強(qiáng)噪聲環(huán)境下基于麥克風(fēng)陣列的說(shuō)話人定位方法研究.pdf

1、基于麥克風(fēng)陣列的說(shuō)話人定位與跟蹤是人機(jī)交互的一個(gè)重要研究課題，它在機(jī)器人、智能會(huì)議系統(tǒng)等領(lǐng)域有著廣泛的應(yīng)用。針對(duì)基于標(biāo)準(zhǔn)粒子濾波的音頻單特征說(shuō)話人定位精度低，魯棒性差的問題，本文充分利用音頻多特征的互補(bǔ)特性，并且對(duì)粒子濾波算法進(jìn)行改進(jìn)，提出一種基于音頻多特征自適應(yīng)融合的說(shuō)話人定位方法，實(shí)現(xiàn)強(qiáng)噪聲環(huán)境下說(shuō)話人的精確定位。本文的主要工作和創(chuàng)新如下:
　　考慮到標(biāo)準(zhǔn)粒子濾波中采用先驗(yàn)概率密度作為建議分布函數(shù)，丟失了量測(cè)信息，從而使得定位

2、不準(zhǔn)確的問題，采用迭代卡爾曼更新無(wú)味粒子濾波產(chǎn)生的均值和方差，形成新的建議分布函數(shù)，將最新的音頻量測(cè)信息融入到建議分布函數(shù)當(dāng)中，增強(qiáng)最新觀測(cè)信息對(duì)系統(tǒng)模型的實(shí)時(shí)修正作用，提高系統(tǒng)模型的轉(zhuǎn)移精度。并將改進(jìn)的粒子濾波用在說(shuō)話人定位中，提出一種基于迭代無(wú)味粒子濾波的聲源定位方法。仿真結(jié)果表明，改進(jìn)的方法相比于粒子濾波算法和無(wú)味粒子濾波算法有更精確的定位效果。
　　針對(duì)基于音頻單特征的定位容易受到背景噪聲的影響，進(jìn)而定位精度低和魯棒性差的

3、問題，通過引入特征信息的融合，提出一種基于音頻多特征自適應(yīng)融合的說(shuō)話人定位方法。該方法首先構(gòu)建出說(shuō)話人定位系統(tǒng)模型，通過系統(tǒng)模型定義特征間的差異度函數(shù)，并以此評(píng)價(jià)不同特征對(duì)目標(biāo)定位支持度的一致性。其次，通過分析加性融合和乘性融合的優(yōu)缺點(diǎn)，以特征間差異度大小為依據(jù)，提出一種自適應(yīng)的特征融合策略，通過比較差異度與限定閾值之間的大小來(lái)自適應(yīng)選取融合策略。最后，在粒子濾波框架下，通過定義的自適應(yīng)融合方法融合可控波束形成和相位變換加權(quán)的可控響應(yīng)功