實(shí)時(shí)聲源定位算法研究與實(shí)現(xiàn)*

姜志鵬，唐加能，梁瑞宇

（1.金陵科技學(xué)院電子信息工程學(xué)院，南京 211169；2.華僑大學(xué)工學(xué)院，福建泉州 362021；3.南京工程學(xué)院通信工程學(xué)院，南京 211167）

聲源定位技術(shù)在基于麥克風(fēng)陣列的語音信號處理中處于核心地位，其不但可以提供位置信息，而且對基于麥克風(fēng)陣列的語音增強(qiáng)技術(shù)具有重要的作用。此外，利用聲源定位技術(shù)，還可以改善基本的盲源分離技術(shù)在聲音混迭的環(huán)境的性能，解決語音信號的重構(gòu)問題，顯著改善恢復(fù)的語音信號的質(zhì)量?；邴溈孙L(fēng)陣列的聲源定位技術(shù)已經(jīng)成為一大研究熱點(diǎn)，對其開展研究具有很強(qiáng)的理論意義和實(shí)踐價(jià)值［1］?，F(xiàn)有的大部分定位系統(tǒng)使用的算法的計(jì)算量較大，實(shí)時(shí)性較差，不能滿足實(shí)時(shí)性要求高的場合。

基于麥克風(fēng)陣列的聲源定位技術(shù)主要有三類［2］：基于高分辨率譜估計(jì)技術(shù)［3-4］、基于可控波束形成技術(shù)［5-6］以及基于時(shí)延估計(jì)的定位技術(shù)［7-8］?；诟叻直媛首V估計(jì)技術(shù)利用特征值分解將數(shù)據(jù)的協(xié)方差矩陣分解為噪聲子空間和信號子空間，再找出與噪聲子空間正交的方向矢量來獲得聲源的方向估計(jì)。該算法主要是針對窄帶信號提出的，當(dāng)聲源信號為寬帶信號時(shí)，需要將其分為多個(gè)子帶信號，然后分別用高分辨率譜估計(jì)算法進(jìn)行聲源定位，最后根據(jù)得到的結(jié)果計(jì)算聲源位置。該算法復(fù)雜度較大［9-10］，很難應(yīng)用于實(shí)時(shí)系統(tǒng)?；诳煽夭ㄊ纬傻穆曉炊ㄎ粚溈孙L(fēng)接收到的信號進(jìn)行濾波并加權(quán)求和來形成波束，進(jìn)而通過搜索可能的聲源位置來引導(dǎo)該波束，使波束輸出功率最大的點(diǎn)就是聲源的位置。該算法需要全局搜索，運(yùn)算量很大，很難實(shí)時(shí)實(shí)現(xiàn)［11］。而采用的一些迭代方法雖然減少了運(yùn)算量，但很難得到有效的全局峰值，并且對搜索初始值十分敏感?；跁r(shí)延估計(jì)的聲源定位方法是一種雙步定位法［12］。該方法首先估計(jì)聲源到達(dá)不同麥克風(fēng)的時(shí)間差，再根據(jù)多個(gè)時(shí)間差通過幾何關(guān)系得到聲源位置。基于時(shí)延估計(jì)的聲源定位算法運(yùn)算量小，實(shí)時(shí)性好，對硬件要求不高。但該類算法不適用于多聲源定位，而且在較強(qiáng)混響和噪聲的環(huán)境中，很難獲得精確的時(shí)延，從而導(dǎo)致后續(xù)的定位產(chǎn)生很大的誤差。盡管如此，由于基于時(shí)延估計(jì)的定位算法易于應(yīng)用于實(shí)時(shí)系統(tǒng)，而且在適當(dāng)改進(jìn)后，在一定的噪聲和混響下也能有比較好的定位精度，被廣泛地應(yīng)用于各種定位系統(tǒng)。

針對目前聲源定位算法的問題，本文提出一種基于變步長標(biāo)準(zhǔn)最小均方差VLMS（Variable Step Size Least Mean Square）算法。該算法利用VLMS算法自適應(yīng)估計(jì)聲源到麥克風(fēng)的脈沖響應(yīng)系數(shù)，進(jìn)而估計(jì)出各麥克風(fēng)之間時(shí)延，并利用幾何方法定位聲源在3D空間的位置。此外，本文設(shè)計(jì)了基于Cor?tex-A8嵌入式平臺的聲源定位系統(tǒng)，并進(jìn)行了相應(yīng)的硬件選型與調(diào)試及算法移植工作。實(shí)時(shí)實(shí)驗(yàn)顯示，本系統(tǒng)的方案合理有效，能夠較好的實(shí)現(xiàn)聲源定位。

