強(qiáng)噪聲環(huán)境下基于改進(jìn)粒子濾波的麥克風(fēng)陣列定位

吳　迪,唐勇奇

(湖南工程學(xué)院 電氣信息學(xué)院,湘潭 411101)

?

強(qiáng)噪聲環(huán)境下基于改進(jìn)粒子濾波的麥克風(fēng)陣列定位

吳迪,唐勇奇

(湖南工程學(xué)院 電氣信息學(xué)院,湘潭 411101)

針對噪聲和混響環(huán)境下說話人定位不準(zhǔn)確的問題，提出了一種基于迭代無味粒子濾波的麥克風(fēng)陣列聲源定位方法.利用迭代無味卡爾曼濾波產(chǎn)生的建議分布函數(shù)對粒子濾波算法進(jìn)行改進(jìn)形成迭代無味粒子濾波，在該算法的框架下通過計算麥克風(fēng)陣列波束形成器的輸出能量構(gòu)造似然函數(shù).實驗結(jié)果表明，該方法提高了說話人的定位精度，增強(qiáng)了說話人跟蹤系統(tǒng)的抗噪聲和抗混響能力.

說話人定位；迭代無味粒子濾波；麥克風(fēng)陣列；建議分布函數(shù)；似然函數(shù)

基于麥克風(fēng)陣列的說話人定位與跟蹤是人機(jī)交互研究中的一個重要課題，它在多媒體系統(tǒng)、視頻會議系統(tǒng)、移動機(jī)器人等領(lǐng)域有著廣泛的應(yīng)用[1].傳統(tǒng)的麥克風(fēng)陣列聲源定位方法主要是通過計算麥克風(fēng)陣列接收語音信號當(dāng)前時刻的時間延遲估計說話人的位置，在自由聲場情況下，該方法取得了很好的定位跟蹤效果，但是當(dāng)房間背景噪聲強(qiáng)度較大或混響時間較長的情況下，會導(dǎo)致大量虛假聲源的產(chǎn)生，從而影響了定位的精確性.

近年來，隨著非線性濾波技術(shù)的發(fā)展，研究人員采用狀態(tài)空間方法對說話人運動軌跡進(jìn)行建模處理，通過適當(dāng)?shù)膭討B(tài)方程模擬說話人的運動狀態(tài)，將當(dāng)前時刻的信息和過去的歷史信息綜合處理，有效克服了復(fù)雜噪聲環(huán)境下虛擬聲源的影響，較好地提高了說話人跟蹤系統(tǒng)的精確性和魯棒性.Vermaak 等人[2]通過建立合理的說話人運動模型來抑制虛假聲源的影響，根據(jù)時延估計構(gòu)造似然函數(shù)，通過粒子濾波實現(xiàn)聲源的有效定位.Ward等人[3]在此基礎(chǔ)上做了改進(jìn)，對聲源跟蹤方法進(jìn)行總結(jié)，并利用波束形成的輸出能量構(gòu)造似然函數(shù)，通過粒子濾波實現(xiàn)說話人聲源的準(zhǔn)確跟蹤.殷福亮等人[4,5]在對粒子濾波算法改進(jìn)的基礎(chǔ)上分別根據(jù)時延估計和SRP-PHAT波束形成器的輸出能量構(gòu)造似然函數(shù)，對說話人進(jìn)行跟蹤定位.金乃高等人[6]采用量子進(jìn)化方法對粒子濾波進(jìn)行改進(jìn)，并將改進(jìn)的粒子濾波算法應(yīng)用到說話人跟蹤中，取得了較好的效果.以上方法在混響時間短、信噪比大的環(huán)境中可對說話人進(jìn)行準(zhǔn)確定位，但在強(qiáng)噪聲環(huán)境中依然不能有效跟蹤說話人.

本文針對混響時間長，信噪比小時說話人定位不準(zhǔn)確的問題，綜合考察量測信息和說話人運動模型在抑制房間混響時的作用，提出一種基于迭代無味粒子濾波的聲源定位方法.該方法采用麥克風(fēng)陣列采集的語音信號作為觀測信息，通過計算麥克風(fēng)陣列可控波束形成的輸出能量構(gòu)造似然函數(shù).其次，將迭代無味粒子濾波引入到音頻定位中，通過與其它濾波算法進(jìn)行對比分析驗證了該濾波算法在音頻定位中的有效性.

