论文题目: 面向实时处理的自适应声学语音信号处理——声回波对消和语音盲信号分离
论文类型: 博士论文
论文专业: 通信与信息系统
作者: 何培宇
导师: 周激流
关键词: 声回波对消,盲信号分离,卷积混合,声学语音,自适应算法,实时处理,模型
文献来源: 四川大学
发表年度: 2005
论文摘要: 论文针对自适应声学语音信号处理中的两大热点研究问题—自适应声回波对消(AEC)和卷积混合语音盲信号分离(BSS),基于实时处理考虑,进行了全面而深入的研究。自适应声回波对消和卷积混合语音盲信号分离所面临的处理对象是非平稳的自相关性极强的语音信号,且描述传播语音信号的声学闭合空间的冲激响应通常长达数百毫秒。待处理信号的特性以及声学通道的特性成为自适应声回波对消和卷积混合语音盲信号分离进入实用化的巨大障碍。一方面,我们必须研究具有高性能的自适应算法来达到声回波对消和卷积混合盲分离的目的; 另一方面,为了实时处理的目的,我们还必须尽量降低算法的计算复杂度。更为实际的是,以上两个应用所面临的声学环境是时变的,因此对各种自适应算法的收敛速度以及动态跟踪能力提出了更高的要求。然而,以上两个方面的需求往往是相互矛盾的,两者不可兼得。本研究的着眼点是基于实时处理的目的,探索构建有效的信号处理模型并研究出一些性能好、收敛速度快或自动跟踪能力强的便于DSP实时实现的自适应算法。自适应声回波对消问题是一个典型的系统辨识问题。这里,待辨识的未知系统是一个声学闭合空间中从扬声器到麦克风(LRM)的声回授通道。LRM声回授通道虽然是一个线性系统,但是其冲激响应的持续时间通常高达数百毫秒,如果用一个有限长度冲激响应滤波器对其进行自适应辨识,这个滤波器的阶数一般不少于一千阶。于是自适应声回波对消将面临如下三个主要问
论文目录:
第一章 绪论
1.1 动机
1.2 明晰的通信
1.3 多通道声学语音信号处理概念
1.3.1 回声对消
1.3.2 盲信号分离
1.3.3 解混响
1.3.4 噪声控制
1.4 应用
1.5 声学语音
1.5.1 房间声学
1.5.2 麦克风
1.5.3 语音
1.6 论文概要
1.7 符号说明
第二章 单通道声回波对消
2.1 引言
2.2 一些典型的声回波对消算法
2.2.1 LMS 算法及归一化LMS(NLMS)算法
2.2.2 归一化解相关LMS(NDLMS)算法
2.2.3 批处理频域快速LMS(FBLMS)算法
2.2.4 牛顿类序贯回归(SER)算法
2.2.5 递归最小二乘(RLS)算法
2.3 算法仿真实验研究
2.3.1 房间冲激响应对算法性能的影响
2.3.2 非平稳强相关输入语音信号对算法性能的影响
2.3.3 LRM 声回授系统的时变性对算法性能的影响
2.4 DSP 实时声学实验系统的研究与实现
2.4.1 必要性
2.4.2 声学实验系统的基本构成
2.4.3 多路冲激响应测量系统
2.5 DSP 自适应声回波对消系统的实时实现研究
2.5.1 DSP 自适应声回波对消系统的构成
2.5.2 软件设计过程及思路
2.5.3 算法设计中的几个考虑
2.5.4 实时处理结果
2.6 小结
第三章 多通道声回波对消
3.1 引言
3.2 MCAEC 解的非唯一性问题和一些重要指标
3.2.1 解的非唯一性问题
3.2.2 多路声学回波路径辨识的度量——失配
3.2.3 多路远端声源相关性度量——相关系数及相干函数
3.2.4 多路远端声源去相关处理的去相关度
3.3 互相关性对自适应声回波对消性能的影响
3.4 多种非线性去相关法的探索
3.4.1 幅度微扰非线性去相关法
3.4.2 直接软限幅非线性去相关法
3.4.3 时基微扰去相关法
3.5 小结
第四章 卷积混合盲信号分离
4.1 引言
4.2 基于二阶统计量的时域盲信号分离
4.2.1 BSS 模型描述
4.2.2 时域SOS 自适应算法及仿真实验
4.2.3 基于SOS 的时域盲信号分离系统的DSP 实现
4.3 基于简化混合模型的频域盲信号分离
4.3.1 探索声学传播路径的相似性
4.3.2 BSS 简化混合模型及其DSP 实时实验研究
4.3.3 一种基于BSS 简化混合模型的频域SOS 自适应算法
4.4 小结
第五章 基于盲信号分离的多通道声回波抑制
5.1 引言
5.2 基于盲信号分离的多路声回波抑制模型 MCAESM
5.3 一种频域二阶 BSS 自适应算法
5.4 实验研究
5.4.1 信号间的相关性研究
5.4.2 辅助麦克风的定位研究
5.5 小结
结束语
附录 A
附录 B
参考文献
致谢
个人简历、相关学术论文及科研工作
声明
发布时间: 2006-05-12
参考文献
- [1].Hilbert-Huang变换及其在含噪语音信号处理中的应用研究[D]. 申丽然.哈尔滨工程大学2006
- [2].多通道语音信号处理中的关键技术研究[D]. 汪林.大连理工大学2010
- [3].基于信道信息的数字音频盲取证关键问题研究[D]. 王志锋.华南理工大学2013
- [4].基于脊提取的信号表示和重建[D]. 张晓冬.东南大学2003
- [5].基于听觉感知与张量模型的鲁棒语音特征提取方法研究[D]. 吴强.上海交通大学2010