麦克风阵列语音增强方法研究
发布时间:2017-09-30 08:26
本文关键词:麦克风阵列语音增强方法研究
更多相关文章: 语音增强 带噪语音 麦克风阵列 广义旁瓣抵消器 相干噪声 非相干噪声
【摘要】:在实际生活中,各种设备所采集的语音大多不是纯净的语音,而是受到各种噪声干扰后的语音,因而需要使用语音增强方法从带噪的语音中尽可能的恢复出原始语音。传统的单麦克风语音增强虽然也可以抑制噪声,但是它仅仅利用了信号的时频信息,并且对非平稳噪声的抑制能力不是很好。麦克风阵列利用了信号的时频与空域信息,因而能够很好地解决这一问题。本文深入的研究了单麦克风语音增强方法和麦克风阵列语音增强方法,并且对它们进行了对比仿真。在麦克风阵列语音增强方法中用的最多的是广义旁瓣抵消器算法,当输入信号能量较大时,广义旁瓣抵消器算法中的自适应噪声抵消模块会产生噪声放大的问题。本文研究了一种改进的广义旁瓣抵消器算法,它的自适应噪声抵消模块使用了归一化的最小均方滤波器来克服这个问题,而且拥有更好的稳定性,收敛性能也更佳。由于广义旁瓣抵消器算法不适合非相干噪声的去除,所以用其进行语音增强时,往往还存在一部分残留噪声。这时候可以运用单麦克风语音增强方法,对广义旁瓣抵消器算法增强后的语音再次进行增强,可以达到较好的效果。因而本文提出了一种结合单麦克风的阵列波束形成语音增强方法,可以同时将带噪语音信号中混有的相干与非相干噪声去除。仿真测试结果表明,相对于传统的广义旁瓣抵消器算法,其输出语音拥有更高的信噪比,语音质量也得到了明显提升。
【关键词】:语音增强 带噪语音 麦克风阵列 广义旁瓣抵消器 相干噪声 非相干噪声
【学位授予单位】:沈阳航空航天大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:TN912.3;TN643
【目录】:
- 摘要6-7
- ABSTRACT7-11
- 第1章 绪论11-16
- 1.1 研究背景与意义11-12
- 1.2 课题研究现状12-15
- 1.3 论文的主要内容和章节安排15-16
- 第2章 麦克风阵列语音增强的基本理论16-29
- 2.1 语音信号的特性16
- 2.2 噪声的特性16-17
- 2.3 语音带噪信号模型17-18
- 2.4 语音信号的预处理18-22
- 2.4.1 语音信号的分帧18
- 2.4.2 语音分析中的窗函数18-22
- 2.5 阵列语音信号的基本模型22-29
- 2.5.1 麦克风阵列的拓扑结构22-24
- 2.5.2 空间采样定理24-25
- 2.5.3 声场模型25-26
- 2.5.4 噪声场26-27
- 2.5.5 混响27-29
- 第3章 单通道语音增强算法研究29-47
- 3.1 谱相减算法29-35
- 3.1.1 幅度谱减法29-31
- 3.1.2 改进的幅度谱减法31-33
- 3.1.3 功率谱减法33-34
- 3.1.4 改进的功率谱减法34-35
- 3.2 维纳滤波算法35-39
- 3.2.1 维纳滤波基本原理35-37
- 3.2.2 维纳滤波在语音增强中的应用37-39
- 3.3 最小均方误差算法39-41
- 3.4 语音增强算法仿真41-47
- 第4章 阵列语音增强算法研究47-69
- 4.1 麦克风阵列系统中的时延估计47-55
- 4.1.1 广义互相关时延估计法47-51
- 4.1.2 互功率谱相位时延估计法51-52
- 4.1.3 时延估计的仿真实验52-55
- 4.2 基于时延估计的定位方法55-56
- 4.3 固定波束形成语音增强方法56-58
- 4.4 自适应波束形成语音增强方法58-63
- 4.4.1 广义旁瓣抵消算法59-62
- 4.4.2 消噪性能分析62-63
- 4.5 改进的自适应波束形成语音增强方法63-64
- 4.6 结合单通道的阵列波束形成语音增强算法64-69
- 4.6.1 整体处理流程64-65
- 4.6.2 仿真与实验结果65-69
- 第5章 总结与展望69-72
- 5.1 工作总结69-71
- 5.2 未来展望71-72
- 参考文献72-75
- 致谢75-76
- 攻读硕士期间发表(含录用)的学术论文76
【参考文献】
中国期刊全文数据库 前1条
1 马晓红,殷福亮,陆晓燕,王晓宁;基于小波变换的传声器阵列语音增强方法[J];大连理工大学学报;2003年04期
中国博士学位论文全文数据库 前1条
1 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
中国硕士学位论文全文数据库 前3条
1 陈颖;基于麦克风阵列的声源定位算法研究及DSP实现[D];燕山大学;2012年
2 董晓娟;麦克风阵列语音增强的算法研究[D];西安电子科技大学;2010年
3 王波;麦克风阵列语音增强算法的研究与DSP实现[D];大连理工大学;2007年
,本文编号:947153
本文链接:https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/947153.html