1 基于VLMS的時(shí)延估計(jì)算法

當(dāng)聲源相對于麥克風(fēng)陣列運(yùn)動(dòng)時(shí)，時(shí)延也相應(yīng)地變化，廣義互相關(guān)法不再適用。為此，有專家提出基于LMS自適應(yīng)濾波時(shí)延估計(jì)算法［13-14］。LMS自適應(yīng)濾波時(shí)延估計(jì)算法基于LMS自適應(yīng)噪聲抵消系統(tǒng)，其原理如圖1所示［15］。s(n-τ)相當(dāng)于語音信號s(n)經(jīng)過了一個(gè)相移濾波器hs(n)，hs(n)峰值處的橫坐標(biāo)對應(yīng)的就是信號間的時(shí)延。采用LMS自適應(yīng)濾波器來估計(jì)時(shí)延，就是用一個(gè)自適應(yīng)濾波器逼近hs(n)。通過加入與基本輸入端時(shí)間延遲相等的時(shí)延，使兩路信號最大程度的相似，最終由收斂的濾波器權(quán)矢量求得時(shí)延估值。

從圖1中可以看出，聲源信號s(n)經(jīng)過相移濾波器hs(n)后輸出n1(n)，再與環(huán)境噪聲n2(n)相加，得到輸入信號x2(n)。第二路是s(n)與n1(n)相加得到輸入信號x1(n)。自適應(yīng)濾波器在自適應(yīng)迭代過程中，逐步逼近相移濾波器hs(n)。當(dāng)自適應(yīng)濾波器收斂，x2(n)與y(n)的均方誤差最小時(shí)，s(n-τ)與其估計(jì)s(n-)的相似程度最大。此時(shí)自適應(yīng)濾波器的權(quán)失量wopt就是相移濾波器hs(n)的復(fù)制。由wopt最大值的橫坐標(biāo)，可得到時(shí)延估計(jì)。

圖1 LMS自適應(yīng)濾波時(shí)延估計(jì)原理圖

LMS時(shí)延估計(jì)具體的算法如下：

這里，umax和umin是步長的最大值和最小值，ξ

2 聲源定位

以四元十字陣為例，陣列分別由麥克風(fēng)M1、M2、M3和M4組成，陣元間距為L，以陣列中心位置為原點(diǎn)O，建立如圖2所示的所示的直角坐標(biāo)系。

圖2 四元十字陣結(jié)構(gòu)圖

3 聲源定位系統(tǒng)設(shè)計(jì)

在理論分析基礎(chǔ)上，本文設(shè)計(jì)了基于S5PV210的實(shí)時(shí)聲源定位系統(tǒng)。系統(tǒng)的硬件框圖如圖3所示。

系統(tǒng)采用四麥克風(fēng)組成四元十字陣來估計(jì)聲源位置。考慮到空間采樣定理，本文設(shè)定的麥克風(fēng)間距為15 cm。麥克風(fēng)采集到模擬聲信號后，送到WM8960音頻編解碼芯片進(jìn)行編碼。編碼后的數(shù)字信號送往S5PV210處理，用定位算法計(jì)算出聲源位置。再利用超級終端通過串口與嵌入式系統(tǒng)進(jìn)行交互，最終結(jié)果打印在超級終端上。其中SD卡和USB模塊用于嵌入式系統(tǒng)程序的燒寫和未來系統(tǒng)的升級。

圖3 系統(tǒng)硬件框圖

S2PV210是一個(gè)32 bit處理器，采用ARMV7精簡指令集，主頻率高達(dá)1GHZ，低功耗并且高效益。內(nèi)部集成ARM Cortex-A8核心，將ARMV7-A體系架構(gòu)和外設(shè)支持相結(jié)合，同時(shí)也是第1個(gè)以ARMv7架構(gòu)為基礎(chǔ)的應(yīng)用處理器。芯片帶有32 bit寬度、64 bit深度，支持5.1版本的IIS協(xié)議和128 kbyte音頻播放輸出緩沖器以及硬件音頻混合器。S5PV210具有多種音頻接口，可以便捷的對音頻進(jìn)行各種復(fù)雜的高速運(yùn)算處理，為用戶提供性能優(yōu)異的音頻解決方案。

本系統(tǒng)采用的WM8960是一款24 bit低功耗、高質(zhì)量的立體編碼解碼器。其運(yùn)行的模擬電源電壓低至2.7V，數(shù)字內(nèi)核運(yùn)行電壓可低至1.7V，芯片的不同部分可以通過軟件控制實(shí)現(xiàn)關(guān)閉，這使得能耗進(jìn)一步降低。其高級的片上數(shù)字信號處理能夠?qū)崿F(xiàn)麥克風(fēng)輸入的自動(dòng)電平控制，支持的采樣率有：8，11.025，12，16，22.05，24，32，44.1，48（單位：kHz）。

