一種魯棒的雙耳聲源方位角定位方法

陳國(guó)良，趙祥瑞

(武漢理工大學(xué) 機(jī)電工程學(xué)院，武漢 430070)

0 引言

機(jī)器人的聽覺系統(tǒng)是機(jī)器人與外部環(huán)境互動(dòng)的一種重要方式。與視覺相比，機(jī)器人聽覺系統(tǒng)受障礙物影響較小，且具有360度的識(shí)別范圍。機(jī)器人聽覺系統(tǒng)包括許多方面，例如聲源定位、語(yǔ)音識(shí)別、講話者識(shí)別、情感識(shí)別和語(yǔ)音降噪等[1]。其中，機(jī)器人聲源定位(SSL, sound source localization)作為聽覺系統(tǒng)的前端處理模塊之一，在機(jī)器人導(dǎo)航、人機(jī)交互、視頻會(huì)議等領(lǐng)域發(fā)揮著重要作用[2-5]。

目前的聲源定位研究主要分為兩類：基于雙耳SSL算法研究和基于傳聲器陣列的SSL算法研究。與基于傳聲器陣列的SSL相比，雙耳SSL具有陣列結(jié)構(gòu)簡(jiǎn)單，計(jì)算復(fù)雜度小，定位線索較少的特點(diǎn)。雙耳SSL的線索主要有：雙耳時(shí)間差(ITD，interaural time difference)、雙耳強(qiáng)度差(IID，interaural intensity difference)和雙耳相位差(IPD，binaural phase difference)[6-7]。ITD是指聲波從聲源到左右耳之間的時(shí)間間隔，IID是指兩耳接收到的聲波之間的強(qiáng)度差，IPD 是ITD在頻域內(nèi)的表現(xiàn)。在中低頻(小于1.5 kHz)的情況下，ITD其主要作用，利用該時(shí)延差可以很好地進(jìn)行方位的評(píng)估，但在噪聲和混響的干擾下，ITD的性能會(huì)嚴(yán)重下降。因此本文主要討論在噪聲和混響環(huán)境下基于ITD的雙耳聲源定位。

在正常情況下，假設(shè)聲音從聲源到麥克風(fēng)是一個(gè)簡(jiǎn)單的直線傳輸。然而，在混響的室內(nèi)環(huán)境中，麥克風(fēng)接收到的信號(hào)是聲源信號(hào)與墻壁、地面、家具等物體反射產(chǎn)生的反射信號(hào)的疊加。這使得每個(gè)麥克風(fēng)之間的信號(hào)不服從理想的時(shí)間延遲關(guān)系，最終使得麥克風(fēng)之間的ITD難以判斷。此外，環(huán)境噪聲是SSL無(wú)法避免的一個(gè)重要問題。當(dāng)環(huán)境噪聲較強(qiáng)時(shí)，目標(biāo)信號(hào)與雙耳麥克風(fēng)之間的時(shí)間差常常被抑制[8]。

針對(duì)混響和噪聲的定位環(huán)境，基于ITD的雙耳聲源定位性能會(huì)嚴(yán)重下降問題，文獻(xiàn)[9]對(duì)基于互相關(guān)函數(shù)的ITD算法進(jìn)行改進(jìn)，提出一種基于PHAH加權(quán)的廣義互相關(guān)算法和可控波束算法融合的聲源定位算法，實(shí)驗(yàn)證明該方法可提高在噪聲環(huán)境中的定位準(zhǔn)確性。文獻(xiàn)[10]提出一種基于過零率(ZC，zero crossing)的ITD估計(jì)方法，該算法首先根據(jù)過零點(diǎn)獲取各幀的ITD，然后通過信噪比估計(jì)進(jìn)行各幀ITD的加權(quán)，從而獲取最后的ITD。文獻(xiàn)[11]提出一種基于混響加權(quán)的聲源定位算法，該算法通過信道的混響權(quán)重分別降低早期混響和晚期混響的影響，從而獲取更加準(zhǔn)確的雙耳定位線索，提高了在混響環(huán)境中的聲源定位性能。因此，降低噪聲和混響的干擾是雙耳聲源方位角定位技術(shù)的關(guān)鍵。

