一种麦克风阵列定位与云台联动的方法、装置

技术领域

本发明涉及监控技术领域，特指一种麦克风阵列定位与云台联动的方法、装置。

背景技术

近年来，随着信息化网络化技术水平的发展，监控技术逐渐普及到人们的日常工作生活场景中。对于带走摄像头云台装置的监控系统，可以通过控制云台电机对所监控区域进行实时扫描，尤其是可以对运动中的、正在发出声音信息的特定目标进行联动跟踪，有效地提高了监控设备的灵活性。近年来，随着信息化网络化技术水平的发展，监控技术逐渐普及到人们的日常工作生活场景中。对于带走摄像头云台装置的监控系统，可以通过控制云台电机对所监控区域进行实时扫描，尤其是可以对运动中的、正在发出声音信息的特定目标进行联动跟踪，有效地提高了现有监控设备的灵活性和精确性。

然而，在有些存在明显噪声干扰的场景中，如大型巴士车辆内部、船舶舱室、工业生产工厂车间等空间区域中，往往由于监控的拾音范围紧邻周期性振动的机械设备(包括发动机、排气风扇、大型制冷设备等)，使得空间中存在高分贝的周期性噪声干扰。这些周期性干扰噪声在频域往往呈现出特定频率的基波+多次谐波的特点。考虑到监控摄像头云台的转动往往需要对产生声音信息的活动目标进行跟踪，需要联合图像信息和麦克风阵列来对活动目标进行跟踪，而周期性干扰噪声会影响到麦克风阵列的声源定位效果，同时其巨大的噪声幅度也会淹没监控区域中的人声、设备报警声等重要的声音信息，使得这些有效信息无法被监控设备有效提取。

在声场环境较为恶劣的车载/船载视频会议、录像、直播、监控等场景中，业界往往技术上使用麦克风阵列采集信号并运行空间域滤波算法来滤除周边干扰源，获取更清晰语音信号，同时使用波达方向(Direction of Arrival，DOA)估计算法来定位语音的声源位置，进而为摄像头云台的角度调整和控制提供参考信息。然而在这些场景中，除周边的非周期非平稳随机噪声外，往往还存在一些周期性的基波+多次谐波等干扰，这些干扰主要因机械振动或旋转产生，例如车辆和船舶的发动机噪声，散热风扇噪声，甚至包括距离拾音设备较近的空调噪声等等，由于其周期性特点往往对现有的DOA算法造成无法忽略的干扰，使得麦克风阵列的声源定位出现错误的评估结果，最终对空间域滤波效果和摄像头云台联动的有效控制产生影响。

业界目前通过设计特殊的数字信号处理算法，在数学层面对抽样量化后的数字信号曾经尝试进行降噪处理，(如专利:CN201811170560.6)。虽然这种降噪在某些特定场景中确实可以获得不错的效果，但在某些周期性噪声信号幅度过大，前端模拟域的A/D器件直接进入饱和失真状态，导致无法正常采集被淹没的有效声音信息时，仅凭借算法降噪却无法很好地应对。

发明内容

鉴于此，本发明提出了一种具备主动降噪功能的麦克风阵列定位与云台联动装置系统，以解决现有监控设备在噪声与干扰明显的恶劣声场环境下，无法正确地根据麦克风阵列拾音信息，进一步影响了声源定位精度，导致云台控制模块无法精准地调整云台角度以跟踪特定的发声目标，同时也通过结合主动降噪技术和基于麦克风阵列的波达方向估计算法技术，通过改进的空间域滤波技术滤除环境干扰噪声，更加精确地提取监控区域内的有效声音信息。所述的基于主动降噪的方法，直接在声学域对麦克风阵列附近的空间区域进行噪声声波对消，使得模拟器件采集到的信号不会出现饱和，进而使得A/D器件能够正确抽样并量化有效声音信号，相比算法降噪方案，主动降噪方法在一定程度上具有更高的实用价值。

