基于相干性滤波器的广义旁瓣抵消器麦克风小阵列语音增强方法

为了克服传统麦克风小阵列语音增强算法噪音抑制能力有限的问题,该文提出一种基于相干性滤波器的广义旁瓣抵消器语音增强算法, 该算法基于动态平滑系数噪声谱估计来获得相干性滤波器,分别对每个阵元接收到的信号进行滤波用以抑制包括混响等噪声信号的干扰,并把滤波后的信号作为输入信号,使用基于小阵列的广义旁瓣抵消器波束形成算法抑制残余噪声信号的干扰。模拟和实际试验表明,该文提出的算法明显优于单独使用小阵列波束形成算法和相干性滤波器算法。     

基于子带TF-GSC麦克风阵列语音增强

为了加快基于传递函数广义旁瓣相消器的麦克风阵列语音增强系统的收敛速度,将其自适应模块的输入信号分解到子带以进行处理,并将多通道维纳滤波器引入传递函数广义旁瓣相消器的非自适应支路,以便更有效地抑制非相干噪声.实际测试结果表明,相对于基于全带广义旁瓣相消器的麦克风阵列语音增强系统,采用该子带传递函数广义旁瓣相消器结构的语音增强系统具有更高的输出信噪比.     

麦克风阵列的协同自适应滤波语音增强方法

在麦克风阵列语音增强方法中,传统的广义旁瓣抵消器在处理存在显著脉冲噪声的语音信号时效果较差。为提高在脉冲噪声干扰下的语音信号增强效果,提出一种麦克风阵列的协同自适应滤波语音增强方法。该方法采用协同自适应滤波取代线性自适应滤波,基于NLMS算法导出了滤波器权值和协同因子的自适应更新算法。仿真实验结果表明,所提方法能有效地消除掉语音信号的脉冲噪声和高斯噪声,克服线性自适应滤波对非线性脉冲噪声的不敏感性,比广义旁瓣抵消器效果优越很多。     

时域宽带自适应波束形成器设计

针对现有含反馈支路的时域宽带自适应波束形成器运算量大、干扰抑制能力受限的问题,基于广义旁瓣相消结构,引入一条固定系数的全极点反馈支路,设计一种新的时域宽带自适应波束形成器,减少了前向支路所需抽头延迟线个数即自适应权个数,从而降低了运算量,加快了收敛速度。全极点反馈支路以逼近包含干扰频带的带通滤波器为目标进行离线最优化设计,在保证稳定性的同时,增强了波束形成器的干扰抑制能力。仿真结果表明：与现存含反馈支路的时域宽带自适应波束形成器相比,采用相同的自适应算法,设计的波束形成器收敛更快、干扰抑制能力更强;实现相同的 SINR 改善时,新的波束形成器所需运算量远小于现存波束形成器。     

基于锥形麦克风阵列的语音增强技术研究

针对强噪音环境中小体积应用场合下的语音增强,设计了一种基于锥型麦克风阵列结构的语音增强方法。该方法充分利用锥形结构中锥底麦克风阵列对锥顶麦克风的良好噪声抵消性能,结合端点检测器和两级自适应滤波器设计的多通道抗串扰噪声抵消算法,实现了强噪音环境中的语音增强。理论分析和仿真验证了锥形结构设计的合理性和优越性,仿真结果表明,改进的多路抗串扰噪声抵消算法应用于此锥形结构的麦克风阵列中可提高语音信号的信噪比,对语音的损伤小,在强噪音环境中语音增强效果显著。     

利用相位时频掩蔽的麦克风阵列噪声消除方法

本文提出了一种在干扰声源和背景噪声存在条件下麦克风阵列噪声消除的方法。麦克风阵列通过波束形成增强由导向矢量所指定方向的目标声源来抑制背景噪声。然而,现有的波束形成算法在干扰声源存在的情况下,无法进行准确的导向矢量估计。为此,本文提出一种基于音频信号互相关功率谱相位的麦克风阵列噪声消除方法。首先通过音频信号的相位时频掩码估计导向矢量,并对其进行波束形成,从而有效抑制干扰声源和背景噪声;然后利用语音存在概率,采用最大似然的方法估计波束形成后信号中残留的干扰噪声功率谱密度,对其进行后处理,进一步抑制残留干扰和噪声。实验结果表明在干扰声源和背景噪声存在的条件下,所提方法有效地实现了麦克风阵列噪声消除,且各种性能指标优于基线方法。      

