[发明专利]基于分频和深度神经网络的声源定位方法在审
| 申请号： | 201810174588.0 | 申请日： | 2018-03-02 |
| 公开（公告）号： | CN108647556A | 公开（公告）日： | 2018-10-12 |
| 发明（设计）人： | 胡章芳;乐聪聪;谭术兵;徐渝松;陈飞雨 | 申请（专利权）人： | 重庆邮电大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04;G06N3/063;G06N3/08 |
| 代理公司： | 重庆市恒信知识产权代理有限公司 50102 | 代理人： | 刘小红;陈栋梁 |
| 地址： | 400065 重*** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明请求保护一种混响和噪声环境下基于分频和深度神经网络(Deep Neural Networks,DNNs)的声源定位方法，涉及声源定位领域。该方法首先双耳信号通过Gammatone滤波器后得到分频的子带信号，在每个子带信号中进行最小相位分解的去混响处理，从倒谱域中反变换到时域后对每个子带互相关计算得到广义互相关函数(Generalized Cross‑Correlation Function,GCCF)。该方法将双耳语音定位视为一个多分类的问题，将GCCF和双耳水平差(Interaural Level Differences,ILDs)作为定位特征，输入到顶层为softmax回归结构的DNNs，输出声源处于每个方位的概率，取最大概率方位角为声源位置。 | ||
| 搜索关键词： | 声源定位 分频 神经网络 子带信号 混响 双耳 滤波器 互相关函数 互相关计算 定位特征 声源位置 双耳信号 噪声环境 最大概率 最小相位 反变换 方位角 水平差 顶层 谱域 声源 子带 语音 分解 输出 分类 概率 回归 | ||
【主权项】：
1.一种基于分频和深度神经网络的声源定位方法，其特征在于，包括以下步骤：S11、首先获取纯净的语音信号，再通过卷积双耳房间脉冲响应BRIR来构建带混响的双耳信号，再加入噪声；S12、对步骤S11得到的含混响和噪声的双耳语音信号进行预处理，首先使用Gammatone滤波器组对双耳信号进行分频处理，得到不同频率的子带双耳信号，将每个子带信号变换到倒谱域，再进行去混响处理，获得去混响的左右耳各子带信号；S13：对步骤S12得到的去混响的左右耳各子带信号进行特征提取，选择GCCF和双耳水平差作为双耳定位特征；S14：将步骤S13得到的定位特征，输入到顶层为softmax回归结构的DNNs深度神经网络，输出声源处于每个方位的概率，取最大概率方位角为声源位置。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于重庆邮电大学，未经重庆邮电大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810174588.0/，转载请声明来源钻瓜专利网。
