基于相关矩阵行列式分析的GSC二元麦克风阵列语音增强算法

为了提高广义旁瓣相消器语音增强算法在二元麦克风阵列中的噪声抑制能力,提出了一种基于相关矩阵行列式分析的GSC二元麦克风阵列语音增强算法,该方法首先对二元阵列的输入进行相关矩阵行列式分析,利用基于语音活动检测和信噪比估计确定系数的维纳滤波器改进GSC结构的固定波束成形支路的输出,再利用基于相关矩阵行列式分析的语音活动检测更新自适应噪声抵消器系数,提高GSC结构中自适应支路噪声估计的准确性.实验结果表明,相较于近些年来其他二元麦克风阵列的语音增强方法,该方法在多个噪声源和复杂类型噪声条件下的语音质量更高,信号失真更小,处理后的语音更接近目标语音.     

用于语音识别的鲁棒自适应麦克风阵列算法

对现实环境中存在的混响以及非平稳干扰语音信源等因素导致的算法性能下降,提出了一种用于语音识别的鲁棒旁瓣对消算法。讨论了旁瓣对消算法在自适应麦克风阵列中的应用,分析了算法在不同的混响条件下、不同的干扰源的噪声抑制能力。该算法通过分帧处理将输入信号划分为一系列短时平稳的信号片段。根据当前帧的信噪比决定自适应滤波器的权系数更新方式。采用一定的范数约束来限制自适应滤波器权系数的误调整。实验结果表明该麦克风阵列在混响的现实环境中能够有效抑制平稳噪声源和交叠谈话背景干扰,提高了语音识别器的抗噪性能。     

基于深度学习的混响感知麦克风阵列语音增强

[目的]针对基于深度神经网络频谱估计的麦克风阵列算法存在数据依赖的问题,提出了一种基于深度学习的混响感知麦克风阵列语音增强算法.[方法]首先利用麦克风阵列波束形成输出与原始信号做互相关,以近似房间冲激响应的形式获取当前环境的混响特性作为LSTM网络的输入,网络模型以干净语音为目标进行训练从而输出房间冲激响应泛化向量,最后通过组合近似房间冲激响应与房间冲激响应泛化向量获得后置抗混响滤波器系数,实现语音增强.[结果]仿真和实验结果中,与波束形成、加权预测误差算法和传统深度学习去混响算法相比,所提出的方法在不同混响场景下具有更好的表现.[结论]本文方法在不同混响场景下都具有相对稳定的抗混响能力,具有较好的泛化性能.     

采用可调波束形成器的GSC麦克风阵列语音增强方法

基于广义旁瓣抵消器(generalized sidelobe canceller,GSC)算法的麦克风阵列语音增强技术已得到广泛研究,但由于其通常需传统的声源定位方法提供声源方位,语音信号信噪比(SNR)低时声源定位精度将明显下降并影响到语音增强效果.提出了一种新的麦克风阵列语音增强方法,该方法在GSC中引入可调波束形成器估计声源方位以抑制背景噪声影响.不同类型背景噪声下的实验室语音增强结果表明了该方法的有效性.     

基于信号子空间逼近的多麦克风语音信号增强方法

对现有的基于自动波束形成的麦克风阵列语音信号增强算法提出了改进.将各个麦克风采集到的信号利用ABF(自适应波束形成)进行延时补偿并求和,消除信号中弱相干和不相干噪声;再利用信号子空间逼近的方法进一步去除残留噪声.仿真试验结果表明:把自适应波束形成技术和信号子空间逼近的方法结合起来,能够得到良好的去噪效果.     

基于声透镜粒子群算法的自适应噪声对消算法

在复杂的语音获取应用环境中,麦克风阵列接收的信号难免会产生方向、幅度和相位的模糊问题。提出了一种基于声透镜粒子群算法的自适应噪声对消算法。通过声透镜波束形成技术采集语音信号,将粒子群算法应用于自适应噪声对消中解决获取信息模糊问题。Matlab计算机仿真结果表明本算法与传统自适应噪声抵消算法相比具有更好的噪声抵消能力和性能,信噪比大大提高,且可以有效解决语音数据的模糊问题。     

基于改进EMD的麦克风阵列语音增强研究

提出一种将改进EMD与麦克风阵列MVDR自适应波束形成相结合的语音增强方法。该方法利用互相关系数阈值法去除将EMD算法分解后的的虚假IMF分量,结合各阶IMF分量的自相关函数特性准确获取信号与噪声的主导IMF分量分界点,然后对所有噪声主导的IMF分量进行小波阈值去噪,接着将所有剩余IMF分量进行MVDR波束形成获得增强语音信号。改进EMD算法避免了在高信噪比条件下的信号失真,与MVDR波束形成相结合,满足了MVDR窄带特性要求,增强了麦克风阵列抗干扰能力。实验结果证明了方法的有效性。     