4 實(shí)驗(yàn)結(jié)果與分析

4.1 實(shí)驗(yàn)設(shè)置

在仿真實(shí)驗(yàn)中，房間的尺寸為6 m×6 m×3 m，聲源坐標(biāo)為［4 m，4 m，1 m］，兩個(gè)麥克風(fēng)的坐標(biāo)分別為［1 m，1 m，1 m］、［4 m，1 m，1 m］。用Image法產(chǎn)生房間脈沖響應(yīng)，在無混響時(shí)，設(shè)置房間墻壁反射系數(shù)為0。將聲源信號與傳遞函數(shù)卷積，可得到兩個(gè)麥克風(fēng)的接收信號。由圖4可以看出，兩麥克風(fēng)間的時(shí)延差為59個(gè)點(diǎn)。

有混響時(shí)，設(shè)置虛擬聲源個(gè)數(shù)為8，房間墻壁反射系數(shù)為0.3，圖5為聲源到兩麥克風(fēng)的傳遞函數(shù)。

圖4 無混響時(shí)聲源到兩個(gè)麥克風(fēng)的傳遞函數(shù)

圖5 有混響時(shí)聲源到兩個(gè)麥克風(fēng)的傳遞函數(shù)

4.2 仿真實(shí)驗(yàn)

利用基于VLMS的時(shí)延估計(jì)算法，并根據(jù)式（14）～式（16），對聲源進(jìn)行空間定位實(shí)驗(yàn)。實(shí)驗(yàn)采用AV16.3數(shù)據(jù)庫中不同語音片段進(jìn)行，語音采樣率為16 kHz，四元麥克風(fēng)方陣中陣元之間距離d=15 cm。實(shí)驗(yàn)語音信噪比為20 dB和0 dB，分別進(jìn)行30次實(shí)驗(yàn)，其平均定位效果如表1所示。

從表1可以看出，當(dāng)語音信噪比較高（SNR=20 dB）時(shí)，3種算法都取得了較好的定位效果；而當(dāng)語音信噪比較低（SNR=0 dB）時(shí)，VLMS算法定位精度最高，而基于互相關(guān)的GCC算法定位精度最低。

表1 空間聲源定位平均效果

4.3 實(shí)時(shí)聲源定位實(shí)驗(yàn)

測試設(shè)備包括：手持?jǐn)U音器（用來提供聲源）、聲源定位系統(tǒng)（以S5PV210為核心處理器、WM8960為音頻編解碼器、電源及外圍電路組成的電路板）、筆記本電腦（用來運(yùn)行超級終端以與定位系統(tǒng)交互并觀察結(jié)果）、支撐架（把擴(kuò)音器固定在高處作為聲源）、皮尺等。

測試實(shí)驗(yàn)在室外進(jìn)行：地點(diǎn)為空曠的操場上，選取一個(gè)較為安靜且無風(fēng)的時(shí)間進(jìn)行測試，主要噪聲為遠(yuǎn)處傳來的微弱噪聲。

實(shí)驗(yàn)時(shí)，麥克風(fēng)陣列均安放在地面上，聲源信號為語音信號，麥克風(fēng)一收到的波形如圖6所示。采樣率16 kHz，采樣位數(shù)16 bit，幀長1 024。

測試時(shí)，對每個(gè)位置的聲源都進(jìn)行了10次測試，取其平均值作為最終結(jié)果。其中聲源距麥克風(fēng)陣的距離r為聲源到陣列中心的距離（單位：cm），方位角用符號φ表示（單位：°），仰角用符號θ表示（單位：°）。為方便觀察，統(tǒng)計(jì)結(jié)果均取絕對值，如表2所示。由表可知，方位角受聲源距離和仰角影響較小，與距離和仰角相比，其誤差較小。

表2 聲源定位結(jié)果

由表2可知，從實(shí)驗(yàn)結(jié)果來看，該系統(tǒng)基本實(shí)現(xiàn)了聲源的空間定位功能，但距離、和仰角的精度不夠理想，需要進(jìn)一步改進(jìn)。因?yàn)樵趯?shí)際的聲源定位系統(tǒng)中，除了定位算法自身的局限性之外，還有很多種因素影響著定位的結(jié)果。具體因素包括：（1）硬件因素：考慮到成本，本系統(tǒng)采用駐極體式麥克風(fēng)，其性價(jià)比較高，但性能不如專業(yè)級麥克風(fēng)。另外，系統(tǒng)硬件性能沒有經(jīng)過專業(yè)的測試，可能存在內(nèi)部噪聲，導(dǎo)致信號失真；（2）環(huán)境因素：聲音傳播的速度是不定的，而聲速只能通過測量溫濕度、風(fēng)速、風(fēng)向和氣壓等推算得到，本文取聲速為340 m/s，這樣在計(jì)算時(shí)就產(chǎn)生了誤差。此外，在實(shí)際環(huán)境中存在不穩(wěn)定的背景噪聲，有些是人耳不易察覺，而麥克風(fēng)很敏感的，這些噪聲都會(huì)對最終結(jié)果造成一定的影響。（3）陣型因素：四元十字陣本身存在一些缺陷。其在估計(jì)距離時(shí)有較大的誤差；其次，估計(jì)仰角時(shí)需要聲源仰角較大時(shí)才有較高的精度。

