基于音頻特征的數(shù)目可變多說話人定位與跟蹤.pdf

1、通過麥克風(fēng)陣列獲取語音信號(hào)，從中提取出能夠反應(yīng)說話人位置的有效信息并不斷跟蹤說話人的當(dāng)前位置是信號(hào)處理和目標(biāo)跟蹤領(lǐng)域中的一項(xiàng)重要研究內(nèi)容，在智能會(huì)議系統(tǒng)、語音增強(qiáng)、機(jī)器人導(dǎo)航中具有廣泛的應(yīng)用。真實(shí)的智能環(huán)境中往往存在著多個(gè)說話人，說話人的數(shù)量和位置信息都會(huì)不斷的變化，因此，研究數(shù)目可變的多說話人定位與跟蹤問題對(duì)于構(gòu)建可實(shí)施的智能會(huì)議系統(tǒng)、促進(jìn)人機(jī)交互等具有更加實(shí)際的應(yīng)用價(jià)值。本研究主要內(nèi)容包括：
　?、裴槍?duì)基于可控功率響應(yīng)（SRP

2、）的多聲源跟蹤算法定位復(fù)雜度高，弱聲源難以跟蹤的問題，本文利用環(huán)形陣列跟蹤近場多聲源的波達(dá)方向，首先利用語音信號(hào)在時(shí)-頻域的稀疏性和聲源間的屏蔽效應(yīng)定義了信號(hào)的相關(guān)性，并利用相關(guān)性檢測主聲源較強(qiáng)的幀，其次利用環(huán)形陣列結(jié)合SRP方法獲取單幀主聲源的方位角，然后集合多幀的數(shù)據(jù)從方位角的統(tǒng)計(jì)直方圖中分析出當(dāng)前聲源的數(shù)目和所在方位。并在多聲源的定位跟蹤中利用該方法來提取多聲源的定位特征，有效解決了多聲源的定位特征難以獲取和量測精度低的問題。仿真

3、實(shí)驗(yàn)結(jié)果表明了該方法在估計(jì)聲源數(shù)目和聲源方位角的可行性和有效性。
　?、漆槍?duì)粒子濾波的廣泛應(yīng)用，特別是在說話人跟蹤系統(tǒng)中的應(yīng)用，本文對(duì)粒子濾波缺點(diǎn)做了深入的分析，并利用智能優(yōu)化算法來解決粒子濾波的粒子退化和貧化問題，通過分析已有優(yōu)化算法存在的問題，本文利用差分進(jìn)化算法來優(yōu)化粒子濾波重采樣后的粒子，并將改進(jìn)適應(yīng)度函數(shù)和搜索策略應(yīng)用于粒子的優(yōu)化過程中，在保持粒子多樣性同時(shí)加快了算法收斂的速度，有效解決了智能優(yōu)化粒子濾波在粒子多樣性和收

4、斂速度之間的矛盾，提高了其對(duì)于非線性系統(tǒng)狀態(tài)估計(jì)的精度。
　?、轻槍?duì)音頻多目標(biāo)跟蹤中粒子濾波需要將量測值關(guān)聯(lián)至對(duì)應(yīng)目標(biāo)，且每個(gè)目標(biāo)需要一個(gè)粒子濾波器導(dǎo)致跟蹤算法的計(jì)算量和所需粒子數(shù)量增加的問題，本文將粒子濾波算法和K-均值聚類算法結(jié)合來實(shí)現(xiàn)音頻多目標(biāo)的跟蹤，粒子濾波將多目標(biāo)的狀態(tài)作為整體進(jìn)行更新和預(yù)測，然后利用K-均值聚類算法對(duì)重采樣后的粒子進(jìn)行聚類，將同一目標(biāo)的粒子歸類，并利用聲源區(qū)分度較高的環(huán)形陣列獲取定位特征，有效解決了粒子