[发明专利]基于音频的紧急车辆检测与追踪

说明书

本公开涉及基于音频的紧急车辆检测与追踪。提供了用于基于音频的声源检测和追踪的技术。一种实现根据实施例的技术的方法论包括：根据麦克风阵列所提供的信号生成声学信号频谱；以及使用用于降噪的时间‑频率掩模对声学信号频谱执行波束成形以生成波束信号频谱。该方法还包括由深度神经网络(DNN)分类器在波束信号频谱中检测与声源相关联的声学事件。DNN是在与声学事件相关联的声学特征上训练的。该方法还包括响应于该检测执行模式提取，以标识与声学事件相关联的声学信号频谱的时间‑频率区段，以及基于根据所提取的模式的时间‑频率区段计算的声学事件的多普勒频移来估计该源相对于麦克风阵列的运动方向。

技术领域

本公开涉及基于音频的紧急车辆检测与追踪。

背景技术

对声学事件源(诸如紧急车辆(emergency vehicle)的警报(siren))的检测在许多应用中可能是重要的。然而，对这种事件的可靠检测在存在噪声和干扰信号的真实世界环境中是一个困难的问题。当声源和/或检测平台处于运动中时(这是通常的情况)，该问题会加剧。

发明内容

本申请的一个方面提供了一种由处理器实现的用于基于音频对声源进行检测和追踪的方法，所述方法包括：由基于处理器的系统对多个声学信号频谱执行波束成形，以生成第一波束信号频谱和第二波束信号频谱，所述声学信号频谱是根据从麦克风阵列接收的声学信号生成的；通过深度神经网络(DNN)分类器在所述第一波束信号频谱和所述第二波束信号频谱中的至少一个中检测与所述声源相关联的声学事件；响应于所述检测，由所述基于处理器的系统执行模式提取，所述模式包括所述多个声学信号频谱中被标识的时间及频率区段，这些区段与所述声学事件相关联；以及由所述基于处理器的系统估计所述声源相对于所述麦克风阵列的运动方向，所述估计基于所述声学事件的多普勒频移，所述多普勒频移是根据所提取的模式的所述时间及频率区段计算的。

附图说明

图1是根据本公开的某些实施例配置的，检测和追踪系统的部署的顶层图。

图2是根据本公开的某些实施例配置的，检测和追踪系统的框图。

图3是根据本公开的某些实施例配置的，波束成形电路的框图。

图4是根据本公开的某些实施例配置的，事件检测电路的框图。

图5示出了根据本公开的某些实施例的频谱图和相关联的声学特征。

图6是根据本公开的某些实施例配置的，模式提取电路的框图。

图7是根据本公开的某些实施例配置的，到达方向(DOA)估计电路的框图。

图8示出了根据本公开的某些实施例的角谱(angular spectrum)。

图9是根据本公开的某些实施例配置的，运动方向估计电路的框图。

图10是根据本公开的某些实施例，示出用于检测和追踪声源的方法论的流程图。

图11是根据本公开的某些实施例，示意性地示出被配置为执行检测和追踪声源的计算平台的框图。

虽然下面的具体实施方式将参照说明性实施例进行，但是对于本公开而言，其许多替代、修改和变型将是显而易见的。

具体实施方式

提供了用于检测和追踪音频源的技术。如前所述，检测和追踪声学事件源(诸如紧急车辆的警报)在许多应用中可能是重要的。这对于自主车辆(autonomous vehicle)(例如，自动驾驶汽车)的操作尤其如此，其中对这种事件的可靠检测对于车辆的安全操作可能是关键的。然而，在存在噪声、干扰信号和混响以及在声源和/或检测平台处于运动中的真实世界环境中(这在例如自主车辆操作时是通常的情况)，可靠的检测可能是困难的。