声学回声消除与波束成形语音增强方法研究

发布时间：2021-08-08 23:51

　　语音是人类最自然的交互方式。近年来,智能音箱得到市场认可,发展迅速,方便了人们的生活。但是,当人们距离智能设备较远时,麦克风阵列采集的语音信号的信噪比较低,若不经过语音增强处理而直接进行识别,其语音识别效果会很差。此外,当智能设备本身播放声音时进行语音关键词唤醒,其难度较大,而若应用声学回声消除技术,这会明显提高唤醒率。单声道语音增强方法虽然能够有效地抑制背景噪声,但会对期望信号造成畸变,而麦克风阵列波束成形技术则可以有效地增强语音信号且语音失真度较小。本文利用麦克风阵列信号估计声场传递函数比,进行语音分离,然后进一步用维纳滤波进行降噪处理。此外,研究了声学回声消除技术。本文的主要工作如下:（1）介绍了麦克风阵列语音增强算法的国内外研究现状和声学回声消除的背景,简述了几种声源定位和语音重叠帧检测算法。（2）基于WebRTC开源代码中的AEC模块,实现了声学回声消除。特别是,在算法实现过程中,采用分块频域自适应滤波算法,并在归一化最小均方算法中加入防梯度爆炸处理,保证了算法的实时性和回声消除性能。此外,应用非线性处理技术,去除残余回声,省去了双端检测处理。实验结果表明,本文的声学回声消除... 

【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 选题的背景及意义
    1.2 麦克风阵列技术
    1.3 发展历程及研究现状
        1.3.1 波束成形
        1.3.2 语音重叠帧检测
        1.3.3 声源定位
    1.4 本文结构安排
2 相关背景知识
    2.1 信号处理数学基础
    2.2 回声消除背景知识
        2.2.1 自适应滤波器
        2.2.2 LMS算法
        2.2.3 NLMS算法
    2.3 麦克风阵列声源测向算法
        2.3.1 传统谱估计法
        2.3.2 Capon最小方差算法
        2.3.3 MUSIC算法测向
3 声学回声消除
    3.1 基于WebRTC的AEC算法
        3.1.1 算法简介
        3.1.2 AEC算法流程
        3.1.3 远端和近端信号延时对齐
        3.1.4 非线性处理(NLP)
    3.2 改进算法
        3.2.1 分块频域自适应滤波算法
        3.2.2 联合最优NLMS算法
        3.2.3 改进算法
    3.3 性能评估
        3.3.1 实验条件
        3.3.2 实验波形图
        3.3.3 ERLE和SER测试
        3.3.4 归一化失配率
4 改进LCMV结合WPF波束成形算法
    4.1 波束成形算法
        4.1.1 波束成形最优权重矢量
        4.1.2 MVDR算法
        4.1.3 LCMV算法
        4.1.4 GSC结构
    4.2 基于LCMV和后置滤波的波束成形算法
        4.2.1 改进的自适应波束成形
        4.2.2 语音重叠帧检测算法
        4.2.3 说话人索引
    4.3 性能评估
        4.3.1 实验条件
        4.3.2 实际录音增强
        4.3.3 语音分离能力评估
        4.3.4 输出信干噪比评估
        4.3.5 增强语音MOS值
结论
参考文献
致谢



本文编号：3330925