CN117538825A - 一种声源定位方法、装置、电子设备及介质 - Google Patents
一种声源定位方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN117538825A CN117538825A CN202311458288.2A CN202311458288A CN117538825A CN 117538825 A CN117538825 A CN 117538825A CN 202311458288 A CN202311458288 A CN 202311458288A CN 117538825 A CN117538825 A CN 117538825A
- Authority
- CN
- China
- Prior art keywords
- sound
- sound source
- stable
- source angle
- sound signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 230000005236 sound signal Effects 0.000 claims abstract description 296
- 230000004807 localization Effects 0.000 claims abstract description 54
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 8
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本申请实施例公开了一种声源定位方法、装置、电子设备及介质。该方法包括:根据预设时段内接收的声音信号进行声源定位,确定稳定声源角度以及对应的稳定声音信号;逐帧遍历预设时段内的声音信号,确定在目标帧接收的声音信号中所述稳定声源角度对应的参考声音信号,以及能量最大的最大声音信号;根据所述稳定声音信号、所述参考声音信号以及所述最大声音信号,确定目标帧对应的实际声源角度。上述方案能够通过稳定声音信号、参考声音信号以及最大声音信号的特征,准确地分析最大声音信号是否为反射峰,如果为反射峰,则在声源定位时不参考反射峰的声音信号,避免对声源定位产生影响,从而提高了声源定位的准确性。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种声源定位方法、装置、电子设备及介质。
背景技术
在音频算法处理中,声源定位算法在许多应用场景都发挥着很大的作用,声源定位的准确度是声源定位算法中最关注的问题。在声源定位时,将声音的能量值进行量化,通常认定能量值最大的方向为声源的方向。
声源在发声的过程中,由于周围物体或是声源处于特定场所的影响,声源发出的声波会被反射(通常称之为回音),被反射的声波的能量值通常是小于正常说话的声音的能量值的,目前对于一般的声波的反射可以进行消除。而当反射的声波的能量值大于正常声源发出的声波的能量值,即反射峰出现时,现有技术通常会认为反射峰的方向为声源方向,导致声源定位不准确。
发明内容
本申请实施例提供了一种声源定位方法、装置、电子设备及介质,以消除反射峰对声源定位的影响,提高声源定位的准确性。
根据本申请的一方面,提供了一种声源定位方法,该方法包括:
根据预设时段内接收的声音信号进行声源定位,确定稳定声源角度以及对应的稳定声音信号;
逐帧遍历预设时段内的声音信号,确定在目标帧接收的声音信号中所述稳定声源角度对应的参考声音信号,以及能量最大的最大声音信号;
根据所述稳定声音信号、所述参考声音信号以及所述最大声音信号,确定目标帧对应的实际声源角度。
根据本申请的一方面,提供了一种声源定位装置,所述装置包括:
稳定声源角度确定模块,用于根据预设时段内接收的声音信号进行声源定位,确定稳定声源角度以及对应的稳定声音信号;
遍历模块,用于逐帧遍历预设时段内的声音信号,确定在目标帧接收的声音信号中所述稳定声源角度对应的参考声音信号,以及能量最大的最大声音信号;
实际声源角度确定模块,用于根据所述稳定声音信号、所述参考声音信号以及所述最大声音信号,确定目标帧对应的实际声源角度。
