论文部分内容阅读
语音增强的主要目的是从带噪声的语音信号中提取出有用的语音信息,以获得高质量的语音信号。传统的语音增强技术采用单个麦克风,它仅利用了时/频信息,在空间强混响环境下干扰抑制的效果并不理想。针对这种情况,基于麦克风阵列的语音增强技术得到广泛的重视,麦克风阵列与单麦克风相比具有空间选择性,较高的空间分辨率与较强的抗干扰能力等优点。已经成为当前语音信号处理领域的研究热点。近年来,很多国际知名的公司和研究机构,都致力于麦克风阵列相关研究和产品开发,并已经推出多种多麦克风产品进入市场。但是,到目前为止,在国内还没有具有自主知识产权的阵列麦克风产品,这与国内巨大的市场需求不协调。因此,研究基于麦克风阵列的语音处理算法和技术有着重要的意义。
本文主要阐述并比较了几种常用的麦克风阵列语音增强算法。针对自适应法和后置滤波法在相干噪声场与非相干噪声场不能同时具有较好消噪性能的问题,将这两种方法结合,给出了一种混合波束形成语音增强方法及其系统模型,并给出了整个系统的性能分析。然后针对自适应波束形成算法的目标信号方向估计准确性对其性能影响较大的问题,本文又将多重信号分类(Multiple SignalClassification,MUSIC)算法模块应用在混合波束形成方法中。并给出了整个系统的性能分析。本文的主要工作包括以下几部分:
研究麦克风阵列语音增强技术的概况,掌握语音信号处理基础、麦克风阵列语音增强理论知识及该领域的重要算法,为后续研究提供理论基础。
重点研究三种波束形成方法基本原理,仿真分析了各种方法的消噪性能,并针对自适应波束形成方法和后置滤波方法在相干噪声场与非相干噪声场不能同时有较好的消噪性能的问题,将这两种方法进行结合,给出了一种混合波束形成语音增强方法及其系统模型。并通过仿真验证该方法的有效性。
将MUSIC算法应用于麦克风阵列中。通过对麦克风阵列接收信号样本的自相关矩阵和理想自相关矩阵的推导,详细分析了样本的自相关矩阵和理想自相关矩阵的差别,以及采样数、信号相关性、信号与噪声的正交性等因素对相对误差的影响,并对各种影响因素进行了仿真分析评价。
结合前面提出的混合波束形成方法,为降低目标DOA估计的准确性对混合波束形成方法性能的影响,将MUSIC算法模块运用于混合波束形成方法中。并通过仿真验证该方法的有效性。