基于变窗长搜索的改进型噪声估计算法

MCRA最小值递归平均算法对噪声的估计值较为准确，而且对一段话音内噪声功率谱的变化也能准确的追踪.但是面对噪声功率谱突然陡增这种情况，需要经过一段时间的自适应才能得到准确的噪声估计值，而在这个自适应期间，会留下较强的残留噪声，影响人的听感.本文在MCRA算法的基础上，引入一种利用最大对数似然比结合能零比的VAD （Voice activity Detection）辅助算法，得到一种改进型噪声估计算法.实验仿真结果也表明，改进的噪声估计算法在噪声估计速度方面优于MCRA算法.     

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。     

基于LMS算法滤波的语音降噪研究

在实际通信系统中接收到的语音信号通常伴有噪声,甚至在严重情况下降低了语音的质量,极大地影响人们的使用体验。为了解决这个问题,通常在接收端采用自适应滤波器,利用其通过统计噪声的统计特性自动调整本身参数,来达到最佳的语音滤波效果。本文对常见的最小均方误差准则(LMS)自适应噪声抵消法进行相关介绍,并通过MATLAB软件对含噪声语音进行仿真,通过分析本文设计程序的仿真结果来验证LMS算法可以有效抵抗语音噪声并且具备增强语音的效果,实现了本文语音降噪的目标。     

一种新变步长LMS算法及在自适应波束形成中的应用

LMS算法是智能天线自适应波束形成算法中的经典算法,由于其步长固定,造成收敛速度和稳态失调之间的矛盾。为了解决这一问题,提出一种新的变步长LMS算法,并在算法中引入误差信号的自相关估计,大大降低了噪声的干扰,对算法进行仿真,得到了最优的参数设置。利用蒙特卡罗方法对算法进行了性能评估,与传统的LMS算法、NLMS算法相比,新的变步长LMS算法具有更快的收敛速度和较小的稳态误差及优良的抗噪性能。     

基于先验信噪比估计和增益平滑的语音增强

针对语音增强算法残留“音乐噪声”的问题,分析了基于先验信噪比估计的语音增强算法,并在此基础上提出自适应先验信噪比估计与增益平滑相结合的方法.这种方法先对先验信嗓比进行估计,然后对增益函数进行平滑,减小相邻增益函数的随机跳变,弥补了传统先验信噪比估计的不足.最后对含高斯白噪声的语音信号进行处理,仿真结果表明,该算法在抑制“音乐噪声”的效果上得到一定改善,提高了语音增强的性能.     

基于波束形成与多参考源噪声对消的语音增强算法

通过传声器阵列采用波束形成技术采集语音信号,同时使用参考传声器获得背景噪声信号,本文提出一种基于波束形成和自适应多参考噪声对消的语音增强算法。该算法不依赖任何信号模型且无需对噪声信号的统计特性进行先验假设,可以适应背景噪声的突然改变,同时具有良好的实时性和鲁棒性。可广泛应用于复杂噪声环境下目标语音识别,仿真结果表明了该算法的有效性。     

基于噪声估计的二值掩蔽语音增强算法

针对现有的助听器语音增强算法在非平稳噪声环境下,残留大量背景噪声的同时还引入了“音乐噪声”,致使增强语音可懂度和信噪比不理想等问题。提出了一种基于噪声估计的二值掩蔽语音增强算法,该算法利用人耳听觉感知理论,结合人耳的听觉特性和耳蜗的工作机理。采用最小值控制递归平均（Minima-Controlled Recursive Averaging,MCRA）算法获得估计噪声和初步增强语音;将估计噪声和初步增强语音分别通过可以模拟人工耳蜗模型的gammatone滤波器组进行滤波处理,得到各自的时频表示形式;利用人耳的听觉掩蔽特性,计算含噪语音在时频域的二值掩蔽;利用二值掩蔽得到增强语音。实验结果表明：该算法很大程度上去除了谱减法引入的“音乐噪声”,与基于MCRA谱减法相比,增强语音的语言可懂度指数（Speech Intelligibility Index,SII）、主观语音质量评估（Perceptual Evaluation of Speech Quality,PESQ）和信噪比（Signal to Noise Ratio,SNR）都得到了提高。     