根据本申请的另一方面,提供了一种电子设备,该电子设备包括:
至少一个处理器;以及
与至少一个处理器通信连接的存储器;其中,
存储器存储有可被至少一个处理器执行的计算机程序,计算机程序被至少一个处理器执行,以使至少一个处理器能够执行本申请任一实施例的声源定位方法。
根据本申请的另一方面,提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,计算机指令用于使处理器执行时实现本申请任一实施例的声源定位方法。
本申请实施例的技术方案,根据预设时段内接收的声音信号进行声源定位,确定稳定声源角度以及对应的稳定声音信号;逐帧遍历预设时段内的声音信号,确定在目标帧接收的声音信号中所述稳定声源角度对应的参考声音信号,以及能量最大的最大声音信号;根据所述稳定声音信号、所述参考声音信号以及所述最大声音信号,确定目标帧对应的实际声源角度。上述方案能够通过稳定声音角度对应的稳定声音信号、最大声音信号以及参考声音信号的特征,准确地判断能量最大的最大声音信号是否为反射峰,在最大声音信号为反射峰的情况下,不再依据最大声音信号进行声源定位,消除了反射峰对声源定位的影响,避免反射峰的信号强度最大时将反射峰的角度误判为声源角度,从而提高了声源定位的准确性。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本申请实施例一提供的一种声源定位方法的流程图;
图2是根据本申请实施例二提供的一种声源定位方法的流程图;
图3是根据本申请实施例三提供的一种声源定位方法的流程图;
图4是根据本申请实施例四提供的一种声源定位装置的结构示意图;
图5是根据本申请实施例五提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”、“实际”、“预设”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本申请实施例一提供的一种声源定位方法的流程图,本申请实施例可适用于对声源进行定位的情况。该方法可以由声源定位装置来执行,该声源定位装置可以采用硬件和/或软件的形式实现,该声源定位装置可配置于电子设备中。如图1所示,该方法包括:
S110、根据预设时段内接收的声音信号进行声源定位,确定稳定声源角度以及对应的稳定声音信号。
其中,预设时段可以根据实际情况确定,例如可以根据单帧的声音信号进行声源定位时,将能够出现连续稳定的声源角度时的时长作为预设时段。预设时段内包括多个声音采集时刻,在声音采集时刻能够通过声音接收装置接收到声音信号。声音接收装置可以为麦克风阵列。可以将预设时段内的多个声音采集时刻进行分组,每组对应一帧,一帧可以包括至少两个声音采集时刻。
示例性的,可以根据预设时段内接收的声音信号按照帧为单位进行声源定位,即对每帧的声音信号进行声源定位得到一个声源角度。对各帧对应的声源角度进行统计和分析,确定稳定声源角度以及稳定声源角度对应的稳定声音信号。其中,稳定声源角度可以为在预设时段内趋于稳定而未发生突变的声源角度。稳定声音信号可以为稳定声源角度对应于不同声音采集时刻的声音信号。例如在预设时段中的第2、3、4、5、6、7、8帧中进行声源定位得到声源角度均为从正北向西偏转60度,则该角度为稳定声源角度,稳定声音信号为第2、3、4、5、6、7、8帧中的声音信号。
在本申请实施例中,根据预设时段内接收的声音信号进行声源定位,确定稳定声源角度以及对应的稳定声音信号,包括:
针对预设时段内的各帧的声音信号,基于预设声源定位算法确定所述各帧对应的定位声源角度;
将出现次数最多且持续时间最长的定位声源角度,作为所述稳定声源角度,并将连续出现预设数量次的稳定声源角度对应的声音信号作为稳定声音信号。
其中,预设声源定位算法可以根据实际情况选取,例如可以为SRP-PATH算法、GCC-PHAT算法等。示例性的,可以在接收声音信号的过程中,每接收到一帧声音信号,基于预设声源定位算法对该帧的声音信号进行声源定位,确定该帧对应的定位声源角度。直到接收的声音信号的帧数达到预设帧数,则说明接收声音信号的时长达到预设时段,此时统计并分析定位声源角度,确定出现次数最多且持续时间最长的定位声源角度,作为稳定声源角度。例如,第2、3、4、5、6、7、8、9帧对应的定位声源角度为从正北向西偏转60度,则该定位声源角度出现次数为8次,假如每一帧对应的时长为60毫秒,则该定位声源角度的持续时长为480毫秒。第10、11、12、13帧对应的定位声源角度为从正北向西偏转30度,则该定位声源角度出现次数为4次,持续时长为240毫秒,从上述两个定位声源角度来看稳定声源角度为从正北向西偏转60度。
