双麦阵列的联合语音增强算法

在多路噪声环境中,单通道语音增强技术往往增强效果有限,为解决这一问题,重点研究了方向性麦克风语音增强技术,利用波束形成技术,达到抑制波束外的干扰信号同时又保留目标信号的目的,麦克风阵列能进行初步的噪声过滤,有效提高语音理解度及信噪比,但无法完全消除噪音,为进一步改善语音质量,研究一种基于方向性麦克风和改进的维纳滤波的联合语音增强算法, 实验结果显示,这种方法得到的最终语音信号质量更好。     

一种视频定位的远距离拾音装置

文章提出了一种视频定位的远距离拾音装置,目的在于提供一种可以有效增强视频监控画面指定目标音源品质,抑制近场音源干扰与噪音,简化后期降噪处理过程,安装使用方便的视频定位远距离拾音装置。包括指向性麦克风、全向麦克风,喇叭形桶体、主信号累加单元、噪声累加单元、后期信号处理单元,在每个喇叭形桶体内底端安装一个指向性麦克风、一个全向麦克风;后期信号处理单元对主信号与噪声信号进行减法处理得到目标语音信号;喇叭形桶体的开口面向目标声源平齐安装在以摄像头为中心的圆周上。此装置已申请中国国家专利局的专利。     

基于麦克风阵列的高信噪比定向采音系统

孤立麦克风在使用的过程中常常会受到采集环境噪音的影响,尤其是在多音源的场合之中,产生的干扰问题十分的严重,这种问题就对语音采集的质量产生严重的影响,因此,必须使用相关的技术优化语音信号,提高信噪比和语音的定向采集。研究讨论了用于麦克风阵列的高信噪比定向采音算法,设计实现了麦克风阵列语音采集系统、通过对采集到的空间中不同方向音频进行数字信号处理,使阵列形成的波束主瓣指向目标语音,零陷指向干扰源,提高采音信噪比,实现对声源的定向采音等。测试结果表明,本系统采音效果良好。采集到的声音信号主瓣很窄,能够实现高信噪比定向采音。     

基于反幂法和卡尔曼滤波的自适应语音去混响方法

噪声鲁棒的自适应语音信号去混响是现代语音信号处理的重要研究内容,其困难在于语音信号的非白性、非平稳性及房间的超长冲激响应特性。针对单输入多输出(SIMO)麦克风阵列系统获取的多路混响语音信号,提出了一种新的去混响算法。首先通过相关法时延估计对SIMO混响语音信号进行时延对齐;其次在保持SIMO系统输出信号间交叉关联关系(cross relation)基础上对混响语音信号进行预白化处理;最后把交叉关联关系、用于矩阵最小特征向量计算的反幂法与卡尔曼滤波解卷积方法有机结合,实现了SIMO混响语音信号的实时自适应去混响。仿真与实验研究表明,本方法对混响语音信号去混响效果明显,同时具有较好的抗噪声性能。      

一种新的语音和噪声活动检测算法及其在手机双麦克风消噪系统中的应用

针对现有双通道语音活动检测(Voice Activity Detection, VAD)算法依赖于固定阈值难以在多种噪声环境下准确地检测语音和噪声,应用于手机消噪系统会造成语音失真或噪声消除不好等问题,该文提出一种基于神经网络的VAD算法,该算法以分频带能量差和归一化互通道相关为特征,采用神经网络对语音和噪声进行分类。在此基础上,将神经网络VAD与基于互通道信号功率比值的VAD相结合,提出一种新的适用于手机消噪系统的语音和噪声活动检测算法分别对语音和噪声进行检测,并以此进行噪声抑制处理,减少了消噪系统因VAD误判而造成的性能下降。实验结果表明,该处理方法在抑制背景噪声和减少语音失真等方面优于现有的消噪算法,对于方向性语音干扰也有很好的抑制效果。     

