基于AVS稀疏表示的鲁棒语者声源DOA估计方法.pdf

! ""#$%%& ' (%)*! +,-.#"+/+.& 0 123 45 61 7-5 8 59: < = < 8 < 1454>?3 1 : @ = = < 4AB1 6C )%! #1C D!E5 3C D%$F! D((H)%I ;2 GGC $%%& ' (%)*C D%$FC %DC %%* $%C $I))*# -,!" JC 123 45 61 7-5 8 59: < = < 8 < 1454>?3 1 : @ = = < 4A !D%$FKL0 ;2 ##= M 8 8 : 425 5C @>2C :4 G" J JC .'N5 < 6" = : 5C @>2C :4 J J"425 #P5Q"RSI ' %DF ' S&S(D*&D O@ 6 ! 基于 !"# 和稀疏表示的鲁棒语者声源 $%! 估计方法 邹月娴 ! 郭轶凡 ! 郑炜乔 $北京大学信息工程学院 9-"?T9U#.T!?!深圳! F$S%FF% 摘 ! 要!基于声学矢量传感 器!9: 12= 8 < :V@ : 8 1 3= @4= 1 3" 9B"#和 空 间 声 源 稀 疏 表 示 理 论"进 行 了 鲁 棒 的 高精度语者声源到达角! -< 3 @ : 8 < 141 75 3 3 < V5 6" -,9#估计方法研究$考虑混响和加性噪声影响"本文推导 了 9B" 接收信号的向量化的协方差矩阵模型"设计了过完备字典"依此建立声源的空间稀疏表示 模 型" 最终通过求解稀疏空间谱获得鲁棒的 -,9 估计$本文 进 行 了 大 量 的 不 同 混 响 和 加 性 噪 声 条 件 下 的 仿 真实验和实际环境中的 -,9 估计实验"实验结果表明"本文提出的语者声源 -,9 估计方法在信噪比 F W11 8N@ 54= 3 @@ 3 3 1 3" WE".#小于 $ X的估计精度$ 在 实 际 环 境 中 #)%>U 范围内可获得均方根误差! ;25 也取得了 D#$% X误差的 -,9 估计结果$ 关键词%声学矢量传感器&语者声源&到达角估计! -,9#&空间稀疏表示&协方差矩阵 中图分类号%O#($DC )!!! 文献标志码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与 声 源 ' -,9 之间的一一对应关系!通过 对 ! "-W 值 进 行 聚 类 及 聚 类 中 心!获 得 -,9 的 估 计( 然 而!实 际 环 境 下!计算出的! "-W 值会受到噪声和混响干扰!因此! -,9 估计算法的噪声鲁棒性尚不能满足实际需求( 本文借鉴文献* $D+提出的基于 阵 列 接 收 信 号 的 互 相 关 矩 阵 稀 疏 表 示 模 型 实 现 -,9 估 计 的 思 想! 推导单 9B" 接收信号的向量 化 协 方 差 矩 阵 稀 疏 表 示 模 型!将 -,9 估 计 问 题 转 换 为 稀 疏 向 量 求 解 问 题(通过大量的实验!验证了本文所提方法的噪声鲁棒性和 -,9 估计有效性( ;!!"# 数据模型 基于单个 9B" 的声源定位系统设置如图 $ 所示!其中 9B" 位于直角坐标系原点(单个 9B" 是 由 $ 个全向传感器及 ) 个正交指向的指向性传感器组成!全向 传 感 器 被 称 为 ! 分 量!指 向 "! # 及$ 轴 的 指 * I+ 向性传感器分别称作% 分量) & 分量及 ' 分量 (本文假设空间存在单个目标 语 者 声 源($ )%$服 务 机 器 人应用场景%!该目标声源的 -,9 表示为$ 9B" 对目标声源的流形矢量为 !(! "(%(因此! !$ %(! &(! '(! $+O !!! " &&+$ !(! "(%* * $ $% 式中 $ %( *= < 4 1 = &( *= < 4 < 4 '( *: 1 = D% !(: !(= !( "(! "(! 被称为声源的 "! % X! $S% X%!方 位 角 "( " * % X!)I% X%(考 虑 混 响 和 背 # 及$ 方向余弦!且设定俯 仰 角!( " $ ! 邹月娴 等%基于 9B" 和稀疏表示的鲁棒语者声源 -,9 估计方法 )%$ 图 $! 