一种卷积循环神经网络的多声源检测与定位方法及系统

本发明提出了一种卷积循环神经网络的多声源检测与定位方法及系统。本发明提取多声道音频的幅度与相位特征,使用嵌入层为每帧音频生成位置编码，将特征与位置编码共同输入神经网络，并在网络结构中使用卷积神经网络依据通道间特征，学习声源类别的区分和声源定位，卷积层间使用多组空洞空间金字塔池化从不同尺度提取特征，使用空间转换器网络保持卷积神经网络的平移不变性，使用基于注意力机制的门控循环单元学习上下文信息，依据先前帧的信息辅助预测当前帧的声源位置，使用全局平均池化处理获取全局特征，全局特征与位置编码组合输入并行的全连接层，输出声音事件预测结果和到达方向预测结果。本发明实现了多个声源同时发声的分别定位，对混响和低信噪比环境具有鲁棒性。