示例性的,针对于稳定声源角度,将连续出现预设数量次稳定声源角度时对应的声音信号作为稳定声音信号。预设数量可以根据实际情况确定,例如可以为一帧对应的声音采集时刻的数量,以便于后续和一帧中的声音信号进行对比。例如,如果预设数量为10,一帧对应的声音采集时刻的数量为10,可以将第2、3、4、5、6、7、8、9帧中任一帧的声音信号作为稳定声音信号。
S120、逐帧遍历预设时段内的声音信号,确定在目标帧接收的声音信号中所述稳定声源角度对应的参考声音信号,以及能量最大的最大声音信号。
示例性的,针对于预设时段内的声音信号,从第一帧开始进行逐帧遍历,在遍历过程中,将当前遍历的帧作为目标帧,确定在目标帧接收的全部声音信号。从目标帧接收的全部声音信号中确定稳定声源角度对应的参考声音信号。例如,稳定声源角度为从正北向西偏转60度,则从目标帧接收的全部声音信号中确定从正北向西偏转60度的角度接收到的声音信号,作为参考声音信号。在正常情况,对于连续的声音信号,其定位声源角度应该是一致的,不会出现突变,也就是目标帧的定位声源角度应和稳定声源角度一致,确定目标帧接收的声音信号中稳定声源角度对应的稳定声源角度,用于稳定声源角度是否具有连续性,以确定目标帧的实际声源角度。
示例性的,一般情况下,能量最大的最大声音信号对应的角度应为定位声源角度,但是如果存在反射峰,则反射峰的声音信号可能会大于实际声源角度的声音信号,影响声源定位。在本申请实施例中,确定目标帧接收的声音信号中能量最大的最大声音信号,作为确定目标帧的实际声源角度的因素,而不是直接将最大声音信号对应的角度作为目标帧的实际声源角度。
S130、根据所述稳定声音信号、所述参考声音信号以及所述最大声音信号,确定目标帧对应的实际声源角度。
示例性的,同一声源的声音具有连续性,如果不存在反射峰的影响,最大声音信号对应的角度即为目标帧对应的实际声源角度,则稳定声音信号应与最大声音信号更加相似。如果最大声音信号为反射峰的信号,则稳定声音信号应与参考声音信号更加相似。据此,可以根据稳定声音信号、参考声音信号以及最大声音信号,对其之间的特征以及相似性进行分析,从而判断最大声音信号是否为反射峰的信号,如果是的话则将最大声音信号滤除,根据其他声音信号确定目标针对应的实际声源角度,从而消除了反射峰对声源定位的影响,避免直接将反射峰形成的最大声音信号对应的角度作为目标帧对应的实际声源角度导致声源定位不准确,从而提高了声源定位的准确性。
本申请实施例的技术方案,根据预设时段内接收的声音信号进行声源定位,确定稳定声源角度以及对应的稳定声音信号;逐帧遍历预设时段内的声音信号,确定在目标帧接收的声音信号中所述稳定声源角度对应的参考声音信号,以及能量最大的最大声音信号;根据所述稳定声音信号、所述参考声音信号以及所述最大声音信号,确定目标帧对应的实际声源角度。上述方案能够通过稳定声音角度对应的稳定声音信号、最大声音信号以及参考声音信号的特征,准确地判断能量最大的最大声音信号是否为反射峰,在最大声音信号为反射峰的情况下,不再依据最大声音信号进行声源定位,消除了反射峰对声源定位的影响,避免了反射峰的信号强度最大时将反射峰的角度误判为声源角度的问题,提高了声源定位的准确性。
实施例二
图2为本申请实施例二提供的一种声源定位方法的流程图,本申请实施例以上述实施例为基础进行优化,未在本申请实施例中详尽描述的方案见上述实施例。如图2所示,本申请实施例的方法具体包括如下步骤:
S210、根据预设时段内接收的声音信号进行声源定位,确定稳定声源角度以及对应的稳定声音信号。
S220、逐帧遍历预设时段内的声音信号,将目标帧对应的定位声源角度与所述稳定声源角度进行对比。
