;
数据处理模块,用于对所述原始观测数据进行降噪处理,获取观测信号估计数据;
定位处理模块,用于根据所述观测信号估计数据,定位各个声源。
进一步的,所述数据处理模块包括:
矩阵初始化子模块,用于初始化各个频点的分离矩阵及各个声源在各个频点的加权协方差矩阵,所述分离矩阵的行数和列数均为声源的数量;
频域数据获取子模块,用于求取各个采集点处的时域信号,并根据所述时域信号对应的频域信号构建观测信号矩阵;
先验频域估计子模块,用于根据上一帧的分离矩阵和所述观测信号矩阵,求取当前帧各个声源的先验频域估计;
协方差矩阵更新子模块,用于根据所述先验频域估计更新所述加权协方差矩阵;
分离矩阵更新子模块,用于根据更新后的所述加权协方差矩阵,更新所述分离矩阵;
去模糊子模块,用于对更新后的所述分离矩阵去模糊;
后验域估计子模块,用于根据去模糊后的所述分离矩阵,对所述原始观测数据进行分离,将分离得到的后验域估计数据作为所述观测信号估计数据。
进一步的,所述先验域估计子模块,用于根据上一帧的分离矩阵对所述观测信号矩阵进行分离,得到当前帧各个声源的先验频域估计。
进一步的,所述协方差矩阵更新子模块,用于根据所述观测信号矩阵及所述观测信号矩阵的共轭转置矩阵,更新所述加权协方差矩阵。
进一步的,所述分离矩阵更新子模块包括:
第一更新子模块,用于根据各个声源的加权协方差矩阵,分别更新各个声源的分离矩阵;
第二更新子模块,用于更新所述分离矩阵为各个声源的分离矩阵合并后的共轭转置矩阵。
进一步的,所述去模糊子模块,用于采用MDP对所述分离矩阵进行幅度去模糊处理。
进一步的,所述定位处理模块包括:
声源数据估计子模块,用于根据所述观测信号估计数据,获取各采集点处各声源的观测信号数据;
声源定位子模块,用于根据各采集点处各声源的所述观测信号数据,分别估算各声源的方位。
进一步的,所述声源定位子模块,用于分别对各声源进行如下估算,获取各声源的方位:
使用同一声源在不同采集点处的所述观测信号数据构成采集点的观测数据,通过寻向算法对所述声源进行定位。
根据本公开实施例的第三方面,提供一种计算机装置,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
获取至少两个采集点分别对至少两个声源采集的原始观测数据;
对所述原始观测数据进行降噪处理,获取观测信号估计数据;
根据所述观测信号估计数据,定位各个声源。
根据本公开实施例的第四方面,提供一种非临时性计算机可读存储介质,当所述存储介质中的指令由移动终端的处理器执行时,使得移动终端能够执行一种声源定位方法,所述方法包括:
获取至少两个采集点分别对至少两个声源采集的原始观测数据;
对所述原始观测数据进行降噪处理,获取观测信号估计数据;
根据所述观测信号估计数据,定位各个声源。
本公开的实施例提供的技术方案可以包括以下有益效果:获取至少两个采集点分别对至少两个声源采集的原始观测数据,然后对所述原始观测数据进行降噪处理,获取观测信号估计数据,再根据所述观测信号估计数据,定位各个声源。对原始观测数据进行降噪处理,减少噪声干扰,然后再定位声源,解决了强干扰低信噪比场景下声源定位准确率低的问题,实现了高效、抗干扰能力强的声源定位。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种声源定位方法的流程图。
图2是根据一示例性实施例示出的又一种声源定位方法的流程图。
图3是根据一示例性实施列示出的应用场景举例。
图4是根据一示例性实施例示出的又一种声源定位方法的流程图。
图5是根据一示例性实施例示出的一种声源定位装置的框图。
图6是根据一示例性实施例示出的数据处理模块502的结构示意图。
图7是根据一示例性实施例示出的分离矩阵更新子模块605的结构示意图。
图8是根据一示例性实施例示出的数据处理模块502的结构示意图。
图9是根据一示例性实施例示出的一种装置的框图。
图10是根据一示例性实施例示出的一种装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
声源寻向算法一般直接利用麦克风采集得到的数据,使用麦克风阵列声源定位(SRP-PHAT)等算法进行寻向估计。但这种算法依赖信号的信噪比,在低信噪比下准确率不够高,极容易寻各到干扰音源的方向上,无法准确对有效声源进行定位。
