本發(fā)明屬于語音信號處理中聲源定位算法領(lǐng)域中的時延估計算法領(lǐng)域.本發(fā)明在廣義二次相關(guān)算法的基礎(chǔ)上，設(shè)計一種加權(quán)函數(shù)，并在兩次互相關(guān)時分別加權(quán)，實現(xiàn)時延估計.該算法相較于gcc和gcc-phat算法，提升了時延特征計算的準(zhǔn)確性和算法的魯棒性.

背景技術(shù)：

1、通過麥克風(fēng)陣列來確定聲源位置主要有三種方法，包括波束形成、超分辨譜估計和到達時間差(time?difference?ofarrival，tdoa)法.其中tdoa算法應(yīng)用最為廣泛，其核心思想是將時間差轉(zhuǎn)換為距離差，再通過陣元所在的位置關(guān)系求解出聲源的方位和距離參數(shù).

2、估計時延是基于tdoa聲源定位最關(guān)鍵的一步，廣義互相關(guān)法(generalizedcross-correlation，gcc)是估計時延目前應(yīng)用最多的方法之一.gcc在信號的功率譜中進行加權(quán)，從而在時域中抑制噪聲干擾，銳化相關(guān)的信號.但是在低信噪比條件下，gcc性能下降明顯，時延估計準(zhǔn)確度銳減.

3、在gcc基礎(chǔ)上衍生出來的二次相關(guān)算法，相較于gcc算法，抗噪聲性能有所改進.廣義二次相關(guān)算法對二次相關(guān)的結(jié)果進行廣義互相關(guān)處理，進一步去除了噪聲的影響，在一定程度上提高時延估計的準(zhǔn)確性.但是在低信噪比下的抗噪聲性能仍然有限，時延估計準(zhǔn)確性有待提升.

4、綜上，現(xiàn)有時延估計算法受噪聲干擾影響較大，在低信噪比情況下時延估計準(zhǔn)確度銳減.時延估計的不準(zhǔn)確將直接影響定位的準(zhǔn)確性，因此，對現(xiàn)有算法進行優(yōu)化，提升低信噪比下的時延估計準(zhǔn)確性十分必要.

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明提供了一種基于廣義二次相關(guān)的時延估計算法，旨在克服現(xiàn)有技術(shù)中上述問題的不足之處，提升低信噪比條件下時延估計的準(zhǔn)確性，從而為聲源的準(zhǔn)確定位提供支持.該算法通過分析加權(quán)函數(shù)的特性，從設(shè)計加權(quán)函數(shù)的角度出發(fā)，并結(jié)合廣義二次相關(guān)算法的優(yōu)勢，進行二次加權(quán)，可以有效解決現(xiàn)有時延估計算法在低信噪比條件下準(zhǔn)確度較低的問題.

2、一種基于廣義二次相關(guān)的時延估計算法，其特征在于，首先構(gòu)建麥克風(fēng)陣列模型，利用該陣列接收信號，并將麥克風(fēng)接收到的信號進行冪次運算預(yù)處理，將預(yù)處理之后的信號做廣義二次相關(guān)，設(shè)計加權(quán)函數(shù)，并在每次互相關(guān)時進行加權(quán)，即進行二次加權(quán)，根據(jù)相關(guān)性最大時的時間可得時延值.

3、為達到上述目的，本發(fā)明的技術(shù)方案是這樣實現(xiàn)的：

4、一種基于廣義二次相關(guān)的時延估計算法，包括如下步驟：

5、步驟1：構(gòu)建雙麥克風(fēng)陣列模型，對麥克風(fēng)接收到的信號進行冪次運算預(yù)處理.

6、步驟2：基于phat函數(shù)設(shè)計一種加權(quán)函數(shù)應(yīng)用于兩次加權(quán)過程中.

7、步驟3：在廣義二次相關(guān)的基礎(chǔ)上實現(xiàn)兩次加權(quán)，即在兩次互相關(guān)時分別進行加權(quán)，進一步提升低信噪比下時延估計的準(zhǔn)確性.

8、步驟4：計算得到時延.檢測rrr(τ)的最大值，最大值對應(yīng)的t為時延估計值.

9、進一步的，步驟1中將接收到的語音信號做冪次運算，并且在信噪比較大時選擇較低的冪次，信噪比較小時選擇較大的冪次，為了方便說明，不妨取0＜m＜n＜10，r為信噪比閾值，當(dāng)信噪比大于r時選取m次冪，信噪比小于r時選取n次冪進行處理.處理之后，原語音信號中幅值較大的信號更大，而幅值較低的更小，以犧牲幅值較低的信號信息的方式，有效地抑制噪聲，更加關(guān)注信號間相關(guān)關(guān)系.其中，m、n、r值的選取可以根據(jù)實際環(huán)境調(diào)整，選取最優(yōu)值.

