一种改进的虚拟阵列语音信号DOA估计算法.pdf

2 01 5年 3月 第 5 2卷 第 2期 四川大学学报 自然科 学版 J o u r n a l o f S i c h u a n Un i v e r s i t y Na t u r a l S c i e n c e Ed i t i o n M a r 2 O1 5 Vol 5 2 NO 2 d o i 1 0 3 9 6 9 j i s s n 0 4 9 0 6 7 5 6 2 0 1 5 0 2 0 1 8 一 种 改进 的虚 拟 阵列语音信号 DOA估计算 法 周 鹤 何培 宇 张 勇 殷 晴青 罗胡琴 四川 I 大学电子信息学院 成都 6 1 0 0 6 4 摘 要 虚 拟 阵列 D oA Di r e c t i o n Of Ar r i v a 1 估计 算 法 由于计 算量低 和 资 源利 用 率 高得 到 了 快速发展 然而虚拟 阵列语音信号 D oA估计算法还少有报道 本文为了提高语音信号 DO A 估计的准确度 对虚拟阵列语音信号 D 0A估计算法进行 了改进 算法首先对接收信号进行 能 量及 熵 结合 的语音 分 帧检 测 其 次基 于功 率谱 方差 最 小和 谱 熵最 大 两个原 则 分 别对检 测后 的信 号 进行 选 帧 并对 选 出的 帧做 D OA 估计 最后 将 两者 的 D OA 估 计 结果 进 行 加权 平 均 本 文对 方 差选 帧的 D 0A 估计 结 果 谱 熵 选帧 的 D OA 估 计 结果 和 两者 加 权 平 均后 的 D OA 估 计结果进行 了比较 实验结果和分析表 明结合方差选帧及谱熵选帧的 Do A估计算法在 用于 虚拟 阵列语 音信 号 D OA 估计 时有 更 高 的准确 率 关键 词 虚拟 阵列 语 音检 测 选 帧 D OA 估计 中图分 类号 T N 9 1 2 3 文献 标 识码 A 文章 编 号 0 4 9 0 6 7 5 6 2 0 1 5 0 2 0 3 1 9 0 6 An i mp r o v e d DOA e s t i ma t i o n a l g o r i t hm o f s pe e c h s i g na l o n v i r t u a l a r r a y ZHOU He H E Pe i Yu ZHANG Yo n g y N Qi n g Qi n g LUO Hu Qi n C o l l e g e o f El e c t r o n i c s a n d I n f o r m a t i o n En g i n e e r i n g Si e h u a n Un i v e r s i t y Ch e n g d u 6 1 0 0 6 4 Ch i n a Ab s t r a c t DOA Di r e c t i o n Of Ar r i v a 1 e s t i ma t i o n a l g o r i t h m o f v i r t u a l a r r a y h a s b e e n d e v e l o p e d q u i c k l y f o r i t s l o w c o m p ut a t i o n a n d h i gh r e s o ur c e ut i l i z a t i o n H o we v e r s p e e c h s i g na l DOA e s t i m a t i o n a l g or i t hm o f vi r t u a l a r r a y i s s e l do m r e po r t e d To i m p r ov e t he a c c u r a c y o f s pe e c h s i g na l DOA e s t i ma t i on a n i m pr o ve d DOA e s t i ma t i o n a l g or i t hm o f v i r t u a l a r r a y s pe e c h s i g na l i s pr e s e n t e d i n t hi s p a pe r Th e f i r s t s t e