[发明专利]一种室内早期反射声定位方法及系统

说明书

本发明公开了一种室内早期反射声定位方法及系统。本方法为：1)生成不同房间的冲激响应；2)对于每一冲激响应，将其与声源信号进行卷积计算，得到一M通道的阵列信号；3)对每一阵列信号进行短时傅里叶变换，并取J个时频点；然后计算每个时频点的连续N阶HOA系数，将M通道的阵列信号转换为N²通道的阵列信号；4)将每一N²通道的阵列信号的实部和虚部分开作为单独的通道拼接，得到一2N²通道的阵列信号；然后将连续K帧打包，形成一2N²×K×J维度的样本；5)利用样本训练神经网络；对于一目标房间中的声源，将该目标房间的冲击响应和对应的2N²×K×J维度阵列信号输入训练后的神经网络，定位出该目标房间中的声源位置。

技术领域

本发明属于声源定位技术领域，具体涉及一种基于深度残差网络预测直达声与室内早期反射声到达方向的方法。

背景技术

当声源处于室内发声时，由于墙壁、天花板及地面的反射，会产生混响(reverberation)。相关研究表明，混响中的早期反射声成分(晚于直达声50ms以内到达接收点)对于提高言语可懂度是有帮助的。早期反射声是与直达声强相关的信号，其中包含直达声中的大部分信息。如果早期反射声方位信息已知，可以对每个方向波束形成进行信号提取，进而达到信号增强的目的。另一方面，早期反射声可以用于实现可听化和房间几何形状的建模。推断房间几何形状这一技术可以用在机器人领域，增强机器人的环境感知能力。

传统的声源定向算法应用于早期反射声到达方向估计(DOA)的任务时往往性能不佳。如多重信号分类(MUSIC)算法在估计信号的协方差矩阵时，由于直达声与早期反射的相干性，会存在矩阵不可逆的问题。Tervo等人利用SRP-PHAT和GCC-PHAT算法早期反射进行定位，但是二者在强混响下性能都急剧下降，后者还存在着误差累积的缺点。Tervo也提出了一种基于房间冲激响应的测量的反射路径追踪法，但这一方法的实际操作过程不易实现且不具备泛化性。Sun等人提出的EBMVDR的方法把波束形成从传统的空域转移到特征波束域(球谐域)来做，避免了相干信号带来的奇异矩阵问题，但是在实现的过程中需要手动设置和调节聚焦频率，并且只能使用较窄的频率平滑范围，难以取得较鲁棒的抗噪性能。表1列出了主要的用于早期反射声定位的方法。

表1早期反射声测向的方法

发明内容

针对室内早期反射声的到达方向估计的问题，本发明的目的在于提供一种基于深度残差网络和信号的高阶高保真度立体声响复制(Higher Order Ambisonics,HOA)系数预测早期反射声的到达方向的方法。本发明将深度神经网络应用于早期反射声的定位这一任务中，同时将HOA系数作为神经网络的输入。HOA技术的主体分为编码和解码两个部分，本发明只涉及声场编码。在编码阶段中，本发明将HOA系数作为深度残差网络的输入，实现室内早期反射声的测向系统。

本发明中采用的方案是将早期反射声DOA估计问题看作一个多声源DOA估计问题，将声场信息编码成信号的HOA系数作为输入，利用深度残差网络学习从HOA系数到各个早期反射声的目标方位的映射。

本发明的技术方案为：

一种室内早期反射声定位方法，其步骤包括：

1)在一定的参数范围内随机选择房间的尺寸、混响时间、麦克风阵列的位置、声源到麦克风阵列中心的距离，生成不同房间的冲激响应；将各房间的冲激响应作为训练神经网络的数据集；

2)对于所述数据集中每一冲激响应，将其与声源信号进行卷积计算，得到一M通道的阵列信号；

3)对每一所述阵列信号进行短时傅里叶变换，并取结果的J个时频点；然后计算每个所选时频点的连续N阶HOA系数，将M通道的阵列信号转换为N²通道的阵列信号；