时延估计修改

1、西南科技大学自动化专业方向设计报告设计名称： 室内声环境下的传声器阵列时延估计 姓 名： 学 号: 班 级： 自动1204 指导教师： 何宏森 起止日期： 2015.11.06-2015.1.08 西南科技大学信息工程学院制方 向 设 计 任 务 书学生班级：自动1204 学生姓名： 学号： 设计名称： 室内声环境下的传声器阵列时延估计 起止日期： 2015.11.062015.1.08 指导教师： 何宏森 设计要求：在免提语音通信中，通常需要对房间中的声源定位。传声器阵列时延估计是声源定位的重要内容。房间混响、电路噪声、以及房间背景噪声等严重影响时延估计的精确性。本课题考虑在房间声环境下，利

2、用传声器阵列对声源到传声器阵列间的时延进行估计。 (1)阅读中英文参考文献，了解该课题的研究进展； (2)互相关、广义互相关、线性预测、多通道互相关系数、最小熵等方法估计时延；(3)研究信噪比变化、房间混响变化对时延估计性能的影响；(4)运用Matlab仿真实现；(5)论文撰写。方 向 设 计 学 生 日 志时间设计内容11.0611.15查阅资料分别了解传声器阵列以及传声器阵列的时延估计；11.1611.30明确课程设计的设计目的和意义、控制要求、设计方案论证；12.0112.15完成主程序的设计，修改和仿真；12.1612.30完成题目设计的要求，主要进行调试，并总结题目；1.08完成设计

3、报告，答辩；室内环境下的传声器阵列时延估计摘要：基于传声器阵列的声源定位技术通过传声器阵列接收语音信号并进行处理，从而确定及跟踪声源位置，是语音信号处理领域的一个新研究热点，具有广泛的应用前景和实际意义。本论文针对基于传声器阵列声源定位问题展开研究，主要做了以下几方面的工作：归纳总结并比较了主要的基于传声器阵列声源定位方法，建立了室内混响环境下房间脉冲响应的实现模型。同时研究了广义相关时延估计,多通道互相关系数时延估计法,线性预测法，最小熵估计时延的方法。关键词：传声器阵列； 声源定位； 时延估计Time Delay Estimation of microphone array in room

4、 reverberation environmentAbstract：Acoustic source localization based on microphone array can be used to determine and track an active talker automatically via picking up acoustic signal by microphone arrayIt is a hotspot in acoustic signal processing field and has wide applied foreground and practi

5、cal significationFocus on this problem，the following work has been done：Main acoustic source localization methods based on microphone array have been summarized and a realization mode of room impulse response inroom reverberation environment is proposedTime Delay Estimation(TDE)algorithms are resear

6、ched，including General Cross Correlation(GCC)algorithm and Spatial Linear Prediction Method(SLP), Multichannel Cross-Correlation CoefficientAlgorithm(MCCC) and Minimum Entropy Method(ME).Key words: microphone array; acoustic source localization; Time Delay Estimation 1 设计目的和意义1.1 时延估计简介时间延迟估计是表征信号的一

7、个基本参量，生活中人们所谓的时延是指从说话人开始讲话到受话人听到所说的内容的时间。一般人能忍受小于250ms的时延，若时延太长，会使通信双方都不舒服。 自1976年，Knapp和Carter关于广义相关的时延估计的论文发表以来，对时间延迟及其有关参量的估计一直是信号处理领域中活跃的研究方向。时间延迟估计在雷达、声纳、语音信号处理、地球物理勘探、故障诊断和生物医学工程等领域都有广泛的应用。它主要指利用信号处理的理论和方法对不同接收器所接收信号的时间差进行估计，来确定其它相关参量，如信源的距离、方位、速度和移动方向等。根据不同的测量环境、测量要求和不同信号的特性，分别有不同的时延估计方法，通常用到