p o f t h i s me t h o d i s c o mb i n i n g t h e e n e r g y a n d e n t r o p y t o d e t e c t s p e e c h Th e n s e l e c t t wo s p e e c h f r a me s f r o m t he d e t e c t e d s i g na l s f o l l owi ng t he mi ni mum po we r s p e c t r u m va r i a nc e c r i t e r i on a nd t he m a x i ma l s p e c t r um e n t r op y c r i t e r i on e s t i ma t e DOA o f t he s p e e c h s o ur c e wi t h t he t wo s e l e c t e d f r a me s I n t he e n d c o nc l u de t he f i na l r e s u l t b y c a l c ul a t i n g t h e we i gh t i ng a v e r a ge o f t he f i r s t t wo DOA e s t i ma t i on r e s u l t s I n t hi s p a pe r D0A e s t i ma t i o n r e s ul t s o f v a r i a nc e s e l e c t e d f r a m e DOA e s t i ma t i o n r e s ul t s o f s pe c t r um e nt r o py s e l e c t e d f r a m e a n d t h e we i ght i ng a v e r a ge of t he f i r s t t wo r e s ul t s a r e pr e s e nt e d a n d t o m pa r e d The e xp e r i me nt a l r e s ul t s a n d a n al ys i s i nd i c a t e t ha t t h e me t ho d pr o po s e d i n t hi s pa p e r h a s be t t e r p e r f o r m a n c e Ke y wo r ds V i r t u a 1 ar r a y Sp e e c h de t e c t i o n Fr a m e s e l e c t i o n DOA e s t i ma t i on 收稿日期 基 金项 目 作 者简 介 通 讯作者 2 O1 4 一 O 6 1 2 国家 自然科学基金 6 1 0 7 1 1 5 9 周鹤 1 9 9 O 一 男 浙 江诸 暨人 硕士研究生 研究 方向为阵列信 号处理 何培宇 E ma i l h e p e i y u S O U e d u c n 3 2 0 四川 大学学报 自然科学版 第 5 2卷 1 引 言 随着科技不断进 步 语音阵列信号处理受到 了人们广泛的关注 声源的定位是阵列信号处理 的重要分支之一 1 由于语 音信号 是宽带信 号 且存 在着 非平 稳 性 和 非 调 制 性 等 特 点 因此 一 般 的宽带定位算法在进行语音源定位时计算复杂度 较高且无法准确地完成定位 虚拟阵列技术 由于 计算 量 低 资 源利 用 率 高 因而得 到 了快 速发 展 目前 针对 虚拟 阵列 D OA估 计算 法还 少有 报道 文 献 2 3 提出的都是针对宽带信号虚拟阵列 D OA 估计方法 文献E 4 1 根据语音信号的特性提出了一 种虚拟阵列的语音 D0A估计算法 但此算法 的 D OA准确度的高低与信号的频谱平坦度的大小有 关 因此算法的准确性能取决于所选帧的有效 与 否 一 个信号的平坦程度可通过功率谱方差 Hi l b e r t 时频谱定义 的平稳度 5 以及谱熵 6 三种方法 来判断 殷 晴青 的相干语音信号 的两阵元 D OA 估 计新 算法 论文 中提 