基于直接路径相对传递函数的机器人头部混响声源定位

本文解决机器人头部的声源定位（SSL）问题，这在真实环境中仍具挑战。我们尤其关注语音源定位，因为其对人机交互十分重要。对应于直接路径声传播的一对麦克风响应是声源方向的函数。实践中，该响应受噪声和混响污染。直接路径相对传递函数（DP-RTF）定义为两个麦克风直接路径声学传递函数（ATF）之比，是SSL的重要特征。我们提出一种在短时傅里叶变换（STFT）域从含噪混响信号估计DP-RTF的方法。首先，采用卷积传递函数（CTF）近似精确表示麦克风阵列脉冲响应，CTF的首系数主要由直接路径ATF构成。在各频率上，通过谱减法获得逐帧语音自功率谱密度与互功率谱密度（PSD）。随后由多帧语音自PSD与互PSD构造一组线性方程，其中DP-RTF为未知变量，通过求解方程估计。最后，将估计的DP-RTF跨频率拼接并用作SSL的特征向量。在多种混响环境中放置机器人的实验表明，所提方法优于两种最先进（SOTA）方法。