声源位置确定方法、装置和电子设备与流程
本公开涉及语音识别领域，尤其涉及一种声源位置确定方法、装置、电子设备及计算机可读存储介质。
背景技术：
作为一种人机交互的手段，语音识别的获取技术在解放人类双手方面意义重大。越来越多的智能设备加入了语音唤醒的潮流，成为人与设备沟通的桥梁，因此语音唤醒(keywordspotting，kws)技术愈发显得重要。
车载语音智能交互市场越来越大，驾驶途中，打电话、发短信、听音乐、导航等都可以通过智能语音控制。车载语音交互中，需要在汽车中布局采集声音用的麦克风，目前车载的麦克风布局有很多种，有只用一个麦克风来拾取机的的语音信号的方式，也有用多个麦克风组成的麦克风阵列来拾取语音信号的方式，每种布局都采用不同的信号处理方式。
由于汽车在行驶过程中会产生很多噪声，如行车过程中的车外胎噪、风噪，车内空调声、引擎声等行车环境噪声等等，现在的信号处理方式一般是对麦克风采集的声音进行噪声抑制以增加识别的准确率。但是现在技术中仅仅能识别出语音中是否包括唤醒词，并不能准确判断出发出唤醒词的位置；另外由于车内可能有多个人在说话，导致唤醒词的检测不够准确。因此如何从混合声音信号中得到发出预设声音的声音的位置成为亟待解决的问题。
技术实现要素：
提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
第一方面，本公开实施例提供一种声源位置确定方法，包括：
获取多个麦克风所采集到的多个混合声音信号，其中每个麦克风对应一个混合声音信号；
将所述多个混合声音信号进行声音分离得到多个声音信号，其中每个声音信号对应一个声源；
对所述多个声音信号进行预设声音检测；
根据至少一个检测到所述预设声音的声音信号确定所述声音信号的声源位置。
进一步的，所述获取多个麦克风所采集到的多个混合声音信号，包括：
获取n个麦克风所采集到的n个原始声音信号，所述n个声音信号中的每一个为n个声源的混合原始声音信号；
对所述n个原始声音信号进行降噪处理得到m个麦克风所对应的m个混合声音信号，所述m个混合声音信号中的每一个为m个声源的混合声音信号，其中m和n均为大于1的正整数，且m小于或等于n。
进一步的，所述将所述多个混合语音信号进行声音分离得到多个声音信号，包括：
将所述多个混合声音信号与预先设置的解混矩阵相乘得到多个声音信号，其中每个声音信号为所述多个混合声音信号与所述解混矩阵中的解混系数的乘积之和。
进一步的，所述将所述多个混合声音信号进行语音分离得到多个声音信号，包括：
将所述m个混合声音信号与预先设置的与所述m个混合声音信号对应的解混矩阵相乘得到m个声音信号，其中所述m个声音信号中的每一个为所述m个混合声音信号与所述解混矩阵中的解混系数的乘积之和。
进一步的，所述根据至少一个检测到预设声音的声音信号确定所述声音信号的声源位置，包括：
响应于在至少一个所述声音信号中检测到预设声音，计算所述预设声音所对应的声音信号的能量值；
将能量值高于能量阈值的声音信号所对应的声源位置作为声音信号的声源位置。
进一步的，所述响应于在多个所述声音信号中检测到预设声音，计算所述预设声音所对应的声音信号的能量值，包括：
计算每个声音信号在时域中每个时间点的能量值，并将所述能量值保存在存储器中；
响应于在多个所述声音信号中检测到所述预设声音，获取所述预设声音的开始时间点和结束时间点；
从所述存储器中获取所述开始时间点和结束时间点之间的能量值。
进一步的，所述将能量值高于能量阈值的声音信号所对应的声源的位置作为声音信号的声源位置，包括：
在能量值高于能量阈值的语音信号中筛选预设声音的置信度大于预设声音阈值的声音信号；
将预设声音的置信度大于预设声音阈值的声音信号所对应的声源位置作为声音信号的声源位置。
进一步的，所述解混矩阵通过以下步骤计算预先获得：
在每个声源位置播放测试声音信号得到麦克风采集的多个混合测试声音信号；
将所述多个混合测试声音信号通过短时傅里叶变换转换成多个频域混合测试声音信号；
获取所述解混矩阵的计算函数；
