一种基于Gammatone滤波器和直方图的多声源定位方法与流程

本发明涉及信号处理技术领域，具体涉及一种多声源定位方法。

背景技术：

小型传声器阵列通常适用于办公室、会议室、智能机器人等应用场所，相位变换加权的可控响应功率srp-phat声源定位算法只需一帧信号即可实现定位，但在多声源情况下，传统srp-phat算法难以克服声源之间的干扰，最强声源的谱峰常常掩盖其它较弱声源的谱峰，导致难以找到多个声源，定位成功率较低，而小型传声器阵列的空间分辨率较低，使得实现多声源定位更为困难，多帧统计的方法虽然可以实现多声源定位，但是这类方法必须假定声源在连续多帧时间内静止不动，实时性较差。

技术实现要素：

本发明为了解决现有技术存在的问题，提出了一种基于gammatone滤波器和直方图的多声源定位方法，为了实现上述目的，本发明采用了以下技术方案。

用传声器作为阵元，组成传声器阵列，采集声源信号，传声器的数量为u，序号为u，u＝1...u，第u个传声器采集的的声源信号为su(t)。

用gammatone滤波器产生脉冲响应，组成滤波器组，滤波器的数量为i，序号为i，i＝1...i，第i个gammatone滤波器产生的脉冲响应函数为gi(t)，gammatone滤波器的增益为a，阶数为m，衰减因子为bi，中心频率为fi，相位为阶跃函数为u(t)，产生的脉冲响应函数为通过gammatone滤波器组产生脉冲响应。

将第u个传声器采集的的声源信号su(t)通过第i个gammatone滤波器产生的脉冲响应函数gi(t)，获得第i个子带的时域信号xu(i,t)，子带信号为xu(i,t)＝su(t)*gi(t)，在时域将声源信号分割为子带信号。

在时域将子带信号xu(i,t)分割为单帧信号，单帧信号的数量为l，长度为n，序号为l，l＝1...l，单帧内的采样序号为n，0≤n＜n，第l个单帧第n个采样信号为xu(i,ln+n)，将每个子带信号分帧。

将分帧信号作加窗处理，用窗信号对xu(i,ln+n)进行加窗处理，得到xu(i,l,n)＝wh(n)xu(i,ln+n)，xu(i,l,n)为第u个传声器第i个子带第l个单帧第n个采样信号的加窗信号。

用离散傅里叶变换函数dft对xu(i,l,n)作时频转换，变换的长度为k，k＝2n，频点为k，0≤k＜k，得到xu(i,l,k)为xu(i,l,n)的频域信号，将xu(i,l,k)作为时频单元信号。

计算候选方位到第v个阵元的导引时延τv0(r)，候选方位的声源位置为r，阵列中心的位置为r0，第v个阵元的位置为rv，空气中的声速为c，候选方位到阵列中心的声传播时延为τ0(r)，候选方位到第v个阵元的声传播时延为τv(r)，候选方位到第v个阵元的导引时延

计算阵列的phat可控响应输出y^phat(i,l,k,r)，信号采样率为fs，将τv0(r)和xu(i,l,k)代入，得到

计算每个时频单元信号的可控响应功率值，由y^phat(i,l,k,r)计算第i个子带第l个单帧的时频单元信号在候选方位r的可控响应功率值

确认可控响应功率值的主峰方位和次峰方位，将p(i,l,r)的最大值确认为主峰，次最大值确认为次峰，主峰对应的rpeak1(i,l)为第i个子带第l个单帧的时频单元信号的可控响应功率最大值的方位，次峰对应的rpeak2(i,l)为第i个子带第l个单帧的时频单元信号的可控响应功率次最大值的方位。