近年來(lái)，模式識(shí)別和機(jī)器學(xué)習(xí)技術(shù)在雙耳聲源定位中運(yùn)用，文獻(xiàn)[12]提出一種模板匹配的方法，對(duì)環(huán)境中的不同方位角建立不同的模板，基于特征和頻率加權(quán)進(jìn)行模板匹配。針對(duì)低信噪比的雙耳SSL問題，文獻(xiàn)[13]基于深度學(xué)習(xí)建立雙耳定位線索和方位角的映射關(guān)系，進(jìn)行定位。文獻(xiàn)[14]將基于模型的聲源頻譜特征信息與深度神經(jīng)網(wǎng)絡(luò)相結(jié)合，解決各種噪聲和混響條件下雙耳SSL問題。這些方法在噪聲和混響的環(huán)境中可取得較好的定位效果，但需要訓(xùn)練不同聲學(xué)環(huán)境下的ITD和IID模型，通用性差，且計(jì)算量較大。

基于以上算法的不足之處，本文提出一種信號(hào)子頻帶選擇結(jié)合具有噪聲的基于密度的聚類方法(DBSCAN，density-based spatial clustering of applications with noise)的聲源定位方法。首先對(duì)采集到的雙耳語(yǔ)音信號(hào)進(jìn)行Gammatone濾波，分頻為不同的子頻帶；其次進(jìn)行數(shù)據(jù)壓縮，減少無(wú)關(guān)子帶數(shù)量，降低計(jì)算復(fù)雜度；然后基于譜減算法進(jìn)行各個(gè)子頻帶信噪比(SNR，signal-to-noise ratio)估計(jì)，選出最優(yōu)的子頻帶；最后對(duì)子帶信號(hào)進(jìn)行分幀，基于互相關(guān)(CC，cross correlation)時(shí)延估計(jì)算法，獲取每一幀互相關(guān)函數(shù)峰值對(duì)應(yīng)的數(shù)據(jù)點(diǎn)，再根據(jù)DBSCAN聚類算法消除異常幀的影響，獲取最優(yōu)點(diǎn)，從而根據(jù)時(shí)延和ITD定位模型得到方位角。本文提出的算法不僅適用不同的SSL環(huán)境，而且提高SSL的魯棒性。所提算法的框圖如圖1所示。

圖1 雙耳聲源定位算法框圖

1 基于Gammatone濾波器的數(shù)據(jù)壓縮和子帶選擇

1.1 基于Gammatone濾波器組的分頻

Gammatone濾波器組可以模擬耳蝸基底膜對(duì)于語(yǔ)音信號(hào)的處理機(jī)制，耳蝸基底膜可以將信號(hào)分解為不同頻率的頻帶信號(hào)進(jìn)行處理，Gammatone濾波器組將其組中的各個(gè)濾波器的帶寬參數(shù)從低頻到高頻由窄到寬設(shè)置，可以將含噪語(yǔ)音按頻率高低范圍進(jìn)行分頻處理。

假設(shè)s(n)為聲源語(yǔ)音信號(hào)，左右耳接收到的語(yǔ)音信號(hào)為xL(n)和xR(n)，則信號(hào)模型為:

(1)

式中，hL(n)和hR(n)分別為聲源信號(hào)到達(dá)左右耳的傳遞響應(yīng)函數(shù)，nL(n)和nR(n)分別為左右耳的噪聲信號(hào)，包含加性噪聲和混響。

Gammatone濾波器組的響應(yīng)函數(shù)gi(n,fi)為:

gi(n,fi)=

cos(2πfinTs+φ)·exp(-2πBnTs)·BJ·nJ-1·U(n)

(2)