5 結(jié)論

在理論研究基礎(chǔ)上，本文設(shè)計(jì)了實(shí)時(shí)聲源定位系統(tǒng)，并針對時(shí)延估計(jì)的問題，提出一種改進(jìn)的時(shí)延估計(jì)算法。仿真和實(shí)時(shí)實(shí)驗(yàn)顯示，該算法能較好的定位聲源。但是，系統(tǒng)只能對單聲源進(jìn)行定位，無法滿足對多聲源進(jìn)行定位的要求，后續(xù)需要進(jìn)一步研究多聲源定位的算法。本系統(tǒng)采用的是平面四元十字陣列，相比三維陣列，其定位精度較低，在后續(xù)的工作中可以改進(jìn)麥克風(fēng)陣列，用三維陣列來替代平面陣列。

［1］崔瑋瑋，曹志剛，魏建強(qiáng).基于雙麥克風(fēng)的2維平面定位算法［J］.信號處理，2008，24（2）：299-302

［2］Flanagan J L，Johnston J D，Zahn R，et al.Computer-Steered Micro?phone Arrays for Sound Transduction in Large Rooms［J］.J Acoust Soc Amer，1985，78（5）：1508-1518

［3］Shan T J，Wax M，Kailath T.On Spatial Smoothing for Direction-of-Arrival Estimation of Coherent Signals［J］.IEEE Transactions on Acoustics，Speech，and Signal Processing，1985，33（4）：806-811

［4］Haykin S S.Adaptive Filter Theory［M］.Pearson Education India，2005.50-57

［5］Carter G C.Variance Bounds for Passively Locating an Acoustic Source with A Symmetric Line Array［J］.The Journal of the Acous?tical Society of America，1977，62（4）：922-926

［6］Hahn W，Tretter S.Optimum Processing for Delay-Vector Estima?tion in Passive Signal Arrays［J］.Information Theory，IEEE Trans?actions on，1973，19（5）：608-614

［7］Benesty J.Adaptive Eigenvalue Decomposition Algorithm for Pas?sive Acoustic Source Localization［J］.The Journal of the Acousti?cal Society of America，2000.107（1）：384-391

［8］Brandstein M S，Adcock J E，Silverman H F.A Closed-Form Loca?tion Estimator for Use with Room Environment Microphone Arrays［J］.IEEE Transactions on Speech and Audio Processing，1997，5（1）：45-50

［9］Wang H，Kaveh M.Coherent Signal Subspace Processing for the Detection and Estimation of Angles of Arrival of Multiple Wide-Band Sources［J］.IEEE Transactions on Acoustics，Speech and Signal Processing，1995，33（4）：823-831

［10］Buckley K，Griffiths L.Broad-Band Signal Subspace Spatial Spec?trum Estimation［J］.IEEE Transactions on Acoustics，Speech and Signal Processing，1998，36（7）：953-964

［11］Dibiase J.A High-Accuracy，Low-Latency Technique for Talker Localization in Reverberant Environments［D］.Brown University，USA，May 2000：12-56

［12］魯佳.基于傳聲器陣列的聲源定位研究［D］.天津：天津大學(xué)，2008

［13］李雪梅，陶然，王越，等.時(shí)延估計(jì)技術(shù)研究［J］.雷達(dá)科學(xué)與技術(shù)，2010，8（4）：362-367

［14］付學(xué)志，劉忠，胡生亮，等.低信噪比下的變步長最小均方自適應(yīng)算法及其在時(shí)延估計(jì)中的應(yīng)用［J］.中南大學(xué)學(xué)報(bào)，2012，43（3）：1010-1018

［15］陸曉燕.基于麥克風(fēng)陣列實(shí)現(xiàn)聲源定位［D］.大連：大連理工大學(xué)，2003

［16］Rotaru M，Albu F，Coanda H.A Variable Step Size Modified Decor?related NLMS Algorithm for Adaptive Feedback Cancellation in Hearing Aids［C］//2012 10th International Symposium on Electron?ics and Telecommunications，ISETC 2012.2012.Timisoara，Roma?nia：IEEE Computer Society：1011-1015.

姜志鵬（1978-），男，漢族，江蘇省金壇市人，碩士，現(xiàn)為金陵科技學(xué)院講師，主要研究方向?yàn)樾盘柵c信息處理、無線傳感網(wǎng)絡(luò)，jzp@jit.edu.cn。