[发明专利]基于分频和深度神经网络的声源定位方法

权利要求书

1.一种基于分频和深度神经网络的声源定位方法，其特征在于，包括以下步骤：

S11、首先获取纯净的语音信号，再通过卷积双耳房间脉冲响应BRIR来构建带混响的双耳信号，再加入噪声；

S12、对步骤S11得到的含混响和噪声的双耳语音信号进行预处理，首先使用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，将每个子带信号变换到倒谱域，再进行去混响处理，获得去混响的左右耳各子带信号；

S13：对步骤S12得到的去混响的左右耳各子带信号进行特征提取，选择GCCF和双耳水平差作为双耳定位特征；

S14：将步骤S13得到的定位特征，输入到顶层为softmax回归结构的DNNs深度神经网络，输出声源处于每个方位的概率，取最大概率方位角为声源位置。

2.根据权利要求1所述的基于分频和深度神经网络的声源定位方法，其特征在于，所述BRIR是房间脉冲响应RIR卷积头部脉冲响应HRIR得来的，其中HRIR是HRTF头部相关传递函数的时域表示。

3.根据权利要求1所述的基于分频和深度神经网络的声源定位方法，其特征在于，所述步骤S13针对每个频带独立地计算右耳信号和左耳信号之间的互相关，选择广义互相关函数GCCF，其中加权函数为相位加权ILD对应着左右耳信号之间的能量比，单位为Db，ITD(双耳时间差)和ILD在不同频率范围的作用是不同的，当声音频率小于1500Hz时，ITD在双耳声源定位中起到主要作用；当声音频率大于1500Hz时，相对ITD，ILD是声源定位线索中的主要部分，ILD也会作为定位特征，最后选择GCCF和双耳水平差作为定位特征。

4.根据权利要求1所述的基于分频和深度神经网络的声源定位方法，其特征在于，所述步骤S12采用一组gammatone滤波器来模拟耳蜗的分频特性，从而对声源信号进行分频处理具体包括：

双耳信号经过gammatone滤波器组进行分频，将语音信号分为子带信号。选择临界频带的中心频率作为Gammatone滤波器的中心频率，在得到子带信号之后，在子带信号每帧上加入指数窗使其变为最小相位信号，然后进行倒谱计算并分解出最小相位分量，获得估计的混响分量，再将子带信号滤除混响分量，反变换到时域，加上逆指数窗，得到去混子带信号。

5.根据权利要求4所述的基于分频和深度神经网络的声源定位方法，其特征在于，所述滤波器的阶数为4。

6.根据权利要求4所述的基于分频和深度神经网络的声源定位方法，其特征在于，所述步骤S12将每个子带信号变换到倒谱域，再进行去混响处理，获得去混响的左右耳各子带信号,具体包括步骤：

S31：在各左右子带信号x_l(n)和x_r(n)的每一帧上加上指数窗ω(n)＝αⁿ，n表示指数，0≤n≤K-1，其中K是窗长，0＜α≤1；

S32：对各信号进行倒谱处理，并计算倒谱域接收信号和脉冲信号的最小相位分量；

k表示倒谱域变量，脉冲响应，脉冲信号的最小相位分量；

S33：通过连续信号帧递归获得估计的混响分量，即

其中，0＜μ＜1，m表示帧数；表示倒谱域接收信号的最小相位分量，表示脉冲信号的最小相位分量；

S34：子带信号减去混响部分得到去混后的倒谱子带信号：

S35：再将反变换到时域，并且使用逆指数窗，得到去混子带信号。

7.根据权利要求3所述的基于分频和深度神经网络的声源定位方法，其特征在于，对于采样频率为16000Hz的语音信号，时延范围在GCCF将会在每个字带上产生33维的双耳特征，加上1维的ILD，最终形成34维的定位特征向量。