本發(fā)明屬于信號處理技術(shù)領(lǐng)域，涉及麥克風(fēng)陣列和聲源定位，具體涉及一種基于聲傳遞函數(shù)的聲源定位方法。

背景技術(shù)：

聲源定位在許多領(lǐng)域有重要的應(yīng)用，比如自動語音識別、機(jī)器人以及計算聽覺場景分析等。對人而言，即使在復(fù)雜環(huán)境中，聽者依然能順利定位目標(biāo)聲源，其主要利用的定位線索有雙耳時間差(interauraltimedifference，itd)和雙耳強(qiáng)度差(interauralleveldifference，ild)。研究人員將上述定位線索應(yīng)用于麥克風(fēng)陣列的聲源的定位問題中，提出了許多聲源定位方法。

一些定位方法僅利用時間定位線索。這類方法首先估計由聲源發(fā)出的信號到達(dá)各麥克風(fēng)的時間差，即到達(dá)時間差(timedifferenceofarrival，tdoa)，之后將tdoa信息映射到空間位置。tdoa可通過gcc(generalizedcross-correlation)、gcc-phat(generalizedcross-correlationphasedtransform)、srp(steeredresponsepower)以及srp-phat-(steeredresponsepowerphasedtransform)等方法計算得到。tdoa與空間位置的映射關(guān)系則由麥克風(fēng)陣列的位置、形狀等因素決定。也有一些研究人員使用時間線索以及強(qiáng)度線索共同定位聲源，raspaud等人建立了通道間時間差和強(qiáng)度差與聲源位置之間的參數(shù)模型，根據(jù)估計得到的時間差和強(qiáng)度差確定目標(biāo)聲源的位置。

傳遞函數(shù)刻畫了包含了時間差、強(qiáng)度差等定位線索，因此一些研究人員試圖利用傳遞函數(shù)實現(xiàn)聲源定位。keyrouz等人提出了一種基于雙麥克風(fēng)的聲源定位方法，其基本思想為當(dāng)且僅當(dāng)使用與聲源方位對應(yīng)的傳遞函數(shù)對記錄信號做逆濾波時兩個通道的逆濾波結(jié)果相同，即匹配濾波。該方法首先使用狀態(tài)空間求逆法(state-spaceinversionmethod)計算所有可能聲源位置的傳遞函數(shù)的逆，逐個使用傳遞函數(shù)的逆對記錄信號做濾波操作，計算逆濾波結(jié)果的通道間相似性，最終將聲源定位至使相關(guān)系數(shù)最大的傳遞函數(shù)對應(yīng)的空間位置。由于傳遞函數(shù)的逆的計算量過大且可能存在誤差，macdonal將反卷積過程變換為卷積過程，提出新的基于傳遞函數(shù)的聲源定位算法。當(dāng)只有兩個麥克風(fēng)時，對于每一個候選的聲源位置，該方法將每個麥克風(fēng)的記錄信號與另一個麥克風(fēng)的傳遞函數(shù)卷積，之后計算卷積結(jié)果間的相關(guān)性，使相關(guān)性達(dá)到最大的傳遞函數(shù)對應(yīng)的空間位置即為定位輸出結(jié)果。當(dāng)麥克風(fēng)個數(shù)較多時，該方法還需要將麥克風(fēng)成對分組。

聲源定位任務(wù)的一個主要挑戰(zhàn)是如何在噪聲干擾下定位目標(biāo)聲源，即如何提高定位方法的魯棒性。麥克風(fēng)陣列接收到的聲音信號通?？煽醋饔山?jīng)傳遞函數(shù)濾波的聲源信號與噪聲干擾共同組成，即麥克風(fēng)陣列接收信號的信噪比由聲源、噪聲以及傳遞函數(shù)共同決定，且傳遞函數(shù)僅與聲源位置有關(guān)，因此可將傳遞函數(shù)作為信噪比的先驗知識引入到聲源定位任務(wù)中，而現(xiàn)有的基于傳遞函數(shù)的聲源定位方法并未考慮到這一點。

技術(shù)實現(xiàn)要素：

本發(fā)明提出了一種基于聲傳遞函數(shù)的聲源定位方法，在已知所有可能聲源位置到麥克風(fēng)的傳遞函數(shù)時，該方法可以根據(jù)聲傳遞函數(shù)獲取相應(yīng)麥克風(fēng)記錄信號信噪比的先驗信息并將該先驗信息用于聲源定位。

