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。      

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。     

利用信号功率谱密度的麦克风阵列噪声消除方法

本文研究了一种在背景噪声和干扰噪声存在的情况下基于麦克风阵列的噪声消除方法,具有准确的指向性。波束形成可以更好的获取指定方向的增强语音及抑制其它方向的噪声的效果。而现已存在的波束形成的方法处理后,增强之后的语音仍然会存在部分的干扰噪声。针对这样的问题,本文提出了一种利用信号功率谱密度比值的广义旁瓣消除波束形成方法来进一步实现对背景噪声和干扰噪声的抑制。此外,本文还进一步利用深度神经网络的方法,通过训练多目标函数下的掩蔽值结合最优改进对数谱幅度,做后置滤波可以更高效地对残留干扰噪声进行消除。本文中通过对比实验,比较了不同的基线方法,更好地验证了所提出算法的有效性。      

基于MVDR后置滤波的多通道回声消除算法研究

视频会议场景中,用户扬声器、麦克风的非线性特性,使得麦克风采集到的回声信号存在明显失真,线性回声消除后仍会残留大量非线性回声,且能量和近端语音相当。此时需要高强度的非线性回声处理保证不漏回声,但近端语音也会被明显抑制甚至消音,影响会议体验。针对上述难点,提出一种基于最小无失真方差响应（Minimum Variance Distortionless Response,MVDR）后置滤波器的多通道回声消除算法,将各通道的信号分别进行线性回声处理,然后使用MVDR后置滤波提升近端语音能量、抑制残留回声能量,最后通过低强度非线性回声抑制器,得到回声消除后的信号。测试表明,本文方案多抑制了6.05%残留非线性回声,同时提升13.51%的近端语音能量,经过低强度的非线性回声抑制（Non-Linear Processing,NLP）处理后,保留了更多的近端语音能量,改善了语音通透性。本文提出的算法可以实时运行于低成本移动平台上。     

结合相位差和谱减法的双传声器语音增强技术

结合基于传声器阵列和相位差的语音增强算法的优点,提出了可以在同时存在平稳噪声和干扰语音环境下使用的语音增强算法.首先对噪声估计技术进行了改进,利用相位差信息和幅度信息对语音存在概率进行估计,提高了噪声估计性能.其次用相位差信息对原谱减法的幅度增益函数进行改进.在普通房间使用间距为0.08m端射结构双传声器测试,实验结果...     

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.     

仿听觉掩蔽效应的助听器语音增强算法

为增强听障患者在噪声环境下的语言理解度,本文提出了一种改进的感知滤波器算法。针对一般感知滤波器会出现被掩蔽音在感知滤波后变为可闻噪声的问题,本文仿听觉掩蔽效应设计了加权感知滤波器算法。算法在基本感知滤波器设计的基础上,首先采用直接判决法来估计先验信噪比,并基于最佳平滑因子法进行修正。然后基于最小均方差准则获得最优估计值,从而得到感知权重滤波器的增益函数。仿真实验结果表明,该方法能够有效地消除残留噪声,降低噪声对语音的干扰,使得处理后的语音质量有所提高。     

基于高斯混合多目标滤波器的传感器控制策略

本文基于随机有限集的高斯混合多目标滤波器（Gaussian Mixture Multi-Target Filter,GM-MTF）提出几种传感器控制策略.首先,基于容积卡尔曼高斯混合多目标非线性滤波器,借助两个高斯分布之间的巴氏距离,推导GM-MTF的整体信息增益,并以此为基础提出相应的传感器控制策略.另外,设计高斯粒子的联合采样方法对多目标滤波器的预测高斯分量进行采样,用一组带权值的粒子去近似多目标统计特性,利用理想量测集对粒子的权值进行更新,继而研究利用Rényi散度作为评价函数,提出一种适应性更好的传感器控制策略.最后,给出基于目标势的后验期望（Posterior Expected Number of Targets,PENT）评价的高斯混合实现过程.仿真实验验证了提出算法的有效性.     

