基于自适应波束成形的语音增强算法研究与实现

发布时间：2020-05-09 13:33

【摘要】：语音增强技术是语音信号处理中的一项核心技术,广泛应用于多媒体监控、现代通信以及人工智能系统等领域。语音增强技术大致可分为单通道语音增强、多通道语音增强和基于深度学习的语音增强三类。其中多通道的语音增强技术利用语音信号的时域和频域以及麦克风阵列的空间位置等信息对噪声有良好的抑制效果。基于自适应波束成形的语音增强算法是多通道语音增强中的一种重要算法。自适应波束成形算法利用最小均方误差等最优准则计算权值对各阵元加权,以期可以增强目标语音信号,抑制干扰和噪声。本文实现了基于最小方差无失真响应(Minimum Variance Distortionless Response,MVDR)、基于广义旁瓣抵消(Generalized Sidelobe Canceller,GSC)结构以及基于稳健的广义旁瓣抵消(RobustGSC,RGSC)结构的三种自适应波束成形算法,并对此三种算法进行改进。然后运用算法在环境嘈杂的多角度鸡尾酒会实验中进行目标人语音的提取和增强。本文具体的研究内容如下:(1)针对三类语音增强算法进行了详细分析和研究。基于麦克风阵列的近场远场模型以及自适应波束成形的基本架构,进行了语音增强算法的理论建模、软硬件实验平台搭建。提出了针对语音增强效果的主客观结合的综合指标评估模型。(2)针对最小方差无失真响应的自适应波束成形算法,本文引入了波束成形滤波器权值的实时更新自适应调整策略。传统算法的权值是根据语音信号的全部帧信息计算求得,并不能使得每帧的噪声的功率最小。改进后的MVDR权值可以根据一定帧数的语音信息进行自适应更新迭代。实验证明,改进后算法对干扰和噪声的抑制能力得到了有效的提升。(3)在传统广义旁瓣抵消算法和稳健的广义旁瓣抵消算法中,固定波束成形模块对干扰和噪声抑制能力不足。针对这一问题本文提出用权值更新的MVDR算法替代固定成形算法,并结合阻塞矩阵进行噪声的二次估计。实验证明,改进后的算法对比GSC、RobustGSC,对干扰和噪声的抑制能力更强。综上所述,本文实现了基于MVDR、GSC、RobustGSC三种架构的自适应波束成形算法。提出了对三种算法的波束成形权值进行自适应调整,并结合阻塞矩阵进行噪声的二次估计,从而实现对算法的改进。实验结果表明,改进后的算法的语音增强效果得到了有效的提升,对干扰和噪声抑制效果好。
【图文】：

图２－１延迟相加波束成形逡逑Ｆｉｇｕｒｅ邋２－１邋Ｄｅｌａｙ邋ａｎｄ邋ｓｕｍ邋ｂｅａｍｆｏｒｍｉｎｇ逡逑

图２－２自适应波束成形原理图逡逑Ｆｉｕｒｅ邋２－２邋Ｐｒｉｎｃｉｅ邋ｄｉａｒａｍ邋ｏａａｔｉｖｅｅａｍｏｒｍｉｎ
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN912.35