声学矢量传感器结构图 P < $!9B" ` == 8 3 2: 8 2 3 @7 6 1_ AC 景噪声! 9B" 在时刻)接收到的数据可表示为 $ "$ )%*!$ ($ )%#;$ )%<#$ )% )% !(! "(% O 式中" "$ )%a * "% $ )%! "&$ )%! "' $ )%! "!$ )%+ !分别为 %! &! '! ! 传感器的输出!# 为线性卷积操 作! ;$ )%代 表房间的冲击响应! #$ )%a * .% $ )%! .&$ )%! .' $ )%!.!$ )%+O 为 %! &! '! ! 传感器上的加性噪声!假设它们互 不相关!且与目标语音信号不相关( a=$ b=D 个空间网格角度集!可表示为 #a ,$ 6a$!-! =$ ' =D .!且 =$ % !6! $ ?a$!-! "?% $! =D %$(如果空间声源位于网格$ !6! !6! "?%!则其流 形 矢 量 为 !$ "?%!而 相 应 的 与 空 间 网 格 角 度 集 # 对 应的流形矩阵如下 &+> $* * !$ !$ !$ !$ ! !6! != ! "$ %!-! "?%!-! "= %+!$ " % $ D $ &% &%被 称 为 过 完 备 字 典$或 稀 疏 基 矩 阵%( 显 然!对 于 单 声 源 !! 相对于单个目标声源的 -,9 估 计!式$ ($ )%!由式$ )! &%! 9B" 接收数据 "$ )%的等效稀疏表示模型为 $ "$ )%*!&$ )%<#$ )% F% 式中" &$ )%a * $$ $ )%!-! $> $ )%+ 为 > 维稀疏矢量!即当声源来自方向$ )%中 !6! "?%时!只有与之 对 应 的 &$ 的第67" 个元素为非零值!且 $67" $ )%a($ )%#;$ )%(其中 O $ 6 7" * $ 6@$%+ =D 6 7"*$ !! 定义空间谱 ( 为 O $ < 5A$ %$ %* * $$% (*> B$ ! BD !-! B> + D c 定义 )& aV@ :$ *&$ :$ !$ ! $ :$/%操 作 为 矩 阵 的 向 量 化 操 作!依 据 式 $'%! !6! !6! !6! "?%aV@ "?% "?%%!其中 V@ $ &%定义新的过完备字典 # 为 $ *&$ *&$ *&$ $D% # ** !$ ! !6! != ! "$ %!-! "?%!-! "= %+ $ D (%两边进行向量化!代入式$ $%! $$%可得 !! 对式$ %& *#( <)& $ $)% 式中" %& aV@ :$ %%( 如前所述! > 远远大于声源个数!因 此 空 间 谱 ( 是 稀 疏 矢 量!称 为 稀 疏 空 间 谱!其 非 零 行 所 在 位 置 则对应语者声源的 -,9$ $)%称 为 接 收 信 号 协 方 差 矩 阵 的 -,9 估 计 稀 疏 表 示 !(! "(%(因此!本文将式$ 模型(# 具有非平凡的零空间!可以由 ( 的 候 选 稀 疏 进 行 重 构 %& ( 为 了 区 别 于 其 他 算 法!本 文 称 其 为 基于 9B" 的协方差稀疏空间谱$ 9B" '+""%模型( <= ! 实验与分析 为了评估本文提出的 9B" '+""-,9 估计算法的性能!本 文 进 行 了 ) 个 仿 真 实 验 和 $ 个 实 际 环 境 * + 中的 -,9 估计实验(选择 ZE-9'T5G 6 5 : @算 法 $I 进 行 性 能 比 较( 仿 真 实 验 的 语 者 声 源 为 男 性!长 度 为 )=!采样 率 为 $I\c^( 对 本 文 提 出 的 9B" '+"" 算 法!相 关 参 数 设 置 为 !( " $ % X! $S% X%! % X! %( " * $S% X+!=$ a=D a$S%!正则化参数%aD%! CaD%%$ D%% 个快拍数据%(对 ZE-9'T5G 6 5 : @算法!参数设置 为"语音信号分帧长度为 )%! D% N=重叠!加窗函 数 采 用 汉 明 窗!窗 长 为 )% N=! "OPO 长 度 为 F$D 点'两 个麦克风沿着 $ 轴放置!