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。     

基于LMS算法的自适应重复语音信号噪声对消效果研究

为了提高LMS自适应滤波算法的性能,通过对自适应系统的深入研究,实验得出同一信号不同噪声强度下的最佳步长,并运用于噪声对消。文中主要研究如何消除输入中掺杂的噪声干扰,并且对不同的情况做了深入的研究,同时研究了对于重复语音输入信号下的噪声对消。通过研究信噪比数值分析重复语音信号下的噪声对消情况,得出重复语音信号对噪声对消质量的最佳提升与噪声倍数有正相关的关系。     

基于波束形成的谱相减语音增强

为降低谱相减算法产生的音乐噪声,并提高语音增强效果,本文在深入研究波束形成技术和谱相减算法的基础上,提出波束形成器后级联谱相减的语音增强处理方法,并分析、验证了这种结构的可行性。对真实环境下的语音和噪声数据的处理结果显示,谊级联结构的语音增强系统可显著降低背景噪声,语音失真小,并易于实时实现,信噪比增益达16．5dB。     

一种基于噪声对消与倒谱均值相减的鲁棒语音识别方法

提出一种基于语音增强算法的噪声鲁棒语音识别方法．在语音识别预处理阶段,通过噪声对消语音增强法来抑制噪声提高信噪比．然后对增强语音提取Mel频段倒谱特征参数,并在倒谱域应用倒谱均值相减处理来补偿增强语音中的失真成分和剩余噪声．实验结果表明,在低信噪比（-12—0 dB）条件下,该方法对于数字语音识别具有较好的识别率,其性能明显优于基本的Mel频段倒谱参数识别器、传统的谱减法和噪声对消语音增强法．     

混响环境下的宽带波束形成语音增强方法

结合小波滤波器组理论和自适应波束形成技术,提出了一种基于宽带波束形成的麦克风阵列语音增强方法。该方法利用小波分析滤波器组将含噪语音信号变换到小波域;进行小波域阵列自适应波束形成;通过小波综合滤波器组重构增强后的语音信号。计算机仿真实验验证了该方法的有效性。     

基于波束形成与SSA的多麦克风噪声消除

提出一种基于波束形成技术与信号子空间滤波器的多麦克风噪声消除方法。利用波束形成器的空域滤波特性,使波束主瓣对准期望信号方向,零陷对准噪声方向,消除观察信号中弱相关与不相关噪声。利用信号子空间滤波器进一步消除波束形成器输出信号中的残余噪声。实验采用NOISEX92语音库,结果表明该方法具有较低的算法复杂度,有效降低了背景噪声。     

神经网络自适应噪声对消的研究

基于神经网络中自适应线性单元(ADALINE),结合传统自适应噪声对消原理,提出了一种基于ADALINE的改进型自适应噪声对消器。经仿真和实例证明,具有很强的噪声滤除能力和鲁棒性。     

基于噪声被掩蔽概率的语音增强算法

针对MMSE方法语音失真较大的缺点,提出一种将噪声被掩蔽概率引入高分辨率掩蔽感知模型的方法,通过初始噪声序列进行噪声谱的更新,然后计算噪声掩蔽参数,适时更新数据参数以动态确定每一帧的权值,实验结果表明,该方法在有效抑制背景噪声的同时还降低了音乐噪声,在语音降噪方面实现了比MMSE方法更好的增强效果.     

基于麦克风阵列的语音增强算法

为解决现有语音增强算法需要麦克风数量较多和受估计误差影响较大的问题,提出一种改进的声源定位和波束形成方法。在现有声源定位算法利用时间延迟的基础上,引入能量衰减参数,实现利用双麦克风进行声源定位的目标;在波束形成算法中引入加载系数,在出现协方差矩阵统计失配时仍可对期望方向聚焦,提高波束形成算法的鲁棒性。仿真结果表明,改进后的算法与传统算法相比具有更强的鲁棒性。     