在所述解混矩阵的计算函数中加入方向约束并选择先验概率密度函数以得到代价函数；
根据所述多个频域混合测试声音信号以及预先设置的迭代次数迭代计算得到使得所述代价函数的值最小的解混矩阵作为所述预先设置的解混矩阵。
进一步的，所述麦克风的数量与所述声源的数量相等。
进一步的，所述声音信号为语音信号，所述预设声音为唤醒词，所述声音信号的声源位置为唤醒位置。
进一步的，所述方法还包括：
根据所述声音信号的声源位置执行所述声音信号中与所述声源位置相关的功能指令。
第二方面，本公开实施例提供一种声源位置确定装置，包括：
混合声音信号获取模块，用于获取多个麦克风所采集到的多个混合声音信号，其中每个麦克风对应一个混合声音信号；
混合声音信号分离模块，用于将所述多个混合声音信号进行声音分离得到多个声音信号，其中每个声音信号对应一个声源；
预设声音检测模块，用于对所述多个声音信号进行预设声音检测；
声源位置确定模块，用于根据至少一个检测到所述预设声音的声音信号确定所述声音信号的声源位置。
进一步的，所述混合声音信号获取模块还用于：
获取n个麦克风所采集到的n个原始声音信号，所述n个声音信号中的每一个为n个声源的混合原始声音信号；
对所述n个原始声音信号进行降噪处理得到m个麦克风所对应的m个混合声音信号，所述m个混合声音信号中的每一个为m个声源的混合声音信号，其中m和n均为大于1的正整数，且m小于或等于n。
进一步的，所述混合声音信号分离模块，还用于：
将所述多个混合声音信号与预先设置的解混矩阵相乘得到多个声音信号，其中每个声音信号为所述多个混合声音信号与所述解混矩阵中的解混系数的乘积之和。
进一步的，所述混合声音信号分离模块，还用于：
将所述m个混合声音信号与预先设置的与所述m个混合声音信号对应的解混矩阵相乘得到m个声音信号，其中所述m个声音信号中的每一个为所述m个混合声音信号与所述解混矩阵中的解混系数的乘积之和。
进一步的，所述声源位置确定模块，还用于：
响应于在至少一个所述声音信号中检测到预设声音，计算所述预设声音所对应的声音信号的能量值；
将能量值高于能量阈值的声音信号所对应的声源位置作为声音信号的声源位置。
进一步的，所述声源位置确定模块，还用于：
计算每个声音信号在时域中每个时间点的能量值，并将所述能量值保存在存储器中；
响应于在多个所述声音信号中检测到所述预设声音，获取所述预设声音的开始时间点和结束时间点；
从所述存储器中获取所述开始时间点和结束时间点之间的能量值。
进一步的，所述声源位置确定模块，还用于：
在能量值高于能量阈值的语音信号中筛选预设声音的置信度大于预设声音阈值的声音信号；
将预设声音的置信度大于预设声音阈值的声音信号所对应的声源位置作为声音信号的声源位置。
进一步的，所述解混矩阵通过以下步骤计算预先获得：
在每个声源位置播放测试声音信号得到麦克风采集的多个混合测试声音信号；
将所述多个混合测试声音信号通过短时傅里叶变换转换成多个频域混合测试声音信号；
获取所述解混矩阵的计算函数；
在所述解混矩阵的计算函数中加入方向约束并选择先验概率密度函数以得到代价函数；
根据所述多个频域混合测试声音信号以及预先设置的迭代次数迭代计算得到使得所述代价函数的值最小的解混矩阵作为所述预先设置的解混矩阵。
进一步的，所述麦克风的数量与所述声源的数量相等。
进一步的，所述声音信号为语音信号，所述预设声音为唤醒词，所述声音信号的声源位置为唤醒位置。
进一步的，所述声源位置确定装置，还包括：
功能执行模块，用于根据所述声音信号的声源位置执行所述声音信号中与所述声源位置相关的功能指令。
第三方面，本公开实施例提供一种电子设备，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，所述存储器存储有能被所述至少一个处理器执行的指令，所述指令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前述第一方面中的任一所述方法。