间隔 S:N(需要注意的是! ZE-9'T5G 6 5 : @算法每次只能估计声源的方位角 或 俯仰角!如果需要同时估计方位角和俯仰角!则需分别进行 D 次计算(选用绝对值误差$ 9K= 1 6 2 8 @@ 3 3 1 3! 9.W%和均方根误差$ W11 8N@ 54= 3 @@ 3 3 1 3! WE".%作为 -,9 估计性能的标准!定义如下 ;25 $ ED !@!E= ;! 算法的 $%! 估计精度 该实验旨在评估本文提出的 9B" '+"" 算 法 在 单 个 语 者 位 于 不 同 方 位 角 的 -,9 估 计 精 度( 信 噪 比 "#W 为 D%>U!不考虑混响! X! X随 机 生 成!共 进 行 $%% 次!实 验 结 果 如 !aI% % 在每次试验 中 从 %#$S% 图 D 所示(从实验结果得出结论"在该实验条件下!两个算法的 -,9 估计绝对值误差大部分低于 %C F X' 本文提出算法在 % 为 %#D% X和 $I%#$S% X的范围内!性能优于对比算法( 图 D! 不同声源 -,9 处的绝对值误差 9.W P < D!9K= 1 6 2 8 @@ 3 3 1 3V@ 3 =2=>< 7 7 @ 3 @4 8= 12 3 : @-,9 AC )%& 数据采集与处理 ,!%-./ 0!1 2/ ) /34 6 ( 6 ) 6 !./.78! 4 9 ( ( 6 .: B1 6C )%" #1C D"D%$F 5% >=U 变化到 )%>U!每 个 "#W 进 行 $%% 次 独 立 试 验! WE". 实 验 结 果如图 ) 所示(由图 ) 可知!本 文 提 出 的 算 法 的 WE". 性 能 在 所 有 "#W 条 件 下 都 要 小 于 ZE-9'T5 ' 6 5 : @算法(当 "#W 为 F>U 时!9B" '+"" 算 法 的 WE". 约 为 $C $ X!而 对 比 算 法 的 WE". 为 DC D X!当 G "#W*$%>U 时! 9B" '+"" 算法的 WE". 均小于 %C F X(此结果 表 明!本 文 提 出 的 9B" '+"" 算 法 对 加 性 噪声不敏感( >= >! 算法的混响鲁棒性 本实验评估 9B" '+"" 算法在不同混响条件下的 -,9 估 计 性 能(实 验 设 置 为"采 用 文 献* $*+所 述 的!N5A@方法产生混响信号!在 $%NbFNb&N 的房间中! 9B" 位于房间正中!语者声源在距 9B" 为 D N 的$ I% X! &F X%方向! "#W 设为 $%>U(采用 F 个不同的混响时间$ WOI% %设置!如 表 $ 所 示( 在 每 个 混 响条件下进行 $%% 次独立试验后平均获得 WE". 性能曲线!如图 & 所示(从图中清楚地 看 到 9B" '+"" 算法的 WE". 曲线基本不随混响时间而变化!即该算法对混响具有很好的鲁棒性!这 对 于 实 际 -,9 估 计应用有价值(而 ZE-9'T5G 6 5 : @算法的性能随着混响 时 间 的 增 加 急 剧 下 降!未 显 示 出 对 混 响 的 鲁 棒 性( !! 图 )! 不同信噪比 "#W 下的 -,9 估计 WE".!!!!!! 图 &! 不同混响条件下的 -,9 估计 WE". 3 =2=>< 7 7 @ 3 @4 8= < 6 8 1 < = @3 5 8 < 16 @ V@ 6 =!!P < &!WE".V@ 3 =2=>< 7 7 @ 3 @4 83 @ V@ 3 K@ 3 5 8 < 146 @ V@ 6 = P < )!WE".V@ A45 AC AC ' '41 表 ;!&?I% 和相应的反射系数 ?.( @ -;!&?AB .467 ' 0 0 * 2 4C0 D @ 7 + 2 '47 ' D D 2 7 2 -4 + * ,'46 反射系数 WOI%#N= 墙壁 房顶 地板 % %C % %C % %C % (F %C ) %C D %C $ D%I %C I %C F %C ) )DS %C S %C I %C & &(& %C ( %C * %C * ! 邹月娴 等%基于 9B" 和稀疏表示的鲁棒语者声源 -,9 估计方法 )%F >= E! 实际环境中的 $%! 