CN107132508A

CN107132508A - 声源定位方法和装置

Info

Publication number: CN107132508A
Application number: CN201710284257.8A
Authority: CN
Inventors: 范晨
Original assignee: HANGZHOU RENYING TECHNOLOGY Co Ltd
Current assignee: HANGZHOU RENYING TECHNOLOGY Co Ltd
Priority date: 2017-04-26
Filing date: 2017-04-26
Publication date: 2017-09-05

Abstract

本发明公开了声源定位方法和装置，其中该方法包括以下步骤：获取麦克风阵列发送的优选特征数据，所述优选特征数据包括麦克风阵列的第一位置和第一唤醒角度；判断识声设备是否收到唤醒词；若所述识声设备收到所述唤醒词，则记录第二特征数据，所述第二特征数据包括设备位置、设备朝向和设备唤醒角度；根据所述优选特征数据和第二特征数据计算声源与识声设备之间的距离。解决了现有的基于麦克风阵列的声源定位方法和装置只能得到声源的方向，却无法得到声源和识声设备之间距离；通过摄像头判断声源位置时，存在声源与识声设备之间的遮挡的问题；可以计算得到声源和识声设备之间距离，进而识声设备可以进一步执行与距离相关的动作。

Description

声源定位方法和装置

技术领域

本发明涉及一种定位技术，尤其涉及一种声源定位方法和装置。

背景技术

目前在声源定位领域，普遍依赖麦克风阵列***。麦克风阵列能利用多个麦克风接收到声波的相位之间的差异对声波进行过滤，能最大限度将环境背景声音滤掉，只剩下需要的声波，同时算出声源的方向。

以基于机器人的声源定位为例，机器人一般都有一个名字，叫做“唤醒词”。机器人在休眠状态下机器人不接受外界“唤醒词”以外的语音，麦克风阵列对唤醒词高度敏感，只有唤醒词才能激活麦克风阵列开始收集用户语音。当用户说出机器人的名字，也就是“唤醒词”后，机器人可以利用麦克风阵列获得用户呼唤的方向信息，将身体转向用户的方向，表明机器人听到了用户的呼唤。

但是现有技术通过只能得到声源的方向，却无法得到声源和机器人之间的距离。因此机器人就只能根据声源转动一下方向朝向声源位置，却无法运动适当的距离向用户主动走去做交互，这样用户的体验就不是很好。

目前还没有很好的方案用来解决该问题，用摄像头勉强可以，比如机器人向用户转身后，使用摄像头判断前面是否有人，有人的话就认为是声源，然后做测距。这样做显然有问题，因为公共场合人来人往，没法保证摄像头看到的人就一定是刚才做呼唤的用户。

发明内容

为了克服现有技术的不足，本发明的目的在于提供一种声源定位方法，其能解决现有的基于麦克风阵列的声源定位方法和装置只能得到声源的方向，却无法得到声源和识声设备之间距离，识声设备无法进一步执行与距离相关的动作；通过摄像头判断声源位置时，存在声源与识声设备之间会被遮挡的问题。

本发明的目的之二在于提供一种声源定位装置，其能解决现有的基于麦克风阵列的声源定位方法和装置只能得到声源的方向，却无法得到声源和识声设备之间距离，识声设备无法进一步执行与距离相关的动作；通过摄像头判断声源位置时，存在声源与识声设备之间会被遮挡的问题。

本发明的目的之三在于提供一种声源定位装置，其能解决现有的基于麦克风阵列的声源定位方法和装置只能得到声源的方向，却无法得到声源和识声设备之间距离，识声设备无法进一步执行与距离相关的动作；通过摄像头判断声源位置时，存在声源与识声设备之间会被遮挡的问题。

