基于谱减和LMS的自适应语音增强

针对宽带噪声背景下的语音增强问题,将短时语音视为非平稳或宽平稳信号,基于谱减法和自适应滤波的最小均方（LMS）算法,提出了一种FIR型自适应滤波算法（SSLMS）：用减谱法由短时噪声观测语音估计期望信号,作为滤波器输出信号的参考信号;用滤波器的输出与参考信号的差值为误差信号,用LMS算法求得滤波器权系数修正量,并修正滤波器。权系数最速下降调整中,采用了归一化LMS、符号LMS、块LMS技术,以简化保证权系数收敛的步长选择、减少权系数修正的运算量,从而提高自适应速度。对不同的语音在各种信噪比下仿真实验,并与改进的谱减法比较,结果表明,该法增强效果优于谱减法;在信噪比为3 dB时该法的增强效果仍然令人满意。     

自适应滤波语音增强算法改进及其DSP实现

为提高强噪声环境下语音信号的信噪比,增强语音通信的质量,以DSP为平台,构建一个基于自适应滤波技术的单通道语音增强系统。该系统以TMS320F2812为核心,结合其多通道缓冲串口(McBSP)与扩展音频接口芯片TLV320AIC23实现了语音信号的高速采集及输出;同时,利用箕舌线函数更新自适应滤波步长因子并引入解相关运算进行语音降噪处理,有效改善了传统算法适应性差,收敛速度慢,稳态误差大等问题。实验结果表明该算法降噪性能好,能明显提高语音清晰度,且系统稳定性强。     

基于CRV-LMS算法的语音增强技术的研究

在语音增强系统中,传统的LMS算法存在剩余均方误差随有用信号功率线性增加的问题。本文提出CRV-LMS算法,该算法首先设计组合滤波器,然后在滤波器中采用变步长系数,通过设计变步长更新律,从而使新权值更新收敛系数与输出功率成反比,达到提高语音增强系统中性能的目的。     

滤波器组自适应语音增强方法

双麦克风噪声抵消应用中,由于交叉串的存在,传统自适应算法降噪性能受到很大的影响。为了提高双麦克风算法降噪性能,使用两级自适应滤波系统消除交叉串扰问题。为提高自适应滤波器收敛性能,采用主从结构LMS算法自适应调节步长因子。同时为了适合窄带处理算法,将输入信号进行子带分析预处理,对每个子带独立进行抗交叉串绕自适应处理,将各子带增强信号合并得到增强语音信号。实验结果表明,该方消噪量大,语音损伤小,语音增强效果显著。     

一种新的去相关变步长LMS算法及其应用

在一种变步长算法基础上,从语音信号相关性的角度出发,提出了一种新的去相关变步长LMS算法(DCL—NLMS)。该算法结构简单,收敛速度快,稳态失调小,计算量与NLMS算法相当。仿真结果表明,该算法在处理强相关性信号时,不仅收敛速度明显快于其余算法,而且稳态失调特性也有很大优势。     

一种新的LMS自适应滤波算法分析仿真研究

传统变步长最小均方(LMS)算法存在收敛速度慢、易受噪声干扰等缺点,为了提高算法的性能,通过对变步长LMS算法进行分析研究,在步长因子x(n)与误差信号e(n)的相关统计量之间建立一种新的非线性函数关系,提出了一种新的变步长LMS自适应滤波算法。该算法采用误差信号的自相关时间均值来调节步长,并用绝对估计误差的扰动量以加快自适应滤波器抽头权向量的收敛。理论分析与计算机仿真结果表明:与SVSLMS和G-SVSLMS算法比较,该算法具有较快的收敛速度、较小的稳态误差以及较强的抗干扰能力。     

改进的变步长最小均方误差电子耳蜗语音增强算法

针对外部强噪声环境下电子耳蜗语音质量受损、适应性差等问题,提出了基于谱减法和变步长最小均方误差（LMS）自适应滤波算法联合去噪的改进方法,并以该方法构建了一个电子耳蜗前端语音预处理系统。利用变步长LMS自适应滤波算法输出误差的平方项来调节步长,采用步长值固定与变化相结合的方法,解决了自适应滤波算法收敛速度慢、稳态误差大的问题,适应性得到提高,提高了语音信号通信质量。该系统以TMS320VC5416和音频编解码芯片TLV320AIC23B为核心,通过多通道缓冲串口（McBSP）和串行外设接口（SPI）实现了语音数据的高速采集和实时处理。实验仿真和测试结果表明该算法消除噪声性能好,信噪比在低输入信噪比情况下提高约10 dB,语音质量感知评价（PESQ）分值也得到较大提高,能有效提高语音信号质量,且该系统性能稳定,能进一步提高耳蜗前端语音的清晰度和可懂度。     