基于信号相位差和后置滤波的语音增强方法

 在复杂的声学环境中,通常噪声场特性和混响强度是未知的,这样就对麦克风阵列语音增强算法的性能提出了较高的要求.本文提出一种基于带噪语音信号相位差和后置滤波的语音增强方法.首先,将麦克风阵列接收信号分帧,利用相邻两个麦克风之间每帧带噪语音信号的相位差,构成该帧改变频率点幅度谱值的比例系数,对该帧带噪语音信号进行掩蔽增强处理,得到预处理信号;然后利用固定波束形成、独立分量分析算法和后置滤波技术对预处理信号进一步处理,从而有效地抑制了噪声.计算机仿真实验结果表明,在存在一定混响的多种噪声场中,该方法均具有较好的噪声抑制能力.     

基于最小统计与MMSE—LSA的语音增强

提出了一种基于最小统计及短时对数谱幅度最小均方误差估计单通道语音增强算法,并在此基础上对其进行了修正。噪声功率谱估计不需要VAD进行有无语音的检测,并在每帧数据都进行更新,可跟踪变电平噪声。该算法在MMSE—LsA准则下得到谱增益函数,并考虑到纯净声音信号频谱特性,对增益函数进行了修正。实验结果表明,该算法可有效去除噪声,在消除音乐噪声的同时对语音信号产生很小的失真,并易于实时处理。     

差分跳频通信系统抗多音干扰的性能分析

本文介绍了一种新型的短波跳频通信技术——差分跳频,频率转移函数设计和信号的检测方法是差分跳频中的关键技术。在加性高斯白噪声和多音干扰共存的环境下,针对逐符号检测和按序列检测两种信号检测方法,分别就差分跳频通信系统的误符号性能进行了理论分析,同时做出相应的计算机仿真。结果证实了,差分跳频通信技术和按序列检测方法的结合,使通信系统的抗多音干扰的性能得到了比较显著的提升。     

基于DSP的心肺音分离系统研究

针对临床听诊过程中心音和肺音相互混合、频谱上相互重叠的问题,设计一种基于DSP的心肺音分离系统。心肺音传感器从胸壁采集生理声信号,送往信号采集回放电路进行放大、滤波、数字化等前期处理;DSP处理器采用基于小波变换的迭代多分辨率分解-多分辨率重构(MRD-MRR)分离算法对心肺音信号进行分离;分离后的心音和肺音通过音频输出,同时通过串口传输到计算机中备份或进行进一步处理。以此平台为基础,采集30名健康成人的胸壁生理声信号进行心肺音分离试验,结果表明,分离算法采用db8小波函数和硬阈值处理效果最好,系统实时性好,数据传输稳定可靠,具有较高的应用价值。     

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。     

基于多任务疏表达的二元麦克风小阵列语音增强算法简

针对常规二元麦克风小阵列话音增强算法通常需要话音活动检测技术支持,并且难以有效抑制第一帧含目标信号的噪声。提出了一种基于多任务稀疏表达的二元麦克风小阵列话音增强算法,首先利用字典学习方法分别获得目标信号和噪声信号的过完备字典,然后利用 混合范数对信号在其字典上的表示系数进行正则化稀疏约束,使得2个阵元接收到信号中的噪声信号被抑制,而话音信号尽量保持不变,从而达到话音增强的目标。仿真和实验数据表明,无论开始位置是否含有目标话音信号,所提出的非话音活动检测支持的二元麦克风小阵列话音增强算法均能有效实现话音增强的目标。     

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。     

面向二元麦克风小阵列改进的广义旁瓣抵消器语音增强算法

二元麦克风小阵列在手机、助听器等受空间、成本以及运算能力限制的设备中被广泛研究用以提高目标语音质量。二元麦克风小阵列中语音增强算法主要包括波束形成方法以及相干性滤波器方法。波束形成方法的思想是利用目标声源相对阵列的位置关系获取相应的时域和空域信息,可以保留目标声源方向的信号而抑制其他方向的干扰信号;相干性滤波器方法则通过阵元间不同信号的相关性进行噪音抑制。考虑这两种类型方法的优点,本文提出一种面向二元麦克风小阵列改进的广义旁瓣抵消器语音增强算法,通过在广义旁瓣抵消器的固定波束形成支路上使用相干性滤波器,提高固定波束形成输出信号的信噪比,然后在广义旁瓣抵消器自适应支路利用阵列的时域和空域信息对固定波束形成支路输出的信号中残余噪音进行估计,进而获得增强后目标输出信号。仿真和实际试验表明,本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。      