本发明的目的采用以下技术方案实现：

本发明的目的之一采用以下技术方案实现：

一种声源定位方法，包括以下步骤：

获取麦克风阵列发送的优选特征数据，所述优选特征数据包括麦克风阵列的第一位置和第一唤醒角度；

判断识声设备是否收到唤醒词；

若所述识声设备收到所述唤醒词，则记录第二特征数据，所述第二特征数据包括设备位置、设备朝向和设备唤醒角度；

根据所述优选特征数据和第二特征数据计算声源与识声设备之间的距离。

进一步地，所述优选特征数据还包括优选声纹特征，所述第二特征数据还包括识声设备声纹特征；

所述若所述识声设备收到所述唤醒词，则记录第二特征数据之后，还包括以下步骤：

判断所述优选声纹特征与所述识声设备声纹特征是否匹配；

若所述优选声纹特征与所述识声设备声纹特征不匹配，则剔除与所述优选声纹特征相应的所述优选特征数据。

进一步地，所述若所述识声设备收到所述唤醒词，则记录第二特征数据之后，还包括以下步骤：

判断声源、所述麦克风阵列与所述识声设备三者是否共线；

若所述声源、所述麦克风阵列与所述识声设备三者共线，则剔除与所述麦克风阵列相应的所述优选特征数据。

进一步地，所述判断声源、所述麦克风阵列与所述识声设备三者是否共线，具体为若的绝对值小于或等于预设值，则所述声源、所述麦克风阵列与所述识声设备三者共线；其中(x1，y1)表示所述第一位置，(x0，y0)表示所述设备位置，A表示所述设备朝向，C表示所述设备唤醒角度。

进一步地，所述麦克风阵列有多个；所述优选特征数据具体为与所述识声设备之间距离最近的麦克风阵列发送的特征数据。

进一步地，所述根据所述优选特征数据和第二特征数据计算声源与识声设备之间的距离，具体为根据以下算式计算：

其中(x1，y1)表示所述第一位置，(x0，y0)表示所述设备位置，A表示所述设备朝向，B表示第一唤醒角度，C表示所述设备唤醒角度。

本发明的目的之二采用以下技术方案实现：

一种声源定位装置，包括：

获取模块，用于获取麦克风阵列发送的优选特征数据，所述优选特征数据包括麦克风阵列的第一位置和第一唤醒角度；

第一判断模块，用于判断识声设备是否收到唤醒词；

记录模块，用于若所述识声设备收到所述唤醒词，则记录第二特征数据，所述第二特征数据包括设备位置、设备朝向和设备唤醒角度；

第一计算模块，用于根据所述优选特征数据和第二特征数据计算声源与识声设备之间的距离。

进一步地，所述优选特征数据还包括优选声纹特征，所述第二特征数据还包括识声设备声纹特征，所述声源定位装置还包括：

第二判断模块，用于判断所述优选声纹特征与所述识声设备声纹特征是否匹配；

第一剔除模块，用于若所述优选声纹特征与所述识声设备声纹特征不匹配，则剔除与所述优选声纹特征相应的所述优选特征数据。

进一步地，所述声源定位装置还包括：

第三判断模块，用于判断声源、所述麦克风阵列与所述识声设备三者是否共线；

第二剔除模块，用于若所述声源、所述麦克风阵列与所述识声设备三者共线，则剔除与所述麦克风阵列相应的所述优选特征数据。

进一步地，所述麦克风阵列有多个；所述声源定位装置还包括：

近距模块，用于选取与所述识声设备之间距离最近的麦克风阵列发送的特征数据为所述优选特征数据。

本发明的目的之三采用以下技术方案实现：

一种声源定位装置，包括：

处理器以及用于存储处理器可执行的指令的存储器；

所述处理器被配置为：

判断识声设备是否收到唤醒词；

相比现有技术，本发明的有益效果在于：解决了现有的基于麦克风阵列的声源定位方法和装置只能得到声源的方向，却无法得到声源和识声设备之间距离；通过摄像头判断声源位置时，存在声源与识声设备之间的遮挡的问题；可以计算得到声源和识声设备之间距离，进而识声设备可以进一步执行与距离相关的动作。

附图说明

图1是本发明实施例一的声源定位方法的流程示意图。

图2是实施例一中的声源定位方法应用的场景示意图。

图3是本发明实施例二的声源定位方法的流程示意图。

图4是本发明实施例三的声源定位装置的结构示意图。

图5是本发明实施例四的声源定位装置的结构示意图。

具体实施方式

下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例：

实施例一：

图1是本实施例提供的的声源定位方法的流程示意图。

图2是声源定位方法应用的场景示意图，场景中包括识声设备10、麦克风阵列20和声源30。识声设备10可以是服务机器人、机器警察、机器宠物、机器玩具、或可定位声源位置的智能摄像装置等。

在场地中部署和识声设备10高度一致的麦克风阵列20，识声设备10上设置的音频获取模块也可以采用麦克风阵列20。当声源30呼唤识声设备10时，识声设备10会被唤醒，同时声源30发出的声音也会被场景内的麦克风阵列20接收。