1　算法原理

1.1無味粒子濾波

在說話人跟蹤系統(tǒng)中，運動模型的變化信息是很難完全掌握的，而標(biāo)準(zhǔn)粒子濾波算法為了求解方便，一般選取先驗概率密度作為建議分布函數(shù)，但是，這種方法丟失了當(dāng)前時刻的量測值，使得當(dāng)前時刻的狀態(tài)嚴(yán)重依賴于模型，當(dāng)模型不準(zhǔn)確，或者量測噪聲突然增大時，這種選取方法將不能有效的表示真實的建議分布函數(shù).而利用無味卡爾曼濾波(Unscented Kalman Filter,UKF)來產(chǎn)生建議分布函數(shù)，可以很好的融入最新的量測信息，從而提高粒子濾波的跟蹤性能.無味粒子濾波(Unscented Particle Filter,UPF)算法的具體過程如下：

(1)

(2)

(2)重要性采樣.

(3)

j=1,2,…,nx

(4)

j=nx+1,nx+2,…,2nx

(5)

(6)

(7)

(8)

時間更新：

(9)

(10)

(11)

(12)

(13)

量測更新：

(14)

(15)

(16)

(17)

(18)

采樣粒子

(19)

其中，N(·)表示高斯函數(shù).

計算權(quán)值

(20)

其中，i=1,2,…,Ns，歸一化權(quán)值

(21)

(22)

1.2迭代卡爾曼濾波算法

迭代卡爾曼濾波(Iterated Kalman Filter, IKF)算法思想是在上次濾波得到狀態(tài)估計值的基礎(chǔ)上進(jìn)行線性化，得到的一種迭代卡爾曼濾波結(jié)構(gòu)，是一種最大后驗逼近，迭代卡爾曼算法的修正步驟如下：

序列{xi}和{Pi}定義為：

Pi+1=(I-KiHi)P

Hi=h′(xi)，R為量測噪聲的協(xié)方差矩陣，I為單位矩陣.

2　改進(jìn)的粒子濾波算法

本文通過對UPF算法進(jìn)行改進(jìn)，加入IKF算法來修正UKF算法更新的狀態(tài)均值和方差，優(yōu)化建議分布函數(shù)，改進(jìn)后的算法稱為IUPF算法.IUPF算法實現(xiàn)步驟如下：

(1)利用(1)-(22)產(chǎn)生量測更新的狀態(tài)均值和方差.

(2)迭代更新

采樣粒子

(23)

其中，N(·)表示高斯函數(shù).

計算權(quán)值

(24)

其中，i=1,2,…,Ns，歸一化權(quán)值

(25)

(3)重采樣過程.

(4)狀態(tài)估計.

(26)

3　基于IUPF的說話人定位

3.1說話人的運動模型

(27)

3.2說話人的定位函數(shù)

SRP-PHAT聲源定位算法[11]將波束形成方法的魯棒性、短時分析特性與相位變換方法對環(huán)境的不敏感性相結(jié)合，使聲源定位系統(tǒng)對噪聲和混響的靈敏度降低，提高了系統(tǒng)的魯棒性和定位的精確性.

設(shè)聲源信號s(t)經(jīng)多徑傳播后到達(dá)麥克風(fēng)陣列，第i個麥克風(fēng)接收到的信號mi(t)可以表示為：

mi(t)=s(t)*hi(t)+vi(t)

(28)

其中vi(t)為噪聲，hi(t)是聲源與第i個麥克風(fēng)之間的沖激響應(yīng)，它是麥克風(fēng)位置和聲源位置的函數(shù)，“*”為卷積運算符.SRP-PHAT聲源定位算法是通過計算麥克風(fēng)陣列的波束輸出能量來定位，定位函數(shù)如下：

(29)

3.3似然函數(shù)構(gòu)建

似然函數(shù)的作用是評價粒子權(quán)值，定位函數(shù)是空間位置的連續(xù)函數(shù)，因而可用作似然函數(shù)，稱之為偽似然函數(shù)(PseudoLikelihood).構(gòu)建的偽似然函數(shù)為：

(30)

其中，ξ=0，其作用是確保似然函數(shù)的非負(fù)性.γ為正實數(shù)，用來使似然函數(shù)更尖銳，使得似然函數(shù)更適合于說話人定位，一般取值為γ=3.

