[发明专利]基于分频和改进的广义互相关双耳时延估计方法

说明书

本发明请求保护一种混响环境下基于分频和改进广义互相关双耳时延估计方法，涉及声源定位领域，它利用Gammatone滤波器能有效的模拟人耳基底膜特性，将语音信号分频处理，在混响环境下进行双耳互相关时延估计，相比于广义互相关时延估计方法，该方法具有更准确的时延估计，该声源定位系统在混响环境下具有更好的鲁棒性。使用Gammatone滤波器对双耳信号进行分频处理，对每个子带信号进行倒谱预滤波的去混响处理后反变换到时域，左右耳各子带信号进行广义互相关运算，广义互相关算法中采用改进的相位变换加权函数，得到的每个子带的互相关值进行求和运算，获得最大互相关值对应的双耳时间差。

技术领域

本发明属于声源定位领域，特别是一种基于分频和改进的广义互相关双耳时延估计方法。

背景技术

随着人类社会的进步，人们对机器的人机交互性能要求越来越高。人机交互真正所需的是人与机器或计算机之间更好的耦合，全面直观地进行沟通和交流，而不是简单地更好地设计交互界面的表面特性。人与机器之间日益增长的沟通需要定位和跟踪声源，用于视频音频应用的自动相机跟踪，用于抑制噪声和混响的麦克风阵列波束成形，远程讲话语音识别和机器人音频系统是语音源定位的示例应用。

随着语音识别、声纹识别等技术的快速发展，基于语音的人机交互技术涉及到各个应用领域。以室内的智能服务机器人为例，智能有趣的家居生活情景的构建，都是通过机器人的智能自动化，给人们带来更加轻松方便的生活方式。在室内环境中工作的机器人应该意识到给定的命令，为此，他们需要认识到如来自电器的噪声辐射和来自其周围的无线电或电视的不明的声音事件。因此，能够使机器人捕获空间信息(即在其环境中发生声音事件的方向)的声源定位是相当基本和必要的技术，其必须在机器人采取动作之前被处理。在语音信号处理中，获取声源位置的信息具有重要作用。在封闭的家居室内环境中采集语音时，往往携带着周围环境的各种噪声、房间混响以及其它声源的干扰，这些干扰的存在使声音清晰度下降，声源定位的误差增大，阻止系统充分提取任何语音特征，妨碍人机语音交互技术的广泛使用。

在各种非常不利的声学环境下，人耳都能精确地进行声源定位。例如，“鸡尾酒会效应”中，两个客人可以在一群人的旁边正常的交流，听者还可以根据感兴趣的语音信号判断出目标声源的方向，当听者听到有人叫唤他名字时会将头面向说话者。由此可见，人耳可以从嘈杂的多声源环境中定位出目标声源的位置。这一事实表明可以通过模仿人耳听觉系统的机制，实现有效的人工双耳声源定位。双耳声源定位是实现人机交互的重要组成部分，因为它配备了两个麦克风作为人类听觉定位，能够准确快速地定位声源。声源定位的广适性使其应用于多个领域，在声学通信、人工智能和助听器等方面有着重要的研究意义和实用价值。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种在混响环境下提高声源定位的准确度的基于分频和改进的广义互相关双耳时延估计方法。本发明的技术方案如下：

一种基于分频和改进的广义互相关双耳时延估计方法，其包括以下步骤：

S1：获取包含混响的双耳语音信号，分别用两个麦克风放到人工头的左右耳上，两个麦克风采集到的信号卷积上头部脉冲响应即为双耳语音信号；

S2：对步骤S1得到的含混响的双耳语音信号，使用Gammatone滤波器组对双耳信号进行分频处理，得到不同频率的子带双耳信号；

S3：步骤S2得到的子带语音信号变换到倒谱域，进行倒谱预滤波去混响处理，获得去混响的左右耳各子带信号；

S4：步骤S3得到的去混响的左右耳各子带信号采用改进的广义互相关时延估计方法求取双耳时间差，所述改进广义互相关时延估计方法主要包括：在传统广义互相关法的基础上采用改进的相位加权(MPHAT)；

S5：根据双耳时间差几何模型，采用步骤S4得到的双耳时间差获取目标声源的方位。

进一步的，所述步骤S1采用双麦克风模拟人耳听觉系统获取包含混响的双耳语音信号。