示例性的,从第一帧开始逐帧对预设时段内的声音信号进行遍历,将当前遍历的帧作为目标帧,根据目标帧接收到的声音信号进行声源定位,确定定位声源角度。对目标帧接收到的声音信号进行声源定位的方式与上述实施例中S110和S210中的方式一致,均为基于预设声源定位算法进行声源定位。将定位声源角度与稳定声源角度进行对比,确定定位声源角度与稳定声源角度之间的角度差值。
S230、若目标帧对应的定位声源角度与所述稳定声源角度的差值大于预设阈值,或者目标帧对应的定位声源角度与所述稳定声源角度的差值大于预设阈值且持续时长达到预设时长,则确定在目标帧接收的声音信号中所述稳定声源角度对应的参考声音信号,以及能量最大的最大声音信号。
其中,预设阈值可以根据实际情况确定,例如可以为3度。在一个可行方案中,如果目标帧对应的定位声源角度与稳定声源角度的差值大于预设阈值,则说明目标帧的定位声源角度与稳定声源角度的差值较大,可能出现了反射峰,或者出现了声源移动、噪声、其他声源等,因此需要确定在目标帧接收的声音信号中稳定声源角度对应的参考声音信号以及能量最大的最大声音信号,以进一步根据稳定声音信号、参考声音信号以及最大声音信号更加精确地进行声源定位,消除反射峰的影响。
在另一个可行方案中,如果目标帧对应的定位声源角度与稳定声源角度的差值大于预设阈值,则说明目标帧的定位声源角度与稳定声源角度的差值较大,可能出现了反射峰,或者出现了声源移动、噪声、其他声源等。一般情况下,噪声、其他声源等应属于非稳态声源,出现的时间较短,噪声、其他声源对应产生的定位声源角度的持续时间较短。可以在目标帧对应的定位声源角度与稳定声源角度的差值大于预设阈值时,判断此情况持续的时长,如果持续时长达到预设时长,则说明目标帧对应的定位声源角度的声源为稳态声源,并不是噪声、其他声源等非稳态声源,再进一步确定在目标帧接收的声音信号中稳定声源角度对应的参考声音信号以及能量最大的最大声音信号,区分目标帧的定位声源角度是由于声源移动产生的还是由于反射峰产生的,以进一步消除反射峰对声源定位的影响。
在本申请实施例中,所述方法还包括:若目标帧对应的定位声源角度与所述稳定声源角度的差值小于或等于预设阈值,则将所述稳定声源角度作为目标帧对应的实际声源角度。
示例性的,如果目标帧对应的定位声源角度与稳定声源角度的差值小于或等于预设阈值,则说明目标帧的定位声源角度与稳定声源角度比较一致,目标帧的声源相比于稳定声源角度对应的声源并未发生变化,因此可以直接将稳定声源角度作为目标帧对应的实际声源角度。
S240、根据所述稳定声音信号、所述参考声音信号以及所述最大声音信号,确定目标帧对应的实际声源角度。
本申请实施例提供了一种声源定位方法,逐帧遍历预设时段内的声音信号,将目标帧对应的定位声源角度与所述稳定声源角度进行对比;若目标帧对应的定位声源角度与所述稳定声源角度的差值大于预设阈值,或者目标帧对应的定位声源角度与所述稳定声源角度的差值大于预设阈值且持续时长达到预设时长,则确定在目标帧接收的声音信号中所述稳定声源角度对应的参考声音信号,以及能量最大的最大声音信号。上述方案能够及时准确地确定出现角度偏差的目标帧的声源,从而进一步判断该声源是反射峰产生的还是声源移动产生的,从而消除反射峰对声源定位的影响,提高声源定位的准确性。
实施例三
图3为本申请实施例三提供的一种声源定位方法的流程图,本申请实施例以上述实施例为基础进行优化,未在本申请实施例中详尽描述的方案见上述实施例。如图3所示,本申请实施例的方法具体包括如下步骤:
S310、根据预设时段内接收的声音信号进行声源定位,确定稳定声源角度以及对应的稳定声音信号。
S320、逐帧遍历预设时段内的声音信号,确定在目标帧接收的声音信号中所述稳定声源角度对应的参考声音信号,以及能量最大的最大声音信号。
S330、确定所述稳定声音信号与所述参考声音信号之间的第一相关系数,并确定所述稳定声音信号与所述最大声音信号之间的第二相关系数。
示例性的,同一声源的声音具有连续性,如果不存在反射峰的影响,最大声音信号对应的角度即为目标帧对应的实际声源角度,则稳定声音信号应与最大声音信号更加相似。如果最大声音信号为反射峰的信号,则稳定声音信号应与参考声音信号更加相似。因此,可以确定稳定声音信号与参考声音信号之间的第一相关系数,并确定稳定声音信号与最大声音信号之间的第二相关系数,以根据第一相关系数和第二相关系数,确定更为相似的两个信号。