出 了一 种 基 于 方差 选 帧 的方 法 但在低信噪比下 通过此方法所选帧的 D OA 估计结果偏差较大 Hi l b e r t 时频谱定义的平稳度 为频率 的函数 但其算法计算量较 大 谱熵则对 噪声有一定的鲁棒性且计算量不大 本文基 于 语 音 选 帧方 法 提 出 了一 种 虚 拟 阵 列语音 D OA估计的改进算法 该算法首先将接收 信号进行能量熵 的语音分帧检测 然后计算检测 后语音帧的谱熵 和功率谱方差 接着分别选择谱 熵最 大 的一 帧和方 差 最 小 的一 帧去 做 虚 拟 阵 列语 音 D OA估计 最后对方差选帧的 D OA估计结果 和谱熵选帧的 D OA估计结果进行加权平均 实验 结果表明 在实际应用中使用此方法能提高 D OA 估计的准确率 改进算法实现框图如图 1所示 2 结合 谱熵 和短 时能量 的语 音分 帧 检测方法 对语音信号做 D OA估计时 首先需要从接收 信号 中检测语音信号 目前 语音检测 常用 的方 法有 短时能量 7 短时过零率 8 谱熵l g 倒谱距 离 以及多种特征结合E 等 准确地检测语音信 号 不 仅 可 以减 少 数 据 的 处 理 量 还 可 以提 高算 法 的准 确性 由于语音 信 号 是 一 种 非 平 稳 的 随 时 间 变 化 缓慢 的信 号 因此 可 以认 为 语音 信 号 在 1 0 ms 3 0 ms 之间内是短时平稳 的 于是对语音信号 进行分 帧处理 本文把采样率为 4 4 1 KHz的语 音信号按帧长为 1 0 2 4 帧移 为 5 1 2 进行 分帧处 理 最后 得到 分帧后 的语 音信 号为 s 一 X 竹 N n 1 其 中 为 接收信 号 锄 n 为窗 函数 N 为 窗 长 图 1 改 进 算 法 实现 框 图 F i g 1 Re a l i z a t i o n d i a g r a m o f i mp r o v e d a l g o r i t h m 区分噪声 和语音最简单 的就是信号能量 语 音段 的能量明显高于噪声段 但是在低信噪 比下 用能量进行检测语音的效果较差 而谱熵对噪 声 有一 定 的鲁棒 性 但 同时 也 易受 音 乐 噪 声 的 干扰 为 了更好地检测语音 滤 除冲激 噪声和音 乐噪声 的干扰 将短时能量 和谱熵两种方法结合 进行语音检测 信号 中经过分帧后 第 k帧的短时能量 定义 为 N E k 一 2 1 将第 愚帧信号进行 F F T变换 则此帧中每个频率 分量 的谱概率 函数为 第 2期 周 鹤 等 一种 改进 的虚拟阵列语音信 号 DO A估计 算法 3 2 1 P k S k f i s 3 i 1 其 中 P 为频率 分 量 的概 率密 度 S f 1 为第 k帧中频率分量 厂 的能量 N 为帧长 最后 得到第 k帧信号的谱熵 H 为 N 一一 P l o g 2 P 4 由于语 音成 分 主要集 中在 3 0 0 Hz 3 4 0 0 Hz 为了更好地从接受信号中分出语音信号 和噪声信 号 对 s f i 和 P 分别引入如下约束条件 1 引 i f 3 4 0 0 Hz S f i 一 0 5 i f P 0 9 t h e n P 0 一 i 6 假设接收的语音信号前 2 o帧为噪声或是静音 阶段 则噪声的平均谱熵 H 为 一 2 0 H H 7 1 噪声平 均 短时 能量 为 E k 2 0 E一 8 1 最 后 得 到第 k帧 的能量谱 熵 EE 为 EE 一 E 一 H 一 仲 9 3语音选帧方法 文献 2 所确定 的虚拟阵列 D OA估计算法 的 中心思想是将接收到的语音信号 由频率引起 的相 位差等效为窄带信号由阵元间距所引起的相位差 其方法是以阵列间距变换 的形式将不同频率的信 号 聚焦 到参 考 频 率 上 要 求 所 选 的帧 在 语 音 所 在 的频带 内有均匀 的能量分布 故 帧信 号在频带 范 围内频谱越平坦 分布越均匀得到 D OA估计结果 越准确 图 2为选取两帧不 同的语音信号 的频谱 特 性 然 而 由于 语 音 信 号 的非 平 稳 性 和 能量 主要 集 中在 低频 段 所 以需 在 语 音 检 测 的基 础 上 进 行 最 优选 帧 从图 2可 以看 出图 2 a 相对图 2 b 其频谱更 平 坦 能 量分 布 更 均 匀 因此 图 