【摘要】：隨著科技的發(fā)展,語(yǔ)音增強(qiáng)在車(chē)載系統(tǒng)、電話視頻會(huì)議、助聽(tīng)器、智能家電及人工智能等領(lǐng)域中具有重要的應(yīng)用前景。在現(xiàn)實(shí)生活中,由于噪聲的存在,語(yǔ)音信號(hào)會(huì)被不同的噪聲干擾和污染,使得語(yǔ)音質(zhì)量較差。所以,需要可以對(duì)含噪語(yǔ)音信號(hào)進(jìn)行相應(yīng)降噪處理。語(yǔ)音增強(qiáng)技術(shù),能夠抑制噪聲的影響,改進(jìn)語(yǔ)音質(zhì)量,提高語(yǔ)音可懂度與清晰度。在含有多樣性噪聲源和環(huán)境混響的復(fù)雜環(huán)境下,采用麥克風(fēng)陣列和語(yǔ)音增強(qiáng)相結(jié)合的技術(shù),能夠更好地降低噪聲影響。本文基于復(fù)雜環(huán)境下,對(duì)語(yǔ)音增強(qiáng)算法進(jìn)行了分析和研究,主要工作如下:(1)對(duì)廣義旁瓣相消器(Generalized Sidelobe Canceller,GSC)語(yǔ)音增強(qiáng)算法進(jìn)行了分析和研究。GSC語(yǔ)音增強(qiáng)算法是經(jīng)典的波束形成算法,GSC結(jié)構(gòu)簡(jiǎn)單,便于實(shí)現(xiàn)。(2)對(duì)傳遞函數(shù)廣義旁瓣相消器(Transfer Function Generalized Sidelobe Canceller,TF-GSC)語(yǔ)音增強(qiáng)算法進(jìn)行了分析和研究。TF-GSC語(yǔ)音增強(qiáng)算法在GSC語(yǔ)音增強(qiáng)算法的基礎(chǔ)上,利用傳遞函數(shù)系數(shù)比重新構(gòu)建阻塞矩陣和固定波束形成器,與GSC語(yǔ)音增強(qiáng)算法相比,TF-GSC語(yǔ)音增強(qiáng)算法提高了系統(tǒng)對(duì)聲學(xué)環(huán)境的適應(yīng)性。(3)對(duì)卷積傳遞函數(shù)廣義旁瓣相消器(Convolutive Transfer Function Generalized Sidelobe Canceller,CTF-GSC)語(yǔ)音增強(qiáng)算法進(jìn)行了研究和改進(jìn)。CTF-GSC語(yǔ)音增強(qiáng)算法是以傳統(tǒng)GSC語(yǔ)音增強(qiáng)算法為基礎(chǔ),用CTF近似形式代替TF-GSC語(yǔ)音增強(qiáng)算法中相乘傳遞函數(shù)(Multiplicative Transfer Function,MTF)近似形式,考慮不同頻率之間的相互干擾,使用各個(gè)麥克風(fēng)之間的相對(duì)傳遞函數(shù)的比例系數(shù)對(duì)阻塞矩陣和固定波束形成器進(jìn)行新的構(gòu)造,利用在頻域的CTF形式建立了新的陣列信號(hào)傳遞函數(shù)模型。CTF近似形式比MTF近似形式估算更加的準(zhǔn)確和更少的限制要求,進(jìn)一步提高了降噪能力。CTF-GSC語(yǔ)音增強(qiáng)算法的自適應(yīng)抵消器模塊采用了固定步長(zhǎng)歸一化最小均方(Normalized Least Mean Square,NLMS)算法。改進(jìn)的CTF-GSC語(yǔ)音增強(qiáng)算法則采用(Variable Step-size-NLMS,VSS-NLMS)算法來(lái)構(gòu)建自適應(yīng)抵消器模塊。改進(jìn)的VSS-NLMS算法可以進(jìn)一步抑制輸入語(yǔ)音對(duì)噪聲的影響,使自適應(yīng)抵消器模塊具有更快的收斂性和更強(qiáng)的穩(wěn)定性,從而使CTF-GSC語(yǔ)音增強(qiáng)算法能夠更好地抑制噪聲。(4)對(duì)基于維納濾波的語(yǔ)音增強(qiáng)算法進(jìn)行了較為深入的研究。傳統(tǒng)的維納濾波語(yǔ)音增強(qiáng)算法的主要原理是將期望語(yǔ)音信號(hào)和估計(jì)語(yǔ)音信號(hào)之間的均方誤差最小化,從而得到較為純凈的語(yǔ)音信號(hào)。改進(jìn)的維納濾波語(yǔ)音增強(qiáng)算法在此基礎(chǔ)上,引入了語(yǔ)音活性檢測(cè)(Voice Activity Detection,VAD)算法和小波多窗口譜估計(jì)算法對(duì)噪聲信號(hào)進(jìn)行估計(jì)。改進(jìn)后的算法語(yǔ)音信號(hào)中殘留的噪聲較少,系統(tǒng)降噪效果更佳。(5)對(duì)基于CTF-GSC和后置維納濾波語(yǔ)音增強(qiáng)算法進(jìn)行了分析和研究。一般情況下,CTF-GSC語(yǔ)音增強(qiáng)算法對(duì)于相干性噪聲有良好的降噪效果,而維納濾波算法對(duì)于非相干性噪聲有顯著的抑制效果。本文將這兩種方法有效結(jié)合,提出了一種新的基于波束形成語(yǔ)音增強(qiáng)算法,該算法對(duì)于兩種類型的噪聲都有明顯的降噪能力,并具有良好的魯棒性。(6)在復(fù)雜環(huán)境下,對(duì)以上幾種算法進(jìn)行仿真分析、語(yǔ)音信號(hào)采集和傳輸實(shí)驗(yàn)測(cè)試。同時(shí),搭建了實(shí)際的測(cè)試實(shí)驗(yàn)環(huán)境,對(duì)算法進(jìn)行了實(shí)際模擬,并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行了對(duì)比和分析。實(shí)驗(yàn)結(jié)果證明:本文所提出的優(yōu)化算法切實(shí)提高了系統(tǒng)信噪比,降低了語(yǔ)音失真。在含有多噪聲源和環(huán)境混響的復(fù)雜環(huán)境下,本文提出的算法具備更好的頑健性。
【圖文】：

主觀評(píng)價(jià)的優(yōu)點(diǎn)主要是直接明了、便于理解。缺點(diǎn)是周期長(zhǎng)、成本較高、靈活性差、重復(fù)性低、穩(wěn)定性弱。本文主要介紹常見(jiàn)的主觀評(píng)價(jià)方法：語(yǔ)譜圖、評(píng)價(jià)意見(jiàn)得分。（1）語(yǔ)譜圖語(yǔ)譜圖是語(yǔ)音信號(hào)功率譜隨時(shí)間 t變化的圖形顯示：S n, ω X n, ω （2.33其中，S n, ω 表示時(shí)間的“功率譜密度”， X n, ω 表示語(yǔ)音信號(hào)x n 的 STFT語(yǔ)譜圖描述了語(yǔ)音信號(hào)隨著時(shí)間 t在頻譜上的相對(duì)能量分布，，所以其能夠較好地反映語(yǔ)音信號(hào)的時(shí)變特征。在語(yǔ)譜圖中，其水平方向是時(shí)間軸，垂直方向是頻率軸，圖形的灰度或色調(diào)的深淺表示給定頻率成分在給定時(shí)刻的強(qiáng)弱。語(yǔ)譜圖綜合了時(shí)域波形圖和頻譜圖的優(yōu)點(diǎn)，在圖中可以很明顯的觀察出信號(hào)頻譜的時(shí)變規(guī)律，它反映了語(yǔ)音信號(hào)的動(dòng)態(tài)頻譜特性。在語(yǔ)音信號(hào)分析中具有極其重要的實(shí)用價(jià)值，被稱為可視語(yǔ)音。圖 2.7 是采樣率為 16KHz，內(nèi)容為“中國(guó)天安門(mén)”語(yǔ)音段的時(shí)域波形圖和語(yǔ)譜圖。從圖 2.7 可以看出，顏色越紅，表示語(yǔ)音信號(hào)的能量越大，顏色越藍(lán)，表示語(yǔ)音信號(hào)的能量越小。

29（d） 文獻(xiàn)[51]中維納濾波算法增強(qiáng)后的語(yǔ)音信號(hào)圖3.5 信號(hào)處理前后的時(shí)域波形圖和語(yǔ)譜圖為進(jìn)一步說(shuō)明幾種經(jīng)典算法（GSC、TF-GSC、CTF-GSC）的性能，將其進(jìn)行了比較分析。在復(fù)雜環(huán)境（同時(shí)含有相干性和非相干性兩種噪聲）下，在輸入語(yǔ)音信號(hào)的分段信噪比為 5dB，混響時(shí)間為 0.94s，目標(biāo)聲源與麥克風(fēng)陣列的垂直方偏角為 15。的實(shí)驗(yàn)條件下，圖 3.6（a）、(b)分別為參考麥克風(fēng)接收到的目標(biāo)語(yǔ)音信號(hào)和帶噪語(yǔ)音信號(hào)的時(shí)域波形圖和語(yǔ)譜圖。圖 3.6（c）、（d）、（e）分別為帶噪語(yǔ)音信號(hào)經(jīng)過(guò) GSC、TF-GSC、CTF-GSC 算法增強(qiáng)后的語(yǔ)音信號(hào)的時(shí)域波形圖和語(yǔ)譜圖。從圖 3.6 中時(shí)域波形圖的無(wú)語(yǔ)音段可以得知，CTF-GSC 語(yǔ)音增強(qiáng)算法對(duì)于相干性噪聲的抑制效果要優(yōu)于 GSC 和 TF-GSC 語(yǔ)音增強(qiáng)算法，其中 GSC語(yǔ)音增強(qiáng)算法效果最差。但這兩種算法都?xì)埩糁恍┓窍喔稍肼?
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TN912.35

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 覃愛(ài)娜;戴亮;李飛;曹衛(wèi)華;;基于改進(jìn)小波閾值函數(shù)的語(yǔ)音增強(qiáng)算法研究[J];湖南大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年04期

2 徐文超;王光艷;耿艷香;白芳;費(fèi)騰;;基于譜減法和變步長(zhǎng)LMS語(yǔ)音增強(qiáng)算法[J];計(jì)算機(jī)工程與應(yīng)用;2015年01期

3 王冬霞;鄭家超;范真維;周城旭;;混響環(huán)境下的寬帶波束形成語(yǔ)音增強(qiáng)方法[J];計(jì)算機(jī)工程與應(yīng)用;2012年34期

4 徐巖;孟靜;;基于粉紅噪聲的語(yǔ)音增強(qiáng)算法性能評(píng)價(jià)研究[J];鐵道學(xué)報(bào);2011年04期

5 丁猛;;基于麥克風(fēng)陣列的語(yǔ)音增強(qiáng)算法概述[J];大眾科技;2011年03期

6 陳國(guó),胡修林,張?zhí)N玉,朱耀庭;語(yǔ)音質(zhì)量客觀評(píng)價(jià)方法研究進(jìn)展[J];電子學(xué)報(bào);2001年04期

相關(guān)博士學(xué)位論文 前2條

1 張麗艷;復(fù)雜環(huán)境下麥克風(fēng)陣列語(yǔ)音增強(qiáng)方法研究[D];大連理工大學(xué);2009年

2 林靜然;基于麥克風(fēng)陣列的語(yǔ)音增強(qiáng)算法研究[D];電子科技大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 張蒙;室內(nèi)環(huán)境下基于麥克風(fēng)陣列的語(yǔ)音增強(qiáng)算法研究[D];深圳大學(xué);2016年

2 張超;語(yǔ)音端點(diǎn)檢測(cè)方法研究[D];大連理工大學(xué);2016年

3 王艷芬;基于短時(shí)對(duì)數(shù)譜估計(jì)的語(yǔ)音增強(qiáng)算法研究[D];深圳大學(xué);2015年

4 王永杰;基于麥克風(fēng)陣列的語(yǔ)音增強(qiáng)算法研究[D];西安電子科技大學(xué);2014年

5 吳秀芬;寬帶陣列信號(hào)DOA估計(jì)方法研究[D];南京大學(xué);2013年

6 李金濤;麥克風(fēng)陣列語(yǔ)音增強(qiáng)算法研究[D];西安電子科技大學(xué);2010年

7 武素芳;基于延遲—求和的麥克風(fēng)陣列語(yǔ)音增強(qiáng)算法研究[D];西安電子科技大學(xué);2010年

8 胡曙輝;麥克風(fēng)陣列語(yǔ)音增強(qiáng)算法研究[D];西安電子科技大學(xué);2009年

9 靳日飛;二維麥克風(fēng)陣列語(yǔ)音增強(qiáng)算法研究[D];西安電子科技大學(xué);2009年

10 蘇先禮;語(yǔ)音去混響研究[D];四川大學(xué);2006年

本文編號(hào)：2641252