为了解决上述问题,本公开的实施例提供了一种声源定位方法及装置。对采集的数据进行降噪处理后再进行寻向定位,消除干扰音源的影响,解决了强干扰低信噪比场景下声源定位准确率低的问题,实现了高效、抗干扰能力强的声源定位。
本公开的一示例性实施例提供了一种声源定位方法,使用该方法完成声源定位的流程如图1所示,包括:
步骤101、获取至少两个采集点分别对至少两个声源采集的原始观测数据。
本实施例中,所述采集点可为麦克风。例如,可为设置于同一设备上的多个麦克风,所述多个麦克风构成麦克风阵列。
本步骤中,在各采集点处均进行数据采集,采集的数据来源可以是多个声源。多个声源中可能包括作为目标的有效声源,也可能包括干扰音源。
采集点采集得到了至少两个声源的原始观测数据。
步骤102、对所述原始观测数据进行降噪处理,获取观测信号估计数据。
本步骤中,对采集得到的原始观测数据进行降噪处理,以消除干扰音源等产生的噪声影响。
可在预处理后,通过MDP对原始观测数据进行信号分离,恢复出各个声源在各个采集点处观测数据的估计。
在降噪处理后,获取观测信号估计数据。
步骤103、根据所述观测信号估计数据,定位各个声源。
本步骤中,在获得了排除噪声影响、较为接近真实声源数据的观测信号估计数据后,即可对声源进行定位。可通过SRP-PHAT算法分别依据各个声源的观测信号估计数据估计声源的方位,完成对各个声源的定位。
本公开的一示例性实施例还提供了一种声源定位方法,基于盲源分离,对原始观测数据进行降噪处理,获取观测信号估计数据,具体流程如图2所示,包括:
步骤201、初始化各个频点的分离矩阵及各个声源在各个频点的加权协方差矩阵。
本步骤中,所述分离矩阵的行数和列数均为声源的数量,所述加权协方差矩阵为0矩阵。
本实施例中,以两个麦克风作为采集点的场景为例。如图3所示,智能音箱A具有两个麦克风:mic1和mic2;在智能音箱A周围空间存在两个声源:s1和s2。两个声源发出的信号均能够被两个麦克风采集到。在每个麦克风中两个声源的信号都会混叠在一起。建立如下坐标系:
代表第i个麦克风第τ帧的时域信号,i=1,2;m=1,…,Nfft。Nfft为智能音箱A的声音系统中每个分帧的帧长度。对根据Nfft取得的帧进行加窗后,通过傅利叶变换(FFT)得到对应的频域信号Xi(k,τ)。
对于卷积盲分离问题,频域模型为:
X(k,τ)=H(k,τ)s(k,τ)
Y(k,τ)=W(k,τ)X(k,τ)
其中,X(k,τ)=[X1(k,τ),X2(k,τ),...,XM(k,τ)]T为麦克风观测数据,s(k,τ)=[s1(k,τ),s2(k,τ),...,sM(k,τ)]T为声源信号矢量,Y(k,τ)=[Y1(k,τ),Y2(k,τ),...,YM(k,τ)]T为分离信号矢量,H(k,τ)为M×M维的混合矩阵,W(k,τ)为M×M维的分离矩阵,k为频带数,τ为帧数,()T表示向量(或矩阵)转置。为声源i的频域数据。
分离矩阵表示为:
W(k,τ)=[w1(k,τ),w2(k,τ),...wN(k,τ)]H
其中,()H表示向量(或矩阵)的共轭转置。
具体到如图3所示的场景时:
定义混合矩阵为:
其中,hij为声源i到micj的传递函数。
定义分离矩阵为:
设声音系统中每个分帧的帧长度为Nfft,K=Nfft/2+1。
本步骤中,根据表达式(1)初始化各个频点的分离矩阵:
分离矩阵为单位阵;k=1,..,K,代表第k个频点。
并根据表达式(2)初始化各声源在各个频点的加权协方差矩阵Vi(k,τ)为零矩阵:
其中,k=1,..,K,代表第k个频点;i=1,2。
步骤202、求取各个采集点处的时域信号,并根据所述时域信号对应的频域信号构建观测信号矩阵。
则观测信号矩阵为:
X(k,τ)=[X1(k,τ),X2(k,τ)]T
其中,k=1,..,K。
步骤203、根据上一帧的分离矩阵和所述观测信号矩阵,求取当前帧各个声源的先验频域估计。
本步骤中,首先根据上一帧的分离矩阵对所述观测信号矩阵进行分离,得到当前帧各个声源的先验频域估计。对于图3所示的应用场景,利用上一帧的W(k)求取当前帧中两个声源信号的先验频域估计Y(k,τ)。
例如,令Y(k,τ)=[Y1(k,τ),Y2(k,τ)]T,k=1,..,K。其中Y1(k,τ),Y2(k,τ)分别为声源s1和s2在时频点(k,τ)处的估计值。根据表达式(4),通过利用分离矩阵W(k,τ)对观测矩阵X(k,τ)进行分离得到:
Y(k,τ)=W(k,τ)X(k,τ)k=1,..,K (4)
则根据表达式(5),第i个声源在第τ帧的频域估计为:
其中,i=1,2。
步骤204、根据所述先验频域估计更新所述加权协方差矩阵。
本步骤中,根据所述观测信号矩阵及所述观测信号矩阵的共轭转置矩阵,更新所述加权协方差矩阵。
对于图3所示的应用场景,更新加权协方差矩阵Vi(k,τ)。
例如,根据表达式(6)进行加权协方差矩阵的更新:
定义对比函数为:
GR(ri(τ))=ri(τ)
定义加权系数为:
步骤205、根据更新后的所述加权协方差矩阵,更新所述分离矩阵。
本步骤中,首先根据各个声源的加权协方差矩阵,分别更新各个声源的分离矩阵,然后更新所述分离矩阵为各个声源的分离矩阵合并后的共轭转置矩阵。对于图3所示的应用场景,更新分离矩阵W(k,τ)。
例如,根据表达式(7)、(8)、(9)对分离矩阵W(k,τ)进行更新:
wi(k,τ)=(W(k,τ-1)Vi(k,τ))-1ei (7)
W(k,τ)=[w1(k,τ),w2(k,τ)]H (9)
i=1,2。
步骤206、对更新后的所述分离矩阵去模糊。
本步骤中,可采用MDP对所述分离矩阵进行幅度去模糊处理。对于图3所示的应用场景,利用MDP算法对W(k,τ)进行幅度去模糊处理。
例如,根据表达式(10)进行MDP幅度去模糊处理:
W(k,τ)=diag(invW(k,τ))·W(k,τ) (10)
其中invW(k,τ)为W(k,τ)的逆矩阵。diag(invW(k,τ))表示将invW(k,τ)的非主对角元素置为0。
步骤207、根据去模糊后的所述分离矩阵,对所述原始观测数据进行分离,将分离得到的后验域估计数据作为所述观测信号估计数据。
本步骤中,对于图3所示的应用场景,利用幅度去模糊后的W(k,τ)对原始麦克信号进行分离得到声源信号的后验频域估计数据Y(k,τ),具体如表达式(11):
Y(k,τ)=[Y1(k,τ),Y2(k,τ)]T=W(k,τ)X(k,τ) (11)
在获得低信噪比的后验频域估计数据后,以其作为观测信号估计数据,进一步的确定各个声源在各个采集点处的观测信号估计数据,为各声源的寻向提供高质量数据基础。
本公开的一示例性实施例还提供了一种声源定位方法,使用该方法从后验观测信号估计数据中,定位各个声源的流程如图4所示,包括:
步骤401、根据所述观测信号估计数据,获取各采集点处各声源的观测信号数据。
本步骤中,获取各采集点处的各个声源的观测信号数据。对于图3所示的应用场景,本步骤中估计各声源在各麦克风处的叠加得到观测信号,进而估计各个声源自身在各个麦克风处的观测信号数据。
例如,利用MDP后的W(k,τ)对原始观测数据进行分离得到Y(k,τ)=[Y1(k,τ),Y2(k,τ)]T。根据MDP算法的原理,其恢复出的Y(k,τ)正好是声源在对应麦克风处的观测信号的估计,即:
声源s1在mic1处的观测信号数据的估计如表达式(12),为:
Y1(k,τ)=h11s1(k,τ)
重新记
Y11(k,τ)=Y1(k,τ) (12)
声源s2在mic2处的观测信号数据估计如表达式(13),为:
Y2(k,τ)=h22s2(k,τ)
重新记
Y22(k,τ)=Y2(k,τ) (13)
由于每个麦克风处的观测信号是两个声源观测信号数据的叠加,因此声源s2在mic1处的观测数据的估计如表达式(14),为:
Y12(k,τ)=X1(k,τ)-Y11(k,τ) (14)
声源s1在mic2处的观测数据的估计如表达式(15),为
Y21(k,τ)=X2(k,τ)-Y22(k,τ) (15)
这样基于MDP算法,完全的恢复出了各声源在各个麦克风处的观测信号数据,保留了原始的相位信息。因此,可以基于这些观测信号数据进一步估计各个声源的方位。
步骤402、根据各采集点处各声源的所述观测信号数据,分别估算各声源的方位。
本步骤中,分别对各声源进行如下估算,获取各声源的方位:
使用同一声源在不同采集点处的所述观测信号数据构成采集点的观测数据,通过寻向算法对所述声源进行定位。
对于图3所示的应用场景,使用各声源在各个麦克风处的观测信号数据分别利用SRP-PHAT算法估计各声源的方位。
SRP-PHAT算法原理如下:
对麦克风阵列进行遍历:
其中Xi(τ)=[Xi(1,τ),…,Xi(K,τ)]T,为第i个麦克风的第τ帧的频域数据。K=Nfft。
同理Xj(τ)。.*表示两个向量对应项相乘。
其中fs为系统采样率,c为声速。
遍历单位球上所有点s,找到SRP最大值的点即为所估计的声源:
沿用图3场景的举例,本步骤中,可将Y11(k,τ)和Y21(k,τ)代替X(k,τ)=[X1(k,τ),X2(k,τ)]T,带入SRP-PAHT算法就可以估计声源s1的方位;同样的利用Y22(k,τ)和Y12(k,τ)代替X(k,τ)=[X1(k,τ),X2(k,τ)]T估计声源s2的方位。
由于是在分离的基础上,Y11(k,τ)和Y21(k,τ),Y22(k,τ)和Y12(k,τ)的信噪比已大幅提高,因此方位估计更加的稳定和准确。解决了直接使用原始麦克风观测数据X(k,τ)=[X1(k,τ),X2(k,τ)]T进行声源方位估计,由于麦克风观测数据带噪,算法极度依赖信噪比,当信噪比较低时寻向很不准确的问题。
本公开的一示例性实施例还提供了一种声源定位装置,其结构如图5所示,包括:
原始数据获取模块501,用于获取至少两个采集点分别对至少两个声源采集的原始观测数据;
数据处理模块502,用于对所述原始观测数据进行降噪处理,获取观测信号估计数据;
定位处理模块503,用于根据所述观测信号估计数据,定位各个声源。
所述数据处理模块502的结构如图6所示,包括:
矩阵初始化子模块601,用于初始化各个频点的分离矩阵及各个声源在各个频点的加权协方差矩阵,所述分离矩阵的行数和列数均为声源的数量;
频域数据获取子模块602,用于求取各个采集点处的时域信号,并根据所述时域信号对应的频域信号构建观测信号矩阵;
先验频域估计子模块603,用于根据上一帧的分离矩阵和所述观测信号矩阵,求取当前帧各个声源的先验频域估计;
协方差矩阵更新子模块604,用于根据所述先验频域估计更新所述加权协方差矩阵;
分离矩阵更新子模块605,用于根据更新后的所述加权协方差矩阵,更新所述分离矩阵;
去模糊子模块606,用于对更新后的所述分离矩阵去模糊;
后验域估计子模块607,用于根据去模糊后的所述分离矩阵,对所述原始观测数据进行分离,将分离得到的后验域估计数据作为所述观测信号估计数据。
所述先验域估计子模块603,用于根据上一帧的分离矩阵对所述观测信号矩阵进行分离,得到当前帧各个声源的先验频域估计。
所述协方差矩阵更新子模块604,用于根据所述观测信号矩阵及所述观测信号矩阵的共轭转置矩阵,更新所述加权协方差矩阵。
所述分离矩阵更新子模块605的结构如图7所示,包括:
第一更新子模块701,用于根据各个声源的加权协方差矩阵,分别更新各个声源的分离矩阵;
第二更新子模块702,用于更新所述分离矩阵为各个声源的分离矩阵合并后的共轭转置矩阵。
所述去模糊子模块606,用于采用MDP对所述分离矩阵进行幅度去模糊处理。
所述定位处理模块503的结构如图8所示,包括:
声源数据估计子模块801,用于根据所述观测信号估计数据,获取各采集点处各声源的观测信号数据;
声源定位子模块802,用于根据各采集点处各声源的所述观测信号数据,分别估算各声源的方位。
优选的,所述声源定位子模块802,用于分别对各声源进行如下估算,获取各声源的方位:
使用同一声源在不同采集点处的所述观测信号数据构成采集点的观测数据,通过寻向算法对所述声源进行定位。
上述装置可集成于智能终端设备或远程运算处理平台,也可将部分功能模块集成于智能终端设备而部分功能模块集成于远程运算处理平台,由智能终端设备和/或远程运算处理平台实现相应功能。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图9是根据一示例性实施例示出的一种用于声源定位的装置900的框图。例如,装置900可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图9,装置900可以包括以下一个或多个组件:处理组件902,存储器904,电力组件906,多媒体组件908,音频组件910,输入/输出(I/O)的接口912,传感器组件914,以及通信组件916。