用直方图统计主峰方位和次峰方位的数量，对第l个单帧所有子带的时频单元信号对应的方位rpeak1(i,l)作直方图，统计每个方位的数量，数量最多的方位为若存在数量次多的方位，则数量次多的方位为若rpeak1(i,l)中不存在数量次多的方位则对第l个单帧所有子带的时频单元信号对应的方位rpeak2(i,l)作直方图，统计每个方位的数量，数量最多的方位为

将估计为第l个单帧的主声源方位，将估计为第l个单帧的次声源方位，所作直方图的组距为5°，组数为72。

本发明利用gammatone滤波器组分解信号子带，在时频单元内计算可控响应功率，提取声源方位信息，用直方图融合同一帧内的所有子带信息，作为方位估计的判决量，实现多声源定位；分解的每个子带在频域相互交叠而不分隔，避免相位缠绕，多个频率分量的空间谱的平均效应抑制了旁瓣，使主瓣突出，阵元间距不严格限于半波长；直方图简单易操作，计算量低；无需多帧信息，也无需假定声源在连续多帧内静止不动，实现了实时多声源定位，应用场合更为广泛；显著提高了主声源和次声源的定位成功率，尤其次声源的定位成功率提升更为明显，算法对噪声和混响都具有更强的鲁棒性。

附图说明

图1是本方法的流程图，图2是混响时间t60＝0.3s时本方法和传统srp-phat方法的主声源定位成功率比较图，图3是混响时间t60＝0.3s时本方法和传统srp-phat方法的次声源定位成功率比较图，图4是混响时间t60＝0.3s时本方法和传统srp-phat方法的主次声源定位平均成功率比较图，图5是混响时间t60＝0.6s时本方法和传统srp-phat方法的主声源定位成功率比较图，图6是混响时间t60＝0.6s时本方法和传统srp-phat方法的次声源定位成功率比较图，图7是混响时间t60＝0.6s时本方法和传统srp-phat方法的主次声源定位平均成功率比较图。

图2至图7的横坐标为全局信噪比，纵坐标为定位成功率。

具体实施方式

以下结合附图对本发明的技术方案做具体的说明。

一种基于gammatone滤波器和直方图的多声源定位方法，如图1所示，用麦克风作为阵元，组成传声器阵列，接收语音，采集声源信号；将声源信号通过gammatone滤波器组，通过gammatone滤波器产生的脉冲响应，将声源信号在时域分割为子带信号；将每个子带信号分帧和加窗，作时频转换处理，获得单帧信号的频域信号，作为时频单元信号；计算候选方位到阵元的导引时延，进而计算每个时频单元信号的可控响应功率值；获取声源方位信息，包括可控响应功率值的主峰方位和次峰方位；绘制直方图，统计主峰方位和次峰方位的数量；先从主峰方位的数量估计主声源方位和次声源方位，若无法估计次声源方位，再从次峰方位的数量估计次声源方位。

选用6个全向麦克风，组成均匀的圆形阵列，通过圆形麦克风阵列接收语音，采集声源信号，阵列半径设置为0.1m，每个麦克风作为一个阵元，阵元间距不必严格限于半波长，阵列采集声源信号的数量和阵元的数量u＝6，序号u＝1...u，第u个传声器采集的的声源信号为su(t)。

用gammatone滤波器产生脉冲响应，组成滤波器组，滤波器的数量i＝32，序号i＝1...i，第i个gammatone滤波器产生的脉冲响应函数为gi(t)，gammatone滤波器的增益为a，阶数m＝6，衰减因子bi＝1.109erb(fi)，中心频率fi的范围取[800hz，8000hz]，相位计算得到erb(fi)＝24.7(4.37fi/1000+1)，阶跃函数为u(t)，产生的的脉冲响应函数为通过32个gammatone滤波器组产生脉冲响应。

将第u个传声器采集的的声源信号su(t)通过第i个gammatone滤波器产生的脉冲响应函数gi(t)，获得第i个子带的时域信号xu(i,t)，子带信号为xu(i,t)＝su(t)*gi(t)，在时域将声源信号分割为子带信号，每个子带对应不同的频域范围，在频域相互交叠而不分隔，避免相位缠绕，多个频率分量的空间谱的平均效应抑制了旁瓣，使主瓣突出。