在本申请实施例中,所述目标帧包括预设数量个声音采集时刻;所述第一相关系数的确定过程包括:
确定目标帧中的声音采集时刻从所述稳定声源角度接收到的预设数量个参考声音信号;
根据预设数量个参考声音信号以及预设数量个稳定声音信号,计算所述第一相关系数;
所述第二相关系数的确定过程包括:
确定目标帧中的声音采集时刻接收到的能量最大的预设数量个最大声音信号;
根据预设数量个最大声音信号以及预设数量个稳定声音信号,计算所述第二相关系数。
示例性的,可以将预设时段内的各声音采集时刻进行分组,将预设数量个声音采集时刻分为一组,一组为一帧。在目标帧中包含预设数量个声音采集时刻,每一个声音采集时刻接收的声音信号中都会存在一个稳定声源角度对应的参考声音信号,目标帧中包含预设数量个参考声音信号。与参考声音信号的数量相对应,从稳定声源角度对应的声音信号中选取预设数量个稳定声音信号,例如可以从稳定声源角度所持续的时长内选取一帧或者预设数量个的声音信号作为稳定声音信号。根据预设数量个参考声音信号与预设数量个稳定声音信号,确定第一相关系数。同理,在目标帧中包含预设数量个声音采集时刻,每一个声音采集时刻接收的声音信号中会存在一个能量最大的最大声音信号,目标帧中包含预设数量个最大声音信号。根据预设数量个最大声音信号与预设数量个稳定声音信号,确定第二相关系数。
在本申请实施例中,计算第一相关系数和第二相关系数所采用的算法可以根据实际情况确定,例如可以为皮尔森相关系数的算法、余弦相似度算法、曼哈顿距离算法等。以第一相关系数和第二相关系数为皮尔森相关系数为例进行说明,皮尔森相关系数计算公式为如果R为第一相关系数,则n为预设数量,xi为第i个稳定声音信号,x为稳定声音信号的平均值,yi为第i个参考声音信号,/>为参考声音信号的平均值。如果R为第二相关系数,则n为预设数量,xi为第i个稳定声音信号,/>为稳定声音信号的平均值,yi为第i个最大声音信号,/>为最大声音信号的平均值。
S340、根据所述第一相关系数与所述第二相关系数,确定目标帧对应的实际声源角度。
示例性的,可以通过第一相关系数反映稳定声音信号与参考声音信号之间的相似性,通过第二相关系数反映稳定声音信号与最大声音信号之间的相似性。根据第一相关系数和第二相关系数反映的相似性,确定目标帧对应的实际声源角度,判断实际声源角度为稳定声源角度还是最大声音信号对应的声源角度。在根据第一相关系数和第二相关系数判断出最大声音信号为反射峰时,不以最大声音信号作为参考进行声音定位,消除反射峰的影响,提高声源定位的准确性。
在本申请实施例中,根据所述第一相关系数与所述第二相关系数,确定目标帧对应的实际声源角度,包括:
若所述第一相关系数大于所述第二相关系数,则将所述稳定声源角度作为目标帧对应的实际声源角度;
若所述第一相关系数小于所述第二相关系数,则将所述最大声音信号对应的声源角度作为目标帧对应的实际声源角度。
示例性的,如果第一相关系数大于第二相关系数,则说明稳定声音信号和参考声音信号的相似性更大,可以判断此时的最大声音信号是反射峰产生的,并不是实际的声源,最大声音信号不作为声源定位的参考,将稳定声源角度作为目标帧对应的实际声源角度。如果第一相关系数小于第二相关系数,则说明稳定声音信号和最大声音信号的相似性更大,可以判断此时的最大声音信号是实际的声源产生的,而不是反射峰产生的,因此可以将最大声音信号对应的声源角度作为目标帧对应的实际声源角度。此时说明是声源移动导致的声源角度的变化。
本申请实施例提供了一种声源定位方法,确定所述稳定声音信号与所述参考声音信号之间的第一相关系数,并确定所述稳定声音信号与所述最大声音信号之间的第二相关系数;根据所述第一相关系数与所述第二相关系数,确定目标帧对应的实际声源角度。第一相关系数能够反映稳定声音信号和参考声音信号之间的相似性,第二相关系数能够反映稳定声音信号和最大声音信号之间的相似性,由于同一声源产生的声音信号的相似性更大,因此可以通过第一相关系数和第二相关系数的比较确定最大声音信号是否为反射峰产生的,从而在判断出存在反射峰时,不将最大声音信号作为声源定位的因素,消除反射峰对声源定位的影响,提高声源定位的准确性。
实施例四