2 a 更 适 合 来 做 虚拟阵列 DO A估计 3 1 方差 选 帧 方差选帧是在语 音检测 的基础上 计算每个 语音帧的功率谱方差 然后选 出功率谱方差最小 的一 帧 此 时选 出的那 帧为 较平 稳 的帧 设第 k帧 信 号 的功率 谱 为 P o w e r co 忌 一 I D F T x I 一 1 I x c u I 1 0 其 中 N 为帧长 为频率 最后计算出每帧功率 谱 方 差 V a t k P o w e r w 愚 一P 一 口 愚 一 1 1 其中 P a v k 一 1 P o w 6 1 是 表示第k 一 帧信 号频 率在 厂 和 之 间的平 均功 率 f o 分 别 为 语音 信号 带宽 的下 限频 率和 上 限频率 根据方 差 最小 选 取 的帧 在高 信 噪 比下 其 D OA估计结果较准确 而在低信噪 比下 其估计 的结 果 与理想 的偏 差较 大 图 2不 同 的 两 个语 音 信 号 帧 频谱 特 性 Fi g 2 Spe c t r u m s of t wo d i f f e r e nt s p e e c h s i gna l f r a me s 3 2最 大谱 熵选 帧 熵不仅反映了信息量 而且还反映 了一个信 号 的紊 乱程 度 谱 熵 的 大 小恰 恰 能反 映 出信 号 的 平坦程度 信号频谱越平坦 其谱熵值就越大 信 号越不平稳 谱熵值越小 从式 4 中可 以得 出 在频 带 内 当每个 等于 一个 相 同值 时 即 P 一 P H 为最 大值 而 每个 P 一 P代 表 了此信 号为平稳信号 故可根据谱熵值从语音 帧中选 出 频谱上相对最平 坦的一帧 在语音检测 时需设置 合适 的阈值 阈值设 置过大 可选取 的语言 帧减 少 相应的谱熵较小 阈值设置过小时 语音检测 后含有噪声帧 而噪声较平稳 导致 当选择谱熵 3 2 2 四川大学学报 自然科学版 第 5 2卷 最 大 时 选 择 了 噪声 帧 最 后 得 到 估计 角度 出现 偏差 本文 中所设 定 的 门限值 为 Th r e s h o l d a ma x E E 1 2 式 1 2 中 a一 般取值 为 0 3 5 0 6之 间 本 文选 取 口一 0 5 在低信噪比的情况下 通过此方法选取 的最 优帧相 比之前方差选取的最优帧 其 D OA估计的 结 果 准确度 更 高 最后为了进一步提高 D oA估计的准确率 对 前 面所 述 的两 种 方 法 所 选 出 的 帧 其 DO A 估 计 结 果进 行 加 权 平 均 通 过 实 验 发 现 对 通 过 方 差 选 取的最优语音帧和对通过谱熵 的选取的最优语音 帧分别进行 D OA估计 当两 者的估计 结果接近 时 对它们 的估计结果进行 加权平均 可 以提高 估计结果的准确率 加权平均法则为 Th e t a f i na l Th e t a v a r 1一 口 Th e t a e n t r o p y 1 3 式 1 3 中 Th e t a v a r 和 Th e t a e n t r o p y分 别 表示 两 种选 帧方法 用 于 D OA 估 计 所 得 的估 计 角 度 为加权因子 根 据不 同的环境信噪 比 选择不同 的加权因子 的取值范围为 0 O 5 4实验分析 4 1 仿真 实验 将 方 差选 帧方法 谱熵 选 帧方法 用于 虚拟 阵列 语音信号 D OA估计 实际阵元个数为 2 源信号 为单声源的纯净语音信号 声速 73 3 4 0 m s 采 样率 一 4 4 1 KHz 将信号在带宽 内平均分为 2 4个窄带分量 虚拟阵元间距 d为 2 其中 为参考频率 对应 的波长 实验一 选 取 6段不 同 的长 为 1 s 的纯 净语音 信 号依 次从 一 6 O 6 O 入射 到 阵列 0 5 通 过 选帧 处理 之后 最后 得 到方差 选帧 后 的 D OA估 计结果 谱熵选帧后的 DO A估计结果 以及将两者 的 D OA估计结果加权平均后的结果 把三种结果 与理 想 角 度 做 比较 最 后 得 到 均 方 根 误 差 曲 线 如 图 3所示 实验 二 选取 1 s 长 的语 音信 号 设 定 当声 源 来波 方 向为 2 0 蒙 特卡 洛次数 为 1 0 0次 在 不 同 信噪 比下 