双麦阵列的联合语音增强算法

在多路噪声环境中,单通道语音增强技术往往增强效果有限,为解决这一问题,重点研究了方向性麦克风语音增强技术,利用波束形成技术,达到抑制波束外的干扰信号同时又保留目标信号的目的,麦克风阵列能进行初步的噪声过滤,有效提高语音理解度及信噪比,但无法完全消除噪音,为进一步改善语音质量,研究一种基于方向性麦克风和改进的维纳滤波的联合语音增强算法, 实验结果显示,这种方法得到的最终语音信号质量更好。     

基于分层采样粒子滤波的麦克风阵列说话人跟踪方法

针对噪声与混响环境下的说话人跟踪问题,本文提出了一种基于粒子滤波的麦克风阵列声源定位与跟踪方法.该方法在粒子滤波框架下,将无混响影响的语音建立信号作为观测信息,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,同时考虑语音信号不同频率成分在声源定位中的作用,利用分层采样方法提高粒子的采样效率.实验结果表明,本文方法提高了说话人声源跟踪系统的抗噪声与抗混响能力.     

一种空域、时域与频域相结合的阵列语音增强算法

提出了一种空域、时域与频域相结合的阵列语音增强算法,对含噪信号进行处理：第一步,先在空域及时域内利用波束形成得到一个初步增强的语音信号;第二步,利用前面得到的增强信号,在时域内采用多通道自适应滤波消除相关噪声;第三步,在频域内利用谱相减消除残余噪声。整个算法的消噪量大,而且阵列的孔径小,能应用于多种噪声环境。     

GSC框架下的最小均方超声波束形成算法

针对传统超声信号幅度变迹方法中主瓣宽度较宽、空间分辨率较低的问题,提出了一种基于广义旁瓣相消器框架下的最小均方超声波束形成算法。该方法基于期望信号最小方差无失真准则,构造广义旁瓣相消器,将接收到的超声信号分解为自适应与非自适应上下两个部分:上支路保留期望信号与噪声信号,且期望信号无失真响应约束得到保证;下支路阻塞期望信号,只含有噪声。将两路信号进行维纳滤波,上下支路噪声得到抵消,期望信号被无失真输出。为了使该算法在硬件上易于实现,采用最小均方算法自适应迭代求取,并给出了FPGA的详细设计过程。仿真实验表明,采用该算法加权的得到的波束与传统幅度变迹方法相比,主瓣更窄,具有抑制干扰和噪声的能力,提高了超声成像的横向分辨率与对比度分辨率。     

基于小波变换的后置自适应滤波传声器阵列的语音增强

提出了一种将传统后置自适应滤波技术和小波变换技术相结合的传声器阵列语音增强方法。首先利用传统的延时-累加波束形成技术获取目标语音,并采用后置自适应维纳滤波器来估计原始语音,然后再使用小波变换分解与重构技术进一步去除噪声。经计算机仿真,表明当系统输入信噪比为0.11dB时,输出信噪比提高近6.28dB。     

基于传声器阵列超增益波束形成的语音增强--频域方法

提出了一种在频域实现的基于传声器阵列超增益波束形成的语音增强方法。该方法利用小孔径线列阵端射方向具有超增益的特性,针对均匀噪声场,设计出相应的超增益权,形成超增益波束。基于超增益波束形成的输出相对常规处理,可大幅度提高信噪比。仿真了间距为0.05m的5元均匀线性传声器阵列接收到的端射方向带噪线性调频信号和语音信号,并进行超增益处理,获得12dB左右的阵增益,从而表明超增益传声器阵列具有优越的性能。     

基于近场波束形成的麦克风阵列语音增强方法

当麦克风阵列用于封闭环境中非手持式语音拾取时,必须面对的一个问题是声场为阵列近场的问题。该文在子带自适应波束形成方法的基础上,引进了一种基于近场波束形成的麦克风阵列语音增强方法。该方法充分利用了近场球面波的波前弯曲率,有效地衰减了混响和噪声对期望信号的影响。仿真实验结果表明,在小房间混响条件下,基于近场波束形成的麦克风阵列语音增强方法取得了较好的噪声抑制效果。     

