[发明专利]一种基于多变量统计的助听器声源定位方法

说明书

技术领域：

本发明涉及一种数字助听器声源的定位方法。

背景技术：

对听障患者来说，声音定位障碍是最严重的问题之一。这会导致患者没法区分来自不同方向的声音，没法分辨期望得到的声音，甚至会把噪声当成期望得到的语音。同时，会使患者生成被环境隔离的感觉，以至于产生焦虑情绪。在一般环境中，定位困难只会给听力损伤者带来不便，但是在某些特定环境中，可能会造成危险。因此，在助听器研究领域中，声源定位与跟踪算法一直是一个非常有研究价值的课题。

早期对于人耳声源定位与跟踪的研究，主要是通过分析双耳耳间信号差异而实现。这类算法的缺点在于解决不了与双耳等距的中垂面上的声源的定位问题。2001年Bernard Widrow提出将麦克风阵列应用于数字助听器中，但是他假定患者感兴趣的声源方向始终在正前方，这限制了方案的有效性，并不能有效地实现声源的定位与跟踪。

还有一些科学家提出了基于HRTF(Head Related Transfer Function，头相关传递函数)的声源定位与跟踪方法。但是，不管是什么方法，所研究的包含定位信息的特征参数主要是时间差、相位差和强度差三种。在所有的基于时间差的算法中，广义互相关法(GCC)算法是最常用的算法。普通GCC方法在无混响环境下效果要比有混响环境下要好的多，针对这种情况，一些学者提出了一些改进算法。此外，Chen et al.提出利用麦克风阵列的多通道时延估计算法，并发现即使在噪声和混响环境下，性能也随麦克风数目的增加而改善。还有其他一些时延估计的算法，如基于子空间分解的时延算法及其改进算法，基于声学传递函数比的时延估计算法等。虽然GCC方法更倾向于估计信噪比强的信号的时延值，但是低的计算复杂度和易于实现的特点还是使GCC方法得到了比较广泛的应用。

但是由于噪声和混响的影响，GCC序列会变得杂乱，通过判断峰值获得时延估计的传统方法已经不再适用。

发明内容

本发明的所要解决的是克服噪声和回响情况下，声源定位困难的问题，提出一种基于小波域多变量统计的数字助听器声源定位方法，在获得精确定位同时，维持算法的低计算量。

本发明为解决上述技术问题，采用如下技术方案：

(1)采用位于同一平面的全向型麦克风方阵采集声源信号s_m∈R^l，m＝1，2，3，4，l为语音信号s_m的长度。设定任意一个麦克风为参考麦克风，如麦克风1。利用广义自相关算法计算麦克风1同其它三个麦克风的自相关序列，G_1p，p＝2，3，4。

(2)利用小波域多变量统计法计算麦克风对间时延τ_1p，p＝2，3，4，其具体步骤如下：

2a)首先把将长度为256的自相关序列G_1p，p＝2，3，4分解成16个长度为16的子序列M_k，k＝1，2，...，16，每个子序列M_k为一个多变量统计单元。

2b)将每个多变量统计单元再分解成4个长度为4小波处理单元W_i，i＝1，2，3，4。对每个小波处理单元W_i进行一维小波变换，提取四个haar小波系数：A₁(W_i)为粗略系数序列、D₁(W_i)、D₂(W_i)和D₃(W_i)为细节系数序列，组合为矩阵形式：