3.4基于IUPF的說話人定位算法實現(xiàn)

基于迭代無味粒子濾波算法的說話人定位具體實現(xiàn)步驟如下：

(2)采樣粒子.k=1,2,…，利用IUPF算法和說話人運動模型以及定位函數(shù)，得出k時刻的采樣粒子

(31)

(4)重采樣過程.

(32)

(6)判斷語音信號是否結(jié)束.如果結(jié)束則停止運行，否則轉(zhuǎn)到步驟2.

4　實驗結(jié)果與分析

4.1實驗參數(shù)設(shè)置

仿真實驗?zāi)M普通會議室的聲學(xué)環(huán)境，其中房間設(shè)置為5m×7m×3m,在X，Y兩個方向上，分別放置兩組包含兩個麥克風(fēng)的線性陣列，麥克風(fēng)之間的距離為1m，說話人在房間內(nèi)沿X軸斜45°方向勻速運動，說話人運動的起點為(1,1)，如圖1所示，并保持持續(xù)發(fā)聲狀態(tài).房間混響的沖激響應(yīng)函數(shù)由IMAGE模型產(chǎn)生，采用的噪聲類型為高斯白噪聲，麥克風(fēng)陣列獲取的語音信號以fs=16kHz的采樣率進(jìn)行16比特采樣，說話人的高度為固定值.

圖1　麥克風(fēng)陣列的擺放位置

為了驗證IUPF算法在說話人定位中的性能，本文將其與PF、UPF兩種算法進(jìn)行了比較，文中引入了均方誤差(RMSE)作為衡量精度的標(biāo)準(zhǔn).

4.2實驗結(jié)果與分析

在不同信噪比和混響時間(T60)的情況下，比較了PF、UPF和本文所用的方法對說話人的定位效果.圖2是SNR=15dB,T60=100ms時，X方向三種算法的定位效果.圖3是SNR=15dB,T60=100ms時，Y方向三種算法的定位效果.圖4是SNR=5dB,T60=200ms時，X方向三種算法的定位效果.圖5是SNR=5dB,T60=200ms時，Y方向三種算法的定位效果.其中橫軸表示時間，豎軸表示各方向的位置.實驗中分別在兩種不同信噪比和混響時間(T60)情況下，各做了50次仿真，得出來RMSE的平均值如表1和表2所示.

圖2　SNR=15 dB,T60=100 ms X方向三種算法的跟蹤結(jié)果比較

圖3　SNR=15 dB,T60=100 ms Y方向三種算法的跟蹤結(jié)果比較

圖4　SNR=5 dB,T60=200 ms X方向三種算法的跟蹤結(jié)果比較

濾波算法RMSEXYPF0.06270.0578UPF0.04150.0451IUPF0.03330.0318

表2　SNR=5 dB,T60=200 msRMSE值對比

由圖2和圖3可以看出，在信噪比較大、混響時間較短的情況下，PF和UPF定位結(jié)果粗糙，定位不精確.相比PF和UPF算法的定位效果，本文算法可以實現(xiàn)說話人的精確定位.該實驗說明本文所提方法在定位的準(zhǔn)確性方面優(yōu)于PF和UPF算法.

由圖4和圖5可以看出，隨著信噪比減小，混響時間增加.三種算法的定位精度都出現(xiàn)不同程度的降低，其中，PF和UPF算法出現(xiàn)很明顯的估計誤差，而本文算法仍然能夠保持較好的定位精度.該實驗說明在定位的穩(wěn)定性方面本文算法優(yōu)于PF和UPF算法.通過對比表1和表2的均方誤差可以明顯看出，IUPF算法的均方誤差最小，其定位精度相比標(biāo)準(zhǔn)粒子濾波提高了50%～60%，相比無味粒子濾波提高了10%～30%.說明本文的算法具有更好的定位精度.綜上，在房間混響較強(qiáng)、信噪比較低的情況下，PF和UPF算法會出現(xiàn)較大的定位誤差，IUPF利用UKF和IKF相結(jié)合產(chǎn)生建議分布函數(shù)，通過融入最新量測信息提高了抽樣粒子對真實狀態(tài)后驗分布的逼近程度，很好的提高了說話人定位的精度.

