真实环境中基于子帧分析的多说话人定位算法

摘要

针对真实环境中的多说话人定位问题,提出一种基于子帧分析的多声源定位算法.该算法将一帧语音信号分为8个子帧,利用每个子帧信号计算相位变换加权的可控响应功率函数,分别搜索其最大值得到声源位置的子帧估计.由于语音信号在时域具有稀疏性,这些估计值对应多个声源的位置.利用会聚聚类算法将子帧估计值分为若干类,然后用平均子帧可控响应功率函数对估计值进行评价,得到最终的声源位置估计.实验表明,在2～3个说话人的情况下,该算法比传统算法的定位性能有较大幅度提高.