麥克風(fēng)網(wǎng)絡(luò)中基于分布式卡爾曼濾波的說話人跟蹤方法研究.pdf

1、基于麥克風(fēng)陣列的說話人定位與跟蹤技術(shù)在音/視頻會議系統(tǒng)、公共安全監(jiān)控系統(tǒng)、語音識別、車載電話、機器人等領(lǐng)域得到廣泛應(yīng)用。近年來，隨著無線傳感器網(wǎng)絡(luò)和集成電路技術(shù)的發(fā)展以及嵌入式處理器計算能力的顯著提高，基于麥克風(fēng)陣列網(wǎng)絡(luò)的分布式說話人定位與跟蹤技術(shù)成為語音信號處理領(lǐng)域的研究熱點。采用分布式數(shù)據(jù)處理方式，分布式說話人定位方法不限制麥克風(fēng)陣列網(wǎng)絡(luò)的拓撲結(jié)構(gòu)，其容錯能力較強，可靠性和穩(wěn)定性高，但它只利用當(dāng)前幀的語音信號對聲源進行定位，對背景噪

2、聲和房間混響魯棒性較差。因此，需要采用分布式說話人跟蹤方法來確定說話人的運動軌跡，以獲得更好的聲源位置估計性能。
　　分布式說話人跟蹤是典型的非線性狀態(tài)估計問題。本文針對分布式麥克風(fēng)網(wǎng)絡(luò)提出了幾種分布式非線性卡爾曼濾波算法，并將這些算法用于麥克風(fēng)陣列網(wǎng)絡(luò)的說話人跟蹤問題，提出了幾種分布式聲源跟蹤方法，實現(xiàn)對說話人運動軌跡的有效估計。
　　本文的主要貢獻如下:
　　(1)針對分布式聲源定位方法對背景噪聲和房間混響魯棒性差

3、的問題，提出了一種基于分布式麥克風(fēng)陣列網(wǎng)絡(luò)的分布式卡爾曼濾波說話人跟蹤方法。該方法考慮到噪聲和混響影響使得時間延遲估計可能存在虛假值，引入了一種時延甄別策略，并在對聲源進行跟蹤時，從鄰域搜集有效的時延估計作為觀測信息，用郎之萬模型描述說話人運動狀態(tài)，然后用分布式卡爾曼濾波對說話人位置進行準(zhǔn)確估計。該方法充分利用當(dāng)前和過去時間幀的語音信號，能夠有效解決分布式說話人定位的魯棒性差問題，具有通信負擔(dān)小、可靠性和穩(wěn)定性高、使用靈活等優(yōu)點。

4、>　　(2)針對說話人跟蹤中觀測模型的非線性問題，提出了一種分布式無味卡爾曼濾波方法，其可達到二階估計精度。在此基礎(chǔ)上，為充分描述室內(nèi)環(huán)境說話人不同運動模式，引入交互式多模型算法，提出了一種基于麥克風(fēng)陣列網(wǎng)絡(luò)的分布式交互多模型無味卡爾曼濾波說話人跟蹤方法。該方法對聲源進行跟蹤時，從鄰域搜集有效的時延估計，并用不同模型描述說話人駐足、慢走、快走及加速等運動模式，然后融合不同模型的無味卡爾曼濾波結(jié)果，因此能夠有效提高說話人位置的估計精度。<

5、br>　　(3)針對聲源跟蹤時說話人的初始狀態(tài)可能未知或誤差較大問題，提出了一種分布式迭代拓展卡爾曼濾波方法，并將該方法用于麥克風(fēng)陣列網(wǎng)絡(luò)的說話人跟蹤問題中。此外，還引入一種迭代終止策略，使迭代過程始終向似然增加的方向進行，從而獲得最大似然意義下的近似最優(yōu)解。該方法在跟蹤過程中，通過增加幾次簡單的局部迭代，即使當(dāng)說話人的初始位置誤差較大時，也能夠快速捕捉到說話人的位置，因此具有更快的收斂速度，也能有效提高說話人位置的估計精度。