8、的时延估计方法有相位法、双谱法、相关法、自适应滤波器参数模型法等。随着信号处理方法不断发展和完善，现代信号处理的各种算法引入到时延估计方法中，对多径时延、可变时延提高时延估计的精度、减小了计算量。1.2 时延估计进展自20世纪70年代起传声器阵列开始用于语音信号处理以来，到目前为止已经设计出各种各样的声源定位技术其中尤其是基于到达时间延迟的声源定位技术因其良好的实时性、计算量也不大而成为目前研究的热点之一。目前国际上主要的基本时延估计方法有相关法、广义加权相关时延估计算法、相关函数和功率谱密度函数、自适应时延估计算法等不同的方法。在时延估计算法中，相关法是最经典的时延估计方法，它通过信号的自相

9、关函数滞后的峰值估计信号之间延迟的时间差。这种方法简单易懂，容易实现，但它的不足之处是要求信号和噪声、噪声和噪声互不相关，对非平稳信号和可变时延估计的估计误差大，甚至不能估计。基于到达时间延迟的声源定位方法（TDOA）需要先估算出声源与传声器阵列各阵元之间的相对时差，然后根据得到的时差推导计算声源至各阵元之间的距离之差，最后再利用搜索算法或几何算法得到声源所处的位置故其实现可分为两步进行，即第一步估算出声音信号至传声器阵元之间的相对时间延迟，候选实现算法有：广义互相关函数法，多通道互相关系数（MCCC）算法等；第二步再利用所得的延迟值进行数学建模并利用阵元空间位置信息进行定位，具体实现算法有角

10、度距离定位算法、球形差值定位算法。其示意图如图1-1所示利用延迟数据进行声源定位估计各传声器对之间的声源信号到达时间延迟按一定位置摆放的传声器阵列接受声源信号 图1-1 基于时延估计的声源定位方法示意图广义加权相关时延估计算法(GCC)在作相关之前对接收信号进行预白处理，增强了信号中信噪比较高的频率成分，提高了信噪比，从而提高了时延估计精度。由于广义相关法是相关法的一种扩展，它仍然是统计学意义上的相关，实现起来有一定的难度，所以广义加权相关法一般用有限时间的函数值代替统计学上的时延真值，作为相关函数的估值进行时延估计。相关函数和功率谱密度函数是一对傅立叶变换对，信号的相似性既可由相关函数在时域

11、比较，也可由功率谱密度函数在频域比较，所以时延估计也可在频域实现。时延D通过傅立叶变换在频域上表现为功率谱密度函数的相位函数，从而通过相位函数对时延进行估计。2 设计方案论证2.1 时延估计的物理含义通常，假定信号在信道中以无色散球面波的方式传播，为了简化分析和研究，通常将信号源和接收器考虑在同一个平面中，从而将问题化简为二维定位问题。这样，在二维空间中，球面波退化为柱面波。如图2-1所示，由于信号到达两个传声器的路径不同，将会相隔一段时间差，这段时间差称为时延。而波阵面到达两个传声器之间的距离差称为声程差，等于介质中声音传播速度与时延的乘积。 波阵面 信号源声程差 传感器 传感器图2-1 由

12、声源辐射的波阵面产生的时延 假设声源与传声器距离较远，符合远场条件，则它辐射的信号可以看作是以平面波的形式传播，如图2-2所示： H=CxD q L 图2-2 远场条件下时延估计用于定向的原理图L为两传声器之间的距离，D表示信号到达两传声器之间的时延，C表示声速，H为声程差，则根据几何关系可知，声源相对与传声器阵列的方向角为： =cos-1(Hl)=cos-1(C×DL) (2-1)可知，知道了时延D，就可以计算出方位角。即通过时延来确定声源位置的理论是可行的。对图2-2所示的双基元被动定位系统，在无混响影响，且相关噪声较弱的情况下，有如下理想数学模型：x1t=st+w1t x2t=