处理组件902通常控制装置900的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件902可以包括一个或多个处理器920来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件902可以包括一个或多个模块,便于处理组件902和其他组件之间的交互。例如,处理组件902可以包括多媒体模块,以方便多媒体组件908和处理组件902之间的交互。
存储器904被配置为存储各种类型的数据以支持在设备900的操作。这些数据的示例包括用于在装置900上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器904可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电力组件906为装置900的各种组件提供电力。电力组件906可以包括电源管理系统,一个或多个电源,及其他与为装置900生成、管理和分配电力相关联的组件。
多媒体组件908包括在所述装置900和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件908包括一个前置摄像头和/或后置摄像头。当设备900处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件910被配置为输出和/或输入音频信号。例如,音频组件910包括一个麦克风(MIC),当装置900处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器904或经由通信组件916发送。在一些实施例中,音频组件910还包括一个扬声器,用于输出音频信号。
I/O接口912为处理组件902和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件914包括一个或多个传感器,用于为装置900提供各个方面的状态评估。例如,传感器组件914可以检测到设备900的打开/关闭状态,组件的相对定位,例如所述组件为装置900的显示器和小键盘,传感器组件914还可以检测装置900或装置900一个组件的位置改变,用户与装置900接触的存在或不存在,装置900方位或加速/减速和装置900的温度变化。传感器组件914可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件914还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件914还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件916被配置为便于装置900和其他设备之间有线或无线方式的通信。装置900可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件916经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件916还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置900可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器904,上述指令可由装置900的处理器920执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质,当所述存储介质中的指令由移动终端的处理器执行时,使得移动终端能够执行一种声源定位方法,所述方法包括:
获取至少两个采集点分别对至少两个声源采集的原始观测数据;
对所述原始观测数据进行降噪处理,获取观测信号估计数据;
根据所述观测信号估计数据,定位各个声源。
图10是根据一示例性实施例示出的一种用于声源定位的装置1000的框图。例如,装置1000可以被提供为一服务器。参照图10,装置1000包括处理组件1022,其进一步包括一个或多个处理器,以及由存储器1032所代表的存储器资源,用于存储可由处理组件1022的执行的指令,例如应用程序。存储器1032中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1022被配置为执行指令,以执行上述方法.