图4为本申请实施例四提供的一种声源定位装置的结构示意图,该装置可执行本申请任意实施例所提供的声源定位方法,具备执行方法相应的功能模块和有益效果。如图4所示,所述装置包括:
稳定声源角度确定模块410,用于根据预设时段内接收的声音信号进行声源定位,确定稳定声源角度以及对应的稳定声音信号;
遍历模块420,用于逐帧遍历预设时段内的声音信号,确定在目标帧接收的声音信号中所述稳定声源角度对应的参考声音信号,以及能量最大的最大声音信号;
实际声源角度确定模块430,用于根据所述稳定声音信号、所述参考声音信号以及所述最大声音信号,确定目标帧对应的实际声源角度。
在本申请实施例中,稳定声源角度确定模块410,包括:
定位声源角度确定单元,用于针对预设时段内的各帧的声音信号,基于预设声源定位算法确定所述各帧对应的定位声源角度;
统计单元,用于将出现次数最多且持续时间最长的定位声源角度,作为所述稳定声源角度,并将连续出现预设数量次的稳定声源角度对应的声音信号作为稳定声音信号。
在本申请实施例中,遍历模块420,包括:
对比单元,用于逐帧遍历预设时段内的声音信号,将目标帧对应的定位声源角度与所述稳定声源角度进行对比;
确定单元,用于若目标帧对应的定位声源角度与所述稳定声源角度的差值大于预设阈值,或者目标帧对应的定位声源角度与所述稳定声源角度的差值大于预设阈值且持续时长达到预设时长,则确定在目标帧接收的声音信号中所述稳定声源角度对应的参考声音信号,以及能量最大的最大声音信号。
在本申请实施例中,所述装置还包括:
声源角度确定模块,用于若目标帧对应的定位声源角度与所述稳定声源角度的差值小于或等于预设阈值,则将所述稳定声源角度作为目标帧对应的实际声源角度。
在本申请实施例中,实际声源角度确定模块430,包括:
相关系数确定单元,用于确定所述稳定声音信号与所述参考声音信号之间的第一相关系数,并确定所述稳定声音信号与所述最大声音信号之间的第二相关系数;
相关系数比对单元,用于根据所述第一相关系数与所述第二相关系数,确定目标帧对应的实际声源角度。
在本申请实施例中,相关系数比对单元,包括:
第一比对子单元,用于若所述第一相关系数大于所述第二相关系数,则将所述稳定声源角度作为目标帧对应的实际声源角度;
第二比对子单元,用于若所述第一相关系数小于所述第二相关系数,则将所述最大声音信号对应的声源角度作为目标帧对应的实际声源角度。
在本申请实施例中,所述目标帧包括预设数量个声音采集时刻;所述装置还包括:
第一信号确定模块,用于确定目标帧中的声音采集时刻从所述稳定声源角度接收到的预设数量个参考声音信号;
第一计算模块,用于根据预设数量个参考声音信号以及预设数量个稳定声音信号,计算所述第一相关系数;
所述装置还包括:
第二信号确定模块,用于确定目标帧中的声音采集时刻接收到的能量最大的预设数量个最大声音信号;
第二计算模块,用于根据预设数量个最大声音信号以及预设数量个稳定声音信号,计算所述第二相关系数。
本申请实施例所提供的一种声源定位装置可执行本申请任意实施例所提供的一种声源定位方法,具备执行方法相应的功能模块和有益效果。
实施例五
图5示出了可以用来实施本申请的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图5所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如声源定位方法。
在一些实施例中,声源定位方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的声源定位方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行声源定位方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本申请的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程声源定位装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的***和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请的技术方案所期望的信息,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (10)
