论文部分内容阅读
双耳声源定位是涉及人机交互、视频会议和语音增强等的重要技术。在工程应用场景中,特别是对于封闭环境,混响的存在导致声源定位性能下降,因此对混响环境下的双耳声源定位技术的研究具有重要的理论意义和工程价值。首先,论文介绍混响环境下基于双耳信号的声源定位算法的理论基础,对双耳信号的声源定位原理进行深入研究,分析双耳信号模型,并设计系统总体框架。其次,论文研究了常用时延估计方法的相关原理,针对声源信号各频率分量作同样的处理不能解决混响对不同频率语音的影响差异而导致定位误差的问题,提出一种分频的广义互相关的时延估计方法。该方法使用Gammatone滤波器对双耳信号进行分频处理,对每个子带信号进行倒谱预滤波的去混响处理后反变换到时域,左右耳各子带信号进行互相关运算,得到的每个子带的互相关值进行求和运算,获得最大互相关值对应的双耳时间差。通过实验证明,该算法对语音信号的各个频率分量作了充分地去混响处理,有效地减少了多频声源中混响带来的定位误差。接着,对方位估计方法进行深入研究,针对倒谱域中会丢失相位信息以致双耳时间差信息丢失,而造成定位误差的问题,提出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(CEP-BRIR-CC)。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。该算法通过比较两个脉冲的相似性,避免了双耳时间差的计算,实验证明,该算法能有效提高定位准确度。最后,构建了一个基于双耳信号的声源定位系统,并进行了实验测试和分析。实验结果表明,CEP-BRIR-CC算法相比文中其他基于时延估计的声源定位算法具有更好的定位准确度,实验结果和理论计算的趋势是一致的,在混响时间为0.3s和0.5s时的准确估计率分别为89.9%和87.7%,能有效解决工程环境下混响对声源定位的影响。