第四方面，本公开实施例提供一种非暂态计算机可读存储介质，其特征在于，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行前述第一方面中的任一所述方法。
本公开实施例公开了一种声源位置确定方法、装置、电子设备和计算机可读存储介质。其中该声源位置确定方法包括：获取多个麦克风所采集到的多个混合声音信号，其中每个麦克风对应一个混合声音信号；将所述多个混合声音信号进行声音分离得到多个声音信号，其中每个声音信号对应一个声源；对所述多个声音信号进行预设声音检测；根据至少一个检测到预设声音的声音信号确定所述声音信号的声源位置。上述方法通过对混合声音进行分离，并根据分离后的声音检测到的预设声音来确定声源位置，解决了现有技术中不能准确判断声源位置的技术问题。
上述说明仅是本公开技术方案的概述，为了能更清楚了解本公开的技术手段，而可依照说明书的内容予以实施，并且为让本公开的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1为本公开实施例的应用场景示意图；
图2为本公开实施例提供的声源位置确定方法的流程示意图；
图3为本公开实施例提供的声源位置确定方法步骤s201的具体实现方式的示意图；
图4为本公开实施例的声源位置确定方法的解混矩阵的计算步骤；
图5为本公开实施例提供的声源位置确定方法步骤s204的具体实现方式的示意图；
图6为本公开实施例提供的语音唤醒装置的实施例的结构示意图；
图7为根据本公开实施例提供的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
图1为本公开实施例的应用场景示意图。如图1所示为车载麦克风的布局，在该示例性的布局中，所述汽车中布局有4个麦克风，分别布局在汽车的主驾驶位、副驾驶位以及后排两个座位的上方。这4个麦克风同时采集车内的声音信号，当检测到有语音输入时，将语音发送至语音识别装置进行识别，当识别出目标语音(即，唤醒词)，根据识别出目标语音的声源的位置确定唤醒位置，并执行所述唤醒词所对应的功能，这样可以结合唤醒词的位置确定执行功能的位置。
图2为本公开实施例提供的声源位置确定方法实施例的流程图，本实施例提供的该声源位置确定方法可以由一声源位置确定装置来执行，该声源位置确定装置可以实现为软件，或者实现为软件和硬件的组合，该声源位置确定装置可以集成设置在声源位置确定系统中的某设备中，比如声源位置确定服务器或者声源位置确定终端设备中。如图2所示，该方法包括如下步骤：
步骤s201，获取多个麦克风所采集到的多个混合声音信号，其中每个麦克风对应一个混合声音信号；
示例性的，所述多个麦克风为布置在特定空间中的多个麦克风，如布局在房间中、车辆中的多个麦克风。本公开实施例以布置在车辆中的麦克风为例进行说明，但是可以理解的，所述多个麦克风可以为布置在任何空间中的多个麦克风，在此不做限制。
在本公开实施例中，以语音信号作为声音信号进行说明，但是本公开中的技术方案中的声音信号并不限于语音信号，任何其他声音信号均可以使用本公开的方案确定声源位置，在此不再赘述。
在本公开的实施例中，每个麦克风所采集到的声音信号为从多个声源接收到的语音信号的混合语音信号。在本公开中，麦克风的数量与声源的数量相等。混合语音信号在时域中可以用以下公式(1)表示：
其中xj(t)表示t时刻，第j个麦克风所接收的混合语音信号；aji为加权系数，其由冲击响应函数确定；si(t)为声源信号；m为麦克风以及声源的数量。
由上述公式可以看出，混合语音信号在时域中是由每个声源信号以及其加权系数确定的，其中加权系数以及声源信号都是未知的。
可选的，所述步骤s201还包括：
步骤s301，获取n个麦克风所采集到的n个原始声音信号，所述n个声音信号中的每一个为n个声源的混合原始信号；
步骤s302，对所述n个原始声音信号进行降噪处理得到m个麦克风所对应的m个混合声音信号，所述m个混合声音信号中的每一个为m个声源的混合声音信号，其中m和n均为大于1的正整数，且m小于或等于n。