式中，fi為第i個(gè)子頻帶的中心頻率，Ts為采樣周期，φ為濾波器的初始相位，J為濾波器的階數(shù)，設(shè)置J=4以模擬人類聽力，U(n)為單位階躍函數(shù)，B為帶寬，B的計(jì)算公式為:

B=b·ERB(fi)

(3)

式中，b=1.019為衰減系數(shù)，ERB(fi)為濾波器等效矩形帶寬，根據(jù)大量實(shí)驗(yàn)[15]，可得ERB(fi)的計(jì)算公式為:

ERB(fi)=24.7+0.108fi

(4)

將左右耳信號(hào)xL(n)和xR(n)進(jìn)行分頻，第i個(gè)左右耳子頻帶信號(hào)為Gi,L(n,fi)和Gi,R(n,fi)，:即:

(5)

1.2 數(shù)據(jù)壓縮

語(yǔ)音信號(hào)經(jīng)過分頻之后，不同的頻帶具有的能量不同，所包含的信息量也不同，將分頻后的數(shù)據(jù)進(jìn)行數(shù)據(jù)壓縮，壓縮后的左右語(yǔ)音信號(hào)數(shù)據(jù)yL(n)和yR(n)為:

(6)

式中，yL(n)=[y1,L(n),y2,L(n),…，yi,L(n)]T，yR(n)=[y1,R(n),y2,R(n),…，yi,R(n)]T，其中yi,L(n)和yi,R(n)分別是加權(quán)之后第i個(gè)左右子帶信號(hào)。W是基于子帶能量的加權(quán)矩陣，W=diag(w1,w2,…，wi)。GL和GR是分別是分頻后的左右子帶信號(hào)矩陣，即加權(quán)之后第i個(gè)左右子帶信號(hào)：

(7)

式中，Gi,L(n,fi)和Gi,R(n,fi)是經(jīng)過Gammatone濾波器組處理的左右耳第i個(gè)子帶的信號(hào)。

由于語(yǔ)音信號(hào)的能量和信息主要集中在前2/3部分的子頻帶中[16]，所以將w1,w2,…，w|2i/3|的權(quán)重設(shè)置為1，其余的權(quán)重設(shè)置為0。通過該數(shù)據(jù)壓縮，可以提取信號(hào)中的重要子帶信息，消除次要信息的干擾，降低計(jì)算復(fù)雜度。

1.3 基于SNR估計(jì)的子帶選擇

語(yǔ)音信號(hào)是一種非平穩(wěn)的隨機(jī)信號(hào)，考慮到人類發(fā)聲器官在發(fā)聲過程中的變化速度具有一定限度而且遠(yuǎn)小于語(yǔ)音信號(hào)的變化速度，因此可以假定語(yǔ)音信號(hào)是短時(shí)平穩(wěn)的。噪聲分為加性噪聲和非加性噪聲，加性噪聲通常分為沖擊噪聲，周期噪聲，寬帶噪聲，語(yǔ)音干擾噪聲等；非加性噪聲主要是殘響及傳送網(wǎng)絡(luò)的電路噪聲等[17]。

采用譜減法對(duì)子帶信號(hào)進(jìn)行SNR估計(jì)，譜減法是語(yǔ)音增強(qiáng)的有效方法之一，其基本思想是假定加性噪聲與短時(shí)平穩(wěn)的語(yǔ)音信號(hào)相互獨(dú)立的條件下，從帶噪語(yǔ)音的功率譜中減去噪聲功率譜，將語(yǔ)音信號(hào)和噪聲信號(hào)分離，從而進(jìn)行SNR估計(jì)[18]。假定第i個(gè)左右子帶信號(hào)yi,L(n)和yi,R(n)中，si,L(n)和si,R(n)分別為左右子帶信號(hào)中的純凈語(yǔ)音信號(hào)，ni,L(n)和ni,R(n)分別為左右子帶信號(hào)中的噪聲信號(hào)，則有:

(8)

用Yi,L(w)，Si,L(w)，Ni,L(w)分別表示左通道的yi,L(n)，si,L(n)，ni,L(n)的傅里葉變換，Yi,R(w)，Si,R(w)，Ni,R(w)分別表示右通道的yi,R(n)，si,R(n)，ni,R(n)的傅里葉變換，則可得下式:

(9)

用Yi,L,angle(w)，Yi,R,angle(w)分別表示相位譜，保留相角，則:

(10)

由于假定語(yǔ)音信號(hào)與加性噪聲是相互獨(dú)立的，因此有:

(11)

用Pi,L,y(w)，Pi,L,s(w)，Pi,L,n(w)分別表示yi,L(n)，si,L(n)，ni,L(n)的功率譜，用Pi,R,y(w)，Pi,R,s(w)，Pi,R,n(w)分別表示yi,R(n)，si,R(n)，ni,R(n)的功率譜，則有:

(12)

由于平穩(wěn)噪聲的功率譜在發(fā)聲前和發(fā)聲期間可以認(rèn)為基本沒有變化，因此可以通過發(fā)聲前的所謂“寂靜段”來(lái)估計(jì)噪聲的功率譜，從而有:

(13)

(14)

因此根據(jù)第i個(gè)左右子帶信號(hào)yi,L(n)和yi,R(n)以及式(14)，可得第i個(gè)左右子帶的信噪比SNRi,L，SNRi,R，即:

(15)

根據(jù)子帶SNR估計(jì)，當(dāng)左右子頻帶信號(hào)SNR的均值最大值時(shí)，為最優(yōu)左右子頻帶Y=[yL(n),yR(n)]T，其選擇計(jì)算公式為:

(16)

1.4 基于子帶選擇方法的定位對(duì)比實(shí)驗(yàn)

為了評(píng)估本文所提出的子帶選擇方法的性能，將本文所提出的基于最優(yōu)子帶選擇的SSL算法(SS-SSL)與文獻(xiàn)[19]的基于通道求和的子帶選擇定位算法(GT-PHAT-SSL)進(jìn)行比較，實(shí)驗(yàn)設(shè)置和性能評(píng)估標(biāo)準(zhǔn)如3.1節(jié)所示。將采集到的雙耳信號(hào)添加信噪比為-5 dB,0 dB，5 dB，10 dB，15 dB，20 dB的全局白噪聲，如圖2～3展示了不同SNR下的兩種算法定位的準(zhǔn)確率和RMSE。為了評(píng)估算法的運(yùn)算復(fù)雜度，本文使用Matlab 計(jì)算兩種子帶選擇算法的運(yùn)算時(shí)間，如表1展示了兩種算法的運(yùn)算時(shí)間對(duì)比。

圖2 不同信噪比下的準(zhǔn)確率

圖3 不同信噪比下的RMSE

表1 運(yùn)算時(shí)間對(duì)比

圖2顯示了不同SNR情況下基于最優(yōu)子帶選擇的SS-SSL算法的準(zhǔn)確率高于基于通道求和的子帶選擇的GT-PHAT-SSL算法，圖3顯示了不同SNR情況下基于最優(yōu)子帶選擇的SS-SSL算法的RMSE低于基于通道求和的子帶選擇的GT-PHAT-SSL算法，這說(shuō)明SS-SSL的定位性能優(yōu)于GT-PHAT-SSL。表1顯示了SS-SSL的運(yùn)算時(shí)間低于GT-PHAT-SSL，這說(shuō)明與GT-PHAT-SSL算法相比，采用最優(yōu)子帶選擇的SS-SSL可以降低運(yùn)算復(fù)雜度，提高機(jī)器人聲源方位角定位的實(shí)時(shí)性。

2 基于互相關(guān)的ITD估計(jì)和基于DBSCAN的SSL

2.1 基于互相關(guān)的ITD估計(jì)

