本文關(guān)鍵詞：隨機(jī)麥克風(fēng)陣列校正及語(yǔ)音增強(qiáng)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：麥克風(fēng)陣列因其能夠獲取聲源的空間信息,實(shí)現(xiàn)空域?yàn)V波,被廣泛應(yīng)用于各種語(yǔ)音處理系統(tǒng)。實(shí)際環(huán)境中,噪聲和干擾的存在降低了麥克風(fēng)陣列獲取語(yǔ)音信號(hào)的質(zhì)量,嚴(yán)重影響了其清晰度和可懂度。因此,研究語(yǔ)音信號(hào)增強(qiáng)方法具有十分重要的意義�，F(xiàn)有的大多數(shù)語(yǔ)音增強(qiáng)算法的仿真結(jié)果證明了算法的有效性,但是它們?cè)趯?shí)際應(yīng)用中的效果并不理想,原因在于這些算法大多對(duì)陣列有依賴性,尤其是子空間和波束形成類算法,實(shí)際陣列存在的誤差會(huì)直接影響語(yǔ)音增強(qiáng)效果。因此為了確保增強(qiáng)算法在實(shí)際應(yīng)用中的有效性,還要研究陣列誤差校正方法。本文針對(duì)上述問(wèn)題,根據(jù)項(xiàng)目需求,以基于麥克風(fēng)陣列的語(yǔ)音信號(hào)為主要研究對(duì)象,對(duì)陣列中陣元位置的校正方法以及增強(qiáng)算法中的自適應(yīng)波束形成算法進(jìn)行了詳盡的討論和研究。本文的主要內(nèi)容和創(chuàng)新點(diǎn)為:首先,論文詳細(xì)介紹了麥克風(fēng)陣列校正及語(yǔ)音增強(qiáng)方法的研究現(xiàn)狀及發(fā)展趨勢(shì),介紹了語(yǔ)音信號(hào)的產(chǎn)生過(guò)程及特性,噪聲的分類方法,討論了語(yǔ)音質(zhì)量評(píng)價(jià)準(zhǔn)則。其次,研究了麥克風(fēng)陣列信號(hào)處理理論,討論了傳統(tǒng)陣列模型,并在此基礎(chǔ)上建立了麥克風(fēng)陣列任意結(jié)構(gòu)模型。分析了麥克風(fēng)陣列常見(jiàn)的陣列誤差形式,提出了一種新的近場(chǎng)、寬帶陣列誤差模型,通過(guò)仿真分析了陣列誤差對(duì)波束形成算法的影響。分析研究了幾種經(jīng)典的陣列校正方法,重點(diǎn)研究了陣列校正中的有源校正方法,研究了一種新的麥克風(fēng)陣列陣元位置校正方法,該方法將MUSIC算法與有源校正相結(jié)合,改善了校正源方位不精確對(duì)算法的影響,通過(guò)仿真證明了算法對(duì)陣元位置誤差的校正性能。最后,論文重點(diǎn)分析研究了麥克風(fēng)陣列語(yǔ)音增強(qiáng)基本算法,分析了不同算法的優(yōu)缺點(diǎn),主要研究了增強(qiáng)方法中的自適應(yīng)波束形成算法,研究了延時(shí)估計(jì)方法,分析了不同延時(shí)估計(jì)的性能。重點(diǎn)研究了廣義旁瓣波束形成算法,并分析了該算法對(duì)噪聲的消除效果,并在此基礎(chǔ)上提出了一種新的基于子帶分解和后置濾波的GSC算法,該算法能同時(shí)消除相干和非相干噪聲,擴(kuò)展了算法的適用范圍,提高了信噪比,減小了計(jì)算量。此外,還分析研究了一種基于高階累計(jì)量的盲波束形成算法。該算法在陣列存在誤差的情況下,輸出的信噪比要高于傳統(tǒng)波束形成。
【關(guān)鍵詞】：麥克風(fēng)陣列 有源校正 語(yǔ)音增強(qiáng) 自適應(yīng)波束形成 盲波束形成
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN912.35
【目錄】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 緒論11-17
• 1.1 研究背景11-12
• 1.2 研究現(xiàn)狀及發(fā)展趨勢(shì)12-15
• 1.2.1 陣列校正研究現(xiàn)狀及發(fā)展趨勢(shì)12-13
