声源定位设备和方法.pdf

(19)中华人民共和国国家知识产权局*CN102809742A*(12)发明专利申请(10)申请公布号CN102809742A(43)申请公布日2012.12.05(21)申请号201110157737.0(22)申请日2011.06.01(71)申请人杜比实验室特许公司地址美国加利福尼亚州(72)发明人双志伟大卫·麦格拉思格伦·迪肯斯(74)专利代理机构北京集佳知识产权代理有限公司11227代理人杜诚陈炜(51)Int.Cl.G01S5/18(2006.01)权利要求书权利要求书5页5页说明书说明书2121页页附图附图66页(54)发明名称声源定位设备和方法(57)摘要描述了声源定位设备和方法。基于通过话筒阵列获得的短时间帧数据计算帧幅度差向量。帧幅度差向量反映在记录短时间帧数据期间阵列话筒捕获的幅度之间的差。评价帧幅度差向量和多个参考帧幅度差向量中的每个之间的相似度。每个参考帧幅度差向量反映在记录来自多个候选位置之一的声音期间阵列话筒捕获的幅度之间的差。至少基于候选位置和相关的相似度估计声源的期望位置。能够至少基于幅度差来进行声源定位。CN1028974ACN102809742A权利要求书1/5页1.一种进行声源定位的方法，包括：基于通过话筒阵列获得的短时间帧数据计算帧幅度差向量，所述帧幅度差向量反映在记录所述短时间帧数据期间所述阵列的话筒捕获的幅度之间的差；评价所述帧幅度差向量和多个参考帧幅度差向量中的每个之间的相似度，所述多个参考帧幅度差向量中的每个反映在记录来自多个候选位置之一的声音期间所述阵列的话筒捕获的幅度之间的差；至少基于所述候选位置和相关的相似度估计声源的期望位置。2.如权利要求1所述的方法，还包括：根据基于时间差的音频定位方法评价多个可能位置中的每个是所述期望位置的可能性，并且其中所述估计包括基于所述候选位置、所述相似度、所述可能位置和所述可能性来估计所述期望位置。3.如权利要求2所述的方法，还包括：基于所述可能位置及其可能性导出用于估计所有位置是所述期望位置的概率的第一概率函数；基于所述候选位置及其相似度导出用于估计所有位置是所述期望位置的概率的第二概率函数；和基于所述第一概率函数和所述第二概率函数计算用于估计所有位置是所述期望位置的概率的组合概率函数，并且其中所述估计包括基于所述组合概率函数把具有最高组合概率的位置估计为所述期望位置。4.如权利要求3所述的方法，其中所述估计包括从所述第一概率函数的一个或多个峰位置中，或者从具有较高可能性的一个或多个可能位置中，选择与具有最大组合概率的位置最接近的位置。5.如权利要求3所述的方法，其中通过引入第一系数来导出所述第一概率函数，通过引入第二系数来导出第二概率函数，所述第一系数和所述第二系数使得所述组合概率函数对于所述相似度更加敏感。6.如权利要求2所述的方法，还包括：基于所述可能位置及其可能性，或者基于所述候选位置及其相似度，导出用于估计所有位置是所述期望位置的概率的概率函数，并且其中，所述估计包括从具有较高相似度的一个或多个所述候选位置中，或者从具有较高可能性的一个或多个所述可能位置中，基于所述概率函数选择具有最高概率的位置。7.如权利要求2所述的方法，其中所述估计包括：找到一对具有较高相似度的所述候选位置和具有较高可能性的所述可能位置，所述一对候选位置和可能位置彼此最接近；和选择所述一对候选位置和可能位置之一作为所述期望位置。8.如权利要求1所述的方法，其中根据下面的方法之一来计算所述帧幅度差向量：基于能量的方法和基于特征向量的方法。9.如权利要求1所述的方法，其中根据下面的方法之一来计算所述帧幅度差向量：基2CN102809742A权利要求书2/5页于时域样本值的方法和基于频域参数的方法。10.如权利要求1所述的方法，其中根据下面的方法之一来计算所述帧幅度差向量：基于所述短时间帧数据中各个信道上的平均幅度来计算所述帧幅度差向量；基于对协方差矩阵的特征向量分析来计算所述帧幅度差向量，所述协方差矩阵包含所述短时间帧数据中各个信道的时域样本值；和基于所述短时间帧数据中各个信道的频域上的平均幅度来计算所述帧幅度差向量。11.如权利要求1所述的方法，其中基于所述短时间帧数据中各个信道的谱参数的特征向量分析来计算所述帧幅度差向量。12.如权利要求11所述的方法，其中所述谱参数是下面类型的参数之一：FFT参数、梅尔倒频谱参数和子带能量。13.如权利要求11所述的方法，其中所述谱参数是复谱参数或幅度谱参数。14.如权利要求11所述的方法，其中通过对所述信道中的每个的多个子帧进行谱分析来获得所述信道的谱参数，并且其中所述信道的所有样本被组合成所述子帧。15.如权利要求14所述的方法，其中获得作为第二协方差矩阵的和的第一协方差矩阵，其中每个所述第二协方差矩阵对应于所使用频率