装置1000还可以包括一个电源组件1026被配置为执行装置1000的电源管理,一个有线或无线网络接口1050被配置为将装置1000连接到网络,和一个输入输出(I/O)接口1058。装置1000可以操作基于存储在存储器1032的操作系统,例如Windows ServerTM,MacOS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
本公开的实施例提供了一种声源定位方法及系统,获取至少两个采集点分别对至少两个声源采集的原始观测数据,然后对所述原始观测数据进行降噪处理,获取观测信号估计数据,再根据所述观测信号估计数据,定位各个声源。对原始观测数据进行降噪处理,减少噪声干扰,然后再定位声源,解决了强干扰低信噪比场景下声源定位准确率低的问题,实现了高效、抗干扰能力强的声源定位。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (18)
1.一种声源定位方法,其特征在于,包括:
获取至少两个采集点分别对至少两个声源采集的原始观测数据;
对所述原始观测数据进行降噪处理,获取观测信号估计数据;
根据所述观测信号估计数据,定位各个声源。
2.根据权利要求1所述的声源定位方法,其特征在于,所述对所述原始观测数据进行降噪处理,获取观测信号估计数据的步骤包括:
初始化各个频点的分离矩阵及各个声源在各个频点的加权协方差矩阵,所述分离矩阵的行数和列数均为声源的数量;
求取各个采集点处的时域信号,并根据所述时域信号对应的频域信号构建观测信号矩阵;
根据上一帧的分离矩阵和所述观测信号矩阵,求取当前帧各个声源的先验频域估计;
根据所述先验频域估计更新所述加权协方差矩阵;
根据更新后的所述加权协方差矩阵,更新所述分离矩阵;
对更新后的所述分离矩阵去模糊;
根据去模糊后的所述分离矩阵,对所述原始观测数据进行分离,将分离得到的后验域估计数据作为所述观测信号估计数据。
3.根据权利要求2所述的声源定位方法,其特征在于,根据上一帧的分离矩阵求取当前帧各个声源的先验频域估计的步骤包括:
根据上一帧的分离矩阵对所述观测信号矩阵进行分离,得到当前帧各个声源的先验频域估计。
4.根据权利要求2所述的声源定位方法,其特征在于,根据所述先验频域估计更新所述加权协方差矩阵的步骤包括:
根据所述观测信号矩阵及所述观测信号矩阵的共轭转置矩阵,更新所述加权协方差矩阵。
5.根据权利要求2所述的声源定位方法,其特征在于,根据更新后的所述加权协方差矩阵,更新所述分离矩阵的步骤包括:
根据各个声源的加权协方差矩阵,分别更新各个声源的分离矩阵;
更新所述分离矩阵为各个声源的分离矩阵合并后的共轭转置矩阵。
6.根据权利要求2所述的声源定位方法,其特征在于,对更新后的所述分离矩阵去模糊的步骤包括:
采用最小畸变准则MDP对所述分离矩阵进行幅度去模糊处理。
7.根据权利要求1所述的声源定位方法,其特征在于,所述根据所述观测信号估计数据,定位各个声源的步骤包括:
根据所述观测信号估计数据,获取各采集点处各声源的观测信号数据;
根据各采集点处各声源的所述观测信号数据,分别估算各声源的方位。
8.根据权利要求7所述的声源定位方法,其特征在于,根据各采集点处各声源的所述观测信号数据,分别估算各声源的方位的步骤包括:
分别对各声源进行如下估算,获取各声源的方位:
使用同一声源在不同采集点处的所述观测信号数据构成采集点的观测数据,通过寻向算法对所述声源进行定位。
9.一种声源定位装置,其特征在于,包括:
原始数据获取模块,用于获取至少两个采集点分别对至少两个声源采集的原始观测数据;
数据处理模块,用于对所述原始观测数据进行降噪处理,获取观测信号估计数据;
定位处理模块,用于根据所述观测信号估计数据,定位各个声源。
10.根据权利要求9所述的声源定位装置,其特征在于,所述数据处理模块包括:
矩阵初始化子模块,用于初始化各个频点的分离矩阵及各个声源在各个频点的加权协方差矩阵,所述分离矩阵的行数和列数均为声源的数量;
频域数据获取子模块,用于求取各个采集点处的时域信号,并根据所述时域信号对应的频域信号构建观测信号矩阵;
先验频域估计子模块,用于根据上一帧的分离矩阵和所述观测信号矩阵,求取当前帧各个声源的先验频域估计;
协方差矩阵更新子模块,用于根据所述先验频域估计更新所述加权协方差矩阵;
分离矩阵更新子模块,用于根据更新后的所述加权协方差矩阵,更新所述分离矩阵;
去模糊子模块,用于对更新后的所述分离矩阵去模糊;
后验域估计子模块,用于根据去模糊后的所述分离矩阵,对所述原始观测数据进行分离,将分离得到的后验域估计数据作为所述观测信号估计数据。
11.根据权利要求10所述的声源定位装置,其特征在于,所述先验域估计子模块,用于根据上一帧的分离矩阵对所述观测信号矩阵进行分离,得到当前帧各个声源的先验频域估计。