在该实施例中，在获取到多个声源的混合原始信号之后，需要先进行降噪处理。在该实施例中包括n个麦克风和n个声源，在经过降噪处理之后，可以得到由m个声源的信号混合的m个混合语音信号，此时分为两种情况：如果不区分声音区域，则经过降噪处理之后的混合语音信号中包括m个声源的信号；如果区分声音区域，则经过降噪处理，可以将声音较小的声音作为噪音过滤掉，此时只保留部分声源的信号，并且所保留的声源的数量和所使用的麦克风的数量相等。示例性的，在汽车中在4个座位上分别设置1个麦克风，一共有4个麦克风，每个麦克风都接收4个座位的声源的信号，在不区分声音区域的情况下，对每个麦克风来说，对4个声源信号进行降噪处理后得到4个声源信号的混合信号，此时麦克风和声源的数量均为2；在区分声音区域的情况下，可以将汽车分为前排区域和后排区域，此时通过设置噪声过滤模型，前排的两个麦克风接收到的后排声源的信号被当作噪声过滤掉，只保留前排两个声源的信号，对于后排也是一样，将前排声源信号当作噪音过滤掉，只保留后排两个声源的信号，此时对于前排或后排的两个麦克风来说，其采集到的混合语音信号中只包括前排声源或者后排声源的信号，此时麦克风和声源的数量均为2。
可以理解的，所述降噪处理可以使用预先训练好的降噪模型。示例性的，该降噪模型为通过实测车内噪声数据训练而来的dnn(深度神经网络)模型，可以有效消除车外胎噪、风噪，车内空调声、引擎声以及较小的人声等车载环境噪声。
步骤s202，将所述多个混合声音信号进行声音分离得到多个声音信号，其中每个声音信号对应一个声源；
在该步骤中，从所述多个混合语音信号中分离出多个语音信号，所述语音信号为声源所对应的语音信号。
可选的，所述步骤s202包括：
将所述多个混合声音信号与预先设置的解混矩阵相乘得到多个声音信号，其中每个声音信号为所述多个混合声音信号与所述解混矩阵中的解混系数的乘积之和。上述公式(1)在时域中表示了混合语音信号，在实际处理时，通常需要将其转换到频域中，假设麦克风数目和声源数目均为k，时间帧
xf,n＝afsf,n(2)
其中xf,n为x的短时傅里叶变换结果，sf,n为s的短时傅里叶变换结果，
yf,n＝wfxf,n(3)
则wf就是xf,n的解混矩阵，yf,n为解混后的声源信号。
由此，在预先计算出解混矩阵wf的情况下，可以使用该解混矩阵将混合语音信号中的每一个语音信号分离出来。其中，
可选的，所述步骤s202包括：
将所述m个混合声音信号与预先设置的与所述m个混合声音信号对应的解混矩阵相乘得到m个声音信号，其中所述m个声音信号中的每一个为所述m个混合声音信号与所述解混矩阵中的解混系数的乘积之和。
在该可选实施例中，所述预先设置的解混矩阵为多个，每个解混矩阵对应一个声音区域，与m个麦克风和m个声源对应。示例性的，所述麦克风为设置在汽车4个座位上方的4个麦克风，声源为4个座位上的4个声源，将声音区域分为2个，前排两个麦克风为一个声音区域，使用解混矩阵w1；后排两个麦克风为一个声音区域，使用解混矩阵w2。其中w1和w2均为针对特定麦克风和特定声源位置预先计算出来的解混矩阵。
其中，可选的，预先计算所述解混矩阵的步骤如下：
步骤s401，在每个声源位置播放测试声音信号得到麦克风采集的多个混合测试声音信号；
步骤s402，将所述多个混合测试声音信号通过短时傅里叶变换转换成多个频域混合测试声音信号；
步骤s403，获取所述解混矩阵的计算函数；
步骤s404，在所述解混矩阵的计算函数中加入方向约束并选择先验概率密度函数以得到代价函数；
步骤s405，根据所述多个频域混合测试声音信号以及预先设置的迭代次数迭代计算得到使得所述代价函数的值最小的解混矩阵作为所述预先设置的解混矩阵。
在步骤s401中，在每个声源位置上播放测试语音信号，例如纯净的语音信号等，这样可以得到多个麦克风所采集到的多个混合测试语音信号，该语音信号为时域信号，如上述公式(1)中所示；在步骤s402中，将步骤s401中得到的时域信号通过短时傅里叶变化转换到的频域上生成多个频域上的混合测试语音信号，如上述公式(2)中所示；在步骤s403中，通过近似的方法得到所述解混矩阵的估计值，所述估计值为解混矩阵的近似计算函数，示例性的，根据最大后验概率优化问题可得到解混矩阵的计算函数为：