5　結(jié)　論

為了提高跟蹤精度，本文對粒子濾波進(jìn)行了改進(jìn)，并提出了一種基于迭代無味粒子濾波算法(IUPF)的說話人定位方法，該算法通過UKF和IKF算法相結(jié)合產(chǎn)生建議分布函數(shù)對粒子濾波進(jìn)行改進(jìn)，并在改進(jìn)的算法框架下，采用SRP-PHAT構(gòu)建似然函數(shù)實現(xiàn)對說話人的跟蹤定位.仿真實驗表明，本文算法的定位精度相比PF算法和UPF有明顯的提高.

[1]金乃高,殷福亮,陳喆.基于加權(quán)子空間擬合的聲源定位于跟蹤方法[J].電子與信息學(xué)報,2008,30(9):2134-2137.

[2]JVermaak,ABlake.NonlinearFilteringforSpeakerTrackinginNoisyandReverbe-rantEnvironments[C].inProc.IEEEInt.Conf.Acoust.Speech,SignalProcessing(ICASSP-01),SaltLakeCity,UT,2001.

[3]DBWard,RCWilliamson.ParticleF-ilterBeamformingforAcousticSourceLo-calizationinaReverberantEnvironment[C].inProc.IEEEInt.Conf.Acoust,Spe-ach,SignalProcessing(ICASSP-02),Or-lando,FL,2003.

[4]侯代文,殷福亮. 基于粒子濾波的交互式多模型說話人跟蹤方法[J].電子學(xué)報. 2010,38(4):835-841.

[5]金乃高,殷福亮,陳喆.基于分層采樣粒子濾波的麥克風(fēng)陣列說話人跟蹤方法[J].電子學(xué)報,2008,36(1):194-198.

[6]金乃高,殷福亮．量子進(jìn)化粒子濾波算法及其在說話人跟蹤中的應(yīng)用[J].信號處理,2008,24(6):982-987.

[7]GordonN，SalmondD，SmithA.NovelApproachtoNonlinear/non-GaussianBay-esianStateEstimation[C].ProceedingofInstituteElectricEngineering, 1993, 140(2):107-113.

[8]潘泉,楊峰,葉亮,梁彥,程詠梅. 一類非線性濾波器-綜述[J]. 控制與決策，2005,20(5):481-489.

[9]ShmaliyYS.AnIterativeKalman-LikeAlgorithmIgnoringNoiseandInitialConditions[J].IEEETransactionsonSignalProcessing,2011,59(6):2465-2473.

[10]侯代文，殷福亮，陳喆．基于擬蒙特卡洛濾波的說話人跟蹤方法研究[J].自動化學(xué)報,2009,35(7):1016-1021.

[11]DanteA.Blauth,VicenteP.Minotto,ClaudioR.Jung,BowonLee,TonKalker.VoiceActivityDetectionandSpeakerLocalizationUsingAudiovisualCues[J].PatternRecognitionLetters,2012,33(4):373-380.

AcousticSourceLocalizationBasedonIterativeUnscentedParticleFilter

WUDi，TANGYong-qi

(CollegeofElect.andInformationEngineering,HunanInstituteofEngineering,Xiangtan411101,China)

Inordertosolvetheproblemofinaccuratelocalizationinnoiseandreverberationenvironment,anewmicrophonearraysoundsourcelocalizationmethodbasedonIterativeUnscentedParticleFilterisproposedinthispaper.First,theIterativeUnscentedParticleFilterisintroducedtotheacousticsourcelocalization.Then,thelikelihoodfunctionisconstructedbycalculatingthemicrophonearray’soutputenergyintheframeworkoftheimprovedparticlefilteringalgorithm.Finally,theexperimentresultsshowthattheproposedlocationmethodcannotonlyimprovethepositioningaccuracy,butalsoenhancetheabilityofacousticsourcetracingsystemtoresistnoiseandreverberation.

speakerlocalization;IterativeUnscentedParticleFilter(IUPF);microphonearray;proposaldistribution;likelihoodfunction

2015-09-10

國家科技支撐計劃資助項目(1214ZGA008)，國家自科基金資助項目(61263031)，湖南省重點學(xué)科建設(shè)資助項目(081101)，重慶市教委自然科學(xué)基金資助項目(KJ1400628)，湖南工程學(xué)院博士科研啟動基金(15045).

吳迪(1985-)，男，博士，研究方向：多源信息融合及智能信息處理.

TP391.41

A

1671-119X(2016)01-0001-05