基于多麥克風(fēng)的語音技術(shù)研究及其在會議系統(tǒng)中的應(yīng)用.pdf

1、隨著網(wǎng)絡(luò)技術(shù)及微處理技術(shù)的發(fā)展,視頻會議系統(tǒng)作為一種有效和經(jīng)濟(jì)的溝通方式為越來越多的人所采納.它要求為用戶提供高質(zhì)量的音視頻源及音視頻同步的服務(wù).而實(shí)際的會議環(huán)境由于各種原因總是存在著很多噪聲干擾,它們會隨著網(wǎng)絡(luò)傳送到會議的另一端,從而大大降低語音質(zhì)量.另外在視頻會議中,我們通常要求將視頻畫面聚焦到發(fā)言者,而通常的辦法是通過人工旋轉(zhuǎn)對焦攝像鏡頭的方式來進(jìn)行的,但這樣往往造成操作滯后,使傳送到遠(yuǎn)端的視頻畫面和音頻信號不同步.因此研究如何對

2、噪聲進(jìn)行抑制和實(shí)現(xiàn)自動控制攝像頭是十分必要的.該文研究了如何利用多麥克風(fēng)陣列來實(shí)現(xiàn)語音增強(qiáng)和快速音源定位.論文主要包括對語音檢測算法,基于多目標(biāo)分類(MUSIC)的定位算法及自適應(yīng)語音增強(qiáng)算法的研究.論文討論了上述算法的基本原理,同時針對會議系統(tǒng)的特點(diǎn)研究了它們的改進(jìn)形式、實(shí)現(xiàn)方法以及在不同的情況下的性能.為了研究的完整性,該文還給出了一個完整的系統(tǒng)實(shí)現(xiàn)方案.仿真和實(shí)際典型環(huán)境的試驗(yàn)都表明算法的合理性和穩(wěn)定性,可作為開發(fā)實(shí)用視頻會議系統(tǒng)