基于仿射投影算法的时延估计

在时间延迟估计中,通常利用互相关算法对时延进行估计.然而,互相关算法受噪声影响较大,在低信噪比时无法准确对时延进行估计.LMS、NLMS等自适应算法能够避免噪声的影响,然而其收敛性较差.RLS自适应算法虽具有较好的收敛性,但算法复杂度较高.本文利用的仿射投影(AP)算法则具有较好的收敛性.模拟仿真表明该算法能准确估计时...     

联合改进子空间的自适应小波包阈值语音增强算法

针对传统自适应小波包阈值算法增强的语音存在失真的问题,提出联合改进子空间的自适应小波包阈值语音增强算法。提出的新算法对带噪语音首先做KL变换(Karhunen Loeve Transform)得到其特征值,并用自适应小波包阈值算法对该特征值进行处理,以去除部分噪声子空间;接着用递归最小二乘算法(RLS)对噪声的特征值进行估计,修正传统子空间算法容易导致的特征值估计偏差问题;最后用经过自适应小波包阈值算法处理得到的新的特征值减去噪声特征值,以去除所有噪声子空间并由KL逆变换最终还原出纯净语音。仿真结果表明新算法相比传统自适应小波包阈值算法有更优的增强效果,减少了语音失真。并且在信噪比较低的情况下,新算法对增强的语音的信噪比和分段信噪比提高得更多。     

基于噪声抵消与波束形成的小阵语音增强

为了提高麦克风小阵的语音增强效果,将阵列抗串扰自适应噪声抵消（ACRANC）方法与波束形成（BF）方法相结合,提出了一种效果更好的小阵语音增强方法。首先,通过生成多个ACRANC子系统,获得多路增强语音信号;然后,通过所提的自适应模式控制（AMC）算法和延迟求和（DAS）波束形成方法进一步提高多路增强语音信号的增强效果。对提出的方法进行了计算复杂度估计,验证了所提方法可以通过普通芯片实时实现。实际环境下的实验结果也表明,所提方法的语音增强效果相较ACRANC方法有所提高,具有一定的优越性。     

LMS自适应无偏估计修正方法

系统分析了LMS算法有偏估计的来源及其影响,并基于Treichler的γ-LMS算法提出了一种改进的无偏估计方法.根据自适应滤波器的最佳逼近原理和各信号矢量的几何关系,利用传统LMS算法获得的信息来估计输入噪声的功率,再通过γ-LMS算法在迭代过程中逐步修正维纳解,去除输入噪声的影响从而得到系统参数的真实估计.该方法无需假设输入与输出噪声功率相等或功率比已知、有用信号是白过程等限制条件.仿真与实际数据处理都验证了该方法的有效性,特别是将其应用于实际管道泄漏检测的被动时延估计系统中,在低信噪比或复杂噪声环境下LMS自适应算法的估计性能得到了改善.     

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。     

基于微分麦克风阵列的自适应语音增强算法研究及DSP实现

自适应滤波是语音增强算法中的常用技术, 而算法复杂度与收敛速度是设计各种自适应算法需要首要考虑的问题. 本文提出一种用于片上的语音增强自适应滤波新算法. 该算法分两步实现, 首先, 利用一阶微分麦克风阵列, 获得噪声的实时估计; 其次, 对传统的仿射投影算法(Affine projection algorithm, APA)加以改进, 得到计算误差向量的快速算法, 并根据估计误差动态调整搜索步长以及仿射投影维数, 对带噪语音进行自适应滤波消噪. 在TMS320VC5509 DSP芯片上实现该算法. 实验表明, 算法的自适应滤波过程具有接近递推最小二乘算法(Recursive least squares, RLS)的快速收敛速度, 以及类似最小均方误差算法(Least mean squares, LMS)的低算法复杂度.     