本發(fā)明所提的基于傳遞函數(shù)的聲源定位方法的基本思想是，使用聲傳遞函數(shù)對麥克風(fēng)記錄信號做逆濾波，根據(jù)逆濾波結(jié)果的通道間相似性即可定位目標(biāo)聲源。當(dāng)考慮噪聲干擾時，記錄信號不同頻率處的信噪比由聲源和噪聲的頻譜分布以及傳遞函數(shù)共同決定。若聲源和噪聲固定，記錄信號的信噪比則正比于傳遞函數(shù)的幅度。由于，傳遞函數(shù)可能存在極小值點，即在某些頻率處的幅度遠(yuǎn)小于其平均值，可以推測記錄信號在這些頻率點上的信噪比較差。因此，在已知所有可能聲源位置的傳遞函數(shù)的基礎(chǔ)上，可根據(jù)傳遞函數(shù)的頻譜模式估計記錄信號中信噪比很低的頻點并將該頻點在定位之前濾除，提高聲源定位方法的魯棒性。本發(fā)明的主要創(chuàng)新之處在于其能根據(jù)傳遞函數(shù)的頻譜模式估計記錄信號中信噪比較差的頻段并將其濾除，從而提高了定位的魯棒性。

本發(fā)明提出的基于傳遞函數(shù)的聲源定位方法的基本框架如圖1所示，其中主要包括以下幾個部分：

計算頻域二值掩模對于每個聲源方位，根據(jù)聲源到所有麥克風(fēng)的傳遞函數(shù)估計記錄信號中信噪比較低的頻點，并使用0-1二值向量對每個頻點進(jìn)行表示，得到每個聲源的頻域二值掩模，其中，‘1’表示該頻點的信噪比較高；‘0’表示該頻點的信噪比較差；

逆濾波依次使用各個待選聲源位置的傳遞函數(shù)對記錄信號做逆濾波，逆濾波過程中需要根據(jù)與聲源位置對應(yīng)傳遞函數(shù)的頻域二值掩模濾除信噪比較差的頻點，逆濾波在頻域進(jìn)行；

通道間相似性計算使用皮爾遜相關(guān)系數(shù)計算逆濾波結(jié)果的通道間相似性；

決策器根據(jù)通道間相似性的計算結(jié)果估計聲源位置，其基本思路是將聲源定位至使通道間相似性最大的傳遞函數(shù)所對應(yīng)的空間位置。

與現(xiàn)有技術(shù)相比，本發(fā)明的積極效果為：

根據(jù)傳遞函數(shù)提取記錄信號信噪比的先驗信息并將該先驗信息用于聲源定位，提高了定位方法的魯棒性。

附圖說明

圖1是基于傳遞函數(shù)的聲源定位方法的基本框圖；

圖2是實驗所用球模型以及麥克風(fēng)分布示意圖；

圖3是聲源為白噪聲時本文所提方法與基線在不同聲源方位下的定位指向圖；其中，實線為本發(fā)明方法，虛線為srp-phat方法；

(a)聲源水平角為60°，(b)聲源水平角為180°，(c)聲源水平角為300°；

圖4是聲源為語音時本文所提方法與基線在不同聲源方位下的定位指向圖；其中，實線為本發(fā)明方法，虛線為srp-phat方法；

(a)聲源水平角為60°，(b)聲源水平角為180°，(c)聲源水平角為300°；

圖5是聲源為音樂時本文所提方法與基線在不同聲源方位下的定位指向圖；其中，實線為本發(fā)明方法，虛線為srp-phat方法；

(a)聲源水平角為60°，(b)聲源水平角為180°，(c)聲源水平角為300°；

圖6是本發(fā)明所提方法與基線在不同信噪比下的平均定位偏差；

(a)聲源為白噪聲，(b)聲源為語音，(c)聲源為音樂。

具體實施方式

下面參照本發(fā)明的附圖，更詳細(xì)地描述本發(fā)明的具體實施方法。

1.頻域二值掩模計算

假設(shè)聲源位于ps處，麥克風(fēng)陣列由m個麥克風(fēng)組成，麥克風(fēng)m(1≤m≤m)的空間位置為pm，ps到pm的傳遞函數(shù)已知并表示為麥克風(fēng)m記錄的信號rm可表示為：

其中，nm表示麥克風(fēng)m的記錄信號中包含的噪聲，k表示頻率。記錄信號rm的信噪比可表示為

由公式(2)可知，記錄信號的信噪比由聲源、噪聲以及傳遞函數(shù)共同決定。若不考慮聲源與噪聲信號的頻譜分布，記錄信號的信噪比則正比于傳遞函數(shù)的幅度。由于散射體的特性，傳遞函數(shù)可能在某些頻率處出現(xiàn)零點或較小值，導(dǎo)致記錄信號在對應(yīng)頻率處的信噪比較低。對于每個聲源位置，可根據(jù)傳遞函數(shù)的幅頻曲線估計記錄信號在各頻率處的信噪比情況，并使用0-1二值向量標(biāo)識出信噪比較低的頻點，即頻域二值掩模(spectralbinarymasker，bsm)。

聲源位置ps對應(yīng)的頻域二值掩模的具體計算步驟如下：

a)對每個麥克風(fēng)的傳遞函數(shù)做最大值歸一化，得到歸一化傳遞函數(shù)

b)搜索m個歸一化傳遞函數(shù)在每個頻點處的幅度最小值并組成向量v

c)使用設(shè)定閾值t將向量v二值化，即可得到

2.逆濾波

逆濾波實現(xiàn)了系統(tǒng)輸出到輸入的映射，其關(guān)鍵是找出系統(tǒng)的沖激響應(yīng)h的逆h^-1，使得

h*h^-1＝δ(n)(7)

