智能会议室环境下基于音频特征的多说话人识别与跟踪

发布时间：2019-09-05 07:31

【摘要】：通过麦克风阵列获取语音信号,从中提取出能够反应说话人位置的有效信息并不断跟踪说话人的当前位置是信号处理和目标跟踪领域中的一项重要研究内容,在智能会议系统、语音增强、机器人导航中具有广泛的应用。真实的智能环境中往往存在着多个说话人,说话人的数量和位置信息时刻都在变化,因此,研究数目可变的多说话人识别与跟踪问题对于构建可实施的智能会议系统、促进人机交互等具有更加实际的应用价值。本文的主要研究内容如下:(1)针对粒子滤波算法中重采样部分难以并行的问题,重采样导致了粒子滤波算法并行执行效率较低,因此在粒子滤波算法中引入并行策略,并在并行规约算法的基础上,结合并行前缀和的方法,克服粒子滤波算法在重采样时的粒子间依赖性,从而解决粒子滤波算法在并行实现过程中难以并行的问题。(2)针对并行粒子滤波算法在并行后的计算复杂性问题,分析了并行规约算法在GPU中内存访问模式,并行规约算法存在严重的内存访问冲突,本文利用填充寻址的并行前缀和方式,通过在每个共享数组索引中添加一个填充,实现改进共享内存数组的访问,解决并行规约在进行内存访问时存在严重的内存访问冲突问题,提高GPU硬件资源的利用率和算法实时性。(3)针对音频多目标跟踪中粒子滤波需要将量测值关联至对应目标,且每个目标需要一个粒子滤波器导致跟踪算法的计算量和所需粒子数量增加的问题,本文在并行粒子滤波算法的基础上,结合基于GPU的K均值聚类算法,实现音频多目标的跟踪,粒子滤波将多目标的状态作为整体进行更新和预测,然后利用基于GPU的K均值聚类算法对重采样后的粒子进行聚类,将同一目标的粒子归类,并利用声源区分度较高的环形阵列获取定位特征,有效解决了粒子滤波多目标跟踪中数据关联度低和跟踪精度低的问题。
【图文】：

平面图,会议室,智能,平面图

PF 滤波性能受粒子数目影响较大。较大的粒子，在高滤波性能要求的系统中，粒在巨大粒子数的情况下，巨大的运算量导致 PF 很运算量问题是 PF 实时性能提升的重要影响因素何解决运算量问题是贯穿本文的中心线。在这个PF 算法并行实现。实时性问题是当今粒子滤波研究降低 PF 运算量，提高算法实时性，在本文中将系统介绍系统中，包括摄像头、麦克风阵列、投影仪、多件。有相关研究机构已成功建立智能会议室ultimodal Interaction）所搭建的智能环境适合做智际化标准平台。智能会议室如图 1.1 所示：

会议室,智能环境,智能,环境

图 1.2 不同智能会议室环境不同智能会议室环境本文数据来源于“AV16.3”语料库，“AV16.3”表示智能环境中麦克风 16 个 3 个。本文的主要工作和结构安排1 本文的主要工作主要针对粒子滤波跟踪算法的运算量大导致在智能环境下多说话人跟性差的问题，在粒子滤波算法中引入并行策略，将粒子滤波算法并行实 PF 实时在线处理的性能，本文主要完成了以下研究工作：(1)粒子滤波针对非线性非高斯系统状态问题，能得到显著的性能，PF ]在多说话人跟踪中，在跟踪精度方面，到一个相对比较理想的结果，但踪性能较差，尤其是噪声环境下说话人的实时性能差。因粒子滤波本身量大的问题，，随着 PF 滤波器增多，计算量以指数增长，针对粒子滤波本身进行改进，在粒子滤波算法的基础上引入并行策略[60,61]，将 PF 算
【学位授予单位】：兰州理工大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TN912.3

【参考文献】