1.一种基于卷积神经网络和子带SRP‑PHAT空间谱的声源定位方法,其特征在于,包括如下步骤:S1、麦克风阵列采集语音信号,对采集的语音信号进行分帧和加窗的预处理得到单帧信号;
S2、计算每帧信号的子带SRP‑PHAT空间谱矩阵;具体包括如下步骤:S21、对每帧信号进行离散傅里叶变换:
其中,xm(i,n)为麦克风阵列中第m个麦克风的第i帧信号,m=1,2,…,M,M为麦克风的数目,Xm(i,k)是xm(i,n)的离散傅里叶变换,表示第m个麦克风第i帧的频域信号,k为频率点,K为离散傅里叶变换的长度,N为帧长,K=2N,DFT(·)表示离散傅里叶变换;
S22、设计Gammatone滤波器组的脉冲响应函数:
其中,j表示Gammatone滤波器的序号;C是Gammatone滤波器的增益;t表示连续时间;a为Gammatone滤波器的阶数;表示相位;fj表示第j个Gammatone滤波器的中心频率;bj表示第j个Gammatone滤波器的衰减因子,bj计算公式为:bj=1.109ERB(fj)
ERB(fj)=24.7(4.37fj/1000+1)
对每个Gammatone滤波器的脉冲响应函数进行离散傅里叶变换:其中,Gj(k)是第j个Gammatone滤波器的频域表达式,k为频率点,K为离散傅里叶变换的长度,N为帧长,K=2N,fs表示信号采样率,DFT(·)表示离散傅里叶变换;
S23、计算每帧信号的子带SRP‑PHAT函数:
其中,P(i,j,r)表示波束方向为r时,第i帧信号的第j个子带SRP‑PHAT函数;M为麦克风阵列中麦克风的数目;τmn(r)表示声波从波束方向r传播到第m个麦克风和第n个麦克风的时间差,其计算公式为:其中,r表示波束方向的坐标,rm表示第m个麦克风的位置坐标,rn表示第n个麦克风的位置坐标,c为空气中的声速;
S24、对每帧信号的子带SRP‑PHAT函数进行归一化处理:S25、将同一帧信号的所有的子带SRP‑PHAT函数组合为矩阵形式,得到子带SRP‑PHAT空间谱矩阵:其中,y(i)表示第i帧信号的子带SRP‑PHAT空间谱矩阵,J为子带个数,即Gammatone滤波器的个数,L为波束方向的个数;
S3、将所有帧信号的子带SRP‑PHAT空间谱矩阵输入训练完成的卷积神经网络,输出语音信号属于每个方位角的概率,取概率最大的方位角作为该语音信号的声源方位角估计值。
2.根据权利要求1所述的一种基于卷积神经网络和子带SRP‑PHAT空间谱的声源定位方法,其特征在于,步骤S23中,当设定声源与麦克风阵列处于同一水平面,声源位于麦克风阵列的远场时,τmn(r)的等价计算公式为:T
其中,ξ=[cosθ,sinθ],θ为波束方向r的方位角。
3.根据权利要求1所述的一种基于卷积神经网络和子带SRP‑PHAT空间谱的声源定位方法,其特征在于,卷积神经网络包括依次连接的一个输入层、三个卷积‑池化层、一个全连接层和一个输出层;
卷积‑池化层中,每个卷积层采用大小为3×3的卷积核,步长为1,三层卷积层的卷积核个数依次为24、48和96,每个卷积层进行卷积操作后,先进行批量归一化,再使用ReLU函数激活,卷积操作中采用补零的方式使得卷积前后的特征维度保持不变;池化层采用最大池化方式,池化大小为2×2,步长为2;
卷积‑池化层后,将特征数据拉直变形为一维向量特征数据;
全连接层与一维向量特征数据的连接中加入Dropout连接方式;
输出层采用Softmax分类器。
4.根据权利要求1所述的一种基于卷积神经网络和子带SRP‑PHAT空间谱的声源定位方法,其特征在于,卷积神经网络的训练步骤如下:S1、将纯净语音信号与不同方位角的房间脉冲响应卷积,并加上不同程度的噪声和混响,生成多个不同指定方位角的方向性语音信号:xm(t)=hm(t)*s(t)+vm(t),m=1,2,...,M其中,xm(t)表示麦克风阵列中第m个麦克风接收到的指定方位角的方向性语音信号;m为麦克风的序号,m=1,2,…,M,M为麦克风的数目;s(t)为纯净语音信号;hm(t)表示从指定方位角到第m个麦克风的房间脉冲响应;vm(t)表示噪声;
S2、对所有方向性语音信号进行分帧和加窗的预处理得到单帧信号,并计算每帧信号的子带SRP‑PHAT空间谱矩阵;
S3、将所有方向性语音信号的子带SRP‑PHAT空间谱矩阵作为训练样本,将所有方向性语音信号的指定方位角作为对应训练样本的类别标签,将训练样本和类别标签作为训练数据集,采用带动量的随机梯度下降算法最小化损失函数来对卷积神经网络进行训练。