论文部分内容阅读
声源个数在基于阵列信号处理的多声源定位和盲源分离技术中通常被假设为已知信息,但是在实际中,声源个数信息通常是未知的,需要被估计的。随着人们对便携化、轻巧化的需求,差分阵列以其阵列尺寸小、增益高的优势被用于语音信号领域中的多声源定位和盲源分离中,如何在差分传声器阵列的基础上实现准确的声源个数估计成为语音信号处理领域一个亟待解决的问题。本文研究了在混响和噪声环境下基于差分传声器阵列的声源个数估计方法,工作和贡献总结如下:1、分别研究了现有几种非欠定条件下的声源个数估计方法,包括峰值搜索方法、线性预测方法、匹配追踪方法和期望最大化方法,分析了在不同混响和噪声环境下,参数设置对这几种方法声源个数估计性能的影响。研究结果表明,峰值搜索方法和线性预测方法的声源个数估计性能对门限设置对较为敏感,尤其是在混响和噪声环境下性能较差;匹配追踪方法和期望最大化方法虽然克服了门限设置敏感的问题,但却均需要最大声源个数先验信息。2、针对混响和噪声环境,提出了一种适用于声源个数估计中的基于可靠性混合权重的时频筛选方法。时频点的瞬时功率、瞬时功率比和瞬时波达方位角(Direction of Arrival,DOA)估计的局部方差作为可以表征时频点可靠性的重要参数,在不同环境下可以相互补充,利用这三种参数共同构造一个时频点可靠性混合权重,根据混合权重的大小筛选出可靠的时频点瞬时DOA估计值用于声源个数估计。仿真和实验结果表明,基于混合权重的时频筛选方法要优于单独使用时功率权、功率比权和局部方差权的时频筛选方法,并且通过该混合权重进行时频点筛选后,在混响和噪声环境下,尤其是实际声源个数较多时,声源个数估计方法的性能有了明显的提升。3、针对未知最大声源个数先验信息的情况,提出一种基于非参贝叶斯模型改进的声源个数估计方法。非参贝叶斯模型可以在未知类别数的情况下,根据观测数据自适应调整模型复杂度,由于在室内混响和噪声环境下,观测数据的排列顺序会影响模型的选择,从而影响声源个数估计性能。因此本文通过对直方图峰值搜索得到预估计角度,根据预估计角度与观测数据的距离将观测数据重新排序,并将混合权重用于模型的参数更新。仿真和实验结果表明,本文改进的非参贝叶斯声源个数估计方法在不同环境和不同声源个数条件下均能较好的估计出声源个数,且性能优于其他方法。