【相似文献】

相关期刊论文 前10条

1 刘鹏;;基于深度学习的语音增强方法研究[J];智能计算机与应用;2019年05期

2 石玲;;基于计算机声卡的谱相减语音增强系统分析[J];信息与电脑(理论版);2010年02期

3 孙涛;;基于计算机声卡的谱相减语音增强系统分析[J];南昌教育学院学报;2010年05期

4 张晓雷;;基于深度学习的语音增强简述[J];网络新媒体技术;2019年02期

5 李璐君;屈丹;;一种基于组合深层模型的语音增强方法[J];信息工程大学学报;2018年04期

6 袁文浩;娄迎曦;梁春燕;夏斌;;利用生成噪声提高语音增强方法的泛化能力[J];电子学报;2019年04期

7 阴法明;唐於烽;;基于深度置信网络的语音增强算法[J];电子器件;2018年05期

8 余华;唐於烽;赵力;;基于改进深度置信网络的语音增强算法[J];数据采集与处理;2018年05期

9 薛慧君;李盛;路国华;张杨;焦腾;王健琪;荆西京;;提升小波用于非接触语音增强算法的研究[J];医疗卫生装备;2013年05期

10 胡海波;刘柏森;许银;;基于小波变换的语音增强研究[J];黑龙江工程学院学报(自然科学版);2011年01期

相关会议论文 前10条

1 王世伟;胡笑浒;郑成诗;李晓东;;一种改进的基于能量差语音增强算法[A];中国声学学会第九届青年学术会议论文集[C];2011年

2 江峰;李晓东;;适用于抑制非平稳背景噪声的语音增强算法[A];中国声学学会2003年青年学术会议[CYCA'03]论文集[C];2003年

3 阎兆立;杜利民;;维纳后滤波语音增强算法研究[A];中国声学学会2005年青年学术会议[CYCA'05]论文集[C];2005年

4 童峰;许肖梅;洪青阳;;一种带阶数估计的语音增强算法[A];第八届全国人机语音通讯学术会议论文集[C];2005年

5 袁榕嵘;吴鸣;杨军;;双麦克风语音增强快速算法[A];泛在信息社会中的声学——中国声学学会2010年全国会员代表大会暨学术会议论文集[C];2010年

6 国雁萌;;一种极低信噪比条件下的语音增强方法[A];第六届全国人机语音通讯学术会议论文集[C];2001年

7 李海峰;韩纪庆;郑铁然;;元音、辅音粗判自适应电话语音增强方法[A];第七届全国人机语音通讯学术会议（NCMMSC7）论文集[C];2003年

8 高登峰;杨波;郭东岳;;基于深度神经网络的地空通话语音增强方法[A];第一届空中交通管理系统技术学术年会论文集[C];2018年

9 楼厦厦;郑成诗;李晓东;;滤波器权值约束对自适应零限波束形成语音增强算法鲁棒性影响分析[A];中国声学学会2007年青年学术会议论文集（上）[C];2007年

10 任玉宝;;基于联合字典学习的语音增强算法[A];中国声学学会水声学分会2019年学术会议论文集[C];2019年

相关重要报纸文章 前3条

1 ;NMS Sonata Ⅲ/Studio Sound级语音增强系统话音更清晰[N];中国计算机报;2003年

2 本报记者 马楠;NMS市场目标转向无线服务提供商[N];通信产业报;2001年

3 ;VoIP服务不只是便宜的通话[N];网络世界;2002年

相关博士学位论文 前10条

1 江文斌;面向复杂场景的极低码率语音编解码和语音增强关键技术研究[D];上海交通大学;2018年

2 高天;复杂环境下基于深度学习的语音信号预处理方法研究[D];中国科学技术大学;2018年

3 童仁杰;基于信号稀疏特性的语音增强算法研究[D];中国科学技术大学;2018年

4 王青;基于深层神经网络的多目标学习和融合的语音增强研究[D];中国科学技术大学;2018年

5 王冬霞;麦克风阵列语音增强的若干方法研究[D];大连理工大学;2007年

6 欧世峰;变换域语音增强算法的研究[D];吉林大学;2008年

7 孙琦;基于子空间的低计算复杂度语音增强算法研究[D];吉林大学;2017年

8 夏丙寅;面向移动通信的单通道语音增强方法研究[D];北京工业大学;2014年

9 姚峰英;语音增强系统的研究与实现[D];中国科学院上海冶金研究所;2001年

10 张龙;有监督学习条件下的单通道语音增强算法研究[D];中国科学技术大学;2017年

相关硕士学位论文 前10条

1 许瑞龙;基于自动编码器和生成对抗网络的语音增强方法研究[D];江西理工大学;2019年

2 续娇;基于自适应波束成形的语音增强算法研究与实现[D];北京交通大学;2019年

3 程泽丰;混响环境下的远程语音增强方法研究[D];浙江大学;2019年

4 黄张翼;基于深度神经网络的语音增强方法研究[D];重庆邮电大学;2018年

5 吴佳雯;基于表示学习的语音增强算法研究[D];厦门大学;2017年

6 曾帆;远距离麦克风阵列语音增强及系统实现[D];厦门大学;2018年

7 许铭;车载环境下语音处理关键技术的研究[D];辽宁工业大学;2019年

8 贾翔宇;基于张量模型的语音增强算法研究[D];中国科学技术大学;2019年

9 吉慧芳;改进相位谱信息及相位重构的语音增强算法研究[D];太原理工大学;2019年

10 王雁;基于深度神经网络的语音增强算法[D];太原理工大学;2019年

，

本文编号：2656211