• 1.2.2 語(yǔ)音增強(qiáng)研究現(xiàn)狀及發(fā)展趨勢(shì)13-15
• 1.3 本論文的主要工作及結(jié)構(gòu)安排15-17
• 第二章 麥克風(fēng)陣列校正及語(yǔ)音增強(qiáng)理論基礎(chǔ)17-33
• 2.1 語(yǔ)音信號(hào)理論基礎(chǔ)17-21
• 2.1.1 語(yǔ)音信號(hào)產(chǎn)生模型17-18
• 2.1.2 語(yǔ)音信號(hào)的特征18-19
• 2.1.3 人耳感知特性19-20
• 2.1.4 噪聲的特性及分析20-21
• 2.2 麥克風(fēng)陣列信號(hào)處理模型21-26
• 2.2.1 傳統(tǒng)陣列信號(hào)接收模型21-23
• 2.2.2 麥克風(fēng)陣列語(yǔ)音接收信號(hào)模型23-26
• 2.3 語(yǔ)音增強(qiáng)基本算法26-30
• 2.3.1 波束形成算法26-30
• 2.3.2 后置濾波算法30
• 2.4 語(yǔ)音質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)30-32
• 2.4.1 信噪比31
• 2.4.2 分段信噪比31-32
• 2.5 本章小結(jié)32-33
• 第三章 麥克風(fēng)陣列校正方法33-49
• 3.1 麥克風(fēng)陣列誤差及建模33-39
• 3.1.1 陣列幅相誤差33-34
• 3.1.2 陣元位置誤差34
• 3.1.3 麥克風(fēng)陣列誤差模型34-37
• 3.1.4 陣列誤差對(duì)增強(qiáng)算法的影響37-39
• 3.2 MUSIC算法原理39-40
• 3.3 麥克風(fēng)陣列校正經(jīng)典方法40-45
• 3.3.1 幅相和陣元位置誤差有源校正40-43
• 3.3.2 陣元位置誤差有源校正43-45
• 3.4 一種陣元位置誤差校正方法45-48
• 3.4.1 算法原理45-47
• 3.4.2 仿真分析47-48
• 3.5 本章小結(jié)48-49
• 第四章 自適應(yīng)波束形成算法49-73
• 4.1 自適應(yīng)濾波49-55
• 4.1.1 最小均方算法50-52
• 4.1.2 一種變步長(zhǎng)LMS算法52-53
• 4.1.3 算法性能分析53-55
• 4.2 時(shí)間延遲估計(jì)55-60
• 4.2.1 自適應(yīng)時(shí)延估計(jì)56-57
• 4.2.2 廣義互相關(guān)時(shí)延估計(jì)57-59
• 4.2.3 時(shí)延性能分析59-60
• 4.3 廣義旁瓣抵消算法60-64
• 4.3.1 算法原理60-63
• 4.3.2 消噪性能分析63-64
• 4.4 基于子帶分解和后置濾波的GSC語(yǔ)音增強(qiáng)64-72
• 4.4.1 子帶濾波器設(shè)計(jì)64-65
• 4.4.2 算法原理65-67
• 4.4.3 算法性能分析67-72
• 4.5 本章小結(jié)72-73
• 第五章 基于盲源分離的語(yǔ)音增強(qiáng)算法73-82
• 5.1 盲波束形成73
• 5.2 高階累積量73-74
• 5.3 基于高階累積量的盲波束形成算法74-78
• 5.4 仿真分析78-81
• 5.5 本章小結(jié)81-82
• 第六章 結(jié)論82-84
• 6.1 總結(jié)82
• 6.2 展望82-84
• 致謝84-85
• 參考文獻(xiàn)85-89
• 碩期間取得的研究成果89-90

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 熊立志,漆蘭芬,張?jiān)?一種新的天線陣列位置誤差校正算法[J];電波科學(xué)學(xué)報(bào);2004年02期

  本文關(guān)鍵詞：隨機(jī)麥克風(fēng)陣列校正及語(yǔ)音增強(qiáng)研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：291473