麦克风阵列广义旁瓣消除及后置滤波算法研究
发布时间：2020-10-10 11:22
随着语音应用和人工智能的发展,基于麦克风阵列的语音增强技术受到广泛关注。相比传统单通道语音增强算法,麦克风阵列能够利用信号的空间信息,具有更好的噪声抑制效果。广义旁瓣消除器具有结构简单和不需估计噪声等优点,是常用的麦克风阵列技术之一。它由固定波束形成器、阻塞矩阵和自适应噪声相消器三个部分构成。在实际应用中,由于麦克风阵列各阵元一致性差、多径反射和混响等因素的影响,期望信号会泄露到阻塞矩阵的输出信号中。这种泄露直接导致了期望信号的失真。此外,广义旁瓣消除器对非相干或弱相干噪声的抑制效果有限,需要加入后置滤波器对其输出信号中的残留噪声做进一步消除。本文主要研究了鲁棒广义旁瓣消除自适应波束形成及后置滤波算法,主要工作内容如下:首先,针对阻塞矩阵中期望信号泄露导致的期望信号对消问题,本文对自适应噪声相消器中滤波器系数更新的准则进行了优化。传统算法中多采用固定步长因子或信噪比控制滤波器的更新,其中信噪比由固定波束形成器和阻塞矩阵的输出信号直接计算得到。相比上述计算方法,本文考虑了实际环境中类平稳噪声对计算信噪比的影响。通过滤除类平稳噪声后再计算得到的先验信号干扰比更加准确,能够更有效地控制滤波器的更新,从而减少期望信号的对消。其次,针对广义旁瓣消除器对扩散场噪声抑制效果差的问题,本文使用基于多通道噪声估计的后置滤波器对残留噪声做进一步消除。相对传统的单通道噪声估计方法,多通道噪声功率谱估计通过利用噪声的空间信息和多通道的参考噪声,能够减少噪声估计的误差,从而提升后置滤波器的性能。本文在基于瞬时波束参考噪声比的多通道噪声功率谱估计算法上加以改进,提升了计算瞬时波束参考噪声比的准确性,从而改善了噪声的抑制性能。最后,仿真实验结果证明了本文改进的鲁棒广义旁瓣消除自适应波束形成算法和基于多通道噪声功率谱估计的后置滤波算法能够有效地减少期望信号的失真,具有更好的降噪效果。
【学位单位】：重庆邮电大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TN713;TN912.35
【部分图文】：
学位论文 第 2 章 麦克风应滤波理论随着数字信号处理技术的迅速发展也为了提取或增强某个期望信号，以便后续的系统号的统计特性和背景环境都是时变的。在实际应环境和信号的变化。器框图如图 2.2 所示。自适应滤波器一般由数字其中 x( n ) 、 d ( n) 和 y (n ) 分别表示数字滤波器的的输出信号。同 2.2 节所述，n表示离散的时间信号 e( n) 。为了确定滤波器系数的更新方式，通通过最小化目标函数去更新和调整滤波器系数， d ( n) 。d ( n)
低整段语音的分段信噪比。为了解决这个问题，一般有两种方法。第一种找出静音段，然后对非静音段计算分段信噪比。通过设置阈值并与每一帧的短时能量进行比较，如果该帧语音信号的短时能量小于阈值则判定为第二种方法是直接计算每帧语音信号的信噪比，再与设置的阈值比较。信阈值的帧不参与分段信噪比的计算。另外，为了体现算法在频域中的效果，分段信噪比可按照以下方式扩展到2110101log [ ( ) / ( ( ) ( )) ]10fw segN2LkkNkkB F k, F k, F k,SNRLB ( 和k 分别表示时间帧和频率柜中频率的变量，N 和L分别为信号的总帧柜中频点的个数。 F (k , )和 F ( k, )分别表示纯净语音信号和增强后语音幅度，kB 表示第 k 个频点的权重。
图 3.1 GSC 结构框图3]中，Greenberg 提出了一种基于互相关的 A引起严重的期望信号对消或音乐噪声。在文具有自适应阻塞矩阵(Adaptive Blocking MageAdaptiveFilter,LAF)的鲁棒自适应麦克风阵M 采用参数约束的自适应滤波器结构，以 FM 输出信号中泄露的期望信号。而 ANC 中采的噪声信号进行进一步地抑制。基于文献[13(Norm-constrained Adaptive Filter, NCAF)代替结构可以使得约束区域中趋近边界区域内的中残留更少的音乐噪声。然而，由于 ABM 用于抑制残留噪声而保留期望信号，两者性能得噪声抑制和减少期望信号对消的性能之间
【参考文献】
本文编号：2835114
【学位单位】：重庆邮电大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TN713;TN912.35
【部分图文】：
学位论文 第 2 章 麦克风应滤波理论随着数字信号处理技术的迅速发展也为了提取或增强某个期望信号，以便后续的系统号的统计特性和背景环境都是时变的。在实际应环境和信号的变化。器框图如图 2.2 所示。自适应滤波器一般由数字其中 x( n ) 、 d ( n) 和 y (n ) 分别表示数字滤波器的的输出信号。同 2.2 节所述，n表示离散的时间信号 e( n) 。为了确定滤波器系数的更新方式，通通过最小化目标函数去更新和调整滤波器系数， d ( n) 。d ( n)
低整段语音的分段信噪比。为了解决这个问题，一般有两种方法。第一种找出静音段，然后对非静音段计算分段信噪比。通过设置阈值并与每一帧的短时能量进行比较，如果该帧语音信号的短时能量小于阈值则判定为第二种方法是直接计算每帧语音信号的信噪比，再与设置的阈值比较。信阈值的帧不参与分段信噪比的计算。另外，为了体现算法在频域中的效果，分段信噪比可按照以下方式扩展到2110101log [ ( ) / ( ( ) ( )) ]10fw segN2LkkNkkB F k, F k, F k,SNRLB ( 和k 分别表示时间帧和频率柜中频率的变量，N 和L分别为信号的总帧柜中频点的个数。 F (k , )和 F ( k, )分别表示纯净语音信号和增强后语音幅度，kB 表示第 k 个频点的权重。
图 3.1 GSC 结构框图3]中，Greenberg 提出了一种基于互相关的 A引起严重的期望信号对消或音乐噪声。在文具有自适应阻塞矩阵(Adaptive Blocking MageAdaptiveFilter,LAF)的鲁棒自适应麦克风阵M 采用参数约束的自适应滤波器结构，以 FM 输出信号中泄露的期望信号。而 ANC 中采的噪声信号进行进一步地抑制。基于文献[13(Norm-constrained Adaptive Filter, NCAF)代替结构可以使得约束区域中趋近边界区域内的中残留更少的音乐噪声。然而，由于 ABM 用于抑制残留噪声而保留期望信号，两者性能得噪声抑制和减少期望信号对消的性能之间
【参考文献】
相关硕士学位论文 前1条
1 耿慧慧;基于麦克风阵列的语音增强研究[D];燕山大学;2013年
本文编号：2835114
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/2835114.html