13、st+D+w2(t) （2-2）式2-2中x1(t)和x2(t)分别为两传声器的接收信号，s(t)为x1(t)接收到的声源信号，D为两传声器之间的相对时延，是声波相对衰减系数，w1(t)和w2(t)是两传声器接收到的加性高斯噪声，且假设s(t)、w1(t)和w2(t)为互不相关的平稳随机过程。可见，时延估计就是根据不同位置接收器所接收到的同源信号，估计出其中所包含的时延信息，即用信号处理的方法求D的问题。时延估计的精度越高，定位误差就越小，每种时延估计方法各有利弊，应根据具体情况，结合精度要求和运算量限制进行选择。2.2 近场阵列信号接收模型近场环境下，传感器阵列接收信号的模型如图2-2 所示

14、。 图2-2 近场阵列接收信号模型图 2-2中，c 为声速，r 为声源到传感器之间的距离，d 为传声器之间的距离， 为时间延迟。以1通道和2 通道为例，接收信号模型为： x1t=1tst-1+n1tx2t=2tst-2+n2t (2-3) 式中，s(t)为声源信号； x1t 和x2t 分别为第1和第2号声传感器的接收信号；a(t)为声道衰减因子。在此假设1t和 2t时间上独立，n1表示加性背景噪声，i=1,2.3 系统设计3.1 声源定位系统模型3.1.1 基于传声器阵列的声源定位系统描述本论文研究的基于传声器阵列的声源定位系统，主要针对室内场合的应用，图3-1描述了一个实际的声源定位系统:

15、反射部分 室内房间 说话人 直接部分 （待定位声源） 传声器阵列 噪声的直接部分 噪声源 反射部分 图3-1 基于传声器阵列的声源定位系统 从图3-1可知，传声器阵列接收到的信号除声源信号的直达部分外，还包括声源的多重反射信号、噪声及多重反射噪声。因此，由于非直达声源信号及噪声的存在，声源定位的精度将受到影响。假定室内环境在一段时间内保持不变，则从声源到传声器之间可以看成是线性时不变系统。设声源信号为s(n)，第i个传声器接收到的信号为 xi（n)， 则： xin=hin*sn+wi(n) （3-1）其中hi(n)是房间的单位冲击响应，wi(n)为高斯白噪声。假设声源信号只受加性噪声的影响，则

16、可抽象出更为理想的模型： xin=sn+wi(n) （3-2）为信号的衰减系数。3.1.2 混响模型当语音信号在传播过程中，由于反射、衍射等原因，到达传声器的语音信号除了直达信号外还存在着多条其它路径传来的信号，从而使接收信号的幅度衰减、音质变差等，这种现象称为混响。在理论上可用反卷积或者反滤波来消除混响，但实际中这种方法很难实现，所以进行信号处理时混响会影响到定位精度。 4 设计结果及分析 4.1 时延估计算法4.1.1 相关时延估计理论相关分析是比较两个函数或信号的时间域相似程度的基本方法，设x1(t)和x2(t)分别是两个在空间上独立的传感器接收的两个信号，其源信号为s(t)，n1(t)

17、和n2(t)是相互独立的均值为零，方差为l的高斯自噪声， D是延迟时间，表示衰减系数，观察时间范围一t，有： x1t=st+n1(t) （4-1） x2t=st-D+n2(t) （4-2）而x1(t)和x2(t)的互相关函数为： Rx1x2()=Ex1(t)x2(t+)=Rss(-D) (4-3)因为： |Rss()| Rss(0) (4-4)所以Rx1x2（)在-D=0即=D处有一峰值，利用此峰值可检测和估计延迟。即： D=argmaxRss(-D) (4-5) 上式中，arg·表示取函数的自变量；max·表示求函数的最大值。4.1.2 广义相关时延估计理论 广义互相关时

