多噪声环境下双微阵列语音增强算法

为提高双微阵列语音增强系统在多噪声环境下的消噪性能，提出一种适用于双微阵列的改进广义旁瓣抵消器语音增强算法。根据双微麦克风阵列的结构特点，首先，用基于噪声互功率谱估计的改进相干滤波算法消除距离较远麦克风之间产生的弱相关噪声；然后，利用广义旁瓣抵消算法消除距离较近麦克风之间产生的强相关噪声；最后，通过基于最小值控制递归平均的子带谱减法有针对性地消除不同频带上的残留噪声。仿真实验表明，在多噪声环境下所提算法较现有的双微阵列语音增强算法取得了更好的感知语音质量评价得分，一定程度上改善了双微阵列语音增强系统对复杂噪声的抑制效果。     

基于麦克风阵列的语音增强算法研究

麦克风阵列信号处理技术的语音增强方法,能够充分利用语音信号的时空信息,其波束控制能力、抗干扰能力和信号增益均优于传统的方法。对于广义旁瓣抵消(GSC)的自适应滤波算法,在噪声相干的情况下具有很好的噪声抑制作用,但并不适用于噪声为非相干情形;反之,维纳滤波算法在噪声非相干的情况下对噪声有很好的抑制作用,而又不适用于噪声相干情形。为防止出现在高信噪比的情况下信号相消的现象,首先对GSC的阻塞矩阵进行了改进,其次对维纳滤波算法中信噪比取值的不确定性进行了改进,最后尝试将两种算法进行融合。仿真结果表明:融合算法在两种噪声情况下都具有较好的噪声抑制能力,在复杂噪声环境中具有更高的可靠性,因而更具实用价值。     

基于TF-GSC的多通道后置滤波语音增强算法

针对传统语音增强算法在非平稳噪声,尤其是在噪声为语音的环境下,对噪声的抑制效果急剧下降的情况,提出了一种基于传递函数—广义旁瓣抵消(TF-GSC)和最佳修正测井谱振幅估计量(OM-LSA)的改进型多通道后置滤波语音增强算法.算法在后置滤波时,利用TF-GSC输出信号与参考噪声之间的相互关系求解出语音存在概率,并更新噪声功率谱估计.实验结果表明:算法可以有效地抑制非平稳噪声,提高语音增强算法在语音噪声环境下的鲁棒性.     

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。     

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。     

一种双通道语音增强方法

本文提出了一种用于语音识别的双麦克风语音增强算法。该算法主要利用两个语音通道之间语音信号的空间相关性和时间相关性,进行空时域滤波,消除噪声。在输入语音信噪比为0至20dB之间时,能获得较大的信噪比处理增益。该方法只采用了两个麦克风,结构简单;相对于维纳后滤波法,解除了要求两麦克风接收的噪声信号不相关的约束,可以去除点声源的非强相干噪声。和一般的波束形成算法相比,可以去除期望声源方向的弱相关噪声。     

随机共振在强噪声环境中语音增强应用

传统的语音增强方法是在保持语音可懂度和清晰度的前提下,尽可能地从带噪语音中提取需要的纯净语音,而在强噪声环境中,语音信号表现为弱信号,去噪变得困难.基于Hodgkin-Huxley神经元阈上非周期随机共振原理,提出一种自适应调节,添加最佳噪声来进行语音随机共振,从而实现语音增强.Matlab实验结果表明,在强噪声环境中实现对语音信号增强,信噪比提高明显,且效果优于传统算法.方法具有一定鲁棒性,提供了在强噪声环境中增强语音信号的新思路.     

