[发明专利]一种定向拾音方法、装置及电子设备

说明书

本发明实施例提供了一种定向拾音方法、装置及电子设备，方法为：对两个麦克风采集的两路初始语音信号分别进行分帧处理；针对每一帧对应的两路初始语音信号分别进行频域转换，得到该帧对应的两路频域信号；再计算该帧的初始分离矩阵；基于预设的拾音方向相对于两个麦克风的角度，对每一帧的初始分离矩阵进行排序修正，得到该帧的目标分离矩阵；根据每一帧的目标分离矩阵，从该帧对应的两路初始语音信号中分离出目标语音信号在该帧对应的频域信号，目标语音信号为定向角度上的语音信号；分别对目标语音信号在每一帧对应的频域信号进行时域转换，得到目标语音信号。应用本发明实施例的方案可以减小定向拾音设备的尺寸。

技术领域

本发明涉及语音信号处理技术领域，特别是涉及一种定向拾音方法、装置及电子设备。

背景技术

定向拾音是一种语音增强方法，按照声音来源方向，在混杂的语音信号中进行目标语音信号的拾取，即只拾取特定方向传播来的语音信号，而过滤掉其他方向的噪声、干扰信号，从而达到增强目标语音的效果。

在安防领域进行定向拾音时，由于监控环境比较复杂，麦克风采集到的语音信号中噪声特别嘈杂，有用声音容易被噪声覆盖，因此如何能够过滤掉噪声、留下有用声音将变得特别有意义。

现有技术中，一般利用波束形成技术实现定向拾音，具体的，采用波束形成(Delayand sum beamformer，DSB)算法对设备上设置的各个麦克风所接收的语音信号进行处理，得到特定方向传播来的语音信号。其中，DSB算法是对麦克风阵列中各个麦克风上接收的语音信号进行时间补偿，每个麦克风接收的语音信号为一个通道信号，然后对各通道信号进行加权合成得到麦克风阵列所输出的语音信号，通过对每个通道信号设置合适的加权系数可以输出不同方向的语音信号，从而实现定向拾音，如图1所示，角度θ表示预设的拾音方向，每个通道对应的加权系数是根据角度θ确定的，图1中波束形成的加权系数a₀,a₁,...,a_M-1均为1/M，其中M表示麦克风阵列的个数。

波束形成技术通常需要较多数量的麦克风才能达到比较好的语音增强效果。目前在语音识别音箱和智能机器人上，常常需要使用6+1、7+1个麦克风形成的麦克风阵列来实现任意方向的定向拾音，虽然这样可以定向拾音，但是显然需要至少7-8个麦克风，导致结构设计复杂，麦克风阵列尺寸大。

发明内容

本发明实施例的目的在于提供一种定向拾音方法、装置及电子设备，以减小定向拾音设备的尺寸。具体技术方案如下：

为达上述目的目的，一方面，本发明实施例提供了一种定向拾音方法，所述方法包括：

按照预设的帧长和帧移参数，对两个麦克风采集的两路初始语音信号分别进行分帧处理；

针对每一帧对应的两路初始语音信号分别进行频域转换，得到该帧对应的两路频域信号；

根据每一帧对应的两路频域信号，计算该帧的初始分离矩阵；

基于预先设置的定向角度，对每一帧的初始分离矩阵进行排序修正，得到该帧的目标分离矩阵，其中，所述定向角度表示预设的拾音方向相对于两个麦克风的角度；

根据每一帧的目标分离矩阵，从该帧对应的两路初始语音信号中分离出目标语音信号在该帧对应的频域信号，其中，所述目标语音信号为所述定向角度上的语音信号；

分别对所述目标语音信号在每一帧对应的频域信号进行时域转换，得到所述目标语音信号。

可选的，在所述基于预先设置的定向角度，对每一帧对应的初始分离矩阵进行排序修正，得到该帧对应的目标分离矩阵的步骤之前，还包括：

对每一帧的初始分离矩阵进行尺度修正，得到该帧的中间分离矩阵；

所述基于预先设置的定向角度，对每一帧对应的初始分离矩阵进行排序修正，得到该帧对应的目标分离矩阵的步骤，包括：