一种基于改进LMS算法的语音消噪方法

为了提高LMS自适应滤波算法的性能,在对一些变步长LMS算法进行分析的基础上,提出了一种改进的变步长LMS算法。利用所提出的算法对被噪声污染的语音信号进行了消噪仿真实验,并进行了主客观性能测试。仿真结果与性能测试分析表明,采用本算法消除噪声后的语音基本接近原始语音。     

两种自适应波束形成算法研究

波束形成技术是智能天线领域的核心技术,且自适应算法的收敛性能、运算量的大小等因素直接影响着整个系统的性能。介绍了智能波束形成的基本理论,研究了基于最小均方误差算法(LMS)和递归最小二乘算法(RLS)的非盲波束形成算法,同时也提出了改进的LMS算法,最后通过仿真分析得出了收敛后的天线方向图、收敛速度及各项性能指标,并对两种算法做了性能比较。     

快速稳健的LMS自适应波束形成算法

研究天线阵通信问题,传统的最小均方误差(LMS)自适应波束形成算法,需要积累足够多的快拍数据后才能进行权值计算,运算时间较长,且存在波达方向(DOA)估计误差性能严重下降的现象.针对上述现象,为提高速度和精度,提出一种快速稳健的LMS自适应波束形成方法.算法是一种自适应迭代算法,不需要累积足够多的快拍数据计算权矢量,减少了权值计算时间.同时基于导向矢量展开的方法,通过梯度搜索相位误差矢量,将它补偿到不精确已知的期望信号导向矢量上,以获得真实的期望信号导向矢量.算法提高了运算速度和稳定性.计算机仿真验证了方法的有效性和正确性.     

稳键的自适应空间波束形成语音增强算法研究

为了进一步改善波束形成的降噪性能,研究了一种稳键后置滤波自适应空间波束形成算法.用麦克风代替传统波束形成器的延时抽头线,使所有的麦克风都有一阶的滤波器,利用经典的线性约束最小方差准则使空间波束形成产生语音参考信号,同阻塞矩阵输出的噪声参考信号一起经自适应多路相消器,从而有效的消除干扰噪声;最后结合后置滤波技术进一步改善语音质量.实验结果表明,相对于传统后置滤波自适应波束形成算法,在消噪性能上有明显的改善且具有更高的输出信噪比.     

改进相关统计模型的语音增强算法

语音和噪声的时频相关特性研究表明,"音乐噪声"区别于语音的一个重要特征是"音乐噪声"谱时频不相关.根据这一特点,在传统先验信噪比估计相关统计模型基础上给出了两点相关性补充假设.在此基础上,通过改进对数谱最小均方误差语音增强(LSA-MMSE)算法中的D-D先验信噪比估计,提出了改进对数谱最小均方误差语音增强算法.仿真实验采用了主观综合评分测度(MOS)和MBSD两种评价机制,实验结果表明,新模型和算法可以有效地抑制"音乐噪声"现象.     

基于声门脉冲的自适应时延估计算法*

在研究LMS自适应算法的基础上,提出一种基于声门脉冲的变步长LMS自适应时延估计新方法,并在相关噪声和混响的环境下与互功率谱相位广义互相关法(GCC-CSP)、变步长LMS自适应算法进行性能比较.实验结果表明,新方法具有很好的鲁棒性,即使在低信噪比强混响的环境下也能获得有效的时延估计.     

基于智能天线的LMS算法的研究

对智能天线中的自适应波束成形算法进行研究,并利用Matlab软件对固定步长和变步长两种LMS算法进行计算机仿真实验。仿真结果表明,变步长的LMS算法均方误差收敛效果较好,波束形成对干扰信号的抑制更加精确,有较强的实用性。