[发明专利]一种智能双向定向拾音麦克风

说明书

本发明公开了一种智能双向定向拾音麦克风，包括麦克风本体，所述麦克风本体的环形阵列形成拾音波束，所述拾音波束进行特征抽取，将音频短时傅里叶变换后的特征经过滤波器处理后做对数变换再做DCT得到树皮频率倒谱系数，使用粗糙分辨率估计临界带增益。本发明采用的麦克风阵列算法是配合AI神经网络，通过不同方向阵列增益的基础计算，输送给神经网络大致的方向信息，再通过神经网络最终判断出每个频点的方向，优化干扰以及噪声的协方差矩阵计算，最后通过优化后的最小方差无失真响应算法得到更加干净的目标语音，相比传统的固定波束形成算法来降噪，降噪效果更好，处理后的音频经过语音识别转写的准确率也更高。

技术领域

本发明涉及麦克风领域，具体涉及一种智能双向定向拾音麦克风。

背景技术

在通讯、营业厅等场景，由于环境较嘈杂，坐席和台位在沟通过程中，会出现因外界的噪声干扰大，从而很难分离坐席和台位所说的话、并且带有强噪声的音频会导致语音转写效果较差；

在相关技术中，为了减少外界的噪声对声源定位以及语音识别效果的影响，通常采用双麦克风阵列，双麦克阵列，由两个麦克风传感器组成，两个麦克风传感器在空间分布上有特定的距离，这种距离的远近决定了拾音设备能够采集声音的远近、大小和方位；

现有技术存在以下不足：

1、传统的双麦克风阵列技术，虽然能采集一定角度的声音，但由于其特定的结构，决定了其无法采集孔腔后端的声音，无法实现同时采集前后两个方向的声音，应用场景单一，尤其在柜台这种需要同时采集坐席和台位两个角色的场景中无法实现双向拾音的功能，另外一些发明中将两个双麦克风背靠背合并在一起，角度上的限制依旧很大，并且由于双麦的限制导致其不能完全屏蔽对端的声音，在实际噪声环境下的表现不够理想；

2、传统的定向拾音和降噪算法例如GSC算法，是通过语音达到方向的先验TDOA(到达时间差)信息，以及使用与达到方向TDOA信息相互正交的TDOA组成的阻塞矩阵完成对目标语音增强以及消除旁瓣的工作，然而由于语音是一个宽带信号，麦克风的拓扑结构不能在所有频率上避免的空间混叠的发生，以及语音和干扰并非不相关的信号，再加上阵列误差等种种因素，致使传统的GSC算法，对于平稳背景噪声具有良好的抑制效果，但对于低信噪比和瞬变噪声场景效果不佳。

发明内容

本发明的目的是提供一种智能双向定向拾音麦克风，以解决背景技术中不足。

为了实现上述目的，本发明提供如下技术方案：一种智能双向定向拾音麦克风，包括麦克风本体，所述麦克风本体的环形阵列形成拾音波束；

所述拾音波束进行特征抽取，将音频短时傅里叶变换后的特征经过滤波器处理后做对数变换再做DCT得到树皮频率倒谱系数，使用粗糙分辨率估计临界带增益；

所述拾音波束通过以下步骤消除噪声：

S1：音频特征先过两个卷积神经网络对数据降采样；

S2：经过5个门控循环单元循环层做语音活动检测、噪声谱估计和噪声消除；

S3：输出音频增益和vad信息。

优选的，所述拾音波束的形成数量为4个，且拾音波束的波束范围为0～3，各自对应90°范围。

优选的，所述拾音波束拾音时，阵列算法增强波束范围内的声音，削弱波束外的声音，以增强录音信噪比。

优选的，所述拾音波束指定波束0和波束2位目标拾音方向，波束0的范围为90°，345°-45°范围录音增强，其他范围内录音减弱。

优选的，所述波束2在收音时，145°-225°的范围录音增强，其他范围录音被减弱。

优选的，所述特征抽取和音高分析得到的人声的基频信息组合作为神经网络模型的输入特征。