联合波束形成与谱减法的麦克风阵列语音增强算法

考虑到封闭环境的散射噪声场中,传统波束形成方法及单通道谱减法对噪声抑制的局限性,提出一种将波束形成方法与谱减法相结合的麦克风阵列语音增强方法．该方法首先通过波束形成器的空间滤波作用,将波达方向不同的语音信号和噪声信号加以区别,再经过延时补偿单元的相应处理,从而达到衰减噪声的目的,然后采用谱减法对波束形成器输出端的残留噪声进行后置处理．仿真实验结果表明。在小房间混响情况下,与其他方法相比,该方法不仅运算量小。而且具有良好的噪声抑制性能．     

改进经验模态分解的麦克风阵列语音增强方法

提出一种将改进经验模态分解与麦克风阵列最小方差无失真响应的自适应波束形成相结合的语音增强方法.该方法首先利用互相关系数阈值法去除经验模态分解得到的虚假固有模态函数,并结合其各阶自相关函数特性准确获取信号主导与噪声主导的固有模态函数的分界点;对噪声主导的固有模态函数进行小波阈值去噪,并将所有同阶固有模态函数进行最小方差无失真响应波束形成,求和得到增强语音信号.改进经验模态分解算法避免了在高信噪比条件下的信号失真,同时满足了最小方差无失真响应波束形成算法窄带特性的要求,进而增强了麦克风阵列抗干扰能力.实验结果证明了方法的有效性.     

基于双通道神经网络时频掩蔽的语音增强算法

为提高语音增强算法消除方向性噪声和抑制混响的能力,结合单、多通道处理信号的优势,提出了双通道神经网络时频掩蔽语音增强算法.首先,利用改进的多分辨率耳蜗动静态特征,结合依据信噪比优化的自适应掩模,对双麦克风信号分别进行单通道神经网络初步语音增强,达到全面利用语音非线性特征改善感知度的目的;其次,提出一种基于自适应掩模方向矢量定位法,精确计算语音、噪声的空间协方差矩阵和方向矢量,在带噪和混响的环境下精确定位目标声源;最后,输入信号到卷积波束形成器中,进一步去噪和抑制混响.实验结果表明:与其他单、多通道语音增强算法相比,重构语音具有更好的语音质量和可懂度.     

基于CTF-GSC和后置滤波的麦克风阵列语音增强

由于语音环境中各种噪声的特殊性、复杂性和不确定性等因素,尤其在带有混响的复杂环境下,一般的广义旁瓣抵消器语音增强算法的性能严重下降,很难取得较为理想的抑制效果。针对这一情况,该文提出了一种基于改进型归一化最小均方的卷积传递函数广义旁瓣抵消器和改进型后置滤波语音增强算法。该算法利用卷积传递函数近似形式代替传递函数广义旁瓣抵消器中的相乘传递函数近似形式,并结合后置维纳滤波进行语音增强。实验测试结果表明,该算法可以有效抑制相干性和非相干性噪声,提高系统信噪比,减少语音失真。在含有混响的复杂环境中,与其他经典算法对比,该算法的鲁棒性更好,效果更明显。     

结合GSC与相干滤波器的二元麦克风阵列语音增强算法

提出一种相干滤波器与广义旁瓣相消器结合(GSC)的二元麦克风阵列语音增强算法.将基于噪声谱估计的单通道相干滤波器作为广义旁瓣相消器的后置滤波器,充分利用阵元间蕴含的信号进行噪音抑制,克服经典结合算法无法使用基于噪声谱估计的相干滤波器的缺点.计算机仿真实验表明,该算法明显优于小阵列广义旁瓣相消算法和基于相位差的算法.     

基于GSC结构的多通道语音补偿算法研究

广义旁瓣抵消器自适应波束形成算法对受固定干扰源影响的目标语音有良好的消噪效果,但在自适应抵消模块不可避免地存在语音泄漏,使目标语音受到一定损失,且残留部分背景噪声.文中先对传统的GSC结构自适应波束形成算法进行研究,分析语音泄漏的原因,并提出一种多通道语音补偿方法对GSC结构消噪后的语音进行补偿.对不同频段的噪声帧和语音帧做针对性处理,同时在对语音进行分割时保护共振峰,防止其发生偏移和变形,仿真实验与测试结果表明,该方法可以有效地补偿语音泄漏,消除残留噪声,提高语音可懂度.     