识声设备10如机器人在使用时，一般设定有一定的活动区域。可以在该区域内设定一工作坐标系0xy，识声设备10，麦克风阵列20的位置可以分别由其在工作坐标系0xy上的坐标确定。当然，也可以以识声设备10为坐标原点设立运动坐标系，然后通过坐标变换将识声设备10，麦克风阵列20统一到该运动坐标系或工作坐标系0xy；坐标系的设立、坐标变换均可以通过现有技术实现。

在本实施例中，识声设备10、麦克风阵列20和声源30均位于工作坐标系0xy的第一象限，在其他实施例中，各设备还可以位于工作坐标系0xy的不同象限或x轴或y轴或原点上。

如图1所示的声源定位方法包括以下步骤：

步骤S110、获取麦克风阵列20发送的优选特征数据，所述优选特征数据包括麦克风阵列20的第一位置(x1，y1)和第一唤醒角度B。

麦克风阵列20接收到声源30发出的唤醒词时，会将唤醒词的数据发送给识声设备10，具体的可以通过有线或无线方式，也可以通过总控设备将数据转发给识声设备10。唤醒词的数据包括优选特征数据，优选特征数据包括麦克风阵列20的第一位置(x1，y1)和第一唤醒角度B。声源30对于麦克风阵列20的第一唤醒角度B可以通过现有技术实现，不再赘述。

步骤S120、判断识声设备10是否收到唤醒词。需要判断声源30是否位于识声设备10的工作范围内。如果识声设备10也收到了声源30发出的唤醒词，则表示识声设备10在运行且声源30位于识声设备10的工作范围内，识声设备10被唤醒。

步骤S130、若所述识声设备10收到所述唤醒词，则记录第二特征数据，所述第二特征数据包括设备位置(x0，y0)、设备朝向A和设备唤醒角度C。设备朝向A指的是识声设备10上自带的麦克风的朝向，一般也就是识声设备10的朝向。获取设备位置(x0，y0)和设备朝向A等数据，均可通过现有技术实现，不再赘述。设备唤醒角度C指的是声源30对于识声设备10的正面即设备朝向A的唤醒角度，也可通过现有技术实现。

步骤S140、根据所述优选特征数据和第二特征数据计算声源30与识声设备10之间的距离。

根据设备位置(x0，y0)和麦克风阵列20的第一位置(x1，y1)，以及设备朝向A、设备唤醒角度C以及麦克风阵列20的第一唤醒角度B可以求得声源30相对于识声设备10的距离。

进一步地，所述根据所述优选特征数据和第二特征数据计算声源30与识声设备10之间的距离m，具体为根据以下算式计算：

算式的原理如下所述：

设识声设备10与麦克风阵列20之间的为距离L，则

设过识声设备10与麦克风阵列20的直线或线段为S，则S和x轴的夹角为

设过识声设备10与声源30的直线或线段为M，则M与X轴的夹角为2π-(A+C)；

则S与M之间的角度

设过声源30与麦克风阵列20的直线或线段为K，则K和L之间的角度

设h为声源30到S之间的距离，则有由此可知

根据可得其中，

带入各算式可得：

需要注意的是，本领域技术人员可以根据以上算式很容易的实现多种变形和实现方式，均应属于本发明的保护范围。

本实施例提供的声源定位方法解决了现有的基于麦克风阵列的声源定位方法和装置只能得到声源的方向，却无法得到声源和识声设备之间距离；通过摄像头判断声源位置时，存在声源与识声设备之间的遮挡的问题；可以计算得到声源和识声设备之间距离，进而识声设备可以进一步执行与距离相关的动作。

作为本发明的进一步改进，在步骤S130所述若所述识声设备收到所述唤醒词，则记录第二特征数据之后，还包括以下步骤：

步骤S131、判断声源30、所述麦克风阵列20与所述识声设备10三者是否共线；

进一步地，所述判断声源30、所述麦克风阵列20与所述识声设备10三者是否共线，具体为若的绝对值小于或等于预设值，则所述声源30、所述麦克风阵列20与所述识声设备10三者共线。

典型的，预设值为0或是一个接近0的数值。等于0时，表示声源30、所述麦克风阵列20与所述识声设备10完全共线，通过上述算式就算不出声源30与识声设备10之间的距离。进一步地，当近似等于0时，声源30、所述麦克风阵列20与所述识声设备10近似于共线，这时计算得出的声源30与识声设备10之间的距离可能就不太准确。就需要剔除与所述麦克风阵列20相应的所述优选特征数据。

步骤S132、若所述声源30、所述麦克风阵列20与所述识声设备10三者共线，则剔除与所述麦克风阵列20相应的所述优选特征数据。然后可以等待下一次唤醒，或是选择其他麦克风阵列发送来的特征数据。