10、進一步的，步驟2中加權(quán)函數(shù)如下：

11、

12、其中，gx(ω)為信號x(n)的自相關(guān)功率譜，gy(ω)為信號y(n)的自相關(guān)功率譜，ρ的值可以根據(jù)實際環(huán)境進行調(diào)整，選取最優(yōu)值.

13、進一步的，步驟3中具體包括以下步驟：

14、步驟31：對圖2麥克風(fēng)陣列中兩個麥克風(fēng)接收到的信號進行數(shù)學(xué)表達式表示.陣列中兩個麥克風(fēng)的接收信號分別為：

15、x(n)＝α1s(n-τ1)+n1(n)

16、y(n)＝α2s(n-τ2)+n2(n)

17、其中，s(n)為聲源信號，n1(n)和n2(n)為環(huán)境噪聲，τ1和τ2是信號從聲源處傳播到兩個麥克風(fēng)陣元的傳播時間，α1和α2表示不同程度的衰減.

18、步驟32：將一路信號x(n)做自相關(guān).假設(shè)信號與噪聲之間相互獨立，噪聲為高斯白噪聲，自相關(guān)函數(shù)為：

19、rxx(τ)＝e[x(n)x(n-τ)]

20、＝α1α2e[s(n-τ1)s(n-τ1-τ)]+2α1e[s(n-τ1)n1(n-τ)]

21、+e[n1(n)n1(n-τ)]

22、＝α1α2rss(τ)

23、步驟33：在頻域?qū)π盘杧(n)和y(n)的互功率譜進行加權(quán).

24、步驟34：根據(jù)維納-辛欽定理，由步驟33可得頻域加權(quán)后的互相關(guān)函數(shù)：

25、

26、步驟35：在頻域?qū)π盘杛xx(τ)和rxy(τ)的互功率譜進行加權(quán).

27、步驟36：根據(jù)維納-辛欽定理，由步驟26可得頻域加權(quán)后的互相關(guān)函數(shù)：

28、

29、相對于現(xiàn)有技術(shù)，本發(fā)明所述的一種基于廣義二次相關(guān)的時延估計算法具有以下優(yōu)勢：

30、本發(fā)明通過對語音信號進行冪次運算的預(yù)處理操作，以犧牲幅值較低的信號信息的方式，有效地抑制噪聲，更加關(guān)注信號間相關(guān)關(guān)系.

31、本發(fā)明設(shè)計了一種加權(quán)函數(shù)，應(yīng)用于加權(quán)過程中，在時域中抑制噪聲干擾，銳化相關(guān)的信號，提升了算法的抗噪聲性能.

32、本發(fā)明在廣義二次相關(guān)的基礎(chǔ)上采用二次加權(quán)，即在兩次互相關(guān)時分別進行加權(quán)，進一步抑制噪聲干擾，提升低信噪比下時延估計的準(zhǔn)確性.

技術(shù)特征：

1.一種基于廣義二次相關(guān)的時延估計算法，其特征在于：包括如下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于廣義二次相關(guān)的時延估計算法，其特征在于：所述步驟1中，將接收到的語音信號做冪次運算，并且在信噪比較大時選擇較低的冪次，信噪比較小時選擇較大的冪次，為了方便說明，不妨取0＜m＜n＜10，r為信噪比閾值，當(dāng)信噪比大于r時選取m次冪，信噪比小于r時選取n次冪進行處理，處理之后，原語音信號中幅值較大的信號更大，而幅值較低的更小，以犧牲幅值較低的信號信息的方式，有效地抑制噪聲，更加關(guān)注信號間相關(guān)關(guān)系，其中，m、n、r值的選取可以根據(jù)實際環(huán)境調(diào)整，選取最優(yōu)值。

3.根據(jù)權(quán)利要求1所述的一種基于廣義二次相關(guān)的時延估計算法，其特征在于：所述步驟2中，加權(quán)函數(shù)如下：

4.根據(jù)權(quán)利要求1所述的一種基于廣義二次相關(guān)的時延估計算法，其特征在于：所述步驟3中具體包括以下步驟：

技術(shù)總結(jié)
本發(fā)明提供了一種基于廣義二次相關(guān)的時延估計算法，方法包括：構(gòu)建雙麥克風(fēng)陣列模型，對麥克風(fēng)接收到的信號進行冪次運算預(yù)處理，將接收到的語音信號做冪次運算，在信噪比較大時選擇較低的冪次，信噪比較小時選擇較大的冪次；基于PHAT函數(shù)設(shè)計一種加權(quán)函數(shù)應(yīng)用于兩次加權(quán)過程中；在廣義二次相關(guān)的基礎(chǔ)上實現(xiàn)兩次加權(quán)，即在兩次互相關(guān)時分別進行加權(quán)；檢測R<subgt;RR</subgt;(τ)的最大值，最大值τ對應(yīng)的為時延估計值。

技術(shù)研發(fā)人員：張濤,趙美蘭,耿彥章,袁亞震
受保護的技術(shù)使用者：天津大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/9/9