聲道時差算法在安防輔助定位中的應用

摘 要:隨著科技的進步，安防監控系統越來越向自動化監控的方向發展，本文給出了一種使用音頻輔助視頻跟蹤的監控定位方案，能夠互補視頻跟蹤與音頻跟蹤的優缺點，達到很好的跟蹤效果。文中還給出了一種音頻定位的方法，通過濾波算法，模板提取算法，模板匹配算法等綜合而成的聲道時差算法，來定位聲源所在的角度，從而控制攝像頭轉向目標所在方向，進而繼續精度更高的視頻跟蹤。

關鍵詞:跟蹤 音頻定位 聲道時差 模板提取 模板匹配

0 引言

隨著我國經濟建設的發展，安防設備的需求日益增加。尤其是具有跟蹤功能的視頻、音頻安防系統在很多關鍵場合發揮著重要的作用。在安防跟蹤系統中，視頻跟蹤系統起到主導的作用。但是，在監控區域相對廣闊的場合，適當的使用音頻跟蹤作為視頻跟蹤的輔助可以大大地降低設備的需求數量，降低成本，同時提供更好的監控跟蹤效果。在相對廣闊的區域，可以使用具有音頻輔助的視頻跟蹤系統。音頻系統首先定位目標的方向，同時啟動視頻跟蹤系統捕捉目標。一旦視頻跟蹤系統捕獲目標的影響，后續跟蹤工作交由視頻系統完成。視頻跟蹤系統的算法已經相對成熟，而音頻輔助系統的算法尚存在一些問題。下面我們就常用的音頻跟蹤算法進行簡單分析，并闡明聲道時差算法在輔助跟蹤系統中的應用。

1 音頻定位算法簡介

音頻定位算法與視頻跟蹤算法有所不同，它們各有各的優勢與劣勢

1.1 視頻跟蹤算法精確度高，可以保持物體始終在監控范圍中央，但計算量大，可控范圍小。

1.2 音頻跟蹤算法精確度低，只能檢測物體所在的各個軸方位的角度，但計算量相對小，可以實時計算，可控范圍很大，可以作為輔助跟蹤系統。

1.3 綜上所述，如果采用音頻定位輔助視頻跟蹤的系統可以互補視頻與音頻跟蹤的優缺點，可以使用音頻定位不在攝像頭監控范圍的目標，并且在目標進入監控范圍內，使用精度較高的視頻跟蹤繼續跟蹤目標，達到綜合跟蹤的效果。

音頻定位算法目前有基于最大輸出功率的可控波束形成技術，高分辨率譜估計技術，基于聲壓幅度比的定位技術以及基于聲音到達時間差(T1me Difference of Arrival，TDOA)的定位技術。

TDOA技術，是使用同一信號到達不同麥克風的時間差，與兩個麥克風的距離差，計算出目標在兩個麥克風之間的方位角，得出目標的相應位置。

TDOA技術中最關鍵的步驟是計算信號到達麥克風的時間差，目前廣義互相關(GCC)算法是精確度很高的計算方法，且易于理解，但耗時較長。

2 廣義互相關(GCC)時延估計算法

廣義互相關時延估計算法是從基本相關算法演變而來。而基本相關算法的精髓是，根據兩個信號的互相關函數的峰值，其峰值所在的點就是兩個麥克風的時間差。而廣義互相關時延估計算法會對兩個信號進行預濾波，然后再求互相關函數并找其峰值點，這樣會更準確的找到峰值點所在的位置，因為預濾波會避免互相關函數的主極峰平坦的情況，提高時延估計精度。

3 聲道時差算法

雖然廣義互相關時延估計算法實現簡單，準確率很好，但是由于需要進行FFT變換和IFFT變換，時間復雜度比較高，而且為了能夠獲得更好的精度，采樣點數要盡量的多，致使時間復雜度更高，因此本文提出一種聲道時延搜索算法。

聲道時延搜索算法的基本思想是，當得到一段立體聲音頻信號的時候，由于聲源與兩個麥克風距離不同，則同一段聲音數據到達兩個麥克風的時間也不同，表現為左右聲道的相位偏差，根據這個時間就能得到聲源與兩個麥克風的角度，即物體所在的位置。因此，左右聲道的相位差是主要突破點，它可以近似轉換成得到左右聲道的離散數據，在數組中的索引值產生的偏差。例如聲源在兩個麥克的靠右的方向，聲音到達左聲道的時間就會相對右聲道有延遲，在離散數據中會表現為左聲道的數據索引比相對應的右聲道數據的索引要大，然后根據索引的差值，轉換成麥克風的相位差，進而轉換成聲源所在的角度。因此算法的關鍵是找到同一信息在左右聲道的索引值，但是想找到完全匹配的數據信息很難，因為由于隨機噪聲的影響和兩個麥克風的差異，因此造成完全匹配幾乎不可能實現，為算法的實現增加了難度和不確定性。

受到視頻跟蹤算法中的一些圖像處理分析算法的啟發，音頻信號也采用類似的幾個算法步驟，同樣也能得到需要的結果。假設左聲道比右聲道索引偏移了t，那么將左聲道序列移動t后，與右聲道序列進行安位求差值，再將差值求和，那么得出的這個值應該是一個很小的值。因此找到得到最小值時的偏移量t，就是需要得到的左右聲道的偏差值。但是每次求取不同t值的差值和時，計算量都是相當大的，而且信號的邊界值也是沒有意義的值，為了克服這個缺點，我定義了聲道的模板，即聲道中的部分信息。確定模板后，將模板在另一個聲道中找到最佳匹配的位置，這個位置與模板在原聲道所在位置的差，就是時間偏差了。

