基于粒子濾波方法的說話人跟蹤技術(shù)研究.pdf

1、說話人跟蹤技術(shù)是物聯(lián)網(wǎng)、人工智能、智慧城市以及智能家居等研究領(lǐng)域的基礎(chǔ)支撐技術(shù)之一。傳統(tǒng)基于麥克風(fēng)陣列的聲源定位跟蹤方法在噪聲背景情況下容易出現(xiàn)虛擬峰值，導(dǎo)致估計錯誤。隨著濾波技術(shù)的發(fā)展，研究人員采用貝葉斯?fàn)顟B(tài)空間的方法，利用運動狀態(tài)模型的時間相關(guān)性和虛擬峰值的時間非連續(xù)性，很好地克服了這一缺陷。特別是適應(yīng)非線性、非高斯系統(tǒng)的粒子濾波技術(shù)的提出，進(jìn)一步促進(jìn)了說話人跟蹤技術(shù)的發(fā)展。
　　但是，當(dāng)前的研究多數(shù)都是在系統(tǒng)噪聲統(tǒng)計特性固定

2、的情況下展開，人為設(shè)定系統(tǒng)噪聲是相互獨立的，且服從高斯特性，方差不變，完全忽略了模型及觀測噪聲對系統(tǒng)跟蹤性能的影響。在實際的說話人跟蹤系統(tǒng)中，由于房間混響累計效應(yīng)的影響，導(dǎo)致觀測噪聲具有相關(guān)性，且統(tǒng)計特性無法預(yù)先精確獲知，嚴(yán)重影響了跟蹤器的精度和魯棒性。本文以說話人跟蹤技術(shù)為應(yīng)用背景，在充分考慮環(huán)境混響噪聲累積效應(yīng)、系統(tǒng)模型偏差噪聲以及傳感器陣列量測噪聲影響的情況下，進(jìn)一步擴展了粒子濾波的基礎(chǔ)理論和應(yīng)用環(huán)境，并在粒子濾波框架內(nèi)對非連續(xù)發(fā)

3、音、多個說話人重疊發(fā)音情況下的說話人跟蹤問題展開研究。主要完成了以下四個方面的研究內(nèi)容：
　?。?）基于相關(guān)檢測的自適應(yīng)粒子濾波方法。針對標(biāo)準(zhǔn)粒子濾波算法的采樣密度函數(shù)沒有融入最新觀測信息的缺陷，采用中心差分計算方法對重要性密度函數(shù)進(jìn)行實時更新，產(chǎn)生優(yōu)化的建議分布函數(shù)，較好地融入了最新觀測信息對采樣函數(shù)的實時修正，保證了采樣粒子的多樣性；考慮到采樣粒子數(shù)、濾波精度以及算法實時性矛盾的折中，利用說話人狀態(tài)的觀測值和模型估計值之間的相

4、關(guān)性，在相關(guān)檢測的思想建立了采樣粒子數(shù)自適應(yīng)更新規(guī)則，有效折中了跟蹤精度與運行時間之間的矛盾，在仿真實驗環(huán)境下驗證了算法的有效性和優(yōu)越性。
　?。?）噪聲統(tǒng)計特性未知及相關(guān)情況下的粒子濾波理論。以系統(tǒng)噪聲方差未知及特性相關(guān)情況下的說話人跟蹤系統(tǒng)為背景，研究了噪聲統(tǒng)計特性相關(guān)及未知情況的聯(lián)合濾波估計方法。首先，在相關(guān)噪聲模型的基礎(chǔ)上構(gòu)建說話人運動模型，分析求解相關(guān)噪聲統(tǒng)計特性的分布函數(shù)，并給出了噪聲聯(lián)合概率密度函數(shù)的有效度量分解形式

5、；接著，以獨立分解的概率密度函數(shù)為基礎(chǔ)推導(dǎo)了噪聲統(tǒng)計特性與目標(biāo)函數(shù)的聯(lián)合估計數(shù)值表達(dá)式。最后，在考慮噪聲統(tǒng)計特性未知及相關(guān)的基礎(chǔ)上，針對不同混響時間情況下的跟蹤精確性和系統(tǒng)抗干擾能力進(jìn)行了實驗分析。
　　（3）系統(tǒng)噪聲統(tǒng)計特性時變情況下的自適應(yīng)濾波方法。在實際的說話人跟蹤環(huán)境中，由于多源噪聲及房間混響的影響，導(dǎo)致系統(tǒng)觀測噪聲的統(tǒng)計特性不具有恒定不變性，預(yù)先設(shè)置的固定噪聲方差會降低系統(tǒng)模型擬合的可信度。以噪聲統(tǒng)計特性時變情況下的說話

6、人跟蹤問題為背景，研究了噪聲模型模糊自適應(yīng)跟蹤實現(xiàn)方法。在粒子濾波的框架內(nèi)采用布朗模型對說話人運動進(jìn)行建模估計，根據(jù)平滑估計值和當(dāng)前觀測信息之間的相關(guān)性，對估計誤差的均值和方差進(jìn)行平滑處理；并基于平滑估計的誤差特性采用模糊邏輯進(jìn)行噪聲方差的自適應(yīng)調(diào)整，實時保證模型具有較高的擬合度，克服了傳統(tǒng)濾波器不能對環(huán)境變化進(jìn)行實時優(yōu)化的缺陷。
　　（4）說話人發(fā)音斷續(xù)及語音重疊情況下的跟蹤問題。實際的說話人跟蹤系統(tǒng)中，經(jīng)常會出現(xiàn)語音的靜默以及

7、多人同時發(fā)音的重疊情況。首先，在粒子濾波的框架內(nèi)，采用隨機有限集（Random Finite Set: RFS）的思想進(jìn)行說話人運動狀態(tài)建模，將說話人的位置信息和發(fā)音狀態(tài)綜合成單個的變量集合，構(gòu)成系統(tǒng)模型的單一狀態(tài)變量；接著，將模型噪聲進(jìn)行解相關(guān)處理，保證在語音重疊情況下系統(tǒng)模型的相互獨立性，為解決多說話人的語音重疊問題提供獨立的噪聲模型；最后，在提出的解相關(guān)噪聲粒子濾波框架內(nèi)應(yīng)用RFS狀態(tài)模型進(jìn)行語音斷續(xù)及重疊情況下的說話人跟蹤處理。