远场麦克风阵列语音增强技术研究

• 作 者: 蒋青松
• 出 处: 重庆邮电大学
• 发表日期: 2004年期
• 关键词: 麦克风阵列 语音增强 广义旁瓣消除器 特征增强

近年来,随着人工智能的快速发展,语音作为人机交互的重要入口受到了广泛关注,国内外对于语音交互的研究又掀起了一个新的高潮。麦克风阵列利用了语音信号的空间信息,比单通道语音信号有更多的空时信息,具有更高的增益、波束灵活性和抑制噪声能力强等优点。广义旁瓣消除(Generalized Sidelobe Cancelling,GSC)算法把波束形成中的约束问题转化为无约束问题且不需要估计噪声的先验信息,在工程中应用广泛。然而,在实际的应用场景中,由于存在麦克风不匹配、时延估计不准、期望方向误差和混响等问题,在下支路会有期望语音信号的泄露,从而导致在自适应噪声消除模块会发生期望信号对消的问题。此外,在语音增强的过程中,会引起部分语音特征的失真,降低语音识别系统的噪声鲁棒性和识别率,需要对语音信号进行特征增强。本文主要研究了鲁棒GSC自适应波束形成和语音特征增强算法,主要研究内容如下:首先,针对传统的GSC算法在自适应噪声相消时容易发生期望信号对消,且在上支路采用传统固定波束形成算法使得GSC输出信号鲁棒性较低的问题,本文提出一种改进的鲁棒GSC算法。在自适应噪声消除模块中,采用信号的相干性和能量比来联合控制自适应噪声相消器系数的更新,且在上支路采用鲁棒的超指向波束形成算法。提出的改进算法不仅有效地减少了期望信号的对消问题,还进一步提升了算法的鲁棒性和低频特性。其次,针对远场麦克风阵列语音识别中由于噪声影响导致语音特征失真的问题,本文深入分析了信号特征域和基于信号处理的语音特征增强,将多通道语音存在信息融入维纳滤波语音特征增强。相对传统的维纳滤波特征增强算法,改进算法能进一步抑制GSC输出信号的残留噪声,从而提高语音识别系统的噪声鲁棒性和识别率。最后,根据真实场景下录制的多通道语音数据仿真表明,本文提出的基于相干性和能量比的鲁棒GSC自适应波束形成算法,以及基于多通道语音存在的特征增强算法能够有效地保持期望信号不失真,同时提升识别系统的噪声鲁棒性和识别率。