估计 通过仿真实验可见!本文提出的 -,9 估 计 算 法 具 有 对 加 性 噪 声 和 混 响 的 鲁 棒 性( 为 了 进 一 步 验 证该算法在实际 -,9 估计应用中的性能!本文开展了实际环境 -,9 估计 实 验( 本 文 采 用 的 是 本 实 验 室自制的 9B" 录制数据! 9B" 安装 在 智 能 小 车 上 方! -,9 定 位 结 果 可 通 过 实 测 定 位 界 面 可 视 化( 实 验空间约 SC F Nb) NbF N 的房间!非静音)非抗混响环境$自然实验室环境%!同 时 存 在 背 景 噪 声 和 混 响("#W 测量值约为 D%>U!数据采集系统采样 率 为 &&C $\c^( 声 源 -,9" X!方 位 角 "( 分 别 设 !( a(% 置为 % X! &F X! (% X! $)F X和 $S% X(目标语 者 和 9B" 的 距 离 分 别 设 置 为 %C F! $C % 和 $C F N$如 图 F%(-,9 估计结果见表 D(由表 D 可以看 出!在 相 同 响 度 的 语 者 声 源 条 件 下!本 算 法 9B" '+"" 并 不 会 因 为 声 源 与 9B" 的距离增加而使 -,9 估计结果变差(最好的 -,9 估计误差只有 ) X(这些初 步 的 实 验 结 果 进 一步验证了本文所提出算法的有 效 性( 需 要 说 明 的 是!由 于 本 实 验 设 置 依 靠 人 工 进 行 角 度 划 分!以 及 9B" 硬件前端的元件失配会产生系统误差!因此对比图 ) 和表 D 可见!实测平均 -,9 误 差 大 于 仿 真 平 均 -,9 误差!其误差范围在 D#$% X!从一定程度上验证了算法的有效性和鲁棒性( 表 8W ,CE2 6 8 < 6 @@N< 8 8 @ 36 1 : 5 8 < 1454>=< 6G5 3 5N@ 8 @ 3@ = 8 ?3 1G5A5 8 < 14!!...O3 54= 5 : 8 < 14= G A45 14!$(SI!)&$ )%"D*I ' DS%C * D+!W1LW!f5 < 6 5 8 MOC."?W!O' @ = 8 A45 ;2@ " < 6?3 1 : @ = = < 4A!!... O3 54= 5 : 8 < 14=14!$(S(!)*$ *%"(S& ' ((FC A45 * )+!U3 54>= 8 @ < 4 E "!9>: 1 :\0.!" < 6 V@ 3N54 c PC9 G 3 5 : 8 < : 5 68 @ 6 5L@ = 8 ^ @ 69 9!f3 < =M45G 3 5 = 5>?"CU< 1N = 123 : @6 1 : 5 6 < ^ 5 8 < 14 * 0+C"@4= 1 3 =0 123 45 6!!...!D%%D!D$ I%"I%* ' I$IC ' * F+!W5 =G52>E!B< = 8 @c!.V54A@ 6 < = 8 5ZCU < 4523 5 6= 123 : @6 1 : 5 6 < ^ 5 8 < 14KLJ 1 < 4 8@ = 8 !O- * 0+C92>< 1!"G@ @ :M! )%I 数据采集与处理 ,!%-./ 0!1 2/ ) /34 6 ( 6 ) 6 !./.78! 4 9 ( ( 6 .: B1 6C )%" #1C D"D%$F 5% 54>T54A25A@?3 1 : @ = = < 4A!!... O3 54= 5 : 8 < 14=14!D%$%!$S$ $%"IS ' **C * I+!c5_\@ =E!#@M1 3 5 <9C9: 12= 8 < :V@ : 8 1 3 = @4= 1 3K@ 5N7 1 3N< 4A54>+5G14>< 3 @ : 8 < 14@ = 8 E .!0 14@ =-TCU@ 5N7 1 3N@ 3G@ 3 7 1 3N54: @_< 8 M5 : 12= 8 < :V@ : 8 1 3= @4= 1 3 =< 45 < 3* 0+COM@0 123 45 61 78 M@9: 12= 8 < : 5 6 "1 : < @ 8 79N@ 3 < : 5!D%%I!