基于前向空间线性预测的声源时延估计算法

在带有混响和噪音的复杂环境中,传统广义互相关时延估计算法的抗噪能力弱、时延估计精度低。为解决该问题,基于前向空间线性预测技术,提出一种时延估计算法。结合多传感器提供的冗余信息与空间相关矩阵,改进不利声学环境下的声达时间差估计方法。采用空-时预测法,根据麦克风阵列输出中包含的语音信号源的空间和时间相关性,在抑制多麦克风噪声的同时最小化语音失真。仿真实验结果表明,与传统广义互相关时延估计算法相比,该算法时延估计错误率更低、稳定性更强。     

基于差分麦克风阵列和语音稀疏性的多源方位估计方法

差分麦克风阵列为实现小尺寸阵列条件下的声源定位提供了一条重要技术途径。语音信号具有稀疏性,利用该特性可实现基于差分麦克风阵列的多声源方位估计,其中的典型方法为直方图法。针对差分麦克风阵列,本文提出了一种基于时频掩蔽和模糊聚类分析的短时平均复声强多声源方位估计方法。分析了不同阵列尺寸条件下时频掩蔽频带范围的选择问题。该方法具有闭式解,在强混响噪声环境下的性能优于直方图法,并且受阵列尺寸变化的影响较小。为了改善直方图法的性能, 基于时频掩蔽的思想,文中还给出了一种修正的直方图方法。混响噪声环境下的仿真实验结果验证了本文所提方法的有效性。     

基于ResNet的和差共阵DOA估计

传统互质阵列的差分共阵存在“空洞”,即缺少一些虚拟阵列元素。论文采用和差共阵形成更大尺寸的连续虚拟阵列,保留了传统的互质阵列配置,同时,将残差网络（ResNet）应用于到达方向（DOA）估计算法。论文采用的算法先将和差共阵输出的空间平滑矩阵处理后,得到特征数据,然后输入到ResNet中,将DOA估计转变为特征数据和DOA之间的非线性映射关系。通过ResNet对信号分类来实现DOA估计,相比于传统的互质阵列,基于ResNet的和差共阵DOA估计算法具有更强的准确性和适应性。     

基于麦克风阵列的声源定位研究

以基于声达时间差(TDOA)的定位技术为基础,在噪声和混响同时存在的环境下,对基于麦克风阵列的声源定位方法进行了系统研究。在传统LMS自适应算法的基础上,提出了一种基于语音激励信息的LMS自适应时延估计新方法,再结合平面四元几何法定位。经过模拟房间环境的实验验证,该方法抗噪声、抗混响能力强,是一种定位精度高,运算量小的声源定位方法,可用于实时定位。     

基于粒子滤波的声源定位方法

针对噪声与混响环境下的声源定位问题,采用了一种基于粒子滤波的麦克风阵列的声源定位方法。在粒子滤波框架下,将到达麦克风的语音信号作为观测信息,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。实验结果表明,方法提高了声源定位系统的抗噪声与抗混响能力,即使在低信噪比强混响的环境下也能获得较高的定位精度。     

智能音箱中的一种快速回声消除算法

考虑到智能音箱中多采用麦克风阵列作为拾音装置,而单通道自适应滤波技术对声学回声消除具有失真性和复杂性,提出一种麦克风阵列快速回声消除算法。该算法首先用自适应滤波技术估计第一通道回声,然后估计阵列间的相对回声传递函数,把两者相乘得到其他通道回声;其次,把估计出的回声和噪声当作广义旁瓣抵消器（GSC）波束形成下支路的噪声参考信号,利用GSC波束形成算法去除回声和噪声。仿真结果表明,在中度混响、远距离、低回噪比且用音乐作为回声环境时,该算法具有良好的回声消除与噪声抑制性能,不仅运算量小,而且使目标语音信号具有较高的信源失真率和可懂度。     

面向语言对话场景的智能语音交互关键技术研究

针对多语言对话场景距离的限制以及噪声、干扰和混响等多重因素的影响，导致语音信息识别质量不高的问题，提出基于卷积神经网络与多通道语音DOA估计的定位与分离，以实现对不同距离、不同声源数下语音的识别，提高语音识别质量。实验结果证明，运用卷积神经网络的DOA估计方法与多通道语音分离算法，针对同性别或不同性别说话者在不同距离、不同方位角的识别性能较高，且能对混合信号可实现较高的有效分离。     

基于最小熵值的麦克风阵列声源定位算法

针对传统麦克风阵列声源定位算法抗噪声及混响能力不强的问题,提出一种基于最小熵值和随机域压缩的麦克风阵列声源定位算法。利用最小熵值方法对麦克风阵列进行时延估计,并与随机域压缩方法相结合,对声源进行空间搜索。仿真实验结果表明,该算法在定位精度、抗噪声及抗混响能力方面均优于广义互相关-相位变换算法。     

基于深度学习的智能化高精度测向方法

提出了一种基于深度学习的智能化高精度快速波达方向（DOA）估计算法,根据神经网络通过数据驱动而不依赖阵列流型的特点,设计了基于卷积神经网络的PhaseDOA-Net回归网络模型实现估计算法,引入特定模块对输入信号进行特征提取和处理,提高网络模型的拟合效果,用所提网络模型自主学习相位差矩阵与DOA之间的映射关系;引入残差网络结构,解决了卷积神经网络层数加深导致网络退化的问题;仿真生成了具有噪声与幅相误差的信号数据集,并构建信号相位差矩阵作为输入;仿真结果表明,本算法可以提供更高精度的估计性能,大幅减小了估计时间,解决了现有方法在阵列模型误差条件下无法准确得到DOA结果的问题;通过基于实际信号环境中采集数据的训练与测试,验证了系统对不同噪声、幅相误差的鲁棒性以及对不同信号频率更好的适应能力。     

一种改进的双麦克智能语音前端算法

麦克风采集的语音信号常含有噪声和混响,会降低语音信号的清晰度和可懂度,导致语音识别系统识别率降低。对Habets双麦克风噪声和混响消除算法研究发现,算法具有很好的噪声消除性能,但是输出语音的识别率较低。在其基础上提出一种改进算法,通过引入维纳滤波器,对后置OM-LSA算法进行替换。经验证,改进算法的输出失真减小,识别率提升。