其中ω为解混矩阵的集合，
在步骤s404中，对上述公式(4)加入方向约束并选择先验概率密度函数之后，得到解混矩阵的代价函数：
其中
在步骤s405中，根据所述多个频域混合测试语音信号以及预先设置的迭代次数，使用预定的方法迭代计算得到使得公式(5)的值最小的解混矩阵作为所述预先设置的解混矩阵。其中预定的方法典型的可以为梯度下降法等，或者在本公开中，可以使用以下迭代方法进行迭代，计算出所述解混矩阵：
令加权的麦克风信号的协方差矩阵为：
其中
则，
其中ek表示一个第k位为1的规范单位向量。
通过初始化
最终通过：
可以计算出
步骤s203，对所述多个声音信号进行预设声音检测；
在本公开实施例中，以唤醒词作为预设声音进行说明，但是本公开中的技术方案中的预设声音并不限于唤醒词，任何其他预设声音均可以使用本公开的方案确定声源位置，在此不再赘述。
在步骤s202中分离出声源所对应的语音信号之后，对每个语音信号进行唤醒词检测。示例性的，可以通过预先训练好的唤醒词检测模型进行检测，所述唤醒词检测模型使用大量的目标唤醒词进行训练得到；可选的，所述唤醒词检测模型的输出包括是否包括唤醒词；可选的，所述唤醒词检测模型可以为二分类模型，此时所述唤醒词检测模型可以检测语音中是否包含某个特定的唤醒词，其输出结果为包含唤醒词或者不包含唤醒词；或者，所述唤醒词检测模型还可以是多分类模型，其可以检测语音中是否包含多个唤醒词中的一个，其输出结果为包含唤醒词以及唤醒词的类型或者不包含唤醒词。
在一个实施例中，当所述唤醒词检测模型的输出结果为包含唤醒词时，其还输出所述唤醒词的置信度，即所述语音中包含所述唤醒词的概率。所述唤醒词检测模型在分类时，会根据其计算出来的唤醒词的置信度进行分类，如模型设置当某个唤醒词的置信度大于70％时，表示识别出该语音中包含所述唤醒词，此时输出识别结果为识别出该唤醒词，且该唤醒词的置信度的具体值，如80％。
步骤s204，根据至少一个检测到所述预设声音的声音信号确定所述声音信号的声源位置。
声音信号与声源的位置有对应关系，这个对应关系可以预先设置，如分离出的第一个语音信号与驾驶位对应，分离出的第二个语音信号与副驾驶位对应，以此类推。如此，根据检测到所述预设声音的声音信号可以确定所述声音信号的声源位置，即根据检测到的语音信号即可确定语音唤醒的位置。
然而，在车载麦克风的场景下，由于声音信号比较复杂，可能出现对预设声音误识别的情况。为了解决这个问题，可选的，所述步骤s204包括：
步骤s501，响应于在至少一个所述声音信号中检测到预设声音，计算所述预设声音所对应的声音信号的能量值；
步骤s502，将能量值高于能量阈值的声音信号所对应的声源位置作为声音信号的声源位置。
语音信号具有能量，说话的声音越大，声音的能量越大。因此为了防止误识别，可以通过检测语音信号的能量来判断是否有人发出语音，将能量不高的语音信号当作误识别的语音信号过滤掉，以增加识别的准确度。示例性的，可以在信号的时域中计算其能量值，如xt为语音信号在时间点t的振幅，则所述语音信号在该时间点的能量为
可选的，所述步骤s501进一步包括：
计算每个声音信号在时域中每个时间点的能量值，并将所述能量值保存在存储器中；
响应于在多个所述声音信号中检测到所述预设声音，获取所述预设声音的开始时间点和结束时间点；
从所述存储器中获取所述开始时间点和结束时间点之间的能量值。
在该实施例中，实时计算每个语音信号在时域中每个时间点的能量值，并将所述能量值保存在存储器如缓冲存储器中。在检测到语音信号中包括唤醒词时，此时可以获取到唤醒词在语音信号中的位置，即开始时间点和结束时间点，之后根据所述开始时间点和结束时间点从所述存储器中获取这两个时间点之间的每个时间点所对应的能量值，并计算这些能量值的和值作为所述唤醒词的能量值。
在另一个实施例中，即便能量值高于预设的能量阈值，也可能由于唤醒词检测的误判导致唤醒词的检测错误，因此可选的，所述步骤s502进一步包括：