ITD估計(jì)算法的方法有很多，基于互相關(guān)的ITD算法(CC-ITD)具有原理簡(jiǎn)單，運(yùn)算量小的特點(diǎn)。CC-ITD通過求左右耳兩信號(hào)yL(n)與yR(n)之間的互功率譜，并在頻域內(nèi)給予一定的加權(quán)ΦyLyR，再反變換到時(shí)域得到兩信號(hào)之間的互相關(guān)函數(shù)，互相關(guān)函數(shù)的峰值處就是兩信號(hào)之間的相對(duì)時(shí)延[20]。CC-ITD基本流程如圖4所示。

圖4 CC-ITD基本流程

yL(n)與yR(n)是左右兩耳的最優(yōu)子頻帶信號(hào)，其傅里葉變換分別為YL(w)和YR(w)，兩路濾波器的系統(tǒng)函數(shù)分別為FL(w)和FR(w)，則兩信號(hào)之間的互相關(guān)函數(shù)RyLyR(τ)可表示為:

(17)

式中，φyLyR(w)為互相關(guān)函數(shù)的加權(quán)函數(shù)，針對(duì)不同的噪聲和混響環(huán)境可以選擇不同的加權(quán)函數(shù)，其計(jì)算公式為:

(18)

當(dāng)φyLyR(w)=1時(shí)表示基本廣義互相關(guān)法的加權(quán)函數(shù)。RyLyR(τ)的峰值處是兩信號(hào)yL(n)與yR(n)的相對(duì)時(shí)延τyLyR，即:

(19)

根據(jù)τyLyR可以通過ITD定位模型求得所需的方位角θ，ITD定位模型如圖5所示，圖中A,B是左右雙耳麥克風(fēng)用于接收聲源信號(hào)，以O(shè)為圓心的圓半徑為r，θ為聲源的水平方位角。

圖5 ITD定位模型

假定聲速傳播速度為c，τyLyR與θ的關(guān)系式可以表示為:

(20)

對(duì)于不同的信號(hào)頻率，ITD模型有一定的變化規(guī)律，其參數(shù)化形式表示為:

(21)

式中，αf是與fi相關(guān)的尺度因子。反轉(zhuǎn)模型就可以得到水平方位角θ為:

(22)

式中，g-1為g(θ)=sinθ+θ的反轉(zhuǎn)函數(shù)，g-1近似表示為:

(23)

2.2 基于DBSCAN的SSL

圖6 不同幀的雙耳時(shí)間差

引入DBSCAN算法解決CC-ITD的噪聲問題，DBSCAN算法使用基于密度的方法來(lái)計(jì)算數(shù)據(jù)中任意形狀的簇和離群值(噪聲)，并且不需要事先知道簇的數(shù)量[21-22]，所以引入DBSCAN用來(lái)解決異常問題，消除噪聲的干擾。

1)核對(duì)象 一個(gè)樣本p以Eps為半徑的圓內(nèi)的有超過一定數(shù)目(≥MinPts)的樣本，則樣本p稱為核對(duì)象。

2)Eps鄰域 領(lǐng)域內(nèi)的點(diǎn)定義為NEps(p)={q∈D,dist(p,q)≤Eps}，其中dist(p,q)為p,q之間的距離。

3)密度直達(dá)對(duì)象p為核對(duì)象，并且q為p的Eps鄰域，則稱對(duì)象q從對(duì)象p密度直達(dá)。

4)密度相連 若存在一個(gè)對(duì)象o，使得對(duì)象p和q都從o密度可達(dá)，則稱對(duì)象p和對(duì)象q密度相連。

DBSCAN算法的處理流程如表2所示。

表2 DBSCAN算法處理流程

2.3 基于DBSCAN的SSL定位性能分析

為了評(píng)估本文提出的基于DBSCAN的聲源定位算法(DBS-SSL)的定位性能，將DBS-SSL與基于均值互相關(guān)的聲源定位算法(MEAN-SSL)進(jìn)行對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)條件和定位性能標(biāo)準(zhǔn)如3.1節(jié)所示。將采集到的雙耳信號(hào)添加信噪比為-5 dB,0 dB，5 dB，10 dB，15 dB，20 dB的全局白噪聲，如圖7～8展示了不同SNR下的兩種算法定位的準(zhǔn)確率和RMSE。