基于相干函数和仿生小波变换的双麦克风语音增强算法

提出了一种双麦克风降噪方法。该方法基于相干函数和应用卡尔曼滤波的仿生小波变换。将卡尔曼滤波器用于输入信号,应用仿生小波变换从而得到仿生小波系数。所采用的方法可以在不同的噪声场景下使用两个排列紧凑的麦克风处理带噪信号,在语音质量评价、谱图分析和时域波形等方面优于其他双通道语音增强方法。     

基于混联压缩器的语音自动增益控制算法

视频通话场景下,发言人距离麦克风远近、朝向麦克风与否以及声音大小等都会影响语音平稳度,影响语音可懂度,进而影响会议质量.因此,提出一种基于混联动态压缩器的模型,针对上述问题,将输入信号先后经过向下扩展器的噪声门限器,对噪声进行抑制,之后经过增益补偿器进行增益补偿,最后通过向下压缩器的门限器处理,同时通过语音活性检测算法...     

基于AR-HMM在线能量调整的语音增强方法

针对单通道语音增强技术对非平稳噪声的跟踪不准确、噪声抑制效果较差的问题,本文提出一种基于在线能量调整的语音增强方法.该方法以归一化临界带能量为特征,采用高斯混合模型对背景噪声进行分类,利用对应类型噪声的自回归隐马尔可夫模型(Auto-Regressive Hidden Markov Model,AR-HMM)和纯净语音的AR-HMM,在最小均方误差准则下估计语音和噪声的功率谱.考虑到非平稳环境中训练集和测试集的差异性,需在线调整语音模型和噪声模型中的能量,语音模型的能量调整采用迭代的期望最大化算法;噪声模型的能量调整则利用的是模型训练过程中的能量重估方法,并以最小值控制的递归平均算法确定噪声能量调整的初始值.在ITU-T G.160标准下对算法进行性能测试,测试结果表明,本文方法对非平稳噪声的跟踪效果较好,对噪声衰减量较大,收敛时间较短.     

基于高斯混合模型的压缩域语音增强方法

 为了有效利用纯净语音导抗谱频率参数(ISFs)的先验知识,本文针对ITU-T G.722.2宽带语音编码标准提出了一种基于高斯混合模型的压缩域语音增强方法.首先,将含噪语音、纯净语音的导抗谱频率参数,以及对应的增益调整因子构成特征矢量,并利用高斯混合模型拟合其概率密度;然后,在最小均方误差 (MMSE) 准则下对纯净语音的特征参数进行最优贝叶斯估计.为了兼容编码器中的非连续性传输模式,当处理信号为非语音信息时,算法在保持噪声帧谱包络参数不变的前提下,按固定比例调整对数帧能量;且若出现帧擦除情况,算法不调整接收到的码流,并按正常帧处理方式调整恢复后的参数以更新相关历史.本文采用ITU-T G.160标准进行了性能测试,结果表明,与参考方法相比,所提方法在保证信噪比提高能力的同时,可以达到更大的噪声衰减量,且增强语音的客观质量更优.     

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。      

Two‐Microphone Generalized Sidelobe Canceller with Post‐Filter Based Speech Enhancement in Composite Noise

This paper describes an algorithm to suppress composite noise in a two‐microphone speech enhancement system for robust hands‐free speech communication. The proposed algorithm has four stages. The first stage estimates the power spectral density of the residual stationary noise, which is based on the detection of nonstationary signal‐dominant time‐frequency bins (TFBs) at the generalized sidelobe canceller output. Second, speech‐dominant TFBs are identified among the previously detected nonstationary signal‐dominant TFBs, and power spectral densities of speech and residual nonstationary noise are estimated. In the final stage, the bin‐wise output signal‐to‐noise ratio is obtained with these power estimates and a Wiener post‐filter is constructed to attenuate the residual noise. Compared to the conventional beamforming and post‐filter algorithms, the proposed speech enhancement algorithm shows significant performance improvement in terms of perceptual evaluation of speech quality.     

