一种面向实时声源定位的改进时延估计方法

1.本发明属于电子信息技术领域，更具体地说，涉及一种面向实时声源定位的改进时延估计方法。


背景技术：

2.实现高精度、可靠且实时的声源定位备受当前工业界与学术界关注。声源定位系统的核心是声源定位算法，其中基于tdoa的算法由于运算量小且实时性高，是目前使用最广泛的算法之一。其主要通过对麦克风间的信号进行互相关，提取声源到达麦克风间的若干组时延，通过几何计算或位置估计实现定位。基于tdoa的算法中最常用的算法是相位变换加权广义互相关(gcc-phat)，传统gcc-phat算法计算获得的互相关序列，虽然在高信噪比时互相关峰值尖锐，且通过峰值搜索获取的延迟点正确，但是在低噪比的场景中，gcc-phat算法受到噪声的影响显著，突出的峰值杂乱，准确的峰值容易被淹没，使得提取的延迟点存在较大误差。此外，现有时延估计方法存在实时性不足，以致难以在计算能力有限的嵌入式设备内得到有效运行，从而影响实现良好效果的实时声源定位系统。


技术实现要素：

3.为了克服上述现有技术的缺点，本发明目的在于提供一种面向实时声源定位的改进时延估计方法。
4.为了实现上述目的，本发明采用的技术方案是：
5.一种面向实时声源定位的改进时延估计方法，包括：
6.fifo buffer，为fifo数据结构的矩阵，矩阵每行具有先进先出的特性，用于实时存放多通道麦克风接收信号；
7.声源信号检测，从fifo buffer内取需要估计时延的两通道信号，采用离散hilbert变换和短时过零率相结合的双门限法，检测实时接收的信号中是否存在有效声源信号；
8.gcc-phat改进互相关算法，在确认存在有效声源信号的前提下，快速、准确计算两通道信号的互相关，得到包含尖锐互相关峰值的互相关序列；
9.区域峰值搜索，根据实际阵元的间距大小，设定在中搜索互相关峰值的范围，并同时提取区域峰值所对应的偏移量；
10.时延估计，将搜索的偏移量转化为时延值。
11.优选地，所述fifo buffer，需要实时无阻塞地将多通道麦克风接收信号写入其内，构建的buffer内存放每通道接收信号的长度为0.8s～1.5s，太长不仅影响计算的实时性，还会引入较多的多径干扰。
12.优选地，所述声源信号检测，首先的离散hilbert变换用于提取信号包络，其基于fft实现，通过设定其门限值作为检测声源的第一级判断，而短时过零率表示一帧语音中波形穿过横轴的次数，通过设定其门限值作为检测声源的第二级判断。
13.优选地，所述gcc-phat改进互相关算法，其主要步骤如下：
14.1)首先，求得带通滤波后的互功率谱，并对其进行最值归一化；
15.2)然后，根据所用带通滤波的上下截止频点，从上述归一化的互功率谱中截取出有效声源频段，并对其进行phat加权，拼接成完整的互功率谱；
16.3)最后，对拼接完的互功率谱进行ifft，得所需的互相关序列。
17.与现有技术相比，在较低信噪比的场景下，本方法能够实时，稳定准确地估计出信号间的时延，即在同等条件下计算的互相关序列峰值更加准确尖锐，为后续的精确位置估计提供支撑。
附图说明
18.图1是本发明的整体架构图。
19.图2是展示的传统gcc-phat时延估计方法流程图。
20.图3(a)是接收的较高信噪比的两通道信号；图3(b)是利用传统gcc-phat方法获得的较高信噪比的两信号互相关曲线；图3(c)是利用本发明gcc改进方法获得的较高信噪比的两信号互相关曲线；图3(d)是接收的较低信噪比的两通道信号；图3(e)是利用传统gcc-phat方法获得的较低信噪比的两信号互相关曲线图；图3(f)是利用本发明gcc改进方法获得的较低信噪比的两信号互相关曲线。
21.图4(a)是两带通滤波后的信号互功率谱图；图4(b)是图4(a)进行phat加权后的互功率谱图；图4(c)是图(b)进行ifft转到时域的互相关曲线；图4(d)是不对互功率谱进行最值归一化便拼接的互功率谱图；图4(e)是图(d)进行ifft转到时域的互相关曲线；图4(f)是对互功率谱进行最值归一化的图；图4(g)是对图4(f)截取的有效语音频段进行phat加权后再拼接的互功率谱图；图4(h)是对图4(g)做ifft得到的互相关曲线。
具体实施方式
22.下面结合附图和实施例详细说明本发明的实施方式。
