论文部分内容阅读
论文首先介绍了各种语音增强算法。然后，重点提出了一种低信号失真的新的自适应噪声抵消(NANC)语音增强算法。该自适应噪声抵消系统由主自适应滤波器(MF)与分自适应滤波器(SF)组成。通过SF估计输入信号信噪比(SNR)来控制MF系数更新的迭代步长。 由于传统自适应噪声抵消系统(ANC)自适应算法主要采用LMS算法，而LMS算法收敛速度依赖于输入信号自相关矩阵特征值的分散程度。因此，当输入信号是语音或有色噪声时，LMS的收敛速度很慢。但是，与LMS算法比较，NLMS与DLMS算法有更快的收敛速度、更好的稳定性和更低的计算复杂度。因此，选取NLMS算法作为MF的自适应算法，DLMS算法作为SF的自适应算法。仿真结果证明NANC算法有效克服了影响传统自适应噪声抵消系统(ANC)性能的一些瓶颈，如两输入中的非相关噪声，参考输入中的信号成分与自适应滤波器失调误差而产生的信号失真、回响等情况。接着针对上述NANC系统两路输入信号噪声相关性弱的情况，用相干函数作频域增益因子来提高输出信噪比与改善语音增强效果，同时，通过一种实时迭代算法解决了短时傅氏变换计算量大的问题，简化了计算，便于实时处理与实际应用。最后，基于VC++6.0与Matlab软件平台实现算法的仿真，基于TMS320C54XDSP验证算法的实时性。