基于音頻特征的數目可變多說話人定位與跟蹤.pdf

1、通過麥克風陣列獲取語音信號，從中提取出能夠反應說話人位置的有效信息并不斷跟蹤說話人的當前位置是信號處理和目標跟蹤領域中的一項重要研究內容，在智能會議系統(tǒng)、語音增強、機器人導航中具有廣泛的應用。真實的智能環(huán)境中往往存在著多個說話人，說話人的數量和位置信息都會不斷的變化，因此，研究數目可變的多說話人定位與跟蹤問題對于構建可實施的智能會議系統(tǒng)、促進人機交互等具有更加實際的應用價值。本研究主要內容包括：
　?、裴槍诳煽毓β薯憫⊿RP

2、）的多聲源跟蹤算法定位復雜度高，弱聲源難以跟蹤的問題，本文利用環(huán)形陣列跟蹤近場多聲源的波達方向，首先利用語音信號在時-頻域的稀疏性和聲源間的屏蔽效應定義了信號的相關性，并利用相關性檢測主聲源較強的幀，其次利用環(huán)形陣列結合SRP方法獲取單幀主聲源的方位角，然后集合多幀的數據從方位角的統(tǒng)計直方圖中分析出當前聲源的數目和所在方位。并在多聲源的定位跟蹤中利用該方法來提取多聲源的定位特征，有效解決了多聲源的定位特征難以獲取和量測精度低的問題。仿真

3、實驗結果表明了該方法在估計聲源數目和聲源方位角的可行性和有效性。
　?、漆槍αＷ訛V波的廣泛應用，特別是在說話人跟蹤系統(tǒng)中的應用，本文對粒子濾波缺點做了深入的分析，并利用智能優(yōu)化算法來解決粒子濾波的粒子退化和貧化問題，通過分析已有優(yōu)化算法存在的問題，本文利用差分進化算法來優(yōu)化粒子濾波重采樣后的粒子，并將改進適應度函數和搜索策略應用于粒子的優(yōu)化過程中，在保持粒子多樣性同時加快了算法收斂的速度，有效解決了智能優(yōu)化粒子濾波在粒子多樣性和收

4、斂速度之間的矛盾，提高了其對于非線性系統(tǒng)狀態(tài)估計的精度。
　　⑶針對音頻多目標跟蹤中粒子濾波需要將量測值關聯至對應目標，且每個目標需要一個粒子濾波器導致跟蹤算法的計算量和所需粒子數量增加的問題，本文將粒子濾波算法和K-均值聚類算法結合來實現音頻多目標的跟蹤，粒子濾波將多目標的狀態(tài)作為整體進行更新和預測，然后利用K-均值聚類算法對重采樣后的粒子進行聚類，將同一目標的粒子歸類，并利用聲源區(qū)分度較高的環(huán)形陣列獲取定位特征，有效解決了粒子