基于相关特性的改进箕舌线变步长LMS算法

基于箕舍线的变步长最小均方(Variable step least mean square,VSLMS)算法是一种经典 的LMS算法,但其步长更新公式易受噪声 干扰的影响,导致自适应滤波器权值在最优权值附近波动。为解决箕舌线变步长LMS算法步 长更新公式易受噪声干扰的问题,根据高斯白噪声相关性比较差的特性,对箕舌线变步长LM S算法进行改进,提出基于相关特性的改进箕舌线变步长LMS算法,使算法的抗噪声干扰能力 明显增强。理论分析和仿真结果表明：若两算法选取相同参数,则基于相关特性的改进箕舌 线变步长LMS算法相对于箕舌线变步长LMS算法具有小的稳态误差;在保证算法收敛的条件下 ,基于相关特性的改进箕舌线变步长LMS算法相对箕舌线变步长LMS算法具有较快的收敛速度 。     

基于谱减法和变步长LMS语音增强算法

谱减法是目前有效的增强语音信号质量的技术之一,低信噪比下降噪效果明显,而LMS自适应滤波算法收敛速度慢,步长需在收敛速度和失调折中选择。提出了先经过谱减法然后采用变步长LMS自适应滤波算法联合去噪来提高信号质量,通过改变误差的平方项来调节步长,步长采用先固定后变化的原则,兼顾了提高收敛速度和缩小稳态误差。在MATLAB 环境下进行仿真实验,测试结果表明提出的经过基本谱减法后再采用变步长LMS自适应滤波算法能有效消除背景噪声,信噪比SNR和PESQ分值得到了较大的提高,减少了原始语音信号的失真,提高了信号质量。     

自适应语音消噪算法的研究与应用

针对语音通信中的消噪算法进行了研究。经研究发现,消噪算法在收敛速度与稳态误差之间始终存在着矛盾。为改善语音中的消噪能力,减少误差,在G SVSLMS算法的基础上,提出了一种改进的噪声消除算法,即利用引入一个关于误差的反正切函数来改进步长因子,并通过计算机仿真证实了改进算法具有良好的收敛性能和稳态性能,最后利用传统的LMS算法、G SVSLMS算法和改进算法对带有噪声的信号进行了消噪处理,结果表明：在三种算法中,改进算法的噪声消除效果最好。     

Multichannel Bin-Wise Robust Frequency-Domain Adaptive Filtering and Its Application to Adaptive Beamforming

Least-squares error (LSE) or mean-squared error (MSE) optimization criteria lead to adaptive filters that are highly sensitive to impulsive noise. The sensitivity to noise bursts increases with the convergence speed of the adaptation algorithm and limits the performance of signal processing algorithms, especially when fast convergence is required, as for example, in adaptive beamforming for speech and audio signal acquisition or acoustic echo cancellation. In these applications, noise bursts are frequently due to undetected double-talk. In this paper, we present impulsive noise robust multichannel frequency-domain adaptive filters (MC-FDAFs) based on outlier-robust M-estimation using a Newton algorithm and a discrete Newton algorithm, which are especially designed for frequency bin-wise adaptation control. Bin-wise adaptation and control in the frequency-domain enables the application of the outlier-robust MC-FDAFs to a generalized sidelobe canceler (GSC) using an adaptive blocking matrix for speech and audio signal acquisition. It is shown that the improved robustness leads to faster convergence and to higher interference suppression relative to nonrobust adaptation algorithms, especially during periods of strong interference     

基于改进粒子群算法的自适应陷波器设计

在信号处理中,接收信号常伴随着干扰和噪声,这就需要最优滤波器来实现,其中工频干扰的消除则以自适应陷波器为最优。利用粒子群算法自适应地调节其权值,得到与干扰信号接近的期望信号,最终达到消除干扰得到有用信号的目的。同时,针对此算法存在局部收敛和收敛速度不高的问题,提出了改进方法。计算机仿真结果表明了该改进粒子群算法在自适应陷波器设计上的有效性,并取得了较高的效率。     

