[发明专利]一种基于多距离声传感器的音频索引方法

权利要求书

1.一种基于多距离声传感器的音频索引方法，包括信息采集步骤、特征提取步骤以及分类决策步骤，其特征在于：

所述信息采集步骤通过多距离声传感器实现；

所述特征提取步骤是将每个独立声源与多距离声传感器对之间的多个时延组成基于空间域的多时延声学特征，提取该空间域特征作为说话人的鉴别信息，定义到达时间差TDOA为空间特征的元素：

TDOA=||mi-s||-||mj-s||c]]>

其中m_i和m_j分别代表第i个和第j个声传感器的空间位置，s为声源的空间位置，s为声源，c为声速，采用GCC-PHAT方法估计TDOA值，基于多距离声传感器得到的空间声学特征为：

Tk=T^12T^13LT^ijT]]>

其中k代表第k个说话人，i代表多距离声传感器系统中的第i个传感器，j代表多距离声传感器系统中的第j个传感器，T代表TDOA估计值，

所述空间域特征的鉴别性结构在统计流型上保持一致，同时该流型不属于全局线性流型；

所述分类决策步骤是根据信息采集步骤和特征提取步骤的结果采用对向量的分类方法来实现。

2.根据权利要求1所述的基于多距离声传感器的音频索引方法，其特征在于，所述特征提取步骤中提取时空加权融合特征，即，将所述空间域特征与传统的人类声学特征结合作为说话人的鉴别信息。

3.根据权利要求2所述的基于多距离声传感器的音频索引方法，其特征在于，将TDOA向量和MFCC特征向量融合作为说话人的鉴别信息。

4.根据权利要求1所述的基于多距离声传感器的音频索引方法，其特征在于，在所述特征提取步骤完成后，分类决策步骤进行前，对多时延声学特征进行降维处理，通过单个声源在空间上的鉴别性来进行说话人分类。