Two‐Microphone Generalized Sidelobe Canceller with Post‐Filter Based Speech Enhancement in Composite Noise

This paper describes an algorithm to suppress composite noise in a two‐microphone speech enhancement system for robust hands‐free speech communication. The proposed algorithm has four stages. The first stage estimates the power spectral density of the residual stationary noise, which is based on the detection of nonstationary signal‐dominant time‐frequency bins (TFBs) at the generalized sidelobe canceller output. Second, speech‐dominant TFBs are identified among the previously detected nonstationary signal‐dominant TFBs, and power spectral densities of speech and residual nonstationary noise are estimated. In the final stage, the bin‐wise output signal‐to‐noise ratio is obtained with these power estimates and a Wiener post‐filter is constructed to attenuate the residual noise. Compared to the conventional beamforming and post‐filter algorithms, the proposed speech enhancement algorithm shows significant performance improvement in terms of perceptual evaluation of speech quality.     

基于传声器阵列语音增强方法研究

传声器阵列通过对拾取的多路语音信号进行分析与处理,能取得改进语音质量、消除背景噪声和提高语音可懂度等明显效果,现已成为语音信号增强的一个重要的研究领域。介绍了基于传声器阵列的自适应波束形成方法,该方法采用GSC结构基于TF-GSC的最优后置滤波算法。仿真实验结果表明,该自适应波束形成器对干扰有很好的消除作用,对阵元的增益误差、位置误差不敏感,可以取得较好的语音增强效果。     

谱相减与波束形成相结合的语音增强算法

根据阵列信号语音增强的思想,提出一种基于频城处理的谱相减与波束形成相结合的语音增强结构。结构为多路信号输入,每路含噪信号在谱相减后,增加了波束形成结构,不仅有效地消除了背景噪声,也抑制了谱相减后的音乐噪声。并使用该算法对实际环境中采集到的含噪语音信号进行了仿真,结果显示经过该系统处理后的增强语音的信噪比有了较大的提高,主观试听效果也很好。     

一种近场环境下的麦克风阵列语音增强方法

针对语音源位于阵列近场而干扰噪声源位于阵列远场的声学环境,本文提出了一种基于近场双自适应波束形成的麦克风阵列语音增强方法。该方法利用近场声波波前的特点,主通道采用最小方差无失真响应准则的近场优化波束形成器,辅助通道采用双自适应波束形成技术,从而有效地抑制了混响和噪声对语音信号的影响。仿真实验结果表明,在房间混响条件下,本文方法具有良好的噪声抑制性能。     

一种改进的奇异值分解语音增强方法

该文将多麦克语音增强方法用于单麦克语音增强,给出了一种改进的奇异值分解语音增强方法。该方法首先对输入矩阵进行雅克比奇异值分解,用得到的奇异值矢量构造语音增强滤波器;然后用输入矩阵与滤波器权矢量相乘来构造各路信号;最后采用麦克风阵列波束形成的方法,得到增强后的语音信号。仿真结果表明,该方法能有效地去除加性噪声,并且改善了语音质量。     

Signal enhancement using beamforming and nonstationarity withapplications to speech

We consider a sensor array located in an enclosure, where arbitrary transfer functions (TFs) relate the source signal and the sensors. The array is used for enhancing a signal contaminated by interference. Constrained minimum power adaptive beamforming, which has been suggested by Frost (1972) and, in particular, the generalized sidelobe canceler (GSC) version, which has been developed by Griffiths and Jim (1982), are the most widely used beamforming techniques. These methods rely on the assumption that the received signals are simple delayed versions of the source signal. The good interference suppression attained under this assumption is severely impaired in complicated acoustic environments, where arbitrary TFs may be encountered. In this paper, we consider the arbitrary TF case. We propose a GSC solution, which is adapted to the general TF case. We derive a suboptimal algorithm that can be implemented by estimating the TFs ratios, instead of estimating the TFs. The TF ratios are estimated by exploiting the nonstationarity characteristics of the desired signal. The algorithm is applied to the problem of speech enhancement in a reverberating room. The discussion is supported by an experimental study using speech and noise signals recorded in an actual room acoustics environment