[发明专利]一种基于神经网络的声源定位方法

摘要

本发明公开了一种基于神经网络的声源定位方法。本发明对所有传输路径的传递函数，即传递特性进行建模，通过深度学习的方式从大量数据中学习到声音信号在传播过程中由于散射体的存在或环境等原因造成的相位和幅度变化规律，通过神经网络可以恢复到原始的相位和幅度，最后结合时间差和幅度差两个定位线索进行声源定位。本发明利用了已知的时延信息，再利用深度神经网络恢复原始的相位和幅度，并有效地结合了时间信息和幅度信息进行定位，显著提高了抗噪性能。

主权项

1.一种基于神经网络的声源定位方法，其步骤包括：1)根据各待扫描的声源位置信息和各声音信号采集单元的位置信息，计算各声源的声音信号传输到每一声音信号采集单元的时延；其中，τls表示声源s到第l个声音信号采集单元的时延；2)扫描每一所述声源的位置，根据步骤1)得到的时延对声音信号采集单元信号进行相应的时延补偿；其中，时刻n扫描声源s的位置时，对第l个声音信号采集单元采集的信号x_l进行时延补偿后的信号为3)将步骤2)时延补偿后的时域信号输入到对应的DNN模型中，通过DNN模型进行相位和幅度的恢复，并输出估计的源信号；其中，将信号输入DNN_ls模型，DNN_ls模型表示声源s和第l个声音信号采集单元对应传输路径的DNN模型；训练得到DNN_ls模型的方法为：将第l个声音信号采集单元接收到的声音信号时域表示作为该深度神经网络模型的输入，将声源s的声音信号时域表示作为该深度神经网络模型的输出监督信息，训练得到该DNN_ls模型；时刻n扫描声源s的位置时DNN_ls模型输出的源信号l＝1,...,M，M为声音信号采集单元总数；4)对于每一扫描位置，计算M个估计的源信号的互相关系数和；5)重复步骤2)～4)，当扫描完全部所述声源的位置后，分别计算出一互相关系数和；根据互相关系数和选取相关度最大值对应的声源位置作为估计的声源位置。