12.根据权利要求10所述的声源定位装置,其特征在于,
所述协方差矩阵更新子模块,用于根据所述观测信号矩阵及所述观测信号矩阵的共轭转置矩阵,更新所述加权协方差矩阵。
13.根据权利要求10所述的声源定位装置,其特征在于,所述分离矩阵更新子模块包括:
第一更新子模块,用于根据各个声源的加权协方差矩阵,分别更新各个声源的分离矩阵;
第二更新子模块,用于更新所述分离矩阵为各个声源的分离矩阵合并后的共轭转置矩阵。
14.根据权利要求10所述的声源定位装置,其特征在于,
所述去模糊子模块,用于采用最小畸变准则MDP对所述分离矩阵进行幅度去模糊处理。
15.根据权利要求9所述的声源定位装置,其特征在于,所述定位处理模块包括:
声源数据估计子模块,用于根据所述观测信号估计数据,获取各采集点处各声源的观测信号数据;
声源定位子模块,用于根据各采集点处各声源的所述观测信号数据,分别估算各声源的方位。
16.根据权利要求15所述的声源定位装置,其特征在于,
所述声源定位子模块,用于分别对各声源进行如下估算,获取各声源的方位:
使用同一声源在不同采集点处的所述观测信号数据构成采集点的观测数据,通过寻向算法对所述声源进行定位。
17.一种计算机装置,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
获取至少两个采集点分别对至少两个声源采集的原始观测数据;
对所述原始观测数据进行降噪处理,获取观测信号估计数据;
根据所述观测信号估计数据,定位各个声源。
18.一种非临时性计算机可读存储介质,当所述存储介质中的指令由移动终端的处理器执行时,使得移动终端能够执行一种声源定位方法,所述方法包括:
获取至少两个采集点分别对至少两个声源采集的原始观测数据;
对所述原始观测数据进行降噪处理,获取观测信号估计数据;
根据所述观测信号估计数据,定位各个声源。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110497196.XA CN113223548B (zh) | 2021-05-07 | 2021-05-07 | 声源定位方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110497196.XA CN113223548B (zh) | 2021-05-07 | 2021-05-07 | 声源定位方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113223548A true CN113223548A (zh) | 2021-08-06 |
CN113223548B CN113223548B (zh) | 2022-11-22 |
Family
ID=77091553
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110497196.XA Active CN113223548B (zh) | 2021-05-07 | 2021-05-07 | 声源定位方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113223548B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9560446B1 (en) * | 2012-06-27 | 2017-01-31 | Amazon Technologies, Inc. | Sound source locator with distributed microphone array |
US20170070814A1 (en) * | 2015-09-09 | 2017-03-09 | Microsoft Technology Licensing, Llc | Microphone placement for sound source direction estimation |
CN108152788A (zh) * | 2017-12-22 | 2018-06-12 | 西安Tcl软件开发有限公司 | 声源追踪方法、声源追踪设备及计算机可读存储介质 |
CN110456309A (zh) * | 2019-02-28 | 2019-11-15 | 深圳壹秘科技有限公司 | 声源定位方法、装置及计算机可读存储介质 |
CN112116922A (zh) * | 2020-09-17 | 2020-12-22 | 集美大学 | 一种噪声盲源信号分离方法、终端设备及存储介质 |
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 |
-
2021
