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.     

Two‐Microphone Binary Mask Speech Enhancement in Diffuse and Directional Noise Fields

Two‐microphone binary mask speech enhancement (2mBMSE) has been of particular interest in recent literature and has shown promising results. Current 2mBMSE systems rely on spatial cues of speech and noise sources. Although these cues are helpful for directional noise sources, they lose their efficiency in diffuse noise fields. We propose a new system that is effective in both directional and diffuse noise conditions. The system exploits two features. The first determines whether a given time–frequency (T‐F) unit of the input spectrum is dominated by a diffuse or directional source. A diffuse signal is certainly a noise signal, but a directional signal could correspond to a noise or speech source. The second feature discriminates between T‐F units dominated by speech or directional noise signals. Speech enhancement is performed using a binary mask, calculated based on the proposed features. In both directional and diffuse noise fields, the proposed system segregates speech T‐F units with hit rates above 85%. It outperforms previous solutions in terms of signal‐to‐noise ratio and perceptual evaluation of speech quality improvement, especially in diffuse noise conditions.     

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。     

基于传声器阵列的语音增强技术

介绍了几种传声器阵列语音增强算法,包括固定波束形成、自适应波束形成、传声器阵后维纳滤波,并对各算法的性能和特点进行了分析。同时,对近几年基于传声器阵的语音增强技术的发展趋势进行了简单介绍。     

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。     

基于传声器阵列超增益波束形成的语音增强--时域方法

给出了传声器阵列宽带超增益波束形成的时域实现方法。在该方法中,传声器阵列各个阵元输出的语音信号先经过数字延迟线,实现整数倍采样间隔的时延补偿,然后由FIR数字滤波器来模拟超增益波束形成所需的不同频率上不同的幅度和相位加权,最后再把FIR数字滤波器的输出相加即得到时域宽带波束输出。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,并进行时域宽带超增益处理。仿真结果表明,超增益处理比常规处理的阵增益高8.2dB左右,且具有良好的语音增强效果。     

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。     

一种小波变换与维纳滤波结合的语音抗噪研究

语音信号与随机噪声在不同尺度上进行小波变换时,其小波变换系数和尺度大小的特性关系存在着不同的特征表现,而且,浊音和清音也各有其特性。给出了一种基于小波变换的维纳滤波语音增强方法;采用维纳滤波对浊音和清音信号的小波变换系数进行不同的处理,既抑制了噪声,又减少了语音段信息的损失,提高了信噪比。仿真结果说明,这是一种有效的语音增强方法。     

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。     

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。     

基于阵列抗串扰自适应噪声抵消的语音增强

本文提出了一种针对阵列交叉串扰信号的自适应噪声抵消方法,并将其用于麦克风阵语音增强.该方法仅使用两级滤波系统,计算量小,稳定性好,且对麦克风阵的几何结构及噪声类型均没有严格限制.试验表明,该方法消噪量大,对语音损伤小,语音增强效果显著,适用于多种噪声环境并易于实时实现.     

基于多信道信号增强的卷积混迭语音信号盲分离的后处理方法

由于频域盲源分离方法无法精确解决排列模糊问题,分离出的信号质量受到很大影响.本文提出一种后处理方法以进一步消除不同信源间的空间干扰和噪声且无需增加额外的先验信息.首先在频域盲分离方法中利用分裂语谱技术把一个M×N的多输入多输出(MIMO)混迭系统分裂成N个单输入多输出(SIMO)系统,再对每个SIMO系统分别利用传递函数比和广义旁瓣相消器来重构源信号.仿真实验表明该算法具有良好的性能.     

基于听觉掩蔽效应和噪声估计的语音增强算法

谱减法在增强语音、提高信噪比的同时,残留的音乐噪声较大.在利用听觉掩蔽闻值对谱减系数进行修正的基础上,采用实时噪声估计来减少谱减法噪声估计误差,并对谱减后的语音信号进行感知滤波来进一步抑制残留音乐噪声.实验结果表明,该算法能去除噪声,增强语音,并在不影响信噪比的同时降低语音失真测度值.主观测听表明语音音质有明显提高.     