通过选帧处理后 得到三种结 果与理 想 角度 的均方 根误 差 如 图 4所 示 当声源来波方 向为 5 0 时 不同信噪比下 通 过选 帧处 理 后 得 到 三种 结 果 与 理 想 角 度 的 均方 根误 差 如 图 5所示 图 3的 仿真结 果表 明 在 理想 环境下 当声 源 偏离 中心的角度较小时 使用方差选 帧和谱熵选 帧 它们 的 D OA 估计结 果均 落 在有 效范 围 内 而 当声 源偏 离 中心角度 较 大时 它们 的 DOA估计 结 果 与理想 角度 的误 差偏 大 对 两种 选 帧后 的 DOA 估计 结果 进行 加权平 均 处理 可进 一 步 提高 D OA 估计 结果 的准 确度 图 3 不 同 声 源位 置 时 三种 DOA 估 计 结 果 的 均 方 根 误 差 曲 线 Fi g 3 C u r v e s o f t h r e e d i f f e r e n t r e s u l t s RM S e r r o r i n d i f f e r e n t s ou r c e l o c a t i on s 图 4 在 2 0 时 不 同信 噪 比 下三 种 DOA 估 计 结 果 与 理 想 的 均 方 根 误 差 曲 线 F i g 4 Di f f e r e n t DOA e s t i ma t i o n r e s u l t s RM S e r r o r wi t h i de a l r e s ul t i n 20 de g r e e s whe n SNR v a r i e s 图 4的仿真结果表明 当声源位置偏离 中心 角度较小 信噪比在 1 0 d B以上时 通过谱熵选 出 的帧 其 D OA 估 计 结 果 比通 过 方 差 选 出 的帧 其 D OA估计结果精 确度高 但 是 当信 噪 比下 降到 5 d B以下 两种方法所选 的帧的 D0 A 估计结果 第 2 期 周 鹤 等 一种 改进 的虚 拟阵列语音信号 D 0A估计算 法 3 2 3 相差不大 且 与理想 角度 偏差较大 在低信噪 比 下 对 两者 的估 计结 果 进 行 加 权 平 均 可 以提 高 准确 度 而在较高信噪比时 由于方差的 D OA估计结 果偏差较大 降低 了加权平均后 D OA估计结果的 准 确 度 图 5 在 5 O 时 不 同信噪 比 下三种 D 0A 估计 结果 与 理 想 的 均 方根 误 差 曲线 Fi g 5 Di f f e r e nt DOA e s t i ma t i on r e s u l t s RM S e r r or wi t h i de a l r e s u l t i n 50 de gr e e s whe n SNR va r i e s 图 5 仿 真 结 果 表 明 当声 源 偏 离 中心 角 度 较 大且信噪比在 一 1 0 d B以上 时 通 过谱熵选 出的 帧 其 DO A 估 计结 果 的精确 度 远高 于通 过方 差选 出的帧 的 D OA估 计结果精确度 但当信噪 比在 一 2 d B以上时 谱熵所选 帧的 DOA估 计结果偏差 在 可接 受范 围 内 而方 差选 帧 的 DO A 估 计结 果则 偏 差 较 大 加 权 平 均 在 前 两 者 估 计 结 果 接 近 时 可以进一步提高估计结果 的准确度 4 2实 际测试 在 室外 空 旷 的 环 境 下 对 本 文 方 法 进 行 实 际 测试 麦 克 风 阵 列 采 用 两 个 阵 元 声 源 为 单 个 声 源 声 速 一 3 4 0 m s 采 样 频 率 一 4 8 KHz 入 射角 度 的范 围为 一 4 5 4 5 实 际阵 元 间距为 0 3 0 1 r f l 中心频率 厂 为 2 8 1 2 5 Hz 将语音信号 平 均划 分 为 2 4个 窄带 由于是 室 外 空 旷环 境 信 噪 比较 高 口为 0 5 最 后得 出如 表 1所示 的 DOA 估 计 结果 准 确率 从 表 1可 知 根 据 方 差 最 小 选 出 的帧 和 根 据 最大熵选出的帧 它们 的估计结果准确率都较为 接 近 对 它 们 两 者 的 估 计 结 果 进 行 加 权 平 均 处 理后 的结果明显 比前两者 DOA估计准确率高 而 且 也较 