綜上所述，聲道時差算法的主要步驟包括:濾波算法，模板提取算法，模板匹配算法。

3.1 濾波方法濾波方法能夠計算出某一聲道幅度的均值信息，這個信息對后面的處理起了很重要的作用。

3.1.1 當數據流中只包含噪聲和雜音時，整體的聲道信息的幅度值不會很大，均值也會很小，所以只要確定一個值來判斷并濾除沒用的噪聲和雜音。

3.1.2 濾波方法為模板的提取找到了很好的依據，模板應該選擇一段能很好的標識當前音頻幀主要音頻信息的位置。所以如果能夠計算出來這段音頻幀中幅度的均值大小，依照模板能夠包括大量的主要信息的原則，只需要計算模板中大于這個均值信息的采樣點個數就可以表示這個模板所含重要信息的多少，個數最多的模板就是能夠包含主要信息最多的模板。

3.2 模板提取算法模板提取的方法是整體聲道時差算法最重要的一個環節，模板大小和位置的選擇直接影響匹配時的速度和準確程度，因此對于模板大小的選擇和匹配位置的計算尤為重要。

模板位置的選擇需要考慮以下的因素。一是前面提過的，希望模板能包含盡可能多的主要音頻信息，這樣才能達到更精確的匹配效果;同時還希望模板選取的位置盡可能包含一次振幅方向的改變，也就是能包含一次信號包絡經過零點的變化，這樣匹配的效果才能很好。這兩點是由模板位置和模板大小共同決定的，其中模板位置的選擇是根據包含大干幅度均值的象素點個數最多的位置來選取的，這樣能保證較大的信息量，而模板大小的選擇是盡量能大于聲音一次震動的周期，這樣能保證取得的模板中能包含一次經過零點的變化。

確定了模板的這兩個信息，就能根據模板的位置和大小從左聲道中提取模板的聲音信息了。

3.3 模板匹配算法獲取了目標模板的基本信息，就能在右聲道中查找模板匹配的位置，匹配的位置和模板在左聲道的位置差就是相位差信息。

聲道模板的匹配算法和圖像模板的匹配算法思路是一樣的，都是將模板按照一定的順序移動，每移動到一個位置就將模板和匹配幀對應位置的象素值進行相減，并且記錄差值和，尋找差值和最小的位置點，就是模板最匹配的位置點。

模板匹配算法也有兩個比較重要的閾值需要確定。一個是匹配范圍的閾值，這個閾值的確定能夠減少匹配的次數，并且能夠保證很好的匹配精度。另一個是模板匹配時最大的差值和閾值。

匹配范圍閾值確定的理論依據是，兩個麥克風之間的距離是有限制的，假設麥克風的距離為1m的時候，聲音傳播的速度是340m/s，于是可能出現的最大的聲程差就是3ms左右，但是一般麥克風的間距不會這么大，所以可以確定左右聲道的聲程差基本控制在±3ms范圍之內，因此只需要在模板所在位置±3ms的采樣點范圍內對右聲道進行搜索就可以得出結果了。

對模板匹配時最大的差值和閾值，如果經過±3ms的采樣點范圍內的匹配搜索后，計算出來的所有差值和都大于這個閾值時就認為發生了左右聲道雜波過多，無法找到時延的情況。這時應該重新采集新的聲音信息，再次進行音頻定位算法。這個最大差值和閾值還有一個作用，就是能夠減少匹配計算的次數，每次循環到一個位置的時候，計算出來的差值和如果小于當前計算的最小差值和，那么就更新最小差值和的值，并且記錄這個最小的匹配位置。同時，如果在進行逐位差值計算的時候，出現還沒有計算完所有的差值時，差值和已經大于最小差值和的情況，那么就直接跳出此次循環，，再次查找下一個匹配點，這樣就能大大減少匹配的計算次數，提高計算的速度。由此可見，每次進行匹配的次數是不定的，是一個動態的值，這與最佳匹配點的位置有關，當找到最佳匹配點位置的時候，后續的匹配次數會大大減少。

得到了最佳的匹配位置數值，結合模板的位置信息就能得到左右聲道的索引值的差，再通過采樣頻率信息，就能計算出來時間延遲。

4 結束語

本文闡述了聲道搜索算法作為視頻跟蹤的輔助功能的優越性。他回避了現有算法的缺點，極大的提高了算法的計算速度。

同時，由于選用的所有器件和設備都是目前市場上的主流產品，具有量產基礎。作為視頻跟蹤系統的補充和輔助系統，聲道搜索算法具有廣闊的市場空間和前景。今后我將繼續研究音頻搜索算法的改進和應用。文中不妥之處，敬請廣大讀者與同行批評指正。

參考文獻:

[1]Wax M，Kailath T.Optimum Iocalization of multiple sources bvpassive arrays，lEEE Transactions 0n Acoustics，Speech and Signal Pro-cessing，1 983，31(5):1210-1217，

[2]宋鑫，時延相移波束形成技術研究，信息技術，2005。29(9):83-87.

[3]朱廣信，陳彪，金蓉基于傳聲器陣列的聲源定位，電聲技術，2003，(1):34-37.

[4]林志斌，徐柏齡基于傳聲器陣列的聲源定位，2004，(5):19-23一[5]陳可，汪增福基于聲壓幅度比的聲源定位，計算機仿真，2004，21{11)85—88.