其中，δ(n)為單位沖激響應(yīng)。h^-1的求解可在時域或頻域進(jìn)行。在時域上，h^-1可通過求解差分方程得到，而該方法會得到結(jié)果存在不穩(wěn)定等問題。一些數(shù)值優(yōu)化的方法也可用于求解h^-1，如最小均方差(lms)以及最小方差(ls)等。頻域上，h^-1可由下式計算得到

其中，dft和idft分別表示離散傅里葉變換及其反變化。相比時域的計算方法，頻域計算的復(fù)雜度更低，因此本發(fā)明采用該方法計算傳遞函數(shù)的逆，因此逆濾波過程可表示為：

為了濾除sm中信噪比較差的頻率，將頻域二值掩模應(yīng)用于上述逆濾波過程，即麥克風(fēng)m記錄信號的逆濾波結(jié)果可表示為：

由于傳遞函數(shù)幅度較小甚至出現(xiàn)零點的頻率的bsm為0，在逆濾波過程引入bsm除可以濾除信噪比較差的頻率外，還解決了(9)中由于分母的幅度過低而使逆濾波結(jié)果不穩(wěn)定的問題。

3.一致性檢測

使用傳遞函數(shù)對記錄信號做逆濾波之后，本發(fā)明使用皮爾遜相關(guān)系數(shù)計算逆濾波結(jié)果的通道間一致性，即相似程度。

由于相關(guān)系數(shù)僅適用于通道數(shù)為2的情況，對于多通道信號，本發(fā)明使用所有通道組合的相關(guān)系數(shù)的和作為其相似性度量準(zhǔn)則，即：

4.決策器

使用不同方位對應(yīng)的傳遞函數(shù)對記錄信號作逆濾波并計算逆濾波結(jié)果的通道間一致性后，聲源即可被定位到使一致性最大的傳遞函數(shù)對應(yīng)的聲源方位，即

定位方法的定位性能評價

本發(fā)明使用傳遞函數(shù)生成仿真信號，分別在安靜和噪聲條件下測試所提定位方法在仿真信號上的定位性能。定位性能的評價指標(biāo)包括指向性以及抗噪性能。實驗使用phat-spr作為基線。聲源信號分別選用白噪聲、語音以及音樂。噪聲情況下的信噪比變化范圍為-40db至40db。

1.傳遞函數(shù)

實驗使用剛性球作為散射體，其表面水平均勻分布有6個麥克風(fēng)，如圖2所示。球半徑為8.75cm。聲源與麥克風(fēng)位于同一水平面內(nèi)，與球中心的距離恒定為16m。麥克風(fēng)的水平角θ在5°到360°內(nèi)變化，變化步長為5°。傳遞函數(shù)由duda等人給出的球模型計算得到。

2.信號仿真

實驗使用聲源卷積傳遞函數(shù)生成仿真信號，聲源信號共有三種：白噪聲、英語女聲以及帶伴奏音樂。語音中的靜音會干擾實驗，因此在實驗前手動切成其中的靜音段，其他兩個聲源保持不變。實驗向仿真信號各通道中加入同等強(qiáng)度的白噪聲，各通道間白噪聲相互獨立，信噪比等于仿真信號強(qiáng)度最大的通道的信噪比。信號的采樣率為48khz，幀長為0.43ms。每種條件(聲源位置、聲源類型)下，統(tǒng)計本發(fā)明所提方法與phat-spr在十幀信號上的定位結(jié)果。

3.實驗結(jié)果

噪聲情況下，本發(fā)明所提方法與基線均能準(zhǔn)確定位聲源。圖3-圖5給出了聲源水平角度分別為60°,180°,300°時兩種定位方法的指向圖。如圖3所示，當(dāng)聲源為白噪聲時，兩種方法的定位結(jié)果均具有較好的指向性；當(dāng)聲源變?yōu)檎瓗盘?，如語音(圖4)和音樂(圖5)，phat-spr指向圖的主瓣寬度明顯增大，而本發(fā)明所提方法的指向性基本保持不變。

同時，實驗統(tǒng)計了不同信噪比下兩種方法的平均定位偏差。如圖6(a)所示，聲源為白噪聲時，本發(fā)明所提方法稍好于基線。信噪比在-14db附近，兩種方法的定位偏差迅速降低至0°。聲源為語音或音樂時，本發(fā)明所提方法的性能并未達(dá)到預(yù)期，其主要原因是語音和音樂的能量主要集中在低頻部分，逆濾波結(jié)果的高頻部分的信噪比較差。對于語音和音樂信號，將聲源信號能量分布的先驗知識應(yīng)用于頻域二值掩模，舍棄1khz以上的頻點。實驗結(jié)果如圖6(b)、(c)所示，當(dāng)信噪比較低時，本發(fā)明所提方法的定位偏差明顯小于基線，具有更好的魯棒性。