[发明专利]利用深度学习和有限数据进行多阵列声音应用的特征处理

权利要求书

1.一种用于多源声音定位的计算机实现的方法，包括：

由硬件处理器从被包括在两个或更多个麦克风阵列中的每个麦克风阵列中的相应多个麦克风提取频谱特征；

由所述硬件处理器通过重新布置和复制来自被包括在所述两个或更多个麦克风阵列中的每个麦克风阵列中的所述相应多个麦克风的所述频谱特征，形成来自所述两个或更多个麦克风阵列中的每个麦克风阵列内的所述相应多个麦克风的所述频谱特征的对的相应集合；以及

由所述硬件处理器将所述频谱特征的对的所述相应集合输入神经网络中，以将所述频谱特征编码成深度特征，并对所述深度特征进行解码，以从所述神经网络输出一个或多个声音源的至少一个位置表示。

2.根据权利要求1所述的计算机实现的方法，其中所述神经网络包括多个编码器，所述多个编码器的权重在所述两个或更多个麦克风阵列中的每个麦克风阵列之间被共享。

3.根据权利要求1所述的计算机实现的方法，其中所述神经网络包括仅一个解码器，并且还包括用于所述两个或更多个麦克风阵列中的每个麦克风阵列的相应编码器以形成多个编码器，其中所述多个编码器在它们之间共享权重参数。

4.根据权利要求3所述的计算机实现的方法，其中响应于所述两个或更多个麦克风阵列是相同的并且共享几何性质，所述权重参数被共享。

5.根据权利要求3所述的计算机实现的方法，其中所述频谱特征被重新布置和复制，使得所述相应集合中的每个集合中的所述对彼此靠近，并且所述神经网络在所述多个编码器中的每个编码器之前包括卷积层，以用于形成所述频谱特征的对的所述相应集合。

6.根据权利要求1所述的计算机实现的方法，其中所述至少一个位置表示包括所述一个或多个声音源的二维方位。

7.根据权利要求1所述的计算机实现的方法，还包括使用所述一个或多个声音源的所述至少一个位置表示来对所述一个或多个声音源进行分类。

8.根据权利要求1所述的计算机实现的方法，还包括在显示设备上显示所述至少一个位置表示。

9.根据权利要求1所述的计算机实现的方法，其中所述一个或多个声音源包括至少两个同时的声音源。

10.一种具有随其体现的程序指令的非瞬态计算机可读存储介质，所述程序指令能够由计算机执行以使所述计算机执行方法以执行根据权利要求1-9中任一项所述的方法中的步骤。

11.一种用于多源声音定位的计算机处理系统，包括：

存储器设备，包括被存储在其上的程序代码；以及

硬件处理器，被操作地耦合到所述存储器设备，并被配置为运行被存储在所述存储器设备上的所述程序代码，以：

从被包括在两个或更多个麦克风阵列中的每个麦克风阵列中的相应多个麦克风提取频谱特征；

通过重新布置和复制来自被包括在所述两个或更多个麦克风阵列中的每个麦克风阵列中的所述相应多个麦克风的所述频谱特征，形成来自所述两个或更多个麦克风阵列中的每个麦克风阵列内的所述相应多个麦克风的所述频谱特征的对的相应集合；以及

将所述频谱特征的对的所述相应集合输入到神经网络中，以将所述频谱特征编码为深度特征，并对所述深度特征进行解码，以从所述神经网络输出一个或多个声音源的至少一个位置表示。

12.根据权利要求11所述的计算机处理系统，其中所述神经网络包括仅一个解码器，并且还包括用于所述两个或更多个麦克风阵列中的每个麦克风阵列的相应编码器以形成多个编码器，其中所述多个编码器在它们之间共享权重参数。

13.一种计算机系统，包括被配置为执行根据权利要求1-9中任一项所述的方法中的步骤的模块。