麦克风阵列中基于零陷波束形成的声反馈抑制

在教室和会场环境中,通常使用自适应控制方法进行声反馈抑制,但由于扬声器输出信号和麦克风输入信号之间存在强相关性,利用自适应控制方法进行声反馈抑制容易产生偏心估计问题。针对这一问题,提出在麦克风阵列中利用零陷波束形成实现声反馈抑制,该方法通过在扬声器方向上形成零陷,避免麦克风阵列采集扬声器的输出信号,达到声反馈抑制的目的。考虑到实际环境中噪声对声反馈抑制的效果有影响,利用加权最小二乘法迭代更新波束形成器系数。仿真结果显示,在有噪声的情况下,与最小二乘法、最小-最大法相比,加权最小二乘法对波束形成器反馈抑制性能的提升更有益。     

基于DSP的小阵列语音增强算法的研究与实现

以TI公司TMS320C5535 DSP和二元麦克风小阵列为基础,提出一种行之有效的语音增强算法。通过分析在小阵列上常用的广义旁瓣相消器算法和相干滤波器算法的优缺点,将时变平滑因子引入到相干滤波器中,并将相干滤波器置于广义旁瓣相消器的固定波束形成支路。在得出一种有效算法的同时也给出了其在DSP上的实时实现步骤。仿真与实际结果表明,在小阵列上该方法明显优于单独使用广义旁瓣相消器算法和相干滤波器算法,可以有效抑制噪声干扰,提高语音质量。     

多噪声环境的麦克风小阵语音增强

针对在非平稳和多种噪声并存的语音增强算法抑制噪声能力有限的问题,提出基于最小跟踪噪声功率谱估计的相干滤波与广义旁瓣抵消的麦克风小阵语音增强算法。该方法先利用最小跟踪噪声功率谱估计的相干滤波抑制弱相关噪声,再结合广义旁瓣抵消与端点检测抑制强相关噪声。实验结果表明,方法更加有效地抑制噪声的影响;并提高了语音的可懂度。     

一种基于双元麦克风线性阵的语音增强方法

针对现有单通道语音增强算法及传统波束形成算法的局限性,提出了一种基于双元麦克风线性阵的语音增强方法. 首先利用离线设计好的优化权值对输入信号进行加权求和以实现波束形成,然后结合一种新的噪声幅度谱估计方法,采用改进的幅度谱减法进一步增强语音信号. 仿真实验表明该方法简单易行并取得了较好的语音增强效果.     

基于正则化粒子滤波的说话人跟踪方法

针对噪声与混响环境下的说话人跟踪问题,提出一种基于正则化粒子滤波(RPF)的麦克风阵列声源定位与跟踪方法.该方法在正则化粒子滤波框架下,采用适应性较强的布朗运动模型,通过计算麦克风阵列波束形成器的输出能量来构建似然函数.实验结果表明,本文方法优于标准粒子滤波,有效提高了说话人声源跟踪系统的抗噪声与抗混响能力,即使在低信噪比(SNR=-5dB)情况下,也能有效跟踪.     

低信噪比环境下的麦克风阵列语音识别算法研究

针对在低信噪比环境下语音增强对语音识别率的提升不明显的问题,提出一种用在识别系统前端的麦克风阵列增强算法。该阵列增强算法基于相干滤波和频率带宽波束形成后置改进维纳滤波器。首先将采集到的阵列信号,求相邻通道间的相关函数,利用阵元间信号的相关性进行初始噪声抑制,然后利用频域宽带最小方差无畸变响应(MVDR)通过对目标声源信息的获取,保留目标声源方向的信号并抑制其他方向的信号干扰,再通过改进的维纳滤波器去除噪声残留提升语音可懂度,最后用梅尔频率倒谱系数(MFCC)和隐马尔科夫模型(HMM)对增强后的语音信号做特征提取并识别。仿真过程模仿双耳采集数据,结果表明该语音增强方法在低信噪比环境下获得较好的增强效果,能有效的提高低信噪比环境下的语音识别率。     

存在指向误差情况下的低旁瓣自适应波束形成

针对确定自适应阵列系统,在传统的线性约束最小方差(LCMV)波束形成算法基础上提出一种在期望信号方向估计有误差的情况下,能减小指向误差的低旁瓣自适应波束形成算法,该算法运用波束保形函数,集中主瓣波束,抑制旁瓣波束,提高了阵列输出的信干噪比(SINR),计算机仿真结果验证了算法的有效性和优越性。