- 2021-05-07 CN CN202110497196.XA patent/CN113223548B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9560446B1 (en) * | 2012-06-27 | 2017-01-31 | Amazon Technologies, Inc. | Sound source locator with distributed microphone array |
US20170070814A1 (en) * | 2015-09-09 | 2017-03-09 | Microsoft Technology Licensing, Llc | Microphone placement for sound source direction estimation |
CN108152788A (zh) * | 2017-12-22 | 2018-06-12 | 西安Tcl软件开发有限公司 | 声源追踪方法、声源追踪设备及计算机可读存储介质 |
CN110456309A (zh) * | 2019-02-28 | 2019-11-15 | 深圳壹秘科技有限公司 | 声源定位方法、装置及计算机可读存储介质 |
CN112116922A (zh) * | 2020-09-17 | 2020-12-22 | 集美大学 | 一种噪声盲源信号分离方法、终端设备及存储介质 |
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 |
Non-Patent Citations (2)
Title |
---|
李皓若等: "基于Mallat算法对麦克风阵列多声源定位的研究", 《中国新通信》 * |
王杰 等: "改进DSB方法的语音信号多声源定位", 《计算机工程与应用》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113223548B (zh) | 2022-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108510987B (zh) | 语音处理方法及装置 | |
CN107798669B (zh) | 图像去雾方法、装置及计算机可读存储介质 | |
CN111128221B (zh) | 一种音频信号处理方法、装置、终端及存储介质 | |
CN107566739B (zh) | 一种拍照方法及移动终端 | |
CN107832836B (zh) | 无模型深度增强学习探索方法及装置 | |
CN110970046B (zh) | 一种音频数据处理的方法及装置、电子设备、存储介质 | |
CN113314135B (zh) | 声音信号识别方法及装置 | |
CN113053406B (zh) | 声音信号识别方法及装置 | |
CN113506582B (zh) | 声音信号识别方法、装置及系统 | |
CN114363770B (zh) | 通透模式下的滤波方法、装置、耳机以及可读存储介质 | |
CN111179960A (zh) | 音频信号处理方法及装置、存储介质 | |
CN111009257A (zh) | 一种音频信号处理方法、装置、终端及存储介质 | |
CN113486830A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111589138A (zh) | 动作预测方法、装置、设备及存储介质 | |
CN110459236B (zh) | 音频信号的噪声估计方法、装置及存储介质 | |
CN113223548B (zh) | 声源定位方法及装置 | |
CN113223553B (zh) | 分离语音信号的方法、装置及介质 | |
CN110517703B (zh) | 一种声音采集方法、装置及介质 | |
CN112863537B (zh) | 一种音频信号处理方法、装置及存储介质 | |
CN113488066A (zh) | 音频信号处理方法、音频信号处理装置及存储介质 | |
CN116405774A (zh) | 视频处理方法与电子设备 | |
CN112434714A (zh) | 多媒体识别的方法、装置、存储介质及电子设备 | |
CN113345461A (zh) | 一种语音处理方法、装置和用于语音处理的装置 | |
CN113223543B (zh) | 语音增强方法、装置和存储介质 | |
CN111667842A (zh) | 音频信号处理方法及装置 |
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 |