实施例二：

如图3所示的声源定位方法，包括以下步骤：

步骤S210、获取麦克风阵列发送的优选特征数据，所述优选特征数据包括麦克风阵列的第一位置(x1，y1)和第一唤醒角度B；

步骤S220、判断识声设备是否收到唤醒词；

步骤S230、若所述识声设备收到所述唤醒词，则记录第二特征数据，所述第二特征数据包括设备位置(x0，y0)、设备朝向A和设备唤醒角度C；

步骤S231、判断所述优选声纹特征与所述识声设备声纹特征是否匹配；

步骤S232、若所述优选声纹特征与所述识声设备声纹特征不匹配，则剔除与所述优选声纹特征相应的所述优选特征数据。利用声纹特征信息可以排除和识声设备不符的唤醒信息，使得识声设备对于声源发出的声音具备一定的抗干扰能力。

步骤S240、根据所述优选特征数据和第二特征数据计算声源与识声设备之间的距离。

本实施例所述的声源定位方法中步骤S210、步骤S220、步骤S230、步骤S240分别对应于与实施例一中的步骤S110、步骤S120、步骤S130和步骤S140，不在赘述；区别在于步骤S231和步骤S232。

在另一实施例中，声源定位方法既包括本实施例中的步骤S231和步骤S232用于排除和识声设备不符的唤醒信息，使得识声设备对于声源发出的声音具备一定的抗干扰能力；又可以包括实施例一中的步骤S131和步骤S132，用于排除声源、识声设备和麦克风阵列共线的干扰。

在另一实施例中，作为本发明的进一步改进，工作场景中所述麦克风阵列有多个；所述优选特征数据具体为与所述识声设备之间距离最近的麦克风阵列发送的特征数据。具体的，在所述若所述识声设备收到所述唤醒词，则记录第二特征数据之后，还包括以下步骤：

计算各麦克风阵列与识声设备之间的距离；

选取与识声设备之间的距离最近的麦克风阵列发送的特征数据为有效特征数据。

通过，优先利用与识声设备之间的距离最近的麦克风阵列发送的特征数据求取识声设备和声源之间的距离，可以进一步消除噪音干扰，降低共线的概率，计算结果更加高效和精确。

实施例三：

如图4所示的声源定位装置，包括：

获取模块110，用于获取麦克风阵列发送的优选特征数据，所述优选特征数据包括麦克风阵列的第一位置和第一唤醒角度；

第一判断模块120，用于判断识声设备是否收到唤醒词；

记录模块130，用于若所述识声设备收到所述唤醒词，则记录第二特征数据，所述第二特征数据包括设备位置、设备朝向和设备唤醒角度；

第一计算模块140，用于根据所述优选特征数据和第二特征数据计算声源与识声设备之间的距离。

进一步地，所述声源定位装置还包括：

本实施例中的装置与前述实施例中的方法是基于同一发明构思下的两个方面，在前面已经对方法实施过程作了详细的描述，所以本领域技术人员可根据前述描述清楚地了解本实施中的***的结构及实施过程，为了说明书的简洁，在此就不再赘述。

为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本发明时可以把各模块的功能在同一个或多个软件和/或硬件中实现。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。

描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的模块或单元可以是或者也可以不是物理上分开的，作为模块或单元示意的部件可以是或者也可以不是物理模块，既可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

本发明可用于众多通用或专用的计算***环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器***、基于微处理器的***、机顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何***或设备的分布式计算环境等等，如实施例四。

实施例四：

如图5所示的声源定位装置，包括：处理器200以及用于存储处理器200可执行的指令的存储器300；

所述处理器200被配置为：

判断识声设备是否收到唤醒词；

本发明实施例提供的声源定位装置，解决了现有的基于麦克风阵列的声源定位方法和装置只能得到声源的方向，却无法得到声源和识声设备之间距离；通过摄像头判断声源位置时，存在声源与识声设备之间的遮挡的问题；可以计算得到声源和识声设备之间距离，进而识声设备可以进一步执行与距离相关的动作。

对于本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及变形，而所有的这些改变以及变形都应该属于本发明权利要求的保护范围之内。