圖8 不同信噪比下的RMSE

由圖7可知，不同信噪比的情況下DBS-SSL定位準(zhǔn)確率都高于MEAN-SSL算法，由圖8可知，不同信噪比的情況下DBS-SSL的RMSE都要低于MEAN-SSL算法，這說(shuō)明引入DNSCAN算法可以降低基于GCC-ITD法獲取τyLyR時(shí)的噪聲影響，提高定位魯棒性。

3 實(shí)驗(yàn)與結(jié)果分析

3.1 聲源定位實(shí)驗(yàn)

聲源定位系統(tǒng)主要包括麥克風(fēng)模塊，數(shù)據(jù)采集模塊，計(jì)算機(jī)處理模塊等。兩個(gè)麥克風(fēng)陣列搭載在3D打印的平臺(tái)上，兩個(gè)麥克風(fēng)之間的距離為15 cm，麥克風(fēng)傳感器連接到信號(hào)數(shù)據(jù)采集卡上，通過數(shù)據(jù)線將計(jì)算機(jī)和信號(hào)數(shù)據(jù)采集卡進(jìn)行連接，使用LabView對(duì)聲源信號(hào)進(jìn)行采集，使用MatLab對(duì)采集到的左右耳聲源信號(hào)進(jìn)行數(shù)據(jù)分析和處理，聲源定位實(shí)驗(yàn)平臺(tái)如圖9所示。

圖9 實(shí)驗(yàn)平臺(tái)

本文選用的聲音傳感器型號(hào)為HJ-386，該型號(hào)麥克風(fēng)具有全指向性、靈敏度高、抗干擾能力強(qiáng)以及阻抗值低等特點(diǎn)。數(shù)據(jù)采集卡型號(hào)為NI USB-6009，其技術(shù)參數(shù)如表3所示。

表3 數(shù)據(jù)采集卡技術(shù)參數(shù)

實(shí)驗(yàn)在5 m×4 m×3.5 m和6 m×8 m×3.5 m的室內(nèi)環(huán)境中進(jìn)行，混響時(shí)間T60分別為0.3 s和0.6 s，室內(nèi)噪聲主要來(lái)自計(jì)算機(jī)散熱和室外車輛行駛噪聲。聲源采用CHAINS Speech Corpus語(yǔ)音庫(kù)SOLO中的單聲道女聲、男聲信號(hào)。噪聲采用Noisex-92和Nonspeech噪聲庫(kù)的噪聲語(yǔ)音。采樣率為44.1 kHz，濾波器的頻率范圍為[0，8 000]Hz，最大的中心頻率為 8 000 Hz，根據(jù)聽覺閾值范圍內(nèi)的臨界帶[23]，選擇濾波器個(gè)數(shù)為 22個(gè)，所以子帶數(shù)量為 22 條，由于語(yǔ)音信號(hào)的能量和信息主要集中在前 15個(gè)子頻帶中，所以將w1,w2, …,w15的權(quán)重設(shè)置為 1，其余的權(quán)重設(shè)置為 0。幀長(zhǎng)為20 ms，幀移為10 ms，規(guī)定聲源在雙耳麥克風(fēng)右側(cè)時(shí)方位角為0°，與雙耳麥克風(fēng)垂直時(shí)且垂直點(diǎn)為雙耳麥克風(fēng)中點(diǎn)時(shí)方位角為90，在雙耳麥克風(fēng)左側(cè)時(shí)方位角為180°。