预设分帧长度和帧移，在时域将麦克风阵列第u个阵元的第i个子带的时域信号xu(i,t)分割为单帧信号，单帧信号的数量为l，长度n＝512(32ms)，序号为l，l＝1...l，单帧内的采样序号为n，0≤n＜n，帧移为0，语音信号的采样率fs＝16khz，第l个单帧第n个采样信号为xu(i,ln+n)，将每个子带信号分帧。

将分帧信号作加窗处理，用窗信号对xu(i,ln+n)进行加窗处理，得到xu(i,l,n)＝wh(n)xu(i,ln+n)，xu(i,l,n)为第u个传声器第i个子带第l个单帧第n个采样信号的加窗信号。

用离散傅里叶变换函数dft对xu(i,l,n)作时频转换，变换的长度为k，k＝2n＝1024，频点为k，0≤k＜k，得到xu(i,l,k)为xu(i,l,n)的频域信号，将xu(i,l,k)作为时频单元信号。

计算候选方位到第v个麦克风的导引时延τv0(r)，候选方位的声源位置为r，阵列中心的位置为r0，第v个麦克风的位置为rv，空气中的声速c＝342m/s，候选方位到阵列中心的声传播时延为τ0(r)，候选方位到第v个麦克风的声传播时延为τv(r)，候选方位到第v个麦克风的导引时延

若声源与麦克风阵列处于同一水平面，声源位于阵列的远场，声源位置由方位角θ表示，定义水平面的正前方为0°，那么θ的范围为[-180°,180°]，间隔为1°，负90°表示正左方，90°表示正右方，导引时延的计算公式修正为其中ξ＝[cosθ,sinθ]^t，由于τv0(r)与接收信号无关，可以离线计算后保存于内存中。

若声源与麦克风阵列不处于同一水平面，方位角由水平角θ和俯仰角决定，那么对声源的立体位置并没有限制。

计算阵列的phat可控响应输出y^phat(i,l,k,r)，信号采样率为fs，将τv0(r)和xu(i,l,k)代入，得到

计算每个时频单元信号的可控响应功率值，由y^phat(i,l,k,r)计算第i个子带第l个单帧的时频单元信号在候选方位r的可控响应功率值

确认可控响应功率值的主峰方位和次峰方位，将p(i,l,r)的最大值确认为主峰，次最大值确认为次峰，主峰对应的rpeak1(i,l)为第i个子带第l个单帧的时频单元信号的可控响应功率最大值的方位，次峰对应的rpeak2(i,l)为第i个子带第l个单帧的时频单元信号的可控响应功率次最大值的方位。

用直方图统计主峰方位和次峰方位的数量，对第l个单帧所有子带的时频单元信号对应的方位rpeak1(i,l)作直方图，组距为5°，组数为360/5＝72，统计每个方位的数量，数量最多的方位为若存在数量次多的方位，则数量次多的方位为若rpeak1(i,l)中不存在数量次多的方位则对第l个单帧所有子带的时频单元信号对应的方位rpeak2(i,l)作直方图，组距为5°，组数为360/5＝72，统计每个方位的数量，数量最多的方位为

将估计为第l个单帧的主声源方位，将估计为第l个单帧的次声源方位。

分别设置混响时间t60＝0.3s和t60＝0.6s，测试不同信噪比和混响的环境中，本声源定位方法的性能，如图2至7所示，横坐标表示全局信噪比，纵坐标表示定位成功率，本方法比传统srp-phat算法显著提升了主次声源的定位成功率，尤其是次声源的定位成功率，对噪声和混响都具有更强的鲁棒性。

上述作为本发明的实施例，并不限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均包含在本发明的保护范围之内。