结合人耳听觉感知的两级语音增强算法

针对现有语音增强算法面临残留噪声这一问题,结合人耳听觉系统的掩蔽特性,本文提出了一种优化的语音增强算法。算法分为两级,第一级利用MMSE-LSA谱估计法对带噪语音进行降噪处理,经过处理后,带噪语音信号的信噪比得到了提高。然后,针对第一级增强语音信号中的残余噪声利用人耳听觉掩蔽特性掩蔽掉。为此,算法结合人耳听觉掩蔽特性设计了感知增强滤波器,该滤波器能够有效去除第一级增强语音信号中的残留噪声。仿真实验表明,在各种复杂背景噪声以及信噪比环境下,经过本文算法处理后的增强语音信号残留噪声明显减少,算法提升了增强语音的主观感知质量。      

基于自适应滤波的噪声抵消法

语音降噪就是从带噪语音信号中提取尽可能纯净的原始语音。文中介绍了一种基于自适应滤波的噪声抵消法，采用归一化最小均方误差算法，采集实际噪声环境下各种不同信噪比的带噪语音样本进行降噪处理，实验结果表明，处理后信号的信噪比得到了较大程度的提高，大大改善了听音效果，具有很高的可懂度，且语音自然度好，没有失真；并与谱减法进行了比较，自适应噪声抵消法的降噪幅度比谱减法有一定提高，在听音效果上，用自适应噪声抵消法处理后的语音在清晰度、自然度方面优于谱减法。     

基于小波变换的双通道相干语音增强

提出了一种基于小波变换的双通道语音增强方法.该方法将双通道接收的带噪语音分解到各小波子空间,在对噪声非平稳特性的精确估计的基础上有效地进行相干增强处理.针对语音和噪声在各小波子空间的不同时-频特性,采用不同参数值的MMSE-STSA估计器进行后续滤波,可以将遗留噪声进一步滤除.文章最后的实验结果证明,与传统的双通道相干语音增强方法相比,该方法具有更好的处理效果.     

基于听觉掩蔽效应的语音增强算法的研究

提出了一种基于听觉掩蔽效应的语音增强算法。算法对含噪语音的增强包括谱减法语音增强和感知加权语音增强两个步骤,分别从客观和主观两方面来提高含噪语音的质量。在谱减法阶段考虑了语音和噪声谱的交叉项,有效地减少了增强语音中的残余噪声;在感知加权处理中充分利用了人耳的掩蔽效应,设计了感知加权滤波器,对谱减法增强后的语音进行滤波,进一步消除残余噪声。对算法进行了数值实验,实验结果表明该算法能有效提高含噪语音的质量,比传统的谱减法有较大改进。     

一种基于短时谱估计和人耳掩蔽效应的语音增强算法

该文结合短时谱估计算法和人耳掩蔽效应提出了一种单通道语音增强算法。该算法在MMSE准则下采用了非固定参数的语音跟踪,并且引入人耳掩蔽效应动态的确定增强滤波器的传递函数以适应语音信号的变化。实验结果表明:该算法使降噪后的语音信号有较小的语音失真并且很好地抑制了音乐噪声。     

A combined multi-channel Wiener filter-based noise reduction and dynamic range compression in hearing aids

Noise reduction (NR) and dynamic range compression (DRC) are basic components in hearing aids, but generally these components are developed and evaluated independently of each other. Hearing aids typically use a serial concatenation of NR and DRC. However, the DRC in such a concatenation negatively affects the performance of the NR stage: the residual noise after NR receives more amplification compared to the speech, resulting in a signal-to-noise-ratio (SNR) degradation. The integration of NR and DRC has not received a lot of attention so far. In this paper, a multi-channel Wiener filter (MWF)-based approach is presented for speech and noise scenarios, where an MWF-based NR algorithm is combined with DRC. The proposed solution is based on modifying the MWF and the DRC to incorporate the conditional speech presence probability in order to avoid residual noise amplification. The goal is then to analyse any undesired interaction effects by means of objective measures. Experimental results indeed confirm that a serial concatenation of NR and DRC degrades the SNR improvement provided by the NR, whereas the combined approach proposed here shows less degradation of the SNR improvement at a low increase in distortion compared to a serial concatenation.