在能量值高于能量阈值的语音信号中筛选预设声音的置信度大于预设声音阈值的声音信号；
将预设声音的置信度大于预设声音阈值的声音信号所对应的声源位置作为声音信号的声源位置。
示例性的，如麦克风采集到的是4个声源的语音信号的混合语音信号，此时坐在后排左侧的乘客大声说出了唤醒词，由于声音比较大，驾驶位和后排右侧的位置所对应的语音信号中也检测到唤醒词，但是此时其检测出的唤醒词的置信度是不同的，如驾驶位检测到的唤醒词的置信度为70％，后排右侧检测到的唤醒词的置信度为75％，而后排左侧检测到的唤醒词的置信度为90％，此时可以设置一个唤醒词的置信度的唤醒阈值，如85％，则通过这个阈值可以过滤到驾驶位以及后排右侧的位置，最终确定后排左侧的位置为语音唤醒的位置。
可以理解的，当有多个语音信号中的唤醒词满足上述能量值的条件或满足上述能量值以及置信度的条件时，可以确定多个位置为语音的唤醒位置。
通过上述步骤s204，可以更加准确的判断出预设声音的发出位置，由此可以更加准确的执行所述预设声音所对应的功能。
进一步的，所述方法还包括：根据所述声音信号的声源位置执行所述声音信号中与所述声源位置相关的功能指令。如在汽车的语音控制场景下，当车内用户说出“开打窗户”时，可以通过确定唤醒语音的唤醒位置，打开唤醒位置所对应的车窗，而不是打开所有的车窗；当用户说出“调低空调温度”时，可以判断用户位于车前排还是后排，以对温度进行分区控制。
本公开实施例公开了一种声源位置确定方法，该声源位置确定方法包括：获取多个麦克风所采集到的多个混合声音信号，其中每个麦克风对应一个混合声音信号；将所述多个混合声音信号进行声音分离得到多个声音信号，其中每个声音信号对应一个声源；对所述多个声音信号进行预设声音检测；根据至少一个检测到预设声音的声音信号确定所述声音信号的声源位置。上述方法通过对混合声音进行分离，并根据分离后的声音检测到的预设声音来确定声源位置，解决了现有技术中不能准确判断声源位置的技术问题。
在上文中，虽然按照上述的顺序描述了上述方法实施例中的各个步骤，本领域技术人员应清楚，本公开实施例中的步骤并不必然按照上述顺序执行，其也可以倒序、并行、交叉等其他顺序执行，而且，在上述步骤的基础上，本领域技术人员也可以再加入其他步骤，这些明显变型或等同替换的方式也应包含在本公开的保护范围之内，在此不再赘述。
图6为本公开实施例提供的声源位置确定装置实施例的结构示意图，如图6所示，该装置600包括：混合声音信号获取模块601、混合声音信号分离模块602、预设声音检测模块603和声源位置确定模块604。其中，
混合声音信号获取模块601，用于获取多个麦克风所采集到的多个混合声音信号，其中每个麦克风对应一个混合声音信号；
混合声音信号分离模块602，用于将所述多个混合声音信号进行声音分离得到多个声音信号，其中每个声音信号对应一个声源；
预设声音检测模块603，用于对所述多个声音信号进行预设声音检测；
声源位置确定模块604，用于根据至少一个检测到所述预设声音的声音信号确定所述声音信号的声源位置。
进一步的，所述混合声音信号获取模块601还用于：
获取n个麦克风所采集到的n个原始声音信号，所述n个原始声音信号中的每一个为n个声源的混合原始信号；
对所述n个原始声音信号进行降噪处理得到m个麦克风所对应的m个混合声音信号，所述m个混合声音信号中的每一个为m个声源的混合声音信号，其中m和n均为大于1的正整数，且m小于或等于n。
进一步的，所述混合声音信号分离模块602，还用于：
将所述多个混合声音信号与预先设置的解混矩阵相乘得到多个声音信号，其中每个声音信号为所述多个混合声音信号与所述解混矩阵中的解混系数的乘积之和。
进一步的，所述混合声音信号分离模块602，还用于：
将所述m个混合声音信号与预先设置的与所述m个混合声音信号对应的解混矩阵相乘得到m个声音信号，其中所述m个声音信号中的每一个为所述m个混合声音信号与所述解混矩阵中的解混系数的乘积之和。