稳定 表 1 三种 D O A估计结果的准确率 Ta b 1 Th e a c c u r a c y r a t e s o f t h r e e d i f f e r e n t D0A e s t i ma t i o n r e s u l t s 综上所述 谱熵 选帧 的较高 信噪 比情 况 下 其 D0A估 计结 果 比方差 选 帧 DOA估 计 结果 的精 度高 当方差选帧的 D OA估计结果和谱熵选帧的 DoA估计结果接近时 通过加权平均可以进一步 提高 DO A估计精度 5 结 语 语音 选帧 是 语 音 信 号 DOA 估 计 过 程 重 要 的 一 步 对于语音信号 DOA估计 所选取的帧能直 接影响 DOA估计结果 本文基于选帧方法对虚拟 阵列 语音 信号 的 D OA估 计 算法进 行 改进 通 过实 验可 以看 出 改进算法可以有效地提升 D OA估计 精度 和准确率 但是此算法需要选 帧 花费 的时 间代价较大 存在一定的局限性 参 考文 献 1 Hu i H T D i r e c t i o n o f a r r i v a l D 0A e s t i ma t i o n i n t h e p r e s e n c e o f a r r a y s i g n a l c o u p l i n g C P r o c e e d i ngs of 2 01 1 8 t h I nt e r n a t i ona l Co nf e r e n c e o n I n f or ma t i o n Co mmu n i c a t i o n s a n d S i g n a l Pr o c e s s i n g I CI CS S i n g a p o r e I EEE 2 0 1 1 E 2 董薇薇 何 培宇 李志 臣 一 种宽带 相干信 号源 的 D O A 估计新方法 E E l 全 国第 三届信 号和智 能信 息处理与应用学 术交 流会 专刊 昆 明 计 算机 工程 与应用 2 0 0 9 3 宋彦发 宽带信号 D O A估计算法及测向模糊问题 研究 D 成都 电子科技大学 2 0 0 8 4 殷晴青 何 培宇 相干 语音信 号的两 阵元 D O A 估 计新算法 J 信号处理 2 0 1 3 2 9 9 1 1 6 9 5 Hu a n g N E S h e n Z L o n g S R e t a 1 T h e e mp i r i c a l mo d e d e c o m p o s i t i o n a n d t h e Hi l b e r t s p e c t r u m f o r n o n l i n e a r a n d n o n s t a t i o n a r y t i m e s e r i e s a n a l y s i s J P r o c R o y a l S o c L o n d o n S e r i e s A Ma t h P h y En g S c i 1 9 9 8 4 5 4 1 9 7 1 9 0 3 6 3 乔峰 基 于信 息熵 和神经网络的语音端 点检测算 法 研究 D 太原 太原理工大学 2 0 0 8 7 刘柏森 卢志茂 申丽然 等 基 于希 尔伯特一 黄变 换的低信噪 比语音端点检测 J 吉林大学学报 工 学 版 2 0 1 1 4 1 3 8 4 4 3 2 4 四川大学学报 自然科 学版 第 5 2卷 8 9 1 O 1 1 B e n y a s s i n e A S h l o mo t E S u Hu a n y u e t a 1 I TU T Re c o mme n d a t i o n G 7 2 9 An n e x B a s i l e n c e c o mp r e s s i o n s c h e me f o r u s e wi t h G 7 2 9 o p t i mi z e d f o r V 7 O d i g i t a l s i mu l t a n e ou s v o i c e an d da t a a pp l i c a t i o n s J 1 I E E E C o mmu n