[发明专利]声源定位方法、装置、计算机可读存储介质和电子设备

权利要求书

1.一种声源定位方法，包括：

对传声器阵列所采集声源的原始混合音频信号进行语音分离，以获取多通道分离音频信号；

从所述多通道分离音频信号中确定唤醒词所在的时间段；

从所述原始混合音频信号中确定所述唤醒词所在的时间段对应的混合多通道音频信号；

从所述多通道分离音频信号中确定所述唤醒词所在的单通道音频信号；

基于所述混合多通道音频信号以及所述唤醒词所在的单通道音频信号，定位所述声源。

2.根据权利要求1所述的方法，其中，所述从所述多通道分离音频信号中确定所述唤醒词所在的单通道音频信号，包括：

从所述多通道分离音频信号中识别唤醒词；

确定所述唤醒词所在时间段以及所述唤醒词所在的音频信号通道；

根据所述唤醒词信号所在时间段，从所述唤醒词所在的音频信号通道中确定所述单通道音频信号。

3.根据权利要求2所述的方法，其中，所述从所述多通道分离音频信号中识别唤醒词，包括：

利用神经网络模型从所述多通道分离音频信号中识别唤醒词。

4.根据权利要求1至3中的任一项所述的方法，其中，所述基于所述混合多通道音频信号以及所述唤醒词所在的单通道音频信号，定位所述声源，包括：

从所述混合多通道音频信号中提取第一频域特征，所述第一频域特征用于表征所述传声器阵列中不同传声器单元对应的频域信号之间的相对传递函数；

从所述唤醒词所在的单通道音频信号中提取第二频域特征，所述第二频域特征用于表征所述单通道音频信号的频域能量值；

基于所述第一频域特征和所述第二频域特征，定位所述声源。

5.根据权利要求4所述的方法，其中，所述基于所述第一频域特征和所述第二频域特征，定位所述声源，包括：

基于所述第一频域特征和所述第二频域特征，获取所述声源的多个预设方位类别的概率；

根据所述多个预设方位类别的概率中的最大概率对应的预设方位类别，定位所述声源。

6.根据权利要求5所述的方法，其中，在所述传声器阵列为线性传声器阵列的情况下，所述多个预设方位类别中的每个预设方位类别对应所述声源相对所述线性传声器阵列的一个角度范围，或者，在所述传声器阵列为分布式传声器阵列的情况下，所述多个预设方位类别中的每个预设方位类别对应所述分布式传声器阵列所在空间中的一个位置区域。

7.根据权利要求4所述的方法，其中，所述从所述混合多通道音频信号中提取第一频域特征，包括：

对所述混合多通道音频信号进行时频变换处理，得到多个频点的第一频域信号，并针对所述多个频点中的每个频点，对所述第一频域信号进行特征提取，得到所述传声器阵列的不同传声器单元对应的频域信号之间的相对传递函数值的实部和虚部，作为所述第一频域特征；

其中，所述从所述唤醒词所在的单通道音频信号中提取第二频域特征，包括：

对所述唤醒词所在的单通道音频信号进行时频变换处理，得到多个频点的第二频域信号，并针对所述多个频点中的每个频点，对所述第二频域信号进行归一化处理，得到所述第二频域特征。

8.一种声源定位装置，包括：

语音分离模块，用于对传声器阵列所采集声源的原始混合音频信号进行语音分离，以获取多通道分离音频信号；

第一确定模块，用于从所述多通道分离音频信号中确定唤醒词所在的时间段；

第二确定模块，用于从所述原始混合音频信号中确定所述唤醒词所在的时间段对应的混合多通道音频信号；

第三确定模块，用于从所述多通道分离音频信号中确定所述唤醒词所在的单通道音频信号；

定位模块，用于基于所述混合多通道音频信号以及所述唤醒词所在的单通道音频信号，定位所述声源。

9.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-7任一所述的方法。

10.一种电子设备，所述电子设备包括：

处理器；

用于存储所述处理器可执行指令的存储器；

所述处理器，用于执行上述权利要求1-7任一所述的方法。