本发明提供一种麦克风阵列定位与云台联动的方法，包括以下步骤：

S1、采集麦克风传感器阵列附近的初始的环境声音信号即建立初级声道，对在一段时间内环境噪声呈现出周期性干扰分量的干扰信号即周期性干扰源进行主动降噪处理；

具体地，频谱表现为稳定频率的基波+多次谐波，则对这些周期性干扰信号进行主动降噪处理；

S2、从初级声道的所述干扰信号提取详细的噪声特征，并通过离线或在线的方式建立次级声道模型，同时产生对消电信号驱动对消扬声器，并实时采集残差信号进行反馈调整，多次迭代后将所述周期性干扰分量的干扰信号降低到预设阈值以下，提取有效声音；

经过S1步骤所述主动降噪处理后，麦克风阵列的空间区域已经基本消除了环境中周期性干扰源的影响，运行波达方向估计算法，直接提取出监控环境中的有效声音信息，例如人员语音信号，设备报警信号等非周期性声音信息；

所述预设阈值对于不同的监控目标所设数值不同，实际操作时可根据不同的场景进行不同阈值的设置；

S3、对所述有效声音的来源方位进行精确估计计算，根据所述来源方位的信息进行云台联动调整，使得云台摄像头的角度随时观测到相应的人员活动区域，以及正在发生报警信号的设备所在区域，以提高监控的精准性和时效性。

进一步地，所述S2步骤中所述对消电信号驱动对消扬声器为经过D/A转换、模拟功放后接入到所述对消扬声器，对消扬声器产生的对消声波将在麦克风传感器阵列附近的局部空间中与周期性干扰源噪声叠加，从而减弱周期性干扰源对麦克风拾音器阵列的影响。

进一步地，所述S2步骤中，所述提取有效声音采用波达方向估计算法，包括传统互相关技术的时延估计算法，最大似然相位转换时延估计算法，MLP分数时延估计算法，以及基于MUSIC算法及其改进型的算法；根据场景特征以及计算平台资源灵活选择不同特点的处理算法。

进一步地，所述S3步骤中，所述云台联动调整的过程，为云台联动控制子模块接收来自于波达方向估计子模块的处理结果，将其中人声与设备报警声信号方向的处理数据转换为用于相应云台联动控制模块的参考数据，最终辅助驱动云台电机调整摄像头的拍摄角度。

本发明还提供一种麦克风阵列定位与云台联动的装置，使用所述麦克风阵列定位与云台联动的方法，包括：

采集子系统：用于采集麦克风传感器阵列附近的初始的环境声音信号即建立初级声道；

对消子系统：对在一段时间内环境噪声呈现出周期性干扰分量的干扰信号进行主动降噪处理，从初级声道的所述干扰信号提取详细的噪声特征，并通过离线或在线的方式建立次级声道模型，同时产生对消电信号驱动对消扬声器，并实时采集残差信号进行反馈调整，多次迭代后将所述周期性干扰分量的干扰信号降低到预设阈值以下，提取有效声音；

联动控制子系统：用于对所述有效声音的来源方位进行精确估计计算，根据所述来源方位的信息进行云台联动调整，使得云台摄像头的角度随时观测到相应的人员活动区域，以及正在发生报警信号的设备所在区域，以提高监控的精准性和时效性。

进一步地，所述对消子系统包括模拟模块，所述模拟模块包括前端放大子模块和滤波子模块。

进一步地，所述对消子系统还包括数字模块，所述数字模块包括主动降噪处理子模块、波达方向估计子模块以及云台联动控制子模块；

所述主动降噪处理子模块包括自适应的X-滤波最小均方算法(Filtered-X LeastMean Square，FxLMS)单元和周期性干扰源信息提取单元；还包括声学部件以及声电信号转换的模拟电子元件，包括模拟信号放大器(前置信号放大器，功率放大器等)，各种模拟滤波器(包括抗混叠滤波器，信号重建滤波器等)；

优选地，本发明考虑到大部分干扰噪声均为机械结构周期性往复运动和旋转运动产生，根据其声源特点选择含次级声道在线建模的窄带前馈主动降噪(Active NoiseCancellation，ANC)系统；