滤波器组自适应语音增强方法

双麦克风噪声抵消应用中,由于交叉串的存在,传统自适应算法降噪性能受到很大的影响。为了提高双麦克风算法降噪性能,使用两级自适应滤波系统消除交叉串扰问题。为提高自适应滤波器收敛性能,采用主从结构LMS算法自适应调节步长因子。同时为了适合窄带处理算法,将输入信号进行子带分析预处理,对每个子带独立进行抗交叉串绕自适应处理,将各子带增强信号合并得到增强语音信号。实验结果表明,该方消噪量大,语音损伤小,语音增强效果显著。     

一种基于信噪比乘积更新的广义旁瓣抵消器

广义旁瓣抵消器由于实现结构简单在麦克风阵列算法中得到了广泛的应用。但是传统的广义旁瓣抵消器算法对导向矢量失配误差比较敏感,容易产生目标方向信号的自抵消现象。针对此问题,本文提出了一种改进算法,通过固定波束形成和自适应阻塞矩阵输出的信噪比乘积控制多输入抵消器的更新,降低目标方向信号的自抵消影响,提升语音质量。在8.5 m×8.0 m×3.0 m的普通会议室中,通过模拟不同方向的目标人声和噪声源,对算法进行了实验验证。实验结果表明,相比于传统算法,改进算法具有一定的鲁棒性,且选择阈值简单,可以在降噪量和语音质量方面都能得到提升。     

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。     

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。     

基于子带广义旁瓣相消器的麦克风阵列语音增强*

为了加快基于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广义旁瓣相消器的非自适应支路,以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,采用该子带广义旁瓣相消器结构的语音增强系统具有更快的收敛速度和更高的输出信噪比。     

基于小波阈值去噪的麦克风阵列语音增强方法

现有的麦克风阵列语音增强方法中的延迟-求和波束形成算法只对不相干噪声或弱相干噪声有一定的消噪能力,如果语音中混有较强相干噪声,则此传统的方法对其没有消除能力。针对这个局限性,文中把小波阈值去噪的方法与传统的延迟-求和波束形成算法有效结合,使其对相干噪声也具有很好的消噪能力,同时减少由于噪声的存在而引起的时延估计误差,提高时延估计的准确性,使最终求和结果更好。通过仿真结果表明,这种改进方法可以改善最终语音效果,提高语音清晰度,使人耳更好地接受。     

一种改进型谱减算法的语音增强研究

针对低信噪比条件下基本谱减算法存在降噪效果不佳,产生音乐噪声过大,语音可懂度不高的问题,提出了一种改进型的谱减算法。算法先计算语音信号的倒谱距离值,检测出噪音段和语音段,用动态计算的噪声值代替基本谱减法采用的噪声统计均值;根据当前帧和噪声帧的倒谱距离比值动态设置谱减系数,改进了传统算法中谱减系数保持不变的缺点;同时采用三种方法抑制音乐噪声。仿真实验表明,在低信噪比情况下,改进型的谱减算法可以有效降噪,提高信噪比和可懂度,达到语音增强的目的。     

强噪声环境下改进的语音端点检测算法

为了提高强噪声环境下语音端点检测的正确率,克服传统的短时能量和短时过零率双门限语音端点检测算法在低信噪比（SNR）条件下检测性能急剧下降这一缺陷,提出了一种改进的语音端点检测算法。该方法对强噪声环境下的语音信号,首先进行小波阈值去噪,提高信噪比,再采用双门限法进行端点检测。实验结果表明,该算法具有一定的鲁棒性,在强噪声环境下仍能准确地进行语音端点检测,从而该算法的有效性得到验证。     

基于改进深度置信网络的语音增强算法

研究了一种基于深度置信网络的语音增强算法，并针对其不足做如下改进：考虑到对应训练集中噪声种类较少，噪声特性不够丰富的情况，在频域对噪声频谱进行扰动，以丰富噪声频谱特性；考虑到不同频点的信号对系统误差的影响不一样，结合绝对听阈构造权重系数。最后选取在噪声环境下传统语音增强算法中较好的LOG-MMSE和本文改进的基于深度置信网络的语音增强算法进行了分析比较，结果证明深度置信网络的语音增强算法显示出较好性能，尤其对增强后语音质量的提升超过了LOG-MMSE方法。     

基于分形维数的自适应语音降噪改进算法

针对强背景环境噪声对语音信号的影响问题,根据短时分形维数能够反映信号动态特征的特性,提出了一种基于分形维数的自适应语音降噪改进算法.实际应用表明,该算法能够有效提升非平稳噪声环境下的语音增强效果.