麦克风阵列语音信号定位算法与实验研究

论文摘要

环境噪声和竞争说话者的干扰是语音通信过程中常见的干扰情况,然而,现有的语音处理系统无法做到准确区分和跟踪自己感兴趣的语音信号,其性能受到噪声和竞争说话者语音的严重影响。基于麦克风阵列的语音定位技术在视频会议,语音识别,说话人识别,汽车环境语音获取,混响环境声音拾取及语音增强等领域有重要的应用价值。但已有的声源定位方法的运算量较大,方法复杂,难以实时处理。在对多种算法研究的基础上,本文根据室内语音信号非平稳、有反射和混响等相干噪声的特点,提出了一种新方法—基于Hilbert-huang变换的时延定位法。希尔伯特-黄变换这种时频局部化分析法,非常适合处理非平稳信号,它从信号自身出发,自适应的产生信号固有的基函数,而不是人为的设定变换的基函数。本文提出的这种创新性算法首先对传感器阵列采集到的信号做经验模态分解（EMD）,得到各个阶的固有模态函数（IMF分量）,然后对这些分量计算归一化能量,提取主要能量的IMF分量,然后重构信号。再根据互相关原理求得时间延迟估计,最后用几何插值法即可得出声源的方位角。由于IMF是信号本身的固有分量,使得系统在噪声和信号未知的情况下,具有很好的自适应性;并且Hilbert谱对信号细节的表达十分精确,非常易于语音信号和干扰噪声的分离,进而减小了混响对整个定位系统的影响。

论文目录

• 中文摘要
• 英文摘要
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 研究现状
• 1.3 本论文的工作和章节安排
• 第二章 麦克风阵列信号语音处理模型
• 2.1 语音信号的特性
• 2.2 经典麦克风阵列的语音增强算法
• 2.3 基于麦克风阵列语音定位算法概述
• 2.4 传声器的选取及其阵列模型的设计
• 2.4.1 传声器的选取
• 2.4.2 麦克风阵列的几何尺寸
• 2.4.3 远场和近场
• 2.5 本章小结
• 第三章 麦克风阵列的音频信号处理原理
• 3.1 信号的复数表达与窄带信号
• 3.2 基于麦克风阵列的声源定位与跟踪系统的原理
• 3.3 本章小节
• 第四章 基于 EMD 分解的语音定位算法
• 4.1 基于TOA 估计的定位原理
• 4.2 基于TDOA 估计的定位原理
• 4.3 基于HHT 的特征频率到达时间差的定位方法
• 4.3.1 HHT 的基本理论
• 4.3.2 目标特征频率的确定
• 4.3.3 语音目标定位的处理流程
• 4.4 本章小结
• 第五章 信号采集系统设计
• 5.1 麦克风试验设备及采集方法
• 5.1.1 试验所采用的麦克风
• 5.1.2 模拟放大电路
• 5.1.3 基于虚拟仪器技术的多通道采样
• 5.1.4 语音放大芯片选择
• 5.2 电源转化
• 5.3 信号滤波
• 5.4 采集电路
• 5.5 输入通道间不同步的实验数据与结果分析
• 5.6 本章小结
• 第六章 系统麦克风阵列实验结果分析
• 6.1 语音定位实验结果
• 6.2 不同距离对定位结果的影响
• 6.3 本章小结
• 第七章 全文总结
• 参考文献
• 发表论文和科研情况说明
• 致谢