為了評(píng)估基于SNR估計(jì)的子帶選擇和DBSCAN算法對(duì)聲源定位性能的影響，本文采用4種不同算法做對(duì)比聲源定位實(shí)驗(yàn)，分別是本文所提出的基于子帶選擇和DBSCAN的SSL算法(SS-DBS-SLL)，基于互相關(guān)函數(shù)的SSL算法(CC-SSL),基于最優(yōu)子帶選擇的SSL算法(SS-SSL)和基于DBSCAN的SSL算法(DBS-SSL)。算法性能由定位準(zhǔn)確率和均方根誤差(RMSE)評(píng)估，其中定位準(zhǔn)確率定義為估計(jì)方位角和實(shí)際方位角之間的誤差在±5°之內(nèi)。

3.2 不同信噪比下的聲源定位性能研究

為了評(píng)估算法在不同噪聲環(huán)境中的聲源定位性能，本實(shí)驗(yàn)將采集之后的左右耳語(yǔ)音信號(hào)添加信噪比為-5 dB,0 dB，5 dB，10 dB，15 dB，20 dB的全局白噪聲，測(cè)試算法性能。如圖10～11展示了不同SNR下的算法定位性能。

圖10表明，不同信噪比的情況下，本文所提的SS-DBS-SSL算法的定位準(zhǔn)確率都要優(yōu)于CC-SSL算法，并且SS-SSL和DBS-SSL算法的準(zhǔn)確率也都要優(yōu)于CC-SSL，這說(shuō)明子帶選擇和DBSCAN都可以有效提高定位準(zhǔn)確率，其中子帶選擇對(duì)于提高SSL的準(zhǔn)確率有更積極作用。在不同信噪比的情況下，4種算法的定位性能都隨SNR的提高而提高。圖11顯示了SS-DBS-SSL的RMSE在各個(gè)信噪比條件下也是最好的，并且隨著信噪比的增大RMSE越來(lái)越小，定位性能越來(lái)越好。

圖10和圖11說(shuō)明子帶選擇和DBSCAN都可以提高定位性能，其中子帶選擇的作用更大。分析其原因，基于子帶選擇可以消除噪聲頻帶的影響，保留主要信號(hào)能量，引入DBSCAN可以消除在信號(hào)處理引入的異常幀，以及最優(yōu)子帶中殘留的部分噪聲的影響，從而從兩個(gè)方面提高了定位性能。

圖10 不同信噪比下的定位準(zhǔn)確率

圖11 不同信噪比下的RMSE

3.3 不同噪聲環(huán)境下的聲源定位性能研究

為了評(píng)估算法在不同噪聲環(huán)境下的定位性能，將采集到的雙耳信號(hào)添加SNR為的15 dB不同背景噪聲，選擇了12種不同的背景噪聲類型，其如表4所示。

表5和表6顯示了不同噪聲環(huán)境下的定位準(zhǔn)確率和RMSE。從表5可以看出，N2和N11的定位準(zhǔn)確率較低，表6也可以看出，N2和N11的RMSE較高，定位性能較低，這說(shuō)明算法在babble和Crowd noise的背景噪聲下影響較大，分析其原因主要是該噪聲的主要頻率與信號(hào)中的主要頻率相似，通過子帶選擇無(wú)法有效消除噪聲干擾，從而影響定位性能。在不同的噪聲環(huán)境下，SS-DBS-SSL的定位性能最好，這也說(shuō)明了SS-DBS-SSL具有較高的魯棒性。

3.4 不同混響條件下聲源定位性能研究

為了評(píng)估算法在不同混響環(huán)境下的定位性能，分別在混響參數(shù)T60為0.3 s和0.6 s的房間中進(jìn)行方位角定位實(shí)驗(yàn)。如圖12展示了算法在不同混響條件下的定位性能。

