矢量语音传感器微阵列

人工智能的普及促进了语音交互技术的发展,语音传感器阵列作为智能语音交互的硬件前端,成为语音交互领域的前沿研究方向.矢量语音传声器自有的偶极子指向性、零点深度以及阵列体积小便于集成的特点特别符合语音交互技术对硬件设备的要求.基于此,通过采用两组矢量敏感单元"共点正交"形成矢量微阵列实现声源空间锐化波束指向,其不受瑞利限与空间采样率限制,与传统空间离散分布的声压麦克风阵列有着本质区别,是矢量微阵列的核心优势所在.矢量微阵列传声器弥补了现有双麦阵列的不足,具有更为广阔的应用前景,作为智能语音交互的硬件前端,对推动智能语音交互领域的发展具有重要意义.     

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。      

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。     

混响环境下麦克风阵列语音增强方法研究

由于麦克风采集到的语音信号常常受到通信环境噪声及混响的干扰,致使语音质量受到严重的影响。因此,文章提出了一种新的麦克风阵列语音增强方法。仿真结果表明,相对于传统的麦克风阵列语音增强方法而言,文章所提出的方法具有更好的去噪效果。     

基于麦克风阵列的数字助听器语音增强技术

针对噪声和混响环境下的助听器用户聆听上的困难,基于麦克风阵列的数字助听器设计能够很好的提高助听器在这种环境下的语音信噪比。本文研究了应用麦克风阵列进行数字助听器语音增强处理技术,提出了一种基于粒子群优化的改进粒子滤波算法,它将语音增强问题转换为从带噪语音中对纯净语音的估计过程,引入粒子群优化的方法来产生建议分布,使降噪结果更接近纯净语音,从而得到更好的语音增强效果。     

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。     

智能麦克风阵列语音分离和说话人跟踪技术研究

本文介绍一种新的基于麦克风阵列的语音分离和说话人跟踪技术.该技术使用麦克风阵列,形成一个指向感兴趣说话人的波束来增强信号,并通过方向置零来抑制其他说话人的声音和噪声,同时用自适应算法跟踪说话人的方位变化.仿真验证了该技术的有效性.与常规的自适应算法相比,该算法不需训练序列,具有显著的优势.     

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.     

一种近场环境下的麦克风阵列语音增强方法

针对语音源位于阵列近场而干扰噪声源位于阵列远场的声学环境,本文提出了一种基于近场双自适应波束形成的麦克风阵列语音增强方法。该方法利用近场声波波前的特点,主通道采用最小方差无失真响应准则的近场优化波束形成器,辅助通道采用双自适应波束形成技术,从而有效地抑制了混响和噪声对语音信号的影响。仿真实验结果表明,在房间混响条件下,本文方法具有良好的噪声抑制性能。     

改进的基于信号子空间的多通道语音增强算法

通过同时对角化麦克风阵列接收信号中语音信号和噪声信号的全局协方差矩阵,本文改进了一种基于信号子空间分解的多通道语音增强算法.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任何先验假定,它弥补了原始算法只限于白噪声背景下语音增强的不足,实现了色噪声背景下语音信号的最优估计.仿真结果表明本文算法在主观和客观测试中都具有良好的语音增强效果.     

语音增强及其消噪能力研究

语音增强技术可极大提高信噪比，解决由于环境噪声引起的语音通讯和识别性能下降的问题。目前常用的语音增强算法有频谱相减法，维纳滤波法，自适应抵消法等。文章提出一种将指向性麦克风和自适应抵消法相结合的方法，在仿真试验中取得了较好的结果。     

一种基于子带GSC的语音增强算法

提出一种基于GSC的语音增强算法,该算法应用了DFT调制子带滤波器组将语音信号分解到子带进行自适应滤波,从而获得更好的增强效果以及更低的运量复杂度.同时,将范数约束自适应滤波(NCAF)算法应用于自适应噪声对消器(ANC)以降低语音的失真度.为了进一步去除增强后语音中的残留噪声,算法使用改进的Wiener后置滤波器.仿真结果表明,相对于基于全带GSC的麦克风阵列语音增强算法以及传统Wiener后置滤波算法,采用本文所用算法具有更高的输出分段信噪比.     

基于近场波束形成的麦克风阵列语音增强方法

当麦克风阵列用于封闭环境中非手持式语音拾取时,必须面对的一个问题是声场为阵列近场的问题。该文在子带自适应波束形成方法的基础上,引进了一种基于近场波束形成的麦克风阵列语音增强方法。该方法充分利用了近场球面波的波前弯曲率,有效地衰减了混响和噪声对期望信号的影响。仿真实验结果表明,在小房间混响条件下,基于近场波束形成的麦克风阵列语音增强方法取得了较好的噪声抑制效果。     

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。     

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。     

麦克风阵列的协同自适应滤波语音增强方法

在麦克风阵列语音增强方法中,传统的广义旁瓣抵消器在处理存在显著脉冲噪声的语音信号时效果较差。为提高在脉冲噪声干扰下的语音信号增强效果,提出一种麦克风阵列的协同自适应滤波语音增强方法。该方法采用协同自适应滤波取代线性自适应滤波,基于NLMS算法导出了滤波器权值和协同因子的自适应更新算法。仿真实验结果表明,所提方法能有效地消除掉语音信号的脉冲噪声和高斯噪声,克服线性自适应滤波对非线性脉冲噪声的不敏感性,比广义旁瓣抵消器效果优越很多。     

基于DSP的语音时延估计实现

基于麦克风阵列的语音时延估计是语音增强和空间定位的关键技术,实现了对时延估计的几种算法做了仿真和比较,研究了利用数字信号处理器（DSP）芯片来实现时间延时估计的软硬件实现,提出并实现了基于TI公司的TMS320C6416芯片和TLV320AIC23芯片的两路语音信号采集处理。并基于语音信号的特殊性,提出了计算一段时间内时延值的特殊方法。仿真和实验的结果表明提出的方法能够较准确的计算和检测出一段时间内两路语音信号的时间延时。     

利用相位时频掩蔽的麦克风阵列噪声消除方法

本文提出了一种在干扰声源和背景噪声存在条件下麦克风阵列噪声消除的方法。麦克风阵列通过波束形成增强由导向矢量所指定方向的目标声源来抑制背景噪声。然而,现有的波束形成算法在干扰声源存在的情况下,无法进行准确的导向矢量估计。为此,本文提出一种基于音频信号互相关功率谱相位的麦克风阵列噪声消除方法。首先通过音频信号的相位时频掩码估计导向矢量,并对其进行波束形成,从而有效抑制干扰声源和背景噪声;然后利用语音存在概率,采用最大似然的方法估计波束形成后信号中残留的干扰噪声功率谱密度,对其进行后处理,进一步抑制残留干扰和噪声。实验结果表明在干扰声源和背景噪声存在的条件下,所提方法有效地实现了麦克风阵列噪声消除,且各种性能指标优于基线方法。      

稳健语音识别技术发展现状及展望

本文在简单叙述稳健语音识别技术产生的背景后,着重介绍了现阶段国内外有关稳健语音识别的主要技术、研究现状及未来发展方向.首先简述引起语音质量恶化、影响语音识别系统稳健性的干扰源及其影响.然后分别介绍语音增强、稳健语音特征的提取、基于特征和模型的补偿技术、麦克风阵列、基于人耳的听觉处理及听觉视觉双模态语音识别等技术路线及发展现状.最后讨论稳健语音识别技术朱来的发展方向.     

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.