麦克风阵列语音增强算法研究

论文摘要

在视频会议、非手持式移动电话、助听器等系统中,语音信号通常不可避免地会受到噪声、混响乃至其他语音的干扰。这些干扰不仅影响语音的可懂度,同时也会导致语音处理系统的性能急剧恶化。因此,采取何种语音增强算法能更有效的从带噪语音中恢复尽可能纯净的语音,是一个亟待解决的课题。本文阐述并比较了几种常用的麦克风阵列语音增强算法。详细讨论了广义旁瓣抵消器结构麦克风阵列语音增强的算法,并仿真了该算法。广义旁瓣抵消器算法会因为目标信号的估计方向与实际到达方向失配而引起信号泄漏,从而导致输出信号失真。针对这个缺点,本文研究了两种改进的基于广义旁瓣抵消器结构的麦克风阵列语音增强算法。第一种算法采用MUSIC(Multiple Signal Classification)算法来估计目标期望信号的入射角度,降低了定位误差,提高了定位性能,但仍然不能完全消除定位误差引起的性能下降;第二种算法通过改进广义旁瓣抵消器结构中自适应算法,避免因声音到达方向失配带来的信号泄漏,增加反馈模块加快语音增强系统的收敛速度,并采用维纳滤波器使算法更有效地抑制非相干噪声。仿真测试结果表明,相对于传统的广义旁瓣相消器的麦克风阵列语音增强系统,采用改进的算法对语音到达方向失配有更好的强健性,并且具有更高的输出信噪比。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 语音增强的意义
• 1.3 研究现状
• 1.4 本文布局
• 第二章 麦克风阵列语音处理模型及算法简介
• 2.1 阵列信号模型
• 2.1.1 传统的阵列信号处理模型
• 2.1.2 麦克风阵列信号模型
• 2.1.3 声源模型
• 2.2 麦克风的拓扑结构
• 2.3 噪声场
• 2.4 麦克风阵列算法简介
• 2.4.1 固定波束形成方法
• 2.4.2 自适应波束形成方法
• 2.4.3 后置滤波方法
• 2.4.4 近场波束形成方法
• 2.4.5 子空间方法
• 2.4.6 盲信号分离
• 2.4.7 算法比较
• 2.5 小结
• 第三章 基于GSC结构的自适应波束形成理论
• 3.1 波束形成理论基础
• 3.2 广义旁瓣抵消器的波束法
• 3.3 广义旁瓣抵消器的缺陷
• 3.4 小结
• 第四章 带MUSIC模块的改进GSC算法
• 4.1 引言
• 4.2 改进的GSC麦克风阵列语音增强语音算法设计
• 4.2.1 MUSIC算法处理模块
• 4.2.2 后置滤波模块
• 4.2.3 改进的GSC麦克风阵列语音增强算法实现框图
• 4.3 仿真实验
• 4.3.1 仿真条件
• 4.3.2 仿真结果及分析
• 4.4 小结
• 第五章 带反馈滤波器的改进GSC算法
• 5.1 引言
• 5.2 带反馈滤波器的改进GSC算法设计
• 5.2.1 麦克风阵列接收模型
• 5.2.2 麦克阵列系统中的时间延迟估计
• 5.2.3 阻塞矩阵
• 5.2.4 反馈模块
• 5.2.5 自适应信号抵消算法改进
• 5.2.6 后置滤波器
• 5.2.7 系统整体结构
• 5.3 仿真实验
• 5.3.1 仿真条件
• 5.3.2 仿真结果及分析
• 5.4 小结
• 第六章 结论与展望
• 致谢
• 参考文献