一种改进的奇异值分解语音增强方法

该文将多麦克语音增强方法用于单麦克语音增强,给出了一种改进的奇异值分解语音增强方法。该方法首先对输入矩阵进行雅克比奇异值分解,用得到的奇异值矢量构造语音增强滤波器;然后用输入矩阵与滤波器权矢量相乘来构造各路信号;最后采用麦克风阵列波束形成的方法,得到增强后的语音信号。仿真结果表明,该方法能有效地去除加性噪声,并且改善了语音质量。     

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.     

结合差分阵列与幅度谱减的双麦语音增强算法

为了抑制小型语音通信设备中的方向性噪声干扰问题,提出了一种结合差分阵列与幅度谱减的双麦语音增强算法。该算法首先利用一阶差分阵列技术,对两麦克风采集到的带噪语音信号进行处理,得到语音通道信号和噪声通道信号。接着利用差分阵列处理后的两通道信号对语音通道信号的信噪比进行估计。最后利用幅度谱减法对语音通道信号中残留噪声进行消除。针对语音通道信号的信噪比估计,本文给出了两种新奇的计算方法。仿真实验表明,该算法有效的抑制了方向噪声,改善了语音的质量,去噪效果及语音质量均优于对比算法。      

A microphone array for hearing aids

A directional acoustic receiving system is a form of a necklace including an array of two or more microphones mounted on a housing supported on the chest of a user by a conducting loop encircling the user's neck. Signal processing electronics contained in the same housing receive and combine the microphone signals in such a manner as to provide an amplified output signal which emphasizes sounds of interest arriving in a direction forward of the user. The amplified output signal drives the supporting conducting loop to produce a representative magnetic field. An electroacoustic transducer including a magnetic field pick up coil for receiving the magnetic field is mounted in or on the user's ear and generates an acoustic signal representative of the sounds of interest. The microphone output signals are weighted (scaled) and combined to achieve desired spatial directivity responses. The weighting coefficients are determined by an optimization process. By bandpass filtering the weighted microphone signals, with a set of filters covering the audio frequency range, and summing the filtered signals, a receiving microphone array with a small aperture size is caused to have a directivity pattern that is essentially uniform over frequency in two or three dimensions. This method enables the design of highly-directive-hearing instruments which are comfortable, inconspicuous, and convenient to use. The array provides the user with a dramatic improvement in speech perception over existing hearing aid designs, particularly in the presence of background noise, reverberation, and feedback     

Phone-based filter parameter optimization of filter and sum robust speech recognition using likelihood maximization

Because of noise and reverberation, accuracy of speech recognition systems decreases when the distance between talker and microphone increases. By the using of microphone arrays and appropriate filtering of received signals, the accuracy of recognizer can be increased. Many different methods for using microphone arrays have been proposed that can be classified into two main approaches: systems that perform in two independent stages of array processing and then recognition and systems that use array processing to generate a sequence of features which maximize the likelihood of generating the correct hypothesis in recognition phase. Following second approach, in this paper a new method for microphone array processing is proposed in which the parameters of array processing are adjusted in calibration phase based on phones used in language and maximum likelihood method. Optimized filter parameters are stored and used during recognition phase. A new modified Viterbi algorithm using optimal phone-based filter parameters is used for recognition phase. The proposed algorithm is analytically formulated and Persian language is used to find any improvement in speech recognition accuracy compared with results of delay and sum and utterance-based filter and sum algorithms. The results show 12.2% improvement in accuracy compared to utterance-based algorithm.