[发明专利]一种基于三维空间音频感知的音源分离方法

说明书

技术领域

本发明涉及音源分离技术领域，尤其是涉及一种基于三维空间音频感知的音源分离方法。

背景技术

近年来，随着“911事件”、“英国伦敦大爆炸”、新疆暴力事件等恐怖事件的增多，世界各国对安全防范系统更为重视，纷纷通过大幅增加财政投入，大量部署安全防范系统，来增强对突发事件的应对能力。

2009年我国的安防监控市场总体上处于平稳上升的趋势。据安防行业的调查报告显示，在平安城市、城市报警与监控系统（“3111”工程）、奥会运、世博会、国庆60周年庆典等大型项目的推动下，2009年我国仍处于安防设施建设的高峰期，行业整体发展势头良好，与2008年相比增长约在10%，市场总体规模保持在1500亿元左右。

传统安防技术通常倚重于视频监控资源，然而音频监控资源却能提供一些视频监控资源无法提供的信息。例如，犯罪嫌疑人的声音特征、作案工具声音特征（枪声）等，可为刑侦破案提供有效的技术支撑。然而，在实际安防、刑侦工作中，音频监控信号往往是多个信号成分混和在一起的，并且还包括噪声干扰。由于源信号混合方式未知，源信号也不能被观测，因此必须采用音源分离技术对混合音频信号进行处理，以分离出对刑侦破案有用的音源信号。传统音源分离技术把多输入多输出声学系统当作一个“黑匣子”，在恢复源信号的过程中不考虑系统的内部结构，即不考虑空间声学的特性如独立语音源的方位，从而无法适用于实际复杂多变的安防监控环境。

综上所述，提升在复杂多变、噪声干扰的实际安防监控环境中的音源分离效果，是目前音源分离技术领域的关键瓶颈问题，是急需解决的重大难题。

发明内容

为了提升在实际复杂多变的安防监控环境中的音源分离效果，本发明提出了一种基于三维空间音频感知的音源分离方法。

本发明提出的基于三维空间音频感知的音源分离方法，包括以下步骤：

步骤1，输入                                                声道的音频信号，将音频信号变换至变换域，；

步骤2，基于空间三维空间音频感知理论和人耳空间听觉理论，在个声道的变换域中提取各音源信号的空间线索；

步骤3，根据各音源信号的空间线索的分布概率，在该变换域中分离各音源信号；

步骤4，将步骤3所得变换域中各分离的音源信号还原至时域，得到基于三维空间音频感知的音源分离结果。

而且，所述变换域为时频域，所述空间线索为耳间相对延时和耳间相对衰减。

而且，步骤3的具体实现方式如下，

根据各音源信号的空间线索的分布概率，构造概率分布的二维直方图；

所述二维直方图的二维平面中的横坐标和纵坐标分别为耳间相对延时和耳间相对衰减，竖轴是音源信号的空间线索的分布概率；

根据二维直方图中的峰值坐标，通过聚类算法将距离峰值坐标最近的时频点划归为一类；使用二进制时频掩码技术将音源信号根据时频点的分类标记，在时频域实现音源分离。

综上所述，针对实际安防监控环境的复杂多变性，本发明将三维音频、空间音频与音源分离技术相交叉、结合，研究多个音源的空间线索的混合规律，提出了一种基于三维空间音频感知的音源分离方法，从而能够在复杂多变、噪声干扰的实际监控环境中分离人声、枪声等对刑侦破案有用的重点音源信号，为多媒体安防、刑侦监控提供了新的技术支持。

附图说明

图1是本发明实施例的流程图。

图2是本发明实施例的时频变换步骤示意图。

图3是本发明实施例的空间线索提取步骤示意图。

图4是本发明实施例的空间线索分布概率的二维直方图。

图5是本发明实施例的时频域分离步骤示意图。

图6是本发明实施例的逆时频变换步骤示意图。

具体实施方式   

以下结合附图和实施例详细说明本发明技术方案。

本发明实施例提供的基于三维空间音频感知的音源分离方法包括以下几个步骤，流程图参见图1：

步骤1，输入声道（）的音频信号，将其变换至某一特定变换域；

实施例中，取值为2，即包含左声道和右声道的双声道立体声音频信号和，如图2所示，采用短时傅里叶变化（Short Time Fourier Transform，简记：STFT）将立体声音频信号、变换到时频域，得到信号、。其中变量代表时间， 代表时频域，变量代表时间、代表频率、。