聲源辨別及定位的并行化方法的研究與實現(xiàn).pdf

1、隨著“互聯(lián)網(wǎng)+”和大數(shù)據(jù)時代的到來，智能終端的語音交互體驗廣受關(guān)注，三維立體聲音在實時人機(jī)交互中占有重要地位，聲源辨別及定位技術(shù)被廣泛應(yīng)用于民用和軍事領(lǐng)域，具有良好的發(fā)展前景。聲源辨別定位算法較高的計算復(fù)雜度與較大的數(shù)據(jù)處理規(guī)模，制約了其應(yīng)用的實時性。為此本文設(shè)計了聲源辨別及定位的并行化方法，基于拾音陣列和GPU并行計算開展了如下工作：
　?。?）以現(xiàn)有聲源辨別及定位方法為基礎(chǔ)，研究了語音信號預(yù)處理的相關(guān)技術(shù)，介紹了聲紋辨別與聲源

2、定位的常用方法，分析了基于拾音陣列的聲源辨別及定位模型。
　?。?）在傳統(tǒng)聲紋辨別神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，引入深度學(xué)習(xí)技術(shù)，設(shè)計了基于深度信念網(wǎng)絡(luò)（DBN）的聲紋辨別模型，克服了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)能力不足的缺點；給出了針對目標(biāo)范圍內(nèi)聲源辨別的改進(jìn)方法。
　?。?）在原有TDOA聲源定位模型中，將信號的包絡(luò)分析技術(shù)融入時延估計算法中，設(shè)計了基于包絡(luò)匹配法的廣義互相關(guān)時延估計算法，研究對比了不同聲源定位模型的位置解算方法及其性能；利用拾

3、音陣列的位置特性，研究了基于時頻掩蔽的目標(biāo)語音分離和增強(qiáng)方法。
　?。?）針對語音信號處理具有獨立性強(qiáng)、方法一致的特點，使用基于 CUDA架構(gòu)的并行計算方法，分別對 DBN模型的訓(xùn)練過程、時延估計中的信號分析和信號融合的時頻掩蔽算法等操作進(jìn)行并行化改進(jìn)，提高了辨別定位方法的處理速度。
　　實驗表明，基于拾音陣列的聲源辨別及定位的并行化方法能有效實現(xiàn)對目標(biāo)聲源身份的辨別和位置的確定，抗噪性能較好，并行算法的效率有了明顯提高，滿