基于改进噪声方差估计的小波阈值语音增强

提出了一种估计语音噪声方差的改进方法,利用语音信号小波系数尺度间的相关性,去除了语音信号细节小波系数对噪声方差估计的干扰。仿真结果表明,方法能准确估计语音信号的噪声方差,尤其当语音噪声较小时,方法比传统的Donoho法更准确。     

一种基于噪声快速跟踪的语音增强算法

对解决传统减谱算法残留音乐噪声的问题,现有许多方法都无法达到理想效果。提出一种能在非平稳噪声环境下快速追踪噪声的语音增强方法,采用端点检测优化信噪比,达到较好的语音增强效果。实验表明,相比其他类似方法,在提高实时性、增加信噪比和抑制背景噪声和音乐噪声方面都有更好效果。     

坦克舱强噪声背景下利用掩蔽效应的语音增强

采用了一种基于人耳听觉掩蔽效应的语音增强算法。该算法通过计算每一帧语音信号各个关键频率段的听觉掩蔽阈值,动态地调整谱减系数,有选择性地进行谱减。通过对采集的坦克舱内含强噪声的语音信号的计算机仿真表明,该算法优于基本谱减法,不仅信噪比有较大的提高而且有效地减少了主观听觉的失真和残留音乐噪声。     

Statistical Model‐Based Noise Reduction Approach for Car Interior Applications to Speech Recognition

This paper presents a statistical model‐based noise suppression approach for voice recognition in a car environment. In order to alleviate the spectral whitening and signal distortion problem in the traditional decision‐directed Wiener filter, we combine a decision‐directed method with an original spectrum reconstruction method and develop a new two‐stage noise reduction filter estimation scheme. When a tradeoff between the performance and computational efficiency under resource‐constrained automotive devices is considered, ETSI standard advance distributed speech recognition font‐end (ETSI‐AFE) can be an effective solution, and ETSI‐AFE is also based on the decision‐directed Wiener filter. Thus, a series of voice recognition and computational complexity tests are conducted by comparing the proposed approach with ETSI‐AFE. The experimental results show that the proposed approach is superior to the conventional method in terms of speech recognition accuracy, while the computational cost and frame latency are significantly reduced.     

Speech Enhancement Using Phase‐Dependent A Priori SNR Estimator in Log‐Mel Spectral Domain

We propose a novel phase‐based method for single‐channel speech enhancement to extract and enhance the desired signals in noisy environments by utilizing the phase information. In the method, a phase‐dependent a priori signal‐to‐noise ratio (SNR) is estimated in the log‐mel spectral domain to utilize both the magnitude and phase information of input speech signals. The phase‐dependent estimator is incorporated into the conventional magnitude‐based decision‐directed approach that recursively computes the a priori SNR from noisy speech. Additionally, we reduce the performance degradation owing to the one‐frame delay of the estimated phase‐dependent a priori SNR by using a minimum mean square error (MMSE)‐based and maximum a posteriori (MAP)‐based estimator. In our speech enhancement experiments, the proposed phase‐dependent a priori SNR estimator is shown to improve the output SNR by 2.6 dB for both the MMSE‐based and MAP‐based estimator cases as compared to a conventional magnitude‐based estimator.     

基于改进算法的语音增强在激光侦测系统中的应用

为了消除噪声所引起的语音信号的衰落,以自适应滤波器为基础,并综合泄漏最小均方（LMS）算法和变步长LMS算法的优点,提出了适用于激光侦测系统的可变泄漏最小均方（VL-LMS）自适应滤波新算法,对其原理进行了剖析。用实测的带噪语音信号进行了动态仿真,结果表明,该算法能有效地克服基于LMS算法的自适应谱线增强器的不足,具有良好的抑制高斯噪声能力和跟踪性能。