$$($ $%"I%S ' I$(C L1 * S+!"M2 52 E!W< 8 ^+ c!U23 4@ 8 8!"C-@ = < < 4A5 : 12= 8 < :V@ : 8 1 3= @4= 1 3 =7 1 36 1 : 5 6 < ^ 5 8 < 141 7= 124>= 123 : @ =< 45 < 3* +++$* 8 M.23 1 J A4 ' $ % " ! " !?+,D%%( C": 1 8 6 54> .]W9" !? D%%( S&( ' SF)C! 54" < 6?3 1 : @ = = < 4A+14 7 @ 3 @4: @ .]" G@ A45 * (+!T -,9@ = 8 * ++ L54>=2K5 12= 8 < : =!"G@ @ :M54>"< 6?3 1 : @ = = < 4A $ !+9""?%!D%$D!...! 4 8 @ 3 45 8 < 145 6+14 7 @ 3 @4: @14CfL1 8 1!0 5G54"!...!D%$D" +9: A45 DFF* ' DFI%C * $%+Y12/ e!"M <[!T 1485 8 53 5 8 < 1 L=G5 L54>J ' ' +++9: 12= 8 < : =!"G@ @ :M54>"< 6?3 1 : @ = = < 4A $ !+9""?%!!...! 4 8 @ 3 45 8 < 145 6+14 7 @ 3 @4: @ _< 8 M= < 4A 6 @5 : 12= 8 < :V@ : 8 1 3= @4= 1 3* A45 14CB54: 12V@ 3!+545>5" !...!D%$)" &%$$ ' &%$FC * $$+Y12/ e!Z21/P!YM@4A[ h!@ 85 6C94@ 7 7 @ : 8 < V@-,9@ = 8 5 8 53 5 8 < 1N1>@ 6* +++" < 654>! 4 7 1 3N5 8 < 14?3 1 : @ = = < 4A $ +M < 45" !?%!D%$&!...+M < 45"2NN< 8g! 4 8 @ 3 45 8 < 145 6 A45 ' +14 7 @ 3 @4: @14Ce< ` 54!+M < 45" !...!D%$&"&D ' &IC * $D+YM@4A0!f5V@M EC-5 8 5 5>5G 8 < V@3 @A2 6 5 3 < ^ 5 8 < 147 1 3-,9@ = 8 "< 6?3 1 : @ = = < 4A $ !+9""?%!D%$)!...! 4 8 @ 3 45 8 < 145 6+14 7 @ 3 @4: @14CB54: 12V@ 3!+545>5" !...!D%$)" )(F* ' )(I$C A45 * $)+/< 40!+M@4OC-< 3 @ : 8 < 14 1 7 5 3 3 < V5 6@ = 8 "C+Be"E5 8 6 5K= 1 7 8_5 3 @7 1 3>< = : < 6 < 4@>: 14V@QG 3 1A 3 5NN< 4A * .U#,T+CM 8 8 VQ3C : 1N#!DI 8 M0 54 G G"+: D%$FC * $I+YM54A [!W51 U -C9 8_1 N< : 3 1GM14@ K5 = @>5GG 3 15 :M7 1 3= 123 : @6 1 : 5 6 < ^ 5 8 < 141 7 N2 6 8 < 6 @=G@ @ :M= 123 : @ =* 0+C92>< 1! G ' ! ! ! ! $ % " "G@ @ :M 54>T54A25A@?3 1 : @ = = < 4A !... O3 54= 5 : 8 < 14=14 D%$% $S S $($) ' $(DSC * $*+96 6 @40U!U@ 3\ 6 @L-9C!N5A@N@ 8 M1>7 1 3@ 7 7 < : < @4 8 6 2C :4'郭 轶 凡 $ $(S( '%!女!硕士研究生!研究方向"多媒体信息处理技术'郑 炜 乔$ $(($ '%!男!硕 士 研 究 生!研 究 方 向"多 媒 体 信 息 处 理 技术( ! 邹月娴 等%基于 9B" 和稀疏表示的鲁棒语者声源 -,9 估计方法 )%*