所述云台联动控制子模块，包括步进电机控制单元或舵机控制单元。

所述周期性干扰源信息提取单元对周期性干扰源进行频域分析以及幅值分析，用于为波达方向估计子模块提供参考信息。

进一步地，所述采集子系统包括声学模块，所述声学模块包括麦克风传感器阵列、拾音器阵列；所述麦克风传感器阵列的每个传感器后均配备了A/D转换通道、抗混叠前置模拟滤波器电子元件，对原始声音信号进行并行化采集，完成声信号到模拟电信号，再到数字信号的转换，为波达方向估计子模块提供所有传感器的原始信息及各个传感器直接的时间差信息。

进一步地，所述麦克风传感器阵列中或麦克风传感器阵列附近，至少插入一个对消扬声器，作为主动降噪处理子模块的声学输出。

与现有技术相比，本发明的有益效果是：

本发明通过结合主动降噪技术和基于麦克风阵列的波达方向估计算法技术，针对车载、船载、工业生产车间等噪音干扰严重的恶劣声场环境场景中，能够使得监控摄像头云台联动装置有效避免因发动机、风扇噪声等周期性干扰源的影响，同时能够屏蔽干扰噪声源，有效提取清晰的设备报警、人声语音信号等信息，提高了监控的精准性和时效性。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。

在附图中：

图1为本发明实施例一种麦克风阵列定位与云台联动的装置整体框架示意图；

图2本发明实施例的装置的声学、模拟/数字域范围及信号流动示意图；

图3本发明实施例的装置的工作流程图；

图4为本发明一种麦克风阵列定位与云台联动的方法的流程图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本公开可能采用术语第一、第二、第三来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本公开范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

本发明实施例一种麦克风阵列定位与云台联动的方法，参见图4所示，包括以下步骤：

S1、采集麦克风传感器阵列附近的初始的环境声音信号即建立初级声道，对在一段时间内环境噪声呈现出周期性干扰分量的干扰信号即周期性干扰源进行主动降噪处理；

具体地，频谱表现为稳定频率的基波+多次谐波，则对这些周期性干扰信号进行主动降噪处理；

S2、从初级声道的所述干扰信号提取详细的噪声特征，并通过离线或在线的方式建立次级声道模型，同时产生对消电信号驱动对消扬声器，并实时采集残差信号进行反馈调整，多次迭代后将所述周期性干扰分量的干扰信号降低到预设阈值以下，提取有效声音；

经过S1步骤所述主动降噪处理后，麦克风阵列的空间区域已经基本消除了环境中周期性干扰源的影响，运行波达方向估计算法，直接提取出监控环境中的有效声音信息，例如人员语音信号，设备报警信号等非周期性声音信息；

所述预设阈值对于不同的监控目标所设数值不同，实际操作时可根据不同的场景进行不同阈值的设置；

S3、对所述有效声音的来源方位进行精确估计计算，根据所述来源方位的信息进行云台联动调整，使得云台摄像头的角度随时观测到相应的人员活动区域，以及正在发生报警信号的设备所在区域，以提高监控的精准性和时效性。

所述S2步骤中所述对消电信号驱动对消扬声器为经过D/A转换、模拟功放后接入到所述对消扬声器，对消扬声器产生的对消声波将在麦克风传感器阵列附近的局部空间中与周期性干扰源噪声叠加，从而减弱周期性干扰源对麦克风拾音器阵列的影响。

所述S2步骤中，所述提取有效声音采用波达方向估计算法，包括传统互相关技术的时延估计算法，最大似然相位转换时延估计算法，最大似然相位补偿(Maximumlikelihood phase compensation，MLP)分数时延估计算法，以及基于矩阵特征空间分解(Multiple SIgnal Classification Algorithm，MUSIC算法)及其改进型的算法；根据场景特征以及计算平台资源灵活选择不同特点的处理算法。

所述S3步骤中，所述云台联动调整的过程，为云台联动控制子模块接收来自于波达方向估计子模块的处理结果，将其中人声与设备报警声信号方向的处理数据转换为用于相应云台联动控制模块的参考数据，最终辅助驱动云台电机调整摄像头的拍摄角度。

