[发明专利]一种基于多距离声传感器的音频索引方法

摘要

本发明为一种基于多距离声传感器的音频索引方法，使用多距离声传感器作为音频记录装置用于记录多媒体会议中的音频信息，并基于多距离声传感器提取一种空间多时延特征作为区分不同说话人的特征，用一种新的流型算法对多时延特征进行降维处理并按说话人身份进行分类，这种方法可降低系统的复杂度和计算代价，最后各个说话人的音频片段及其身份作为音频索引信息被系统输出，由该方法得到的最优判别向量集理论上可以达到最优鉴别，可应用于复杂声学环境下的多人多方对话场景。

主权项

一种基于多距离声传感器的音频索引方法，包括信息采集步骤、特征提取步骤以及分类决策步骤，其特征在于：所述信息采集步骤通过多距离声传感器实现；所述特征提取步骤是将每个独立声源与多距离声传感器对之间的多个时延组成基于空间域的多时延声学特征，提取该空间域特征作为说话人的鉴别信息，定义到达时间差TDOA为空间特征的元素： TDOA = | | m i - s | | - | | m j - s | | c 其中mi和mj分别代表第i个和第j个声传感器的空间位置，s为声源的空间位置，s为声源，c为声速，采用GCC‑PHAT方法估计TDOA值，基于多距离声传感器得到的空间声学特征为： T k = T ^ 12 T ^ 13 L T ^ ij T 其中k代表第k个说话人，i代表多距离声传感器系统中的第i个传感器，j代表多距离声传感器系统中的第j个传感器，T代表TDOA估计值，所述空间域特征的鉴别性结构在统计流型上保持一致，同时该流型不属于全局线性流型；所述分类决策步骤是根据信息采集步骤和特征提取步骤的结果采用对向量的分类方法来实现。