23.一种面向实时声源定位的改进时延估计方法，其整体架构如图1所示，包括：
24.fifo buffer，为fifo数据结构的矩阵，矩阵每行具有先进先出的特性，用于实时存放多通道麦克风接收信号；
25.声源信号检测，从fifo buffer内取需要估计时延的两通道信号，采用离散hilbert变换和短时过零率相结合的双门限法，检测实时接收的信号中是否存在有效声源信号；
26.gcc-phat改进互相关算法，在确认存在有效声源信号的前提下，快速、准确计算两通道信号的互相关，得到包含尖锐互相关峰值的互相关序列；
27.区域峰值搜索，根据实际阵元的间距大小，设定在中搜索互相关峰值的范围，并同时提取区域峰值所对应的偏移量；
28.时延估计，将搜索的偏移量转化为时延值。
29.优选地，所述fifo buffer，需要实时无阻塞地将多通道麦克风接收信号写入其内，构建的buffer内存放每通道接收信号的长度为0.8s～1.5s，太长不仅影响计算的实时性，还会引入较多的多径干扰。
30.优选地，所述声源信号检测，首先的离散hilbert变换用于提取信号包络，其基于fft实现，通过设定其门限值作为检测声源的第一级判断，而短时过零率表示一帧语音中波形穿过横轴的次数，通过设定其门限值作为检测声源的第二级判断。
31.优选地，所述声源信号检测，首先对fifo buffer内数据进行声源信号检测，检测数据内是否都存在有效声源。本发明提出一种hilbert变换和短时过零率相结合的双门限法，用于检测实时接收信号中是否存在有效声源。其中，离散hilbert变换可基于fft而快速实现提取信号包络，计算式如下
[0032][0033][0034]
式中，表示离散hilbert变换；表示卷积运算；为信号的频谱；为符号函数，；为的包络，通过设定其门限值作为检测声源的第一级判断。再则，短时过零率表示一帧语音中波形穿过横轴的次数，是判断语音信号的有效方法，通过设定其门限值作为检测声源的第二级判断。
[0035]
按照传统gcc-phat算法流程进行计算，如图2所示，在较高信噪比的场景下，获得的互相关曲线如图3(b)所示，而在低信噪比的场景下获得的互相关曲线如图3(e)所示。虽然在高信噪比时互相关峰值尖锐，且通过峰值搜索获取的延迟点正确，但是在低噪比时，gcc-phat算法受到噪声的影响显著，突出的峰值杂乱，准确的峰值容易被淹没，使得提取的延迟点存在较大误差。为了削弱噪声的影响，首先对实时接收信号进行带通滤波(语音信号一般为300hz～3khz频率范围的宽带信号)，然后对滤波后的信号进行gcc-phat处理，然而这样所获得的互相关序列的最高峰值一直靠近于延迟点0处，无法估计准确时延。其原因是：两带通滤波后的信号互功率谱如图4(a)所示，进行phat加权后的功率谱近似为图4(b)所示的一条直线，即频域的全局白化导致在时域表现为在靠近0位置点的冲激信号，如图4(c)所示。
[0036]
优选地，所述gcc-phat改进互相关算法，分别高、低信噪比场景下得到的互相关曲线见图3(c)和(f)，其主要流程如图1所示，对比图2所示的传统gcc-phat算法，其主要步骤为：
[0037]
1)首先，通过求得带通滤波后的两信号互功率谱后，对其进行最值归一化，得到归一化的互功率谱如图4(f)所示；
[0038]
2)然后，再根据带通滤波的上下截止频点去截取出有效语音频段，并将其进行phat加权，拼接成完整的互功率谱如图4(g)所示；
[0039]
3)最后，对互功率谱做ifft得到的互相关序列如图4(h)所示，可见解决了图4(a)、(b)、(c)所示的采用传统gcc-phat算法无法估计时延的问题。
[0040]
优选地，所述gcc-phat改进互相关算法中，互功率谱进行最值归一化是关键一步，若不对互功率谱进行最值归一化，则获得拼接后的互功率谱如图4(d)所示，可见有效频段
外的噪声功率远强于有效频段内，最后获取到较大误差的延迟点如图4(e)所示。
[0041]
本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的；本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。