1.一种声源定位方法,其特征在于,所述方法包括:
根据预设时段内接收的声音信号进行声源定位,确定稳定声源角度以及对应的稳定声音信号;
逐帧遍历预设时段内的声音信号,确定在目标帧接收的声音信号中所述稳定声源角度对应的参考声音信号,以及能量最大的最大声音信号;
根据所述稳定声音信号、所述参考声音信号以及所述最大声音信号,确定目标帧对应的实际声源角度。
2.根据权利要求1所述的方法,其特征在于,根据预设时段内接收的声音信号进行声源定位,确定稳定声源角度以及对应的稳定声音信号,包括:
针对预设时段内的各帧的声音信号,基于预设声源定位算法确定所述各帧对应的定位声源角度;
将出现次数最多且持续时间最长的定位声源角度,作为所述稳定声源角度,并将连续出现预设数量次的稳定声源角度对应的声音信号作为稳定声音信号。
3.根据权利要求1所述的方法,其特征在于,逐帧遍历预设时段内的声音信号,确定在目标帧接收的声音信号中所述稳定声源角度对应的参考声音信号,以及能量最大的最大声音信号,包括:
逐帧遍历预设时段内的声音信号,将目标帧对应的定位声源角度与所述稳定声源角度进行对比;
若目标帧对应的定位声源角度与所述稳定声源角度的差值大于预设阈值,或者目标帧对应的定位声源角度与所述稳定声源角度的差值大于预设阈值且持续时长达到预设时长,则确定在目标帧接收的声音信号中所述稳定声源角度对应的参考声音信号,以及能量最大的最大声音信号。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
若目标帧对应的定位声源角度与所述稳定声源角度的差值小于或等于预设阈值,则将所述稳定声源角度作为目标帧对应的实际声源角度。
5.根据权利要求1所述的方法,其特征在于,根据所述稳定声音信号、所述参考声音信号以及所述最大声音信号,确定目标帧对应的实际声源角度,包括:
确定所述稳定声音信号与所述参考声音信号之间的第一相关系数,并确定所述稳定声音信号与所述最大声音信号之间的第二相关系数;
根据所述第一相关系数与所述第二相关系数,确定目标帧对应的实际声源角度。
6.根据权利要求5所述的方法,其特征在于,根据所述第一相关系数与所述第二相关系数,确定目标帧对应的实际声源角度,包括:
若所述第一相关系数大于所述第二相关系数,则将所述稳定声源角度作为目标帧对应的实际声源角度;
若所述第一相关系数小于所述第二相关系数,则将所述最大声音信号对应的声源角度作为目标帧对应的实际声源角度。
7.根据权利要求1-6中任一项所述的方法,其特征在于,所述目标帧包括预设数量个声音采集时刻;所述第一相关系数的确定过程包括:
确定目标帧中的声音采集时刻从所述稳定声源角度接收到的预设数量个参考声音信号;
根据预设数量个参考声音信号以及预设数量个稳定声音信号,计算所述第一相关系数;
所述第二相关系数的确定过程包括:
确定目标帧中的声音采集时刻接收到的能量最大的预设数量个最大声音信号;
根据预设数量个最大声音信号以及预设数量个稳定声音信号,计算所述第二相关系数。
8.一种声源定位装置,其特征在于,所述装置包括:
稳定声源角度确定模块,用于根据预设时段内接收的声音信号进行声源定位,确定稳定声源角度以及对应的稳定声音信号;
遍历模块,用于逐帧遍历预设时段内的声音信号,确定在目标帧接收的声音信号中所述稳定声源角度对应的参考声音信号,以及能量最大的最大声音信号;
实际声源角度确定模块,用于根据所述稳定声音信号、所述参考声音信号以及所述最大声音信号,确定目标帧对应的实际声源角度。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的声源定位方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的声源定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311458288.2A CN117538825A (zh) | 2023-11-03 | 2023-11-03 | 一种声源定位方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311458288.2A CN117538825A (zh) | 2023-11-03 | 2023-11-03 | 一种声源定位方法、装置、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117538825A true CN117538825A (zh) | 2024-02-09 |
