基于Beta混合模型的声学回声抑制
本文关键词: 声学信号处理 回声抑制 Beta混合模型 双端讲话检测 频谱修正方法 出处:《华中科技大学学报(自然科学版)》2017年06期 论文类型:期刊论文
【摘要】:为解决全双工模式下声学回声抑制问题,采用Beta混合模型对两个互相关函数特征量建模.通过估计近端目标语音存在概率,控制双端讲话状态下回声抑制算法的房间冲激响应函数的更新.同时引入一种改进的软判决方法,将语音存在概率与增益函数结合,提高回声估计的准确性,抑制更多的残留回声.客观评价准则评估表明:采用基于Beta混合模型的双端讲话检测算法具有比较低的错误概率,且对房间冲激响应的变化具有较好的鲁棒性,在提高近端目标语音质量的同时达到了更好的回声抑制效果.
[Abstract]:In order to solve the problem of acoustic echo suppression in full-duplex mode, the Beta hybrid model is used to model the two cross-correlation function eigenvalues, and the probability of the near-end target speech is estimated. It controls the updating of room impulse response function of echo suppression algorithm in dual speech state. At the same time, an improved soft decision method is introduced, which combines the speech existence probability with the gain function to improve the accuracy of echo estimation. The objective evaluation criteria show that the dual-end speech detection algorithm based on Beta hybrid model has a low error probability. Moreover, it has better robustness to the change of room impulse response, and achieves better echo suppression effect while improving the speech quality of the near-end target.
【作者单位】: 中国科学院声学研究所;中国科学院大学;中国科学院声学研究所东海研究站;广东海洋大学广东省近海海洋变化与灾害预警重点实验室;
【基金】:广东省自然科学基金资助项目(2014A030310256)
【分类号】:TN912.3
【正文快照】: 在免提终端中,由于扬声器和传声器之间存在耦合效应,使得扬声器发出的声音又被传声器采集形成回声[1].声学回声的存在严重影响了语音通信质量,采用回声抵消技术或回声抑制技术来解决这个问题[2-3].当近端目标语音不存在时,自适应滤波器可以接近收敛到维纳解,收敛的精度依赖于
【相似文献】
相关期刊论文 前9条
1 易翔,王蔚然;基于小波域统计混合模型的图像降噪方法[J];电子与信息学报;2005年11期
2 田光明,陈光(?);基于熵调整模糊c-均值聚类的时频能量混合模型[J];信号处理;2005年01期
3 张宁,纪越峰;一种新型光因特网体系结构技术研究[J];电子学报;2004年S1期
4 应文威;蒋宇中;刘月亮;;大气低频噪声混合模型的MCMC参数估计[J];系统工程与电子技术;2012年06期
5 史国良;梁鹏;刘明宇;;多重ANN/HMM混合模型在时序模式识别中的应用[J];哈尔滨师范大学自然科学学报;2011年06期
6 陈永强;王宏霞;;基于新型混合模型的欠定盲分离方法[J];自动化学报;2014年07期
7 欧嘉致,陈凯江,王秀萍,李宗葛;基于NN/HMM混合模型的汉语短关键词识别系统[J];小型微型计算机系统;2003年01期
8 赵永刚;唐昆;崔慧娟;;基于Gaussian混合模型的LSF参数量化方法[J];清华大学学报(自然科学版);2006年10期
9 ;[J];;年期
相关会议论文 前1条
1 马凌;周江;王文鼐;;突发性业务流的Gamma泊松混合模型及排队性能研究[A];中国通信学会第五届学术年会论文集[C];2008年
相关硕士学位论文 前5条
1 高丽萍;基于混合模型和水平集的高分辨SAR图像分类[D];西安电子科技大学;2014年
2 林玉妹;基于射线跟踪和神经网络的场强预测混合模型[D];天津大学;2012年
3 郑晓平;基于HMM-ANN混合模型的咳嗽音识别研究[D];重庆大学;2011年
4 戚德娟;基于广义Gamma混合模型的SAR图像分割研究[D];西南交通大学;2013年
5 彭荣鲲;SAR图像目标区域快速定位与检测技术研究[D];南京航空航天大学;2014年
,本文编号:1477280
本文链接:https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/1477280.html