专利交易市场

本发明提供了一种基于卷积神经网络CNN的声源定位算法。该方法通过引入鉴别互相关函数的特征，利用Roomsim的仿真环境以及两个麦克风所接收的信号，得到在带有混响和噪声环境下的互相关函数，并分帧截取得到训练集和测试集，对该特征进行训练得到卷积神经网络，即CNN模型，训练过程中，采用ReLU函数作为激活函数，并将测试集在该模型下进行声源定位估计，最后采用贝叶斯决策来构建判决式决定测试样本的类别，使得条件概率p(rs|Y)最大的位置即为估计出声源的真实位置。这种算法的实现，有效地解决了传统声源定位中噪声和混响的问题。

本发明公开了一种基于分布矩阵决策的声音定位方法。本发明包括如下步骤：1、对声阵列采集到的多通道声音信号进行预处理包括分帧；2、对单通道数据进行声音识别算法，每一帧得到一个声音识别结果；3、对多通道数据进行宽带声音定位，每一帧得到一个声音定位结果；4、通过上述步骤得到的识别和定位结果集合，分别表示矩阵的行和列，构建分布矩阵。5、得到分布矩阵后，找到目标声源的定位分布峰值；6、选择峰值及相邻两个角度区间，计算这三个区间的统计均值。本发明能够提高声音定位算法结果的准确率，尤其是在干扰明显且环境背景复杂的情况下，尤为明显。且定位算法对识别结果的依赖性低，具有广泛适用性。

本申请实施例提供了一种声源位置校验方法，所述方法包括：获取两份针对同一场景且同时采集的声音信号；针对每份声音信号，确定该份声音信号对应的声源位置；将所确定的两个声源位置进行对比；若所述对比结果满足预设条件，则确定所述两个声源位置为有效声源位置。这样，通过将所确定的两个声源位置进行对比，检验这两个声源位置的有效性，减少了对声源的误判。

一种低功耗多频谱分辨的语音定位方法，属于语音定位技术领域，其包括：通过阵列分布的麦克风获取语音数据，计算得到噪声子空间；根据麦克风阵列形状和间距，计算得到导向矢量；计算导向矢量和噪声子空间相乘矩阵；计算导向矢量和噪声子空间相乘矩阵的功率谱，根据功率谱计算得到空间频谱向量；获得空间频谱向量在各个频点中的最大值；在空间频谱的维度中规整数值；对规整后数值在整个空间频谱区域内求和，然后取均值；对均值进行谱峰搜索，获得谱峰列表，对谱峰列表排序后的最大值即为语音源最可能存在的位置。本发明实现了低功耗、低内存、高精度的语音定位，可搭载在廉价的语音芯片上，解决了多频谱分辨算法复杂度高、适用范围小的问题。

本发明公开了基于自适应复值归零神经动力学的多移动声源定位方法，所述方法包括下列步骤：在待测区域放置多个声信号接收器，并对多个移动声源以及声信号接收器的位置坐标进行定义；基于移动声源的位置坐标方程以及声信号接收器的位置坐标，构造与移动声源定位问题相关的时变线性方程组；构造ACVZND模型，并采用所述ACVZND模型求解与移动声源定位问题相关的时变线性方程组，从而获得多移动声源的坐标位置。

本发明公开了一种七元麦克风阵列的声源定位方法，该方法建立了七元麦克风阵列模型与室内声场模型；利用该麦克风阵列接收室内声源语音信号，对接收的语音信号进行采集、滤波、加窗、谱减、倒谱处理；再利用相位变换加权广义互相关方法GCC-PHAT，得各麦克风之间的时间延迟；运用三维空间定位方法与坐标旋转数字式计算机方法，确定声源位置。本发明在混响、噪声等干扰信号存在的室内环境下，能准确确定声源位置，实时性强、准确性高，在语音信号处理领域有广泛的应用。