Family
ID=89794946
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311458288.2A Pending CN117538825A (zh) | 2023-11-03 | 2023-11-03 | 一种声源定位方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117538825A (zh) |
-
2023
- 2023-11-03 CN CN202311458288.2A patent/CN117538825A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230117088A1 (en) | Method and device for improving performance of data processing model, storage medium and electronic device | |
CN115685109A (zh) | 一种对毫米波雷达测试的方法、装置、设备及存储介质 | |
CN112767935B (zh) | 唤醒指标监测方法、装置及电子设备 | |
CN116679167A (zh) | 一种电缆的局部放电定位方法、设备及存储介质 | |
CN117538825A (zh) | 一种声源定位方法、装置、电子设备及介质 | |
CN116698874A (zh) | 一种电缆的缺陷检测方法、装置、设备及存储介质 | |
CN116299291A (zh) | 一种雷达目标的识别方法、装置、设备及存储介质 | |
CN115951344A (zh) | 雷达与相机的数据融合方法、装置、电子设备及存储介质 | |
CN115932773A (zh) | 基于谱形特征的目标角度检测方法、装置、设备及介质 | |
CN113012682B (zh) | 误唤醒率确定方法、装置、设备、存储介质和程序产品 | |
CN114581711A (zh) | 目标对象检测方法、装置、设备、存储介质以及程序产品 | |
CN115236653A (zh) | 一种雷达探测方法、装置、设备及介质 | |
CN113221519A (zh) | 用于处理表格数据的方法、装置、设备、介质和产品 | |
CN115333715B (zh) | 一种窄带通信***的同步方法、装置、通信设备及介质 | |
CN115361584B (zh) | 一种视频数据处理方法、装置、电子设备及可读存储介质 | |
CN113362297B (zh) | 用于印刷电路板的图像处理方法、设备和存储介质 | |
CN117292843B (zh) | 电信号数据处理方法、装置、设备和存储介质 | |
CN114677625B (zh) | 目标检测方法、装置、设备、存储介质和程序产品 | |
CN117746069B (zh) | 以图搜图的模型训练方法、和以图搜图方法 | |
CN116662194A (zh) | 软件质量度量方法、装置、设备及介质 | |
CN118259251A (zh) | 目标识别方法、装置、设备及介质 | |
CN116703963A (zh) | 一种ar跟踪方法、装置、ar设备及存储介质 | |
CN117349063A (zh) | 检测器检测性能的确定方法、装置、设备以及存储介质 | |
CN114595339A (zh) | 一种三元组关系变化检测方法、装置、电子设备及介质 | |
CN116520238A (zh) | 一种目标测角方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |