麦克风阵列时间延迟估计和语音信号增强的研究

• 作 者: 曾辉
• 机 构: 中国科学院声学研究所
• 出 处: 中国科学院声学研究所
• 发表日期: 2005年期
• 关键词: 麦克风阵列 语音增强 时间延迟估计 维纳后滤波波束形成

语音增强是一种信号的选择性处理技术，主要目标是解决从受到不同方式污染的语音信号中提取出尽可能纯净的目标语音信号的问题。由于语音增强技术的研究成果具有很强的实用性，与人们的生活密切相关，因此越来越受到人们的重视。
随着通讯技术的发展，人们发现在诸如视频会议或者车载通讯等复杂的应用环境中，不仅存在环境噪声，而且还有回声和混响的干扰，这时传统的单通道语音增强系统显得无能为力。为此，人们发展出了利用麦克风阵列进行语音增强的方法。该论文开展麦克风阵列的时间延迟估计和语音信号增强算法研究，达到进行麦克风阵列语音增强实时处理的目的。
该论文的主要工作如下：
1.通过对各种常见的时间延迟估计算法的延迟估计准确率受信噪比和混响时间的影响进行系统的对比研究，确定采用基于听觉特性的时间延迟估计算法作为语音增强系统的处理前端，使系统波束能够较好地跟随运动声源；
2.在前人工作的基础上提出了一种结合延迟—相加和改进维纳后滤波的波束形成器，实验表明，增强后语音的信噪比和大词汇量语音识别的识别率方面，比改进前的算法都有较大提高；
3.使用Aardvark公司的DirectProQ10作为数字音频输入输出接口，实现了一个完整的麦克风阵列语音增强实验系统，在语音增强处理的实时性和信噪比方面都达到了预期目标；
4.实现了一个分布式的语音识别实验平台，充分利用实验室多台计算机的闲置运算能力，极大的提高了语音识别实验的处理速度。