聽(tīng)力受損患者可以通過(guò)使用數(shù)字助聽(tīng)器改善其聽(tīng)力水平,但回聲反饋這一常見(jiàn)現(xiàn)象嚴(yán)重影響了聽(tīng)力受損患者的使用效果。本文就傳統(tǒng)的回聲消除技術(shù)展開(kāi)研究,并在原技術(shù)的基礎(chǔ)上提出改進(jìn)算法。論文的主要內(nèi)容如下:(1)研究了語(yǔ)音的產(chǎn)生原理及聽(tīng)覺(jué)原理;研究了產(chǎn)生語(yǔ)音數(shù)字信號(hào)的若干模型和語(yǔ)音信號(hào)研究的幾種常用方法;介紹了數(shù)字助聽(tīng)器中對(duì)語(yǔ)音信號(hào)幾種重要的語(yǔ)音信號(hào)處理技術(shù),包括回聲反饋消除、語(yǔ)音增強(qiáng)、聲源定位以及響度補(bǔ)償。其中重點(diǎn)介紹了回聲反饋消除技術(shù)。(2)研究了塊更新NLMS算法,在塊更新NLMS算法的基礎(chǔ)上,提出在濾波系數(shù)的更新頻率與迭代步長(zhǎng)的更新公式中做出改進(jìn),從而提高系統(tǒng)性能。本文提出在塊更新NLMS算法中濾波系數(shù)的更新頻率上采用分批次更新,在迭代步長(zhǎng)的更新方式中引入變步長(zhǎng)的理論。仿真實(shí)驗(yàn)表明,改進(jìn)后的算法的收斂速度變得更快,并且擁有更小的穩(wěn)態(tài)誤差。(3)研究了仿射投影算法,在變步長(zhǎng)仿射投影算法的基礎(chǔ)上提出多遺忘因子,可以用于準(zhǔn)確的估計(jì)濾波器的輸出誤差,以加快收斂速率,降低穩(wěn)態(tài)誤差;為了減小仿射投影算法的計(jì)算復(fù)雜度,文中引入變投影階數(shù)的思想。仿真結(jié)果表明,改進(jìn)后的算法在保證收斂速度和失調(diào)量的同時(shí)極大降低...

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 助聽(tīng)器發(fā)展歷史
    1.3 助聽(tīng)器基本原理
    1.4 本文主要研究?jī)?nèi)容
第二章 語(yǔ)音信號(hào)基礎(chǔ)知識(shí)
    2.1 語(yǔ)音的產(chǎn)生原理及基本屬性
        2.1.1 語(yǔ)音的產(chǎn)生原理
        2.1.2 語(yǔ)音的基本要素
        2.1.3 語(yǔ)音的基本特征
    2.2 語(yǔ)音的聽(tīng)覺(jué)原理
        2.2.1 聽(tīng)覺(jué)器官
        2.2.2 語(yǔ)音信號(hào)的聽(tīng)覺(jué)模型
    2.3 語(yǔ)音信號(hào)產(chǎn)生的數(shù)字模型
        2.3.1 激勵(lì)模型
        2.3.2 聲道模型
        2.3.3 輻射模型
    2.4 語(yǔ)音信號(hào)的常用分析方法
        2.4.1 語(yǔ)音信號(hào)的時(shí)域分析
        2.4.2 語(yǔ)音信號(hào)的頻域分析
        2.4.3 語(yǔ)音信號(hào)的倒譜分析
    2.5 本章總結(jié)
第三章 數(shù)字助聽(tīng)器的關(guān)鍵技術(shù)
    3.1 語(yǔ)音增強(qiáng)
        3.1.1 基于譜減法的語(yǔ)音增強(qiáng)
        3.1.2 自適應(yīng)濾波法的語(yǔ)音增強(qiáng)
        3.1.3 短時(shí)對(duì)數(shù)譜的MMSE語(yǔ)音增強(qiáng)
    3.2 聲源定位
        3.2.1 基于可控波束形成器的聲源定位
        3.2.2 基于高分辨率譜估計(jì)的聲源定位
        3.2.3 基于時(shí)延估計(jì)的聲源定位
    3.3 響度補(bǔ)償
        3.3.1 單通道壓縮算法
        3.3.2 多通道壓縮算法
    3.4 回聲反饋消除
        3.4.1 回聲反饋產(chǎn)生的原因
        3.4.2 常見(jiàn)的回聲反饋消除方法
        3.4.3 自適應(yīng)濾波技術(shù)
        3.4.4 各種算法的仿真實(shí)驗(yàn)及比較
    3.5 本章總結(jié)
第四章 基于NLMS算法的改進(jìn)算法
    4.1 變步長(zhǎng)NLMS算法
        4.1.1 變步長(zhǎng)NLMS算法原理
        4.1.2 變步長(zhǎng)NLMS算法與NLMS算法性能比較
    4.2 塊更新NLMS算法
    4.3 基于塊更新NLMS算法的改進(jìn)算法
        4.3.1 基于濾波器系數(shù)更新的改進(jìn)
        4.3.2 基于步長(zhǎng)更新公式的改進(jìn)
        4.3.3 改進(jìn)后算法的仿真與分析
    4.4 本章總結(jié)
第五章 多個(gè)遺忘因子的變階變步長(zhǎng)仿射投影算法
    5.1 傳統(tǒng)仿射投影算法
        5.1.1 仿射投影算法
        5.1.2 變步長(zhǎng)仿射投影算法
    5.2 改進(jìn)仿射投影算法
        5.2.1 引入多個(gè)遺忘因子的變步長(zhǎng)仿射投影算法
        5.2.2 變階數(shù)的變步長(zhǎng)仿射投影算法
        5.2.3 多個(gè)遺忘因子的變階變步長(zhǎng)仿射投影算法
    5.3 算法仿真與性能分析
    5.4 本章總結(jié)
第六章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 研究展望
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間撰寫的論文
附錄2 攻讀碩士學(xué)位期間參加的科研項(xiàng)目
致謝



本文編號(hào)：3873360