18、延估计法的基本思想是先对两输入信号x1(t)和x2(t)进行预滤波，然后再求互相关函数，这样可以在一定程度上锐化互相关函数的峰值，提高时延估计的精度。广义互相关时延估计法的原理框图如图4-1所示。PEAKDETECTOR | |20T XH1x1 y1 DELAYH2 X2 y2 图4-1 广义互相关时延估计原理图信号x1(t)和x2(t)先经过预滤波器H1(f)和H2(f)进行滤波，变为y1(t)和y2(t)，然后再对y1(t)和y2(t)求互相关函数，最后经过峰值检测确定时延估计值D。在图4-1中，xl(t)和x2(t)经过预滤波处理后，预滤波器的输出端输出的互功率谱函数为:Gy1y2f=

19、H1(f)H2*Gx1x1(f) Gx1x2f=FFT(x1(t)FFT*(x2(t) (4-6)*表示复共f轭，则x1(t)和x2(t)之间的广义互相关函数可以表示为： Ry1y2=F-1Gy1y2f=-(f)ej2ftdf (4-7)其中, (f)=H1(f)H2*(f) (4-8)实际上，在有限的观测时间内，只能得到Gx1x2(f)的估计值，故上式可写为： Ry1y2=F-1Gy1y2f=-fGx1x2(f)ej2ftdf (4-9)上式中，y(f)=H1(f)H2*(f)为权函数。可以看出,预滤波的作用相当于对互功率谱进行加权。对不同的权函数，式4-9的值不同。若y(f)=1，就是基本

20、的互相关法，对于功率谱比较平坦的宽带信号，它的性能很好，但当功率谱随频率变化很大时，互相关函数仅由少数频率成分决定，就会产生比较大的时延估计误差。为改进这一问题，提出了多种频率加权函数，如Roth权函数、SCOT权函数、PHAT权函数、Eckan权函数和ML(或HT)权函数等。4.1.3 多通道时延估计方法(MCCC)基于时延估计的广义互相关算法，是对接收到的阵列信号进行互相关处理，得出通道间的时间延迟量的算法。根据几何关系，便可通过时间延迟量求解出目标的方位值。当阵元个数为3 时，便可得出方位估计值。本文提出的多通道时延估计方法，就是对多通道接收的阵列信号进行互相关处理，得出时延估计矩阵，然

21、后建立线性模型，根据最小方差无偏方法对目标方位量进行估计。时延估计量与目标距离之间的关系为： 12=r2-r1c13=r3-r1c (4-10)以 1 号阵元作为基准，式中12为1 通道与2 通道的相对时延估计值。由余弦定理可知: r2=d2+r12+2dr1cos1r3=(3-1d)2+r12+2(3-1)dr1cos1 （4-11)进一步推导可得： r1=12+2d2+2c12-c13+141=arccos(r1-r12-d2+c122r1d) (4-12)从式（4-12）中可以看出，目标方位值(r1,1)可以通过(12,13) 推算出。本文将方位估计值(r1,1)写为 A1(r1,1)

22、。根据多通道之间的相对时延估计值，建立多通道时延估计矩阵B，如式（4-13）所示。 (4-13)式（4-13）中，(N-1)N表示第N1和第N通道信号通过GCC算法得出的相对时延估计值。从矩阵B中取出ij和im的两个时延估计值，根据式（4-10）和式（4-11）便可得出类似于式（4-12）的一组目标方位估计值A1(r,)。当通道数为N时，可得出N(N 1)(N 2) / 6种(ij, im)组合，即相应数量的方位估计值。由此得出方位估计函数： (4-14)对方位估计值进行建模 ，然后通过最小方差无偏估计对加权系数矩阵进行最优估计，最后通过线性模型估计出最终的方位估计值。线性模型:Zr,=HA+

23、w （4-15）式中 Z 为最终的方位估计值；A 为方位估计函数；H 为加权系数矩阵；w 为噪声矢量，其PDF 为N(0,2I)。在建立线性模型后，需要对加权系数H进行估计，然后将方位估计函数A代入至模型中，得到最终估计值。加权系数H 需要在实际环境下进行校准，即在设定好的信号、时延值下，通过式（4-16）求得系数矩阵H： H=（ATA）-1ATZ=1,2,K （4-16）式 为先验信息确定好的常量值。最终的方位估计值位 Zr,=HA+w=1,2,K× A1r1,1,AKrN-1,N-1T+w (4-17)4.1.4 最小熵分析法（ME）根据信息论的相关知识，对于N维向量的联合分布p

