混响环境下基于分频的广义互相关时延估计算法

实际室内环境存在混响,导致声源定位准确率下降。为此,提出一种基于分频的广义互相关时延估计声源定位算法。双耳信号通过Gammatone滤波器后得到分频的子带信号,在每个子带信号中进行最小相位分解的去混响处理,从倒谱域中反变换到时域后对每个子带进行互相关计算,然后求和每个子带互相关函数得到最大互相关值相对应的双耳时间差值,最终通过几何模型获得方位角。仿真结果表明,相比PHAT-GCC声源定位法,该算法能减少混响环境带来的定位误差,提高声源定位的稳定性。

混响环境下基于倒谱BRIR的双耳互相关声源定位算法

在实际封闭环境中,针对存在混响而导致声源定位性能下降的问题,提出一种基于倒谱双耳房间脉冲响应(Binaural room impulse response,BRIR)的双耳互相关声源定位方法.该方法通过从倒谱BRIR中减去混响分量,然后反变换到时域得到估计的脉冲响应,再与数据库中的头部脉冲响应(Head related impulse response,HRIR)进行互相关运算,最大互相关值相对应的位置就是所估计的声源位置.仿真实验结果表明,提出的算法能减少混响环境中带来的定位误差,提高声源定位的精度.

基于双耳互相关函数的声源定位算法

为了提高受生物启发的定位算法的定位成功率,提出了一种基于双耳互相关函数的声源定位算法.该算法包括2个阶段:离线阶段和在线阶段.在离线阶段,测量与头相关脉冲响应(HRIR),并计算所有HRIR的双耳互相关函数(BCCF).当处于在线阶段时,首先,计算接收信号的BCCF;然后,计算接收信号的BCCF与所有HRIR的BCCF之间的Pearson相关系数;最后,将最大的Pearson相关系数对应的方位作为估计的声源方位.实验结果表明,在有2个声源同时存在的情况下,相对于互通道(cross-channel)定位算法,该算法把主峰定位成功率和次峰定位成功率分别提高了约1.64%和26.48%.

基于子带信噪比估计和软判决的鲁棒双耳声源定位算法

为了提高噪声和混响环境下的双耳声源定位算法性能,提出了一种基于子带信噪比估计和软判决的双耳互功率谱和耳间时间差估计算法.首先根据每帧中每个子带双耳声信号的自相关矩阵估计子带信噪比;其次,将子带信噪比映射为软判决值,并对双耳互功率谱进行加权;最后利用加权后的互功率谱估计耳间时间差,从而判断目标声源方位.仿真测试和实际环境测试均表明:与基于互相关函数、过零率的传统双耳声源定位算法相比,所提算法在噪声和混响的复杂声学环境下,显著提高了双耳声源定位性能.

一种鲁棒的双耳声源方位角定位方法

在噪声和混响的声学环境中,基于双耳时间差的声源方位角定位性能会严重降低;针对这个问题,提出了一种基于子带选择和DBSCAN的双耳声源定位算法,首先,采用Gammatone滤波器将双耳声源信号分解为若干个子带信号;其次,根据子带能量大小进行子带通道数压缩;然后,根据子带信噪比大小获取最优子带,降低无关子带干扰;接着将子带信号进行分帧,根据互相关算法获取峰值处的数据点;最后,引入DBSCAN算法消除噪声点的影响,获取最优数据点,从而根据ITD定位模型判断目标声源方位角,实验结果表明,该算法在复杂的声学环境中,相较于传统的互相关算法,可显著提高双耳声源方位角定位性能。

基于稀疏表示和特征加权的离格双耳声源定位

基于头相关传递函数数据库的传统双耳声源定位方法的定位角度往往被限定在头相关传递函数数据库的离散测量点上。当头相关传递函数数据库的测量方位角间隔较大时,这类算法的性能会显著下降,这就是典型的离格问题。该文提出了基于加权宽带稀疏贝叶斯学习的离格双耳声源定位算法。首先该算法建立离格双耳信号的稀疏表示模型,然后利用双耳相干与扩散能量比特征对各个频点进行加权以降低噪声和混响的影响,最后通过加权宽带稀疏贝叶斯学习方法估计离格声源的方位角。实验结果表明,该算法在各种复杂的声学环境下都有着较高的定位精度和鲁棒性,特别是提高了离格条件下的声源定位性能。

基于BP神经网络的双耳声源定位算法

为了提高复杂声学环境中双耳声源定位性能,本文利用多种双耳空间特征参数,提出了基于神经网络方法的鲁棒双耳声源定位算法。本文将不同声学环境下双耳声信号对应的互相关函数、耳间强度差等空间定位线索,作为输入特征,用于训练BP神经网络。在混响和噪声环境下,与传统双耳定位算法相比,本文基于BP神经网络的双耳定位算法的定位性能有显著提高,特别是低信噪比条件下,定位正确率提高更为显著。

基于Gammatone滤波器分解的HRTF和GMM的双耳声源定位算法

针对数字助听器中现存声源定位算法精确度低和算法复杂度高的问题,提出一种新的双耳声源定位算法.首先,采集到的双耳声源信号通过Gammatone滤波器分解为若干个子带信号,根据能量的大小对数据进行压缩.然后,利用头相关传递函数(head-related transfer function,HRTF)中包含的双耳线索,即双耳时间差、双耳声级差及耳间相关性,提取声源位置的特征.最后,声源的位置信息由高斯混合模型(Gaussian mixture model,GMM)分类器识别.实验结果表明,建议的算法具有高精确度、低复杂度及强鲁棒性.

不同距离定位谱特征的研究

采用谱偏离算法和相关算法,研究了不同声源距离情况下定位谱特征的空间分布,得到了不同声源距离的最匹配角度,并采用主观定位实验对最匹配角度的听觉效果进行了验证。计算结果表明,随着声源距离的变化定位谱特征出现空间畸变,其畸变程度随着声源距离的减小以及声源偏离侧向方位而逐渐增大。进一步的听音实验发现,这种定位谱特征的空间畸变将导致可感知的声像畸变,特别是在前后方位;同时,从定位混乱率和定位精度上来看,谱偏离算法比相关算法更适合用于不同距离的最匹配角度的挑选。

基于HRTF和主成分分析的声源定位研究

传统双麦克风阵列在进行声源定位时有误差大、范围小,易产生前后镜像声源的混淆等缺点,而人的双耳却可以较准确地判断三维空间的声源方向.根据双耳定位原理,本文提出了一种基于HRTF和主成分分析的声源定位方法.利用具有双耳特性的双麦克风接收声信号,采用相关法辨识不同方位双耳特性差异并和HRTF数据库计算得到的真实值比较完成声源定位.仿真实验证明,提出的方法能有效进行三维空间的声源定位,突破了传统双麦克风的声源定位限制,引入主成分分析节省了定位所用数据的存储空间,为方案的实时实现提供了依据.