基于Kalman滤波的GSC改进语音增强算法

针对广义旁瓣相消器（Generalized sidelobe canceller,GSC）存在非相干噪声消除性能不佳的缺陷,提出了采用后置Kalman滤波器改进的GSC去噪算法。该算法通过归一化最小均方算法校正自适应噪声对消器,并将滤除方向性干扰噪声后的语音信号输出到Kalman滤波器中,对残余背景噪声进行迭代最小均方误差（Minimum mean square error,MMSE）估计,抑制非相干噪声与麦克风阵元所产生的热噪声。经过在不同信噪比条件下客观语音质量评估（Perceptual evaluation of speech quality,PESQ）及语谱图分析后证明,与传统的GSC以及后置谱减法的改进GSC相比,本算法在噪声消除上的表现更为优越,且增强后信号也更接近目标信号。     

一种广义旁瓣抵消器结构的语音增强改进算法

当广义旁瓣抵消器（Generalized sidelobe canceller,GSC）结构的语音增强算法对语音信号的入射方向角估计不准确时,阻塞矩阵（Blocking matrix,BM）不能完全阻塞目标语音,使得部分语音通过阻塞矩阵,在后期多输入抵消器（Multiple-input canceller,MC）模块中和参考信号相抵消,造成目标语音的损失。针对广义旁瓣抵消器因信号到达方向（Direction of arrival,DOA）估计误差而导致语音泄漏的问题,本文提出了一种麦克风阵列语音增强的优化算法,先对经过时延补偿的信号进行频谱调整,再利用MC模块输出与BM模块输出存在相关性的特点,对阻塞矩阵进行自适应调整,使方向估计参数更趋近于真实目标语音方向,以减少阻塞矩阵中目标语音的泄漏。仿真结果表明,该算法 可以有效减少阻塞矩阵中目标语音的泄漏、增强系统的鲁棒性以及提高语音增强效果。     

基于改进的NLMP的自适应脉冲噪声对消器

在信号传输系统中,存在自适应算法不能处理的α-稳定脉冲噪声,在算法中将步长更新与系统输出误差e(n)的lp范数联系起来,利用系统的输出误差e(n)来确定自适应系统的步长,提出了一种适用于α-稳定脉冲噪声环境下的改进的NLMP自适应对消算法(MNLMP)。MNLMP很好地解决了NLMP算法收敛速度与稳态误差不能兼顾的缺点。通过计算机仿真,结果显示MNLMP比LMP、NLMP有更好的对消性能。同时,仿真结果显示在不同输入信噪比的情况下,MNLMP算法的输出信噪比其它两种算法有了明显的提高。     

基于广义奇异值分解的通用旁瓣消除算法

提出一种新的通用旁瓣消除器结构,它利用广义奇异值分解(Generalized singular value decomposition,GSVD)技术,通过广义奇异向量的变换间接估计声源到麦克风之间的传递函数.不同噪声环境下的实验结果表明,与现有的各种GSC算法相比,该算法能够更有效地抑制混响和噪声,并且增强后的语音失...     

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.     

一种空时联合的自适应波束形成算法

为了进一步提高传统最优空时滤波算法的性能,提出了一种新的空时联合的自适应波束形成算法。在给出算法的信号模型和算法原理的基础上,详细地阐述了该算法实现空时联合自适应滤波的机理,然后利用计算机仿真较全面地分析和比较了算法的性能。理论分析和仿真结果表明,该算法在提高输出信干噪比和削弱指向误差影响等方面明显优于传统的最优空时滤波方法。     

麦克风阵列语音增强的研究

文章介绍了各种基本的麦克风阵列语音增强算法,对其消噪性能进行了系统地分析,并以实测数据进行了测试。并介绍了基于稳健波束形成器、近场超定向波束形成器、广义奇异值分解和传输函数广义旁瓣相消器等结构的麦克风阵列语音增强的基本原理,总结了各种算法的特点及其所适用的声学环境特性。     

基于LMS算法自适应噪声抵消器的分析研究

自适应信号处理的理论和技术已经成为人们常用的语音去噪技术,而Matlab为其提供了更为方便快捷的方法来对语音信号进行消噪处理。通过介绍自适应滤波器原理,在对自适应滤波器相关理论研究的基础上,重点研究了LMS自适应滤波算法,并对LMS自适应算法进行了分析,用Matlab对其进行了仿真和实现。