软判决修正下的语音增强算法在数字信号处理器上的实现与优化

针对低信噪比情况下,传统谱估计语音增强算法性能下降的问题,提出了一种结合语音存在概率和人耳听觉掩蔽效应的软判决短时谱估计算法。该算法在低信噪比的情况下保护微弱的语音信号,减少语音谱的失真。同时介绍了基于TMS320C5502数字信号处理器的嵌入式系统,重点讨论了系统总体方案和主要功能模块的硬件设计,并且结合数字信号处理器的结构特点,给出了该算法系统平台移植和优化的方法。系统测试表明,硬件平台工作稳定可靠,针对硬件资源的移植和优化显著地提高了系统的处理速度,满足实时性的要求,且输出语音在去噪度与失真之间很好地平衡,优于传统的谱减算法。     

Application of systolic tri-arrays on the Griffiths-Jim adaptive beamformer

An adaptive array system can automatically adjust its directional response to nullify interference or jamming and can therefore enhance the reception of desired signals. The most frequently employed technique for deriving the adaptive weight vector is to use the closed-loop gradient descent algorithm. Gradient descent algorithms are very effective and extremely robust. Unfortunately, in a broad dynamic range signal environment, they are not suitable for an adaptive beamformer based on the gradient descent process because of poor convergence. Recently, the application of direct solution or ‘open-loop’ techniques to adaptive array system processing has been developed to improve convergence. Here we attempt to perform the systolic array through computer simulations and to apply it to the Griffiths-Jim adaptive beam-former to obtain rapid convergence, high cancellation performance and real-time signal processing.     

基于Givens变换和二阶振荡W-C-PSO优化的盲源分离算法

针对智能算法在实现盲源分离时容易陷入局部最优且收敛速度缓慢的问题,提出一种基于Givens变换和二阶振荡粒子群优化的盲源分离算法。该算法首先将惯性权重与学习因子两个参数构造函数关系,使之共同调节算法迭代来提高算法的整体性与全局搜索能力;再引入二阶振荡环节增加种群的多样性,这样算法不易陷入局部最优;此外,采用Givens变换将分离矩阵转换成旋转角度表示形式来降低算法的复杂度。仿真表明,该算法能有效实现机械振动信号和语音信号的盲分离,并且相比其他算法具有更快的收敛速度和更好的分离性能。     

Noise cancellation using selectable adaptive algorithm for speech in variable noise environment

Some of the teething problems associated in the use of two-sensor noise cancellation systems are the nature of the noise signals—a problem that imposes the use of highly complex algorithms in reducing the noise. The usage of such methods can be impractical for many real time applications, where speed of convergence and processing time are critical. At the same time, the existing approaches are based on using a single, often complex adaptive filter to minimize noise, which has been determined to be inadequate and ineffective. In this paper, a new mechanism is proposed to reduce background noise from speech communications. The procedure is based on a two-sensor adaptive noise canceller that is capable of assigning an appropriate filter adapting to properties of the noise. The criterion to achieve this is based on measuring the eigenvalue spread based on the autocorrelation of the input noise. The proposed noise canceller (INC) applies an adaptive algorithm according to the characteristics of the input signal. Various experiments based on this technique using real-world signals are conducted to gauge the effectiveness of the approach. Initial results illustrated the system capabilities in executing noise cancellation under different types of environmental noise. The results based on the INC technique indicate fast convergence rates; improvements up to 30 dB in signal-to-noise ratio and at the same time shows 65% reduction of computational power compared to conventional method.     

一种分阶梯度加权平均变步长VLMP算法

通过平滑梯度矢量减小梯度估计误差,采用平滑梯度矢量的欧氏范数和误差信号的分数低阶矩更新步长因子,对一阶和二阶权系数采取分阶迭代更新,得到一种在[α]稳定分布噪声背景下变步长Volterra自适应滤波算法,分析证明了该算法的收敛性能。非线性系统辨识的仿真结果表明,算法较DOVLMP算法具有更快的收敛速度和更小的稳态失调。     

基于隐马尔可夫模型的语音激活检测算法

针对现有基于隐马尔可夫模型（HMM）的语音激活检测（VAD）算法对噪声的跟踪性能不佳的问题,提出采用Baum-Welch算法对具有不同特性的噪声进行训练,并生成相应噪声模型,建立噪声库的方法。在语音激活检测时,根据待测语音背景噪声的不同,动态地匹配噪声库中的噪声模型;同时,为了适应语音信号的实时处理,降低了语音参数提取的复杂度,并对判决阈值提出改进,以保证语音信号帧间的相关性。在不同噪声环境下对改进算法进行性能测试并与自适应多速率编码（AMR）标准、国际电信联盟电信标准分局（ITU-T）的G.729B标准比较,测试结果表明,改进算法在实时语音信号处理中能够有效提高检测的准确率及噪声跟踪能力。