一种基于语音活动检测的声源定位方法.docVIP

一种基于语音活动检测的声源定位方法 　　摘要：?源定位的准确程度对语音增强的效果影响很大，因而成为语音增强领域的重要研究方向。本文提出一种基于语音活动检测的实时处理声源定位方法，仅在目标语音段进行判定。相对传统声源定位方法，可以明显提高判定的有效性. 仿真实验表明本文方法在实时处理系统中能更有效的实现声源定位。 　　关键词：声源定位；语音活动检测；语音增强 　　中图分类号：TP302 文献标识码：A 文章编号：1009-3044（2017）04-0251-02 　　A Sound Source Localization Method Based on Voice Activity Detection 　　YANG Li-chun 　　（Institute of Intelligent Control Technology， Zhejiang Wanli University， Ningbo 315101， China） 　　Abstract： The accuracy of sound source localization has a great influence on speech enhancement， which is an important study direction in the field of speech enhancement. This paper proposes a real-time processing of sound source localization method based on voice activity detection which decision lie only in target speech segments. Compared with the traditional sound source localization method， the proposed method can significantly improve the effectiveness of the determination. The simulation experiment shows that the proposed method is more effective in real-time system for realize sound source localization than that its counterpart. 　　Key words： Sound Source Localization；Voice Activity Detection；Speech Enhancement 　　麦克风阵列语音增强[1]是语音通讯和交互领域的关键技术，其效果直接影响目标语言质量的好坏，而声源定位则是麦克风阵列语音增强的重要支持。当前语音定位技术是利用时延估计实现的，时延估计技术主要包括广义互相关（Generalized Cross Correlation， GCC）[2]算法和最小均方自适应（Least Mean Square， LMS）[3]滤波两种方法，其思想都是寻找语音段内能量最强的方向。在实时处理系统中，由于各种环境干扰，如语音、音乐、机器以及汽车等，造成无法有效和正确估计目标信号的方向。 　　为了解决这个问题，本文提出一种基于语音活动检测（Voice Activity Detection， VAD）的目标语音定位方法，使得声源定位仅在语音段进行，可以规避在非语音段进行声源定位而导致的定位错误发生，进而可以提高声源定位的有效性。 　　1基于语音活动检测的广义互相关的声源定位 　　为了获得目标声源的位置，需要得到其在两个麦克风的时延，本文的方法是基于GCC的无偏互相关函数实现时延估计。假定目标声源与噪声独立不相关，则两个麦克风获得的信号分别可用式（1）和（2）表示： 　　其中：x1与x2分别表示两个麦克风获得的信号；t表示时刻；s表示目标语音信号；v1，v2表示两个麦克风接收到的噪声信号；τ表示两个麦克风接收到目标语音信号的时延。 　　则两个麦克风接收到信号的互相关函数可表示为式（3）形式： 　　其中最大值对应的τ就是时延估计值。由于实际环境中的观测时间是有限的，因而只能得到估计的，其估计互相关函数可由式（4）求出： 　　其中T为观测时间。由于实际采集的是离散信号，所以式（4）可改写成式（5）的形式： 　　其中n表示采样点。在式（5）中，我们可以近似认为 取得最大值时，对应的m为时延采样数。但由于信号是连续的，采样是离散的，因而这是一种有偏估计。为了得到更精确的无偏估计，在实际算法中，首先找到使得上式最大值时的m，然后对其进行定