表4 背景噪聲類型

表5 不同噪聲環(huán)境下的定位準(zhǔn)確率

表6 不同噪聲環(huán)境下的RMSE

圖12 不同混響條件下的定位性能

圖12顯示了4種算法在不同混響條件下的定位準(zhǔn)確率和RMSE。由圖12可知，4種算法在低T60的混響條件下的定位準(zhǔn)確率表現(xiàn)更好，并且RMSE也更低。這T60說(shuō)明越大，定位性能越低。在不同的混響條件下，SS-DBS-SSL的表現(xiàn)優(yōu)于其它算法。這也說(shuō)明了本文所提算法在混響環(huán)境中具有一定的魯棒性。

3.5 不同距離和角度下的聲源定位性能研究

為了評(píng)估算法在不同角度下的定位性能，將聲源放置在實(shí)驗(yàn)平臺(tái)的前半面，聲源與雙耳麥克風(fēng)的中點(diǎn)距離為1 m，角度依次為0°，30°，60°，90°，120°，150°，180°。圖13展示了不同角度的情況下定位的準(zhǔn)確率和RMSE。從圖13可以看到，不同角度的情況下，各個(gè)算法的定位性能沒有明顯的變化趨勢(shì)，基本保持穩(wěn)定，其中SS-DBS-SSL的定位性能最好。

圖13 不同角度下的定位性能

為了評(píng)估算法在不同距離下的定位性能，將聲源放置在距離實(shí)驗(yàn)平臺(tái)1 m，1.5 m，2 m，2.5 m，3 m，3.5 m處，角度為90°。圖14展示了不同距離的情況下定位的準(zhǔn)確率和RMSE。從圖14可以看到，算法的定位性能隨著距離的增大而降低。分析其原因，隨著距離的增大，采集到的信號(hào)中的噪聲能量越來(lái)越高，聲源信號(hào)能量越來(lái)越低，從而導(dǎo)致SNR越來(lái)越低，所以定位性能下降。

圖14 不同距離下的定位性能

在不同角度和距離的情況下，SS-DBS-SSL的定位性能都要優(yōu)于其它算法，這也體現(xiàn)了本文算法具有較高的魯棒性和穩(wěn)定性。

3.6 不同聲源下的聲源定位性能研究

為了評(píng)估不同聲源對(duì)定位性能的影響，采用男聲、女聲作為不同的聲源，分析男聲和女聲情況下的定位性能。圖15顯示了男聲和女聲的情況下的定位準(zhǔn)確率和RMSE。從圖15可以看到，在聲源為女聲的情況下的定位準(zhǔn)確率要優(yōu)于聲源為男聲的情況，在聲源為女聲的情況下，RMSE也較小，并且本文所提算法的表現(xiàn)優(yōu)于其它算法。這說(shuō)明聲源為女聲的定位性能要優(yōu)于男聲，在不同的聲源條件下，SS-DBS-SSL的定位性能也更好。分析其原因可知，女聲信號(hào)的能量大，在相同的實(shí)驗(yàn)環(huán)境中，其定位性能也越好。

圖15 不同聲源下的定位性能

4 結(jié)束語(yǔ)

本文基于Gammatone 濾波原理對(duì)雙耳語(yǔ)音信號(hào)進(jìn)行分頻，并通過數(shù)據(jù)壓縮降低計(jì)算復(fù)雜度，然后基于譜減法的SNR估計(jì)選擇最優(yōu)子帶，減少無(wú)關(guān)子頻帶影響，并引入DBSCAN算法減少噪聲點(diǎn)，降低異常幀對(duì)定位結(jié)果的干擾。從實(shí)驗(yàn)結(jié)果和分析可以看出，本文提出的算法通用性強(qiáng)，與基于互相關(guān)的傳統(tǒng)算法相比，可以有效改善在混響和噪聲的復(fù)雜環(huán)境中雙耳聲源的定位精度，提高聲源定位的魯棒性。進(jìn)一步，該實(shí)驗(yàn)平臺(tái)可與移動(dòng)機(jī)器人結(jié)合，研究機(jī)器人與聲源相對(duì)運(yùn)動(dòng)時(shí)的雙耳聲源定位問題。