[发明专利]一种房间混响环境下直达声和一次反射声定向方法

说明书

本发明公开了一种房间混响环境下直达声和一次反射声定向方法。本方法为：1)构建声源定向网络，其包括全连接网络、维度变换模块和反卷积网络；2)使用球麦克风阵列采集不同仿真室内环境下的多通道信号，然后对每一所述多通道信号进行球谐函数变化得到对应球谐函数信号并计算其协方差矩阵，得到时域球谐函数信号协方差矩阵；将所得各时域球谐函数信号协方差矩阵作为训练集训练所述声源定向网络；3)将目标空间对应的时域球谐函数信号协方差矩阵输入训练后的所述声源定向网络，输出对应的波达方向二维空间伪谱；然后根据从波达方向二维空间伪谱中提取空间谱峰值定位声源方向。本发明提升了定向输出结果空间分辨率。

技术领域

本发明属于基于麦克风阵列的声源定向领域，具体涉及一种基于深度神经网络的混响环境下直达声和一次反射声定向方法。

背景技术

近年来随着机器学习理论的发展，研究者们提出了多种基于深度神经网络的非参数化声源定向方法。这类方法利用深度网络模型实现声源空间特征提取，通过监督学习方法获得输入特征到波达方向信息的映射关系。这些研究输入特征大致包括阵列采集信号的幅度谱、相位谱或是通道之间互相关信息，输出则利用多个神经元表示不同的空间方位。基于神经网络学习的声源定位算法的好处是不需要做预先假设，通过大量数据迭代训练能够使模型处理多种场景任务，例如混响环境或是噪声环境下定位问题，其建模的关键是能够选择较好的网络输入特征，理想的网络输入特征既能包含较为全面直观的空间信息，易于网络学习特征到方向空间映射关系，又能保持较小的维度，降低网络的参数量和收敛难度，预防网络的过拟合现象。上述基于网络模型的方法通常能够在混响及噪声环境下获得比传统信号处理算法更优的定向结果，但这类方法也存在一些问题，一是当前并没有一种有效的空间特征能够作为网络模型的输入，使用GCC等特征所学习得到的网络模型会导致相干信号方向混淆，而使用多通道信号直接作为网络模型输入特征又增加了模型的学习复杂度，降低了模型泛化性能。此外当前网络定向方法主要将混响信号看做直达声定向过程中的干扰因素，网络输入信息也未能对直达声和反射声特征进行有效区分，同样难以直接用于房间早期混响定向任务。

相比于自由场环境下声源定位问题，房间混响环境下直达声和早期反射声数目较多，并且各个信号之间为相干信号，不同方向信号相干特性导致多反射声方向信息难以准确估计。又由于麦克风阵列各个阵元所接收声源信号频域信息与空间信息相互耦合，难以通过整合各个频带空间信息来降低相干信号的干扰。不同于阵元域定向方法，声场球谐函数分解实现了阵元域信号频率信息和空间信息解耦，所获得不同通道球谐域信号之间不存在相位差异，而仅存在与声源空间方位有关的幅度差异，声源空间特征具有频率独立性，更适用于混响信号定向问题。有研究者提出利用一阶球谐函数信号，即声场声压信息及粒子矢量振速直接获得声场波达方向表达，以及研究了球谐函数信号波束形成声源定向方法，Yan和Sun等人分别提出并比较了球谐域MUSIC算法(EB-MUSIC)及ESPRIT算法(EB-ESPRIT)与阵元域算法的差异，Sun等人针对室内混响声源定向问题提出了球谐函数频域平滑算法，利用球谐域信号空间特征矢量频域无关性进行协方差矩阵频域平滑，获得了更为准确的子空间估计，实现了室内环境下直达声和反射声源定向。但由于直达声和早期反射声具有较为显著能量差异，因此算法对反射声方向的探测效率受声源和麦克风阵列位置影响较大，研究高分辨率多反射声定向算法，进一步抑制相干信号对声源空间信息的干扰，提升不同方向反射声探测效率，仍是目前需要解决的问题。

发明内容

使用频域平滑算法或是直接利用时域球谐函数信号能够获得降低混响干扰的球谐域协方差矩阵估计结果，其中包含了直达声源和各个反射声源的方位信息。但当前定向算法的空间分辨率难以满足多反射声定向任务，因此本发明提出一种直达声和一次反射声定向网络模型(DCNN)，来进一步降低多反射声信号空间信息的相互干扰，同时提升定向输出结果空间分辨率。

本发明的技术方案是：

一种房间混响环境下直达声和一次反射声定向方法，其步骤包括：

1)构建声源定向网络，其包括全连接网络、维度变换模块和反卷积网络；