麦克风阵列幅相误差校正算法的研究

来源 :南开大学 | 被引量 : 0次 | 上传用户:shanglonghai105
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
麦克风阵列技术是当前语音信号处理领域的研究热门,在噪声抑制和声源定位等场合有着广泛的应用,被认为是最有前景的语音增强技术。但实际应用的麦克风阵列和假设的理想阵列模型之间存在误差,造成应用在麦克风阵列之上的大部分语音信号处理算法性能严重下降,甚至失效。因此误差校正成为麦克风阵列应用中的一个关键的先行步骤。   本文首先介绍了麦克风阵列的背景知识与基本的信号模型。然后对现有的传统阵列误差校正算法进行了总结和介绍,对比分析了各种算法的优点和缺陷。在传统算法的基础上,提出了自己的改进的麦克风阵列误差校正算法,利用单校正源对麦克风阵列幅相误差进行校正。本文工作中主要改进点有:一、针对麦克风阵列的近场球面波模型提出校正方法,改进了现有的远场平行波模型:二、在计算各阵元幅度的时候,无需校正源的方向参数,使得校正源信号方向的偏差对校正结果的影响减小;三、计算过程中考虑了噪声的功率,使得校正精度提高;四、校正源在多个位置分别工作,求取各次结果的平均值,减小校正结果的误差。基于以上几方面的改进,使得改进后的算法能够有效地用于近场信号模型的麦克风阵列。   最后介绍了仿真实验环境的搭建和仿真实验的方法,并通过实验数据验证了前面章节的理论推导结果和改进算法的有效性。仿真实验结果表明了该方法简单快速,计算量小,且具有较高的估计精度。
其他文献
目前,Deep Web能检索到传统搜索引擎不能检索的信息资源,其检索的公共信息约是surface Web的600倍,是从后台数据库中检索出来的结构化信息。因此,Deep Web吸引了国内外许多学
学位
随着我国教育的不断普及,已经有很多的人都可以享受到了受教育的机会,然而高等教育特别是专业知识和技能教育,仍然呈现出教育资源相对分布不均,教育成本过高的问题,因此人们
Web缓存技术是Web加速技术的关键。该技术的运用需要解决两个问题:一是判断Web对象是否可缓存,尽量避免缓存污染,预测缓存该对象的效率;二是保证缓存对象与源服务器对象一致,在
计算机技术,通信技术和网络技术的迅速发展,推动人类社会进入了信息时代。同时,迅速增长的信息需求也使得网络系统持续不断地朝向便捷和低成本方向发展。因此,无线传感器网络
本文以军交运输应用为研究背景,以RFID射频技术与设备为研究对象,针对军用物资运输的特殊要求,设计了基于RBAC机制的军用物资信息访问接口和基于ARM芯片的甚高频无源RFID读写
学位
计算机、互联网和通讯等技术的发展使信息的传播和获取变得十分便捷,但对视觉有障碍的人士而言情况却并非如此。DAISY旨在为视盲、视弱等阅读有困难的群体提供一种能便利浏览
学位
本文提出了一种基于Logistic回归模型(Logistic Regression, LR)的相关反馈机制,以有效地改进图像的低级视觉特征与高级语义特征之间的鸿沟问题,最终提高基于内容的图像检索
实时语音传输技术应用到装检指挥中是适应部队信息化发展方向,它利用IP装检网络作为信息传送平台,使装检信息能实时互通,提高了整体装检速度,为装检现场的统一调度和指挥提供
学位
动态交通网络的控制一直是城市交通问题的一个重点和难点,当城市中的车辆数目成爆炸式增长时,给城市的交通问题和环境问题带来了巨大影响,并且汽车尾气的排放也加剧了全球温室效
旅行商问题(Traveling Salesman Problem),缩写为TSP,TSP问题是一个难于解决的著名数学难题之一。这个问题的特点就是易于描述但是随着样本点数目的增加,计算复杂度呈指数增加。