Claims

1.一种声源定位方法，其特征在于，包括以下步骤：

判断识声设备是否收到唤醒词；

2.如权利要求1所述的声源定位方法，其特征在于，所述优选特征数据还包括优选声纹特征，所述第二特征数据还包括识声设备声纹特征；

判断所述优选声纹特征与所述识声设备声纹特征是否匹配；

3.如权利要求1所述的声源定位方法，其特征在于，所述若所述识声设备收到所述唤醒词，则记录第二特征数据之后，还包括以下步骤：

判断声源、所述麦克风阵列与所述识声设备三者是否共线；

4.如权利要求3所述的声源定位方法，其特征在于，所述判断声源、所述麦克风阵列与所述识声设备三者是否共线，具体为若的绝对值小于或等于预设值，则所述声源、所述麦克风阵列与所述识声设备三者共线；其中(x1，y1)表示所述第一位置，(x0，y0)表示所述设备位置，A表示所述设备朝向，C表示所述设备唤醒角度。

5.如权利要求1-4中任一项所述的声源定位方法，其特征在于，所述麦克风阵列有多个；所述优选特征数据具体为与所述识声设备之间距离最近的麦克风阵列发送的特征数据。

6.如权利要求1-4中任一项所述的声源定位方法，其特征在于，所述根据所述优选特征数据和第二特征数据计算声源与识声设备之间的距离，具体为根据以下算式计算：

<mrow> <mi>m</mi> <mo>=</mo> <mo>|</mo> <mfrac> <msqrt> <mrow> <msup> <mrow> <mo>(</mo> <mi>x</mi> <mn>1</mn> <mo>-</mo> <mi>x</mi> <mn>0</mn> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <mi>y</mi> <mn>1</mn> <mo>-</mo> <mi>y</mi> <mn>0</mn> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> <mrow> <mo>{</mo> <mfrac> <mn>1</mn> <mrow> <mi>t</mi> <mi>a</mi> <mi>n</mi> <mo>&lsqb;</mo> <mi>arctan</mi> <mrow> <mo>(</mo> <mfrac> <mrow> <mi>y</mi> <mn>1</mn> <mo>-</mo> <mi>y</mi> <mn>0</mn> </mrow> <mrow> <mi>x</mi> <mn>1</mn> <mo>-</mo> <mi>x</mi> <mn>0</mn> </mrow> </mfrac> <mo>)</mo> </mrow> <mo>-</mo> <mi>A</mi> <mo>-</mo> <mi>C</mi> <mo>&rsqb;</mo> </mrow> </mfrac> <mo>+</mo> <mfrac> <mn>1</mn> <mrow> <mi>t</mi> <mi>a</mi> <mi>n</mi> <mo>&lsqb;</mo> <mi>B</mi> <mo>-</mo> <mi>arctan</mi> <mrow> <mo>(</mo> <mfrac> <mrow> <mi>y</mi> <mn>1</mn> <mo>-</mo> <mi>y</mi> <mn>0</mn> </mrow> <mrow> <mi>x</mi> <mn>1</mn> <mo>-</mo> <mi>x</mi> <mn>0</mn> </mrow> </mfrac> <mo>)</mo> </mrow> <mo>&rsqb;</mo> </mrow> </mfrac> <mo>}</mo> <mo>&times;</mo> <mi>s</mi> <mi>i</mi> <mi>n</mi> <mo>&lsqb;</mo> <mi>arctan</mi> <mrow> <mo>(</mo> <mfrac> <mrow> <mi>y</mi> <mn>1</mn> <mo>-</mo> <mi>y</mi> <mn>0</mn> </mrow> <mrow> <mi>x</mi> <mn>1</mn> <mo>-</mo> <mi>x</mi> <mn>0</mn> </mrow> </mfrac> <mo>)</mo> </mrow> <mo>-</mo> <mi>A</mi> <mo>-</mo> <mi>C</mi> <mo>&rsqb;</mo> </mrow> </mfrac> <mo>|</mo> <mo>;</mo> </mrow>

7.一种声源定位装置，其特征在于，包括：

第一判断模块，用于判断识声设备是否收到唤醒词；

8.如权利要求7所述的声源定位装置，其特征在于，所述优选特征数据还包括优选声纹特征，所述第二特征数据还包括识声设备声纹特征，所述声源定位装置还包括：

9.如权利要求7所述的声源定位装置，其特征在于，还包括：

10.如权利要求7-9中任一项所述的声源定位装置，其特征在于，所述麦克风阵列有多个；所述声源定位装置还包括：

11.一种声源定位装置，其特征在于，包括：

处理器以及用于存储处理器可执行的指令的存储器；

所述处理器被配置为：

判断识声设备是否收到唤醒词；