24、（y），的不确定性可由其联合熵H(y，)进行表示：Hy,=-pylnp(y)dy （4-18）也可写成数学期望的形式：Hy,=-E(lnp(y) (4-19)式中，向量=(1.1,2.1,N.1)T,因此联合熵H(y,)可以定义为关于时延的一个函数。当p(y)服从期望为0的高斯分布时,H(y,)可以表示为： Hy,=-Elnpy =12ln2NdetR+12E(c) =12ln2eNdetR (4-20)为了对语言源进行准确定位，需要根据传声器阵列接收到语语言信号对音源所在的有限空间进行最小熵值的搜索，得到其搜索公式为： zloc=argmin H(y,) (4-21)4.1.5 线性预测分析

25、法（SLP）线性预测（LSP）技术广泛用于语言信号处理。它将语言信号s(n)根据最小均方误差准则，得到一组最佳线性预测系数1，2，p，构成逆滤波器A（z）。将样本序列s(n)进行逆 滤波，得到LPC残留误差e(n)。根据语言的生成模型，残留误差e(n)可以作为语言的激励信号的一个估计。设s(n)表示纯净语音信号，其预测值为s(n):sn=k=1pks(n-k) (4-22)Az=1-k=1pkz-k (4-23)en=sn-k=1pks(n-k) (4-24)令sp(n)=s(n)+d(n)表示含噪语音，d(n)表示室内噪声。 sp(n)基于最小均方误差准则可得到一组最佳线性预测系数ap1,a

26、p2,app，预测的残留误差为: epn=sn-k=1ppksn-k+dn-k=1ppkd(n-k) (4-25)忽略ap1,ap2,app和1，2，p之间的误差，得到：epn=en+dn-k=1ppkdn-k=en+d(n) （4-26）可见残余误差主要是由语音的激励信号和脉冲噪声的延迟加权迭加构成。两个不同位置的传声器接收同一语音源，假设残余误差信号中的激励信号只是语音源的激励信号的延迟，且忽略房间的激励响应对激励信号幅度的影响，则两个传声器的残余误差可写为：ep1n=en+d1n ep2n=en-m+d2(n) (4-27) Rep=Eep1nep2n =Een+d1nen-m +d2n

27、=Ree(m) (4-28)由于传声器的位置和房间的混响和噪声的影响，使得和不同且认为它们不相关，与语音激励信号也不相关，因此式后三项为0。这时的互相关就可以看作是两个传声器收到的激励信号的互相关，根据互相关的峰值的位置就可以得出时间延迟。因为这种方法关心的式不同位置传声器上激励信息的相对位置，因此忽略房间的冲击响应对激励源幅度实物影响是合理的。特别在发浊音时，相当于计算具有不同延迟的同一个准周期信号的互相关函数。4.1.6 时延估计仿真用MATLAB软件对MCCC，SLP和ME算法进行仿真实验，在不同的室内环境下（含噪声和混响）和由不同传声器个数（2个到6个）组成的不同阵列随和变化得到多组不

28、同的实验数据（见表（4-1）至（4-8）表4-1 MCCC、SLP和ME算法在无噪声环境下随传声器个数变化的畸变概率传声器个数23456MCCC0.11000.06800.06600.04600.0480SLP0.11000.08400.09000.08800.0900ME0.11000.06800.06600.04600.0480表4-2 MCCC、SLP和ME算法在无噪声环境下随传声器个数变化的非畸变估计RMSE传声器个数23456MCCC1.04721.02511.00000.98280.9826SLP1.04721.03031.01740.99050.9857ME1.04721.025

