基于离散语音导声与多通道交叉相关的干扰鲁棒性讲者定位
音频与语音处理
2026-04-03 v1
摘要
文献中可找到许多讲者定位方法。然而，在强干扰条件下进行讲者定位仍是现实应用中的主要挑战。本文提出了两种用于定位干扰声音的讲者的算法。第一个算法通过听觉滤波器组将麦克风信号在频谱时域上分解为子带，以实现并发讲者的分离。为抑制干扰，我们提出了一种从语音信号和冲击响应模型中派生的新型语音导声检测方法，并进一步提出在每个子带中对编码语音导声的多通道交叉相关系数(MCCC)进行建模。将子带结果组合以估计讲者的来向方向(DOA)。第二个算法通过利用多个麦克风的冗余信息来扩展广义交叉相关 - 相位变换(GCC-PHAT)方法，以解决干扰问题。所提出的方法在不利条件下进行评估：仅使用仿真信号(干扰时间T60可达1s)以及真实干扰房间中的录音(T60≈0.65s)。与一些最先进的定位方法相比，实验结果确认所提出的方法能够可靠地定位静止和移动讲者，即使在干扰存在的情况下也能做到。
引用
@article{arxiv.2604.01524,
title = {Reverberation-Robust Localization of Speakers Using Distinct Speech Onsets and Multi-channel Cross-Correlations},
author = {Shoufeng Lin},
journal= {arXiv preprint arXiv:2604.01524},
year = {2026}
}