[发明专利]一种基于双麦克风阵列的智能语音交互系统

权利要求书

1.一种基于双麦克风阵列的智能语音交互系统，其特征在于，包括：

声音采集模块，用户拾取声音信号，声音采集模块为双麦克风；

第一声音检测模块，用于对拾取的声音信号进行语音检测，当检测到有语音时，将信号送入下一模块；否则，将数据丢弃；

第二声音检测模块，用于对云端获取并被扬声器播放的音频数据进行语音检测，当检测到有语音时，将信号送入下一模块；否则，将数据丢弃；

回声消除模块，用于消除声音采集模块拾取扬声器播放出来的自噪声；输入包含两路信号，一路是声音采集模块拾取到的近端语音，另外一路是参考信号，参考信号为从云端获取并被扬声器播放的音频数据；只有满足第一声音检测模块和第二声音检测模块都检测到有声音的时候，才会被打开执行，否则处于直通状态；

关键词语音识别模块，用于接收从回声消除模块中流入的数据，进行关键词语音识别，根据识别结果控制单通道降噪模块和双麦语音增强模块的开关；

单通道降噪模块，用于当关键词语音识别模块识别到关键词后将被打开，接收第一声音检测模块中的输出，进行降噪处理；

延时估计模块，用于接收单通道降噪模块的输出信号，进行计算得到一个时延值，输入至双麦语音增强模块；

双麦语音增强模块，用于当关键词语音识别模块中检测识别到关键词后，将被打开，接收第一声音检测模块中的数据，进行语音增强处理，处理之后的数据将会被传送到云端；

云端，用于接收到本地传送的数据，进行对应的处理，返回本地处理结果，本地接收到处理结果后，通过扬声器播放出来，告知用户；

扬声器，用于播放云端处理后的音频数据；

双麦语音增强模块的双麦语音增强包括如下步骤：

首先对信号进行数据对齐，即进行相应的延时处理；对齐后的两路信号可表示为：

y_i(m)＝x_i(m)+n_i(m) (6)

其中i小标表示信号通道编号；

对两路输入信号y₁(m)，y₂(m)经过一个加窗处理并且取FFT变化之后变换到了频域上，处理之后的信号是Y₁(w,k)，Y₂(w,k)；其中w表示角频率，k表示帧序号；

接下来，计算两路信号的自相关功率谱和互相关功率谱；计算公式如下：

其中，X_i(w,k),Y_i(w,k),N_i(w,k)分别表示x_i(m)，y_i(m)，n_i(m)的傅里叶变化；对计算得到的自相关功率谱和互相关功率谱做平滑处理，λ为平滑系数：

计算最后的增益系数：

2.根据权利要求1所述的基于双麦克风阵列的智能语音交互系统，其特征在于，第一声音检测模块和第二声音检测模块的语音检测处理包括如下步骤：

首先对数字音频信号进行分帧处理，计算每一帧的短时能量和短时过零率两个特征；根据这两个特征，利用双门限判决法估计得到语音检测结果；

3.根据权利要求1所述的基于双麦克风阵列的智能语音交互系统，其特征在于，回声消除模块的回声消除处理包括如下步骤：

回声消除算法采用步长因子可变的NLMS算法，计算公式如下：

其中，x(n)是参考端信号(ref)，矢量形式可写成：

x(n)＝[x(n),x(n-1),........x(n-M+1)]^T

其中η是修正的步长常量，0η2，δ为一个较小的整数，一般取0.0001；w(n)是自适应滤波器系数，用于估计回声路径，y(n)是系统输出，d(n)是近端信号(near)，它包含了目标语音，以及由扬声器播放出来的干扰语音和环境噪声；e(n)是误差信号，它也是回声消除算法得到的最终输出结果。

4.根据权利要求1所述的基于双麦克风阵列的智能语音交互系统，其特征在于，关键词语音识别模块的关键词语音识别是通过大量的语料，利用深度神经网络CNN网络训练生成的一个分类器。