29、11.00000.98280.9826表4-3 MCCC、SLP和ME算法在无噪声环境下随T60变化的畸变概率T60100ms200ms300ms400ms500ms600msMCCC0.01000.04200.06800.05600.08200.0760SLP0.01600.04800.09000.09200.09800.0980ME0.01000.04200.06800.05600.08200.0760表4-4 MCCC、SLP和ME算法在无噪声环境下随T60变化的非畸变估计RMSET60100ms200ms300ms400ms500ms600msMCCC0.59120.81611.019

30、11.03441.07251.1603SLP0.62140.95051.05351.07541.11431.1350ME0.59120.81611.01911.03441.07251.1603表4-5 MCCC、SLP和ME算法在有噪声环境下随T60变化的畸变估计概率T60100ms200ms300ms400ms500ms600msMCCC0.00000.01800.03000.03000.03200.0340SLP0.00200.03000.04000.05200.05400.0560ME0.00000.01800.03000.03000.03200.0340 表4-6 MCCC、SLP和M

31、E算法在有噪声环境下随T60变化的非畸变估计RMSET60100ms200ms300ms400ms500ms600msMCCC0.36610.75521.02041.17711.25721.2572SLP0.38250.84101.15471.26291.34451.3445ME0.36610.75521.02041.17711.25721.2572表4-7 MCCC、SLP和ME算法在有噪声环境下随SNR变化的畸变概率SNR0dB5dB10dB15dB20dB25dB30dB35dB40dBMCCC0.92710.94760.98341.00001.02831.03341.03631.030

32、41.0274SLP1.01190.97321.04371.10251.16341.17971.16431.16611.1622ME0.92710.94760.98341.00001.02831.03341.03631.03041.0274表4-8 MCCC、SLP和ME算法在有噪声环境下随信噪比SNR变化的非畸变RMSESNR0dB5dB10dB15dB20dB25dB30dB35dB40dBMCCC0.9571 0.7902 0.5445 0.5216 0.4963 0.4017 0.3928 0.3721 0.3522 SLP1.0119 0.8102 0.6002 0.5867 0.5

33、243 0.5122 0.4976 0.4421 0.4211 ME0.9571 0.7902 0.5445 0.5216 0.4963 0.4017 0.3928 0.3721 0.3522 通过表4-1和表4-2可知，MCCC和ME算法在无噪声环境下随传声器个数变化的畸变概率较SLP算法的小，而在无噪声环境下随传声器个数变化的非畸变概率三种算法几乎一致。通过表4-3和表4-4可知，MCCC和ME算法在无噪声环境下随T60变化的畸变概率较SLP算法的小，而在无噪声环境下随T60变化的非畸变概率三种算法几乎一致。通过表4-5和表4-6可知，MCCC和ME算法在有噪声环境下随T60变化的畸变概率

34、较SLP算法的小，而在有噪声环境下随T60变化的非畸变概率三种算法几乎一致。通过表4-7和表4-8可知，MCCC和ME算法在有噪声环境下随SNR变化的畸变概率较SLP算法的小，而在有噪声环境下随SNR变化的非畸变概率三种算法几乎一致。综合上述分析，可以知道，多通道互相关系数法（MCCC）和最小熵时延估计法（ME）在有噪声和无噪声环境下，伴随室内混响以及信噪比变化的过程中，较线性预测时延估计法（SLP）更加优越一些，对声源信号的保真效果更好。 结束语：通过一个月的课程设计，从得到题目，查阅相关资料，熟悉题目，再通过老的指导，找到了资料查阅的方向，进一步知道了应该怎样去应对和解决这个题目，开始动手解决题目，在完成的过程中也遇到了许多的问题，在解决的过程中当然也学到了很多，比如开始计划用MATLAB进行仿真设计，加深了对软件的使用和了解。在整个课程设计的过程中，学到最多的当然还是关于时延估计的算法，了解了目前最优秀的时延估计的算法和传统时延估计算法的差异，以及传统时延估计的原理，最终实现了时延估计的检测，并完成了模型的调试，提升了自己的动手能力。最后感谢指导老师在整个过程的辛勤指导和同学的热心帮助，也感谢这次课程设计让自己得到了一定的能力提升