基于时延估计的麦克风阵列一致性分析

基于麦克风阵列的声源定位技术广泛应用于现场录音及会议通信等领域.常用的麦克风阵列声源定位技术中,时延估计是一种硬件成本低、计算量小且易于实现的算法.影响麦克风阵列时延估计的因素很多,麦克风阵列阵元的一致性性能是其中之一.基于相位变换的广义互相关算法,提出了一种新的麦克风阵列阵元一致性估计指标.构建3组阵元一致性指标不同的麦克风阵列,开展了对实际声源的角度估计.计算麦克风阵列对声源角度的估计时延和声源角度的理想时延之间的差值,建立了其与声源角度估计误差的方差关系,提出了基于时延估计误差的麦克风阵列阵元一致性估计指标,并验证了该指标在麦克风阵列阵元选择上的实际指导意义.     

基于麦克风阵列的不一致性的校正

基于麦克风阵列的声源定位技术目前在很多领域得到利用,其中时延估计算法是经常使用的一种算法,但是麦克风阵列的不一致性会影响时延估计的结果,造成声源定位的准确度不够.为了使麦克风阵列得到的定位结果不会因一致性的问题造成不必要的误差,影响声源定位的准确度.本文提出一种对麦克风阵列的校正方法,首先对房间冲击响应进行处理,尽可能去除由房间混响等因素对麦克风阵列的影响,并为了使校正的结果更加精确,对不同麦克风得到的房间冲击响应分别添加不同时延的分数级别的FIR滤波器,以改善由麦克风阵列的不一致性造成的时延误差,达到对麦克风阵列校正的效果.通过该方法,可有效改善时延估计的结果.通过实验可知,该方法计算量小,并且可作为不同声源定位方法的前置步骤,有效改善了声源估计的准确度,为后续校正麦克风阵列提供了实际的使用价值.     

基于最小二乘法和高斯混合模型的语音转歌声算法

设计了一种语音转歌声的合成器.在给定一段朗读的歌词语音文件和乐谱的信息条件下,合成器系统按照传递函数调整说话人语音的3个声学参数:基频、语音时长和频谱包络.为了构造传递函数,本文使用机器学习的方法研究了歌声的基频和频谱包络.系统选择最小二乘法去学习歌声基频中颤音的参数,用来生成歌声带有颤音的基频;利用高斯混合模型(Gaussian Mixture Model,GMM)学习歌声频谱包络和说话人频谱包络的映射关系,将说话声音的频谱包络转换为音乐带有特定共振峰的频谱包络;根据节拍信息来修改说话语音时长.最终得到的3个参数可以合成音乐歌声,实现机器学习下的语音转歌声.实验结果表明,该合成器能够将说话声音转换为较好的歌声.