进一步的，所述声源位置确定模块604，还用于：
响应于在至少一个所述声音信号中检测到预设声音，计算所述预设声音所对应的声音信号的能量值；
将能量值高于能量阈值的声音信号所对应的声源位置作为声音信号的声源位置。
进一步的，所述声源位置确定模块604，还用于：
计算每个声音信号在时域中每个时间点的能量值，并将所述能量值保存在存储器中；
响应于在多个所述声音信号中检测到所述预设声音，获取所述预设声音的开始时间点和结束时间点；
从所述存储器中获取所述开始时间点和结束时间点之间的能量值。
进一步的，所述声源位置确定模块604，还用于：
在能量值高于能量阈值的语音信号中筛选预设声音的置信度大于预设声音阈值的声音信号；
将预设声音的置信度大于预设声音阈值的声音信号所对应的声源位置作为声音信号的声源位置。
进一步的，所述解混矩阵通过以下步骤计算预先获得：
在每个声源位置播放测试声音信号得到麦克风采集的多个混合测试声音信号；
将所述多个混合测试声音信号通过短时傅里叶变换转换成多个频域混合测试声音信号；
获取所述解混矩阵的计算函数；
在所述解混矩阵的计算函数中加入方向约束并选择先验概率密度函数以得到代价函数；
根据所述多个频域混合测试声音信号以及预先设置的迭代次数迭代计算得到使得所述代价函数的值最小的解混矩阵作为所述预先设置的解混矩阵。
进一步的，所述麦克风的数量与所述声源的数量相等。
进一步的，所述声音信号为语音信号，所述预设声音为唤醒词，所述声音信号的声源位置为唤醒位置。
进一步的，所述声源位置确定装置，还包括：
功能执行模块，用于根据所述声音信号的声源位置执行所述声音信号中与所述声源位置相关的功能指令。
图6所示装置可以执行图2-图5所示实施例的方法，本实施例未详细描述的部分，可参考对图2-图5所示实施例的相关说明。该技术方案的执行过程和技术效果参见图2-图5所示实施例中的描述，在此不再赘述。
下面参考图7，其示出了适于用来实现本公开实施例的电子设备700的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示，电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701，其可以根据存储在只读存储器(rom)702中的程序或者从存储装置708加载到随机访问存储器(ram)703中的程序而执行各种适当的动作和处理。在ram703中，还存储有电子设备700操作所需的各种程序和数据。处理装置701、rom702以及ram703通过总线704彼此相连。输入/输出(i/o)接口705也连接至总线704。
通常，以下装置可以连接至i/o接口705：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置709从网络上被下载和安装，或者从存储装置708被安装，或者从rom702被安装。在该计算机程序被处理装置701执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如http(hypertexttransferprotocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，adhoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：执行上述声源位置确定方法。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读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、或半导体系统、装置或设备，或者上述内容的任何合适组合。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。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
- 还没有人留言评论。精彩留言会获得点赞！