本发明还提供一种麦克风阵列定位与云台联动的装置，使用所述麦克风阵列定位与云台联动的方法，包括：

采集子系统：用于采集麦克风传感器阵列附近的初始的环境声音信号即建立初级声道；

对消子系统：对在一段时间内环境噪声呈现出周期性干扰分量的干扰信号进行主动降噪处理，从初级声道的所述干扰信号提取详细的噪声特征，并通过离线或在线的方式建立次级声道模型，同时产生对消电信号驱动对消扬声器，并实时采集残差信号进行反馈调整，多次迭代后将所述周期性干扰分量的干扰信号降低到预设阈值以下，提取有效声音；

联动控制子系统：用于对所述有效声音的来源方位进行精确估计计算，根据所述来源方位的信息进行云台联动调整，使得云台摄像头的角度随时观测到相应的人员活动区域，以及正在发生报警信号的设备所在区域，以提高监控的精准性和时效性。

所述对消子系统包括模拟模块，所述模拟模块包括前端放大子模块和滤波子模块，如图1所示。

所述对消子系统还包括数字模块，所述数字模块包括主动降噪处理子模块、波达方向估计子模块以及云台联动控制子模块；

如图2所示，所述主动降噪处理子模块包括自适应的X-滤波最小均方算法(Filtered-X Least Mean Square，FxLMS)单元和周期性干扰源信息提取单元；还包括声学部件以及声电信号转换的模拟电子元件，包括模拟信号放大器(前置信号放大器，功率放大器等)，各种模拟滤波器(包括抗混叠滤波器，信号重建滤波器等)；

优选地，本发明考虑到大部分干扰噪声均为机械结构周期性往复运动和旋转运动产生，根据其声源特点选择含次级声道在线建模的窄带前馈主动降噪(Active NoiseCancellation，ANC)系统；

所述云台联动控制子模块，包括步进电机控制单元或舵机控制单元。

所述周期性干扰源信息提取单元对周期性干扰源进行频域分析以及幅值分析，用于为波达方向估计子模块提供参考信息。

所述采集子系统包括声学模块，所述声学模块包括麦克风传感器阵列、拾音器阵列；所述麦克风传感器阵列的每个传感器后均配备了A/D转换通道、抗混叠前置模拟滤波器电子元件，对原始声音信号进行并行化采集，完成声信号到模拟电信号，再到数字信号的转换，为波达方向估计子模块提供所有传感器的原始信息及各个传感器直接的时间差信息。

所述麦克风传感器阵列中或麦克风传感器阵列附近，至少插入一个对消扬声器，作为主动降噪处理子模块的声学输出。

本发明实施例中，参看图3所示，整个系统的工作流程为:系统各个模块与子系统初始化后，通过麦克风传感器阵列和拾音器阵列采集最初始的环境声音信号，评估目前环境的噪声特点。如果在一段时间内，环境噪声呈现出较为明显的周期性干扰分量，频谱表现为稳定频率的基波+多次谐波，则认为需要对这些周期性干扰信号进行主动降噪处理。主动降噪处理子模块开始进一步提取详细的噪声特征，并通过离线或在线的方式对次级声道进行建模，同时产生对消电信号来驱动扬声器，并实时采集残差信号进行反馈调整，多次迭代后将麦克风阵列附近的空间区域中的周期性噪声降低到预设阈值以下。此时麦克风阵列的空间区域已经基本消除了环境中周期性干扰源的影响，运行波达方向估计算法后，直接提取出监控环境中的有效声音信息，例如人员语音信号，设备报警信号等非周期性声音信息，进而对这些声音信号的来源方位进行精确估计计算。确定声源方位后，监控摄像头的云台联动控制子模块将根据方位信息对云台电机进行动态调整，使得摄像头的角度可以随时观测到相应的人员活动区域，以及正在发生报警信号的设备所在区域。

与现有技术相比，本发明的有益效果是：

本发明通过结合主动降噪技术和基于麦克风阵列的波达方向估计算法技术，针对车载、船载、工业生产车间等噪音干扰严重的恶劣声场环境场景中，能够使得监控摄像头云台联动装置有效避免因发动机、风扇噪声等周期性干扰源的影响，同时能够屏蔽干扰噪声源，有效提取清晰的设备报警、人声语音信号等信息，提高了监控的精准性和时效性。

至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

以上所述仅为本发明的优选实施例，并不用于限制本发明；对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、同替换、改进，均应包含在本发明的保护范围之内。