發(fā)布時(shí)間：2018-01-30 21:34

  本文關(guān)鍵詞： 聲學(xué)信號(hào)處理 回聲抑制 Beta混合模型 雙端講話檢測(cè) 頻譜修正方法　出處：《華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版)》2017年06期 　論文類型：期刊論文

【摘要】：為解決全雙工模式下聲學(xué)回聲抑制問題,采用Beta混合模型對(duì)兩個(gè)互相關(guān)函數(shù)特征量建模.通過估計(jì)近端目標(biāo)語(yǔ)音存在概率,控制雙端講話狀態(tài)下回聲抑制算法的房間沖激響應(yīng)函數(shù)的更新.同時(shí)引入一種改進(jìn)的軟判決方法,將語(yǔ)音存在概率與增益函數(shù)結(jié)合,提高回聲估計(jì)的準(zhǔn)確性,抑制更多的殘留回聲.客觀評(píng)價(jià)準(zhǔn)則評(píng)估表明:采用基于Beta混合模型的雙端講話檢測(cè)算法具有比較低的錯(cuò)誤概率,且對(duì)房間沖激響應(yīng)的變化具有較好的魯棒性,在提高近端目標(biāo)語(yǔ)音質(zhì)量的同時(shí)達(dá)到了更好的回聲抑制效果.
[Abstract]:In order to solve the problem of acoustic echo suppression in full-duplex mode, the Beta hybrid model is used to model the two cross-correlation function eigenvalues, and the probability of the near-end target speech is estimated. It controls the updating of room impulse response function of echo suppression algorithm in dual speech state. At the same time, an improved soft decision method is introduced, which combines the speech existence probability with the gain function to improve the accuracy of echo estimation. The objective evaluation criteria show that the dual-end speech detection algorithm based on Beta hybrid model has a low error probability. Moreover, it has better robustness to the change of room impulse response, and achieves better echo suppression effect while improving the speech quality of the near-end target.
【作者單位】： 中國(guó)科學(xué)院聲學(xué)研究所;中國(guó)科學(xué)院大學(xué);中國(guó)科學(xué)院聲學(xué)研究所東海研究站;廣東海洋大學(xué)廣東省近海海洋變化與災(zāi)害預(yù)警重點(diǎn)實(shí)驗(yàn)室;
【基金】：廣東省自然科學(xué)基金資助項(xiàng)目(2014A030310256)
【分類號(hào)】：TN912.3
【正文快照】： 在免提終端中,由于揚(yáng)聲器和傳聲器之間存在耦合效應(yīng),使得揚(yáng)聲器發(fā)出的聲音又被傳聲器采集形成回聲[1].聲學(xué)回聲的存在嚴(yán)重影響了語(yǔ)音通信質(zhì)量,采用回聲抵消技術(shù)或回聲抑制技術(shù)來解決這個(gè)問題[2-3].當(dāng)近端目標(biāo)語(yǔ)音不存在時(shí),自適應(yīng)濾波器可以接近收斂到維納解,收斂的精度依賴于

【相似文獻(xiàn)】

相關(guān)期刊論文 前9條

1 易翔,王蔚然;基于小波域統(tǒng)計(jì)混合模型的圖像降噪方法[J];電子與信息學(xué)報(bào);2005年11期

2 田光明,陳光(?);基于熵調(diào)整模糊c-均值聚類的時(shí)頻能量混合模型[J];信號(hào)處理;2005年01期

3 張寧,紀(jì)越峰;一種新型光因特網(wǎng)體系結(jié)構(gòu)技術(shù)研究[J];電子學(xué)報(bào);2004年S1期

4 應(yīng)文威;蔣宇中;劉月亮;;大氣低頻噪聲混合模型的MCMC參數(shù)估計(jì)[J];系統(tǒng)工程與電子技術(shù);2012年06期

5 史國(guó)良;梁鵬;劉明宇;;多重ANN/HMM混合模型在時(shí)序模式識(shí)別中的應(yīng)用[J];哈爾濱師范大學(xué)自然科學(xué)學(xué)報(bào);2011年06期

6 陳永強(qiáng);王宏霞;;基于新型混合模型的欠定盲分離方法[J];自動(dòng)化學(xué)報(bào);2014年07期

7 歐嘉致,陳凱江,王秀萍,李宗葛;基于NN/HMM混合模型的漢語(yǔ)短關(guān)鍵詞識(shí)別系統(tǒng)[J];小型微型計(jì)算機(jī)系統(tǒng);2003年01期

8 趙永剛;唐昆;崔慧娟;;基于Gaussian混合模型的LSF參數(shù)量化方法[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年10期

9 ;[J];;年期

相關(guān)會(huì)議論文 前1條

1 馬凌;周江;王文鼐;;突發(fā)性業(yè)務(wù)流的Gamma泊松混合模型及排隊(duì)性能研究[A];中國(guó)通信學(xué)會(huì)第五屆學(xué)術(shù)年會(huì)論文集[C];2008年

相關(guān)碩士學(xué)位論文 前5條

1 高麗萍;基于混合模型和水平集的高分辨SAR圖像分類[D];西安電子科技大學(xué);2014年

2 林玉妹;基于射線跟蹤和神經(jīng)網(wǎng)絡(luò)的場(chǎng)強(qiáng)預(yù)測(cè)混合模型[D];天津大學(xué);2012年

3 鄭曉平;基于HMM-ANN混合模型的咳嗽音識(shí)別研究[D];重慶大學(xué);2011年

4 戚德娟;基于廣義Gamma混合模型的SAR圖像分割研究[D];西南交通大學(xué);2013年

5 彭榮鯤;SAR圖像目標(biāo)區(qū)域快速定位與檢測(cè)技術(shù)研究[D];南京航空航天大學(xué);2014年

，

本文編號(hào)：1477280