[发明专利]一种利用优势声源成分移除的多声源定位方法

说明书

本发明提出一种利用优势声源成分移除的多声源定位方法，通过移除优势声源成分使声场景内各声源的波达方向估计更准确。首先，将声场麦克风采集信号变换到频域获得频率系数，对频域信号按频率范围进行子带划分并计算声场麦克风各通路间相同频率范围子带的归一化互相关系数；其次，检测单声源子带，对单声源子带内各时‑频点对应角度进行估计；再次，利用各个历史帧的帧内优势声源确定全局候选优势声源，结合时‑频点角度估计值和全局候选优势声源确定全局优势声源角度并设立移除区间，对当前帧角度估计值落入移除区间的时‑频点成分进行移除；最后，对若干帧经过移除处理后的时‑频点角度估计值进行后处理以获得各声源角度的准确估计。

技术领域

本发明属于声学领域的声源定位部分，尤其涉及多声源复杂声场景下的各声源定位技术。

背景技术

声源定位是音频信号处理领域中的一个研究热点，其目标是通过分析麦克风阵列采集信号对场景内所有声源相对于麦克风阵列的波达(到达)方向进行估计。大多数现有的声源定位技术主要针对超定场景(即麦克风数大于声源数声场景)下的声源定位。随着声源数的上升，需要不断增加麦克风数量以保证定位精度。为了解决上述局限性，通过对信号在频域中的稀疏特性进行研究，从而将多声源定位问题转化为单声源定位问题，进而突破了超定场景的限制。由于各声源在麦克风阵列采集信号中稀疏性的强弱存在差异，与稀疏性较强的声源相比，稀疏性较弱的声源难以被检测到。针对此问题，本发明设定稀疏性较强声源在定位统计中优势明显，即为统计优势声源，简称为优势声源，设计了一种利用优势声源成分移除的多声源定位方法，对四通道声场麦克风采集信号中各声源的稀疏性进行分析，确定优势声源，通过移除优势声源成分以更准确地估计各个声源的波达方向。

多声源定位技术有多种应用环境。如：远程会议场景中，利用此技术可以有效识别各参会者所在方向，进而实现各参会者发言内容的高质量拾音，从而提升远程会议的沉浸感；虚拟课堂场景中，利用此技术可以确定各声源的方位信息，从而为虚拟课堂场景中各声源的高质量重放提供了必要的基础。本设计的目的是利用四通路声场麦克风(也称作：B格式麦克风或一阶Ambisonics麦克风)在多声源场景下对各声源的方位信息进行准确估计。而现有的声源定位技术一般受制于麦克风数大于声源数的约束条件且依赖于各声源稀疏性相似的假设。

目前，大多数现有的多声源定位方法要求声场景内的声源数要小于麦克风数，这一条件在实际场景中，尤其限制麦克风数量的场景中难以满足。考虑到信号本身在频域的稀疏性以及四通路声场麦克风小巧灵活，能够准确反映声场变化的特点，本设计选用四通路声场麦克风，在频域对其采集信号进行处理以实现多声源定位。此外，考虑到声源间稀疏性的差异给声源定位带来的影响，本设计通过移除优势声源成分以实现各个声源波达方向的准确估计。

发明内容

本发明针对于现有声源定位技术受制于麦克风数大于声源数的约束条件且依赖于各声源稀疏性相似假设的问题，设计了一种利用统计优势声源成分移除的多声源定位方法，结合声场麦克风采集信号的稀疏性，检测并移除优势声源成分，实现声场景内各声源波达方向的准确估计。

设计的总体流程中，首先对分帧后的声场麦克风信号利用短时傅里叶变换得到频域系数，对其进行子带划分并求得各通道间的互相关系数，随后判断单声源子带，对单声源子带内各时-频点进行角度估计，利用各个历史帧的帧内优势声源确定全局候选优势声源，结合时-频点角度估计值和全局候选优势声源确定全局优势声源角度并设立移除区间，对当前帧落入移除区间的时-频点角度估计值进行移除，最后对经过移除处理后的若干帧时-频点的角度估计值进行后处理获得各声源角度的准确估计。

本发明的技术方案为解决多声源定位问题，主要分为以下几个步骤：

步骤1，对采集信号进行分帧处理，利用短时傅里叶变换对声场麦克风采集信号进行时-频变换，获得信号的频率系数。

步骤2，将当前帧频域信号按频率划分为若干子带，计算同一频率范围子带内声场麦克风各通道间的采集信号归一化互相关系数。