麥克風(fēng)陣列語音增強.pdf

1、麥克風(fēng)接收的語音信號通常被各種噪聲污染，因此需要語音增強技術(shù)來提取有用信號。麥克風(fēng)陣列語音增強一直是信號處理領(lǐng)域的一個研究熱點，廣泛應(yīng)用于語音識別、視頻會議和手機通訊等領(lǐng)域。麥克風(fēng)陣列不僅能利用語音信號的時域和頻域，還能利用源的空間信息來抑制噪聲。麥克風(fēng)陣列語音增強技術(shù)包括波束形成和盲源分離等方法。本文主要研究基于盲源分離的語音增強，它是一種能夠同時提取多個目標(biāo)源并且不需要源的先驗知識信號處理方法。目前解決語音信號盲源分離主要包括為獨立

2、成分分析和時頻掩蔽兩大類方法。這兩大類方法在存在混響和背景噪聲的環(huán)境下分離性能都不夠理想，為此本文提出相應(yīng)的改進方法。
　　 時頻掩蔽是一種基于語音信號稀疏特性，對特征向量自動聚類的盲源分離方法，該方法對混響和背景噪聲很敏感。為減小源空間參數(shù)的估計誤差，本文提出了基于特征向量加權(quán)聚類的時頻掩蔽方法，該權(quán)重由先驗信噪比決定。為減少信號失真、串音和背景噪聲，本文采用迭代的盲波束形成器，并結(jié)合使用語音幅度譜估計和時頻掩蔽。
　　

3、 頻域獨立成分分析是一種基于源獨立性假設(shè)的盲源分離方法。為減小混響的影響，本文將用于解混響的多通道線性預(yù)測器作為盲源分離的前置濾波器。為減少獨立成分分析迭代次數(shù)，本文用時頻掩蔽和盲波束形成的結(jié)果對頻域獨立成分分析做初始化，該初始化方法還能避免次序不確定性問題。此外本文還提出一種新的基于語音信號稀疏性的盲源分離后處理方法：基于局部最小比例控制譜減法，比常規(guī)的時頻掩蔽和維納濾波等后處理方法能更有效的控制音樂噪聲，減小信號失真，提升分離性能