（信号与信息处理专业论文）麦克风阵列语音增强方法的研究.pdf

大连理工大学硕士学位论文 摘要 在获得语音信号的同时，不可避免地会受到噪声干扰，语音增强是抑制干扰的一 种有效途径。采用单麦克风技术，虽然可以对噪声进行一定的抑制，但由于仅可利用时 频信息，因此，在强混响环境以及非平稳噪声场情况下，其干扰抑制效果并不理想。 利用多个麦克风提供的空域和时频信息，则有可能较好地解决这问题。因此，本文 主要研究基于麦克风阵列的语音增强方法。 时延估计和语音活动检测( v o i c ea c t i v i t yd e t e c t i o n ，简称v a d ) 技术是阵列增强的 重要组成部分，其准确性直接影响到语音增强效果。独立分量分析( i n d e p e n d e n t c o m p o n e n ta n a l y s i s ，筒称i c a ) 能够仅由观测信号恢复出各个统计独立的源信号，利用 它可以一定程度上将语音与噪声分离，将其与现有算法相结合则有可能达到更好的增强 效果，因此本文重点做了以下几方面工作： ( 1 ) 研究7 g 功率谱相位( c r o s s p o w e rs p e c t n m ap h a s e ，简称c s p ) 时延估计方法的性 能，针对该方法在低信噪比和强混响情况下性能下降的问题，给出了两种改进方法。实 验结果证明了两种改进方法的有效性和可靠性。 ( 2 ) 给出种对麦克风阵列各通道信号同时进行v a d 的算法。经i c a 分离出的相对 纯净的语音信号作为参考信号，其v a d 结果用于指导阵列信号的语音检测，实验结果 表盟该方法在恶劣的噪声环境下仍可以获得准确的检测结果。 ( 3 ) 针对实际环境下噪声和混响对语音增强系统性能的影响，在广义旁瓣抵消器 ( g e n e r a l i z e d s i d e l o b ec a n c e l l e r ，简称g s c ) 基础上，将带参考信号的i c a ( i c aw i t h r e f e r e n c e ，简称r i c a ) 算法与鲁棒性广义旁瓣抵消结构( r o b u s tg s c ，简称g o s c ) 相结 合，给出了一种改进的g s c 算法。通过实验表明，该算法综合了r i c a 的抗混啊陛能和 r g s c 方法对噪声的鲁棒性，更适用于实际环境下的语音增强系统。 关键词：时延估计：语音活动检测：广义旁瓣抵消：独立分量分析 1 麦克风阵列语音增强方法的研究 s t u d y o n s p e e c h e n h a n c e m e n tw i t h m i c r o p h o n ea r r a y s a b s t r a c t s p e e c he n h a n c e m e n ti sau s e f u lf o r w a r dm e a d st or e s t r a i nt h ei n t e r f e r e n c ef r o mt h e r e c e i v e ds p e e c hs i g n a l sw h i c ha l ei n e v i t a b l yi n t e r f e r e db y n o i s e s p e e c he n h a n c e m e n tu s i n g s i n g l em i c r o p h o n ec s n t r e d u c en o i s ei nt h ee n v i r o n m e n tw i t h s t r o n g r e v e r b e r a t i o na n d n o n s t a l i o n a r yn o i s e ，s ot h i sp a p e rf o c u so ns p e e c he n h a n c e m e n tm e t h o d su s i n gm i c r o p h o n e a r r a y sb e c a u s em i c r o p h o n ea r r a ys y s t e m sm a k ef u l lu s eo fi n f o r m a t i o ni nt i m e k f r e q u e n c y d o m a i na n d s p a t i a ld o m a i n t i m e d e l a ye s t i m a t i o n ( t d e ) a n dv o i c ea c t i v i t yd e t e c t i o nc e a d ) a r et w ok e yp a r t si n m o s tk i n d so fa r r a ys p e e c h 耐a _ a n c e m e n tm e t h o d sa n dt h e i rp e r f o r m a n c ed i r e c t l ya f f e c tt h e r e s u l t so f s p e e c h e n h a n c e m e n t i n d e p e n d e m c o m p o n e n t a n a l y s i s a ) c a n b e u s e d t o s e p a r a t e t h es p e e c ho rn o i s ew i t h o u tt h ek n o w l e d g eo f o r i g i n a ls i g n a l so rt r a n s m i tf u n c t i o n s h 政i s c o m b i n e d 谢也s p e e c h e n h a n c e m e n ti na r r a ys y s t e m t h e p e r f o r m a n c em u s t b ei m p r o v e d s ot h e m a i nw o r k si nt i f f sp a p e ra r ea sf o l l o w s ： ( 1 ) c r o s s p o w e rs p e c t r u mp h a s e ( c s p ) i s ap o p u l a rn ) e t e c h n i q u ea n d i t sp e r f o r m a n c e d e g r a d e sd r a m a t i c a l l yi nt h ec a s eo f l o ws i g n a l - w - n o i s er a t i o ( s n r ) a n ds t r o n gr e v e r b e r a t i o n s ot w oi m p r o v e da l g o r i t h m sa r ep r o p o s e di nt h i sp a p e r s i m u l a t i o nr e s u l t ss h o wt h a tt h e p r o p o s e d m e t h o d so u t p e r f o r mt h e o r i g i n a lc s p m e t h o d ( 2 ) av a d m e t h o df o rm i c r o p h o n ea r r a yi sp r o p o s e d m o r e p u r e v o i c ec a r tb eo b t a i n e d b yu s i n g i c a 1 1 1 ev a dr e s u l to f t h i s p u r e v o i c ei su s e da sr e f e r e n c ef o rd e t e c t i n gt h o s eo f a l a r r a ys i g n a l s s i m u l a t i o n r e s u l t si l l u s t r a t et h ev a l i d i t yo f t h e p r o p o s e d m e t h o d 。 ( 3 ) g e n e r a l i z e ds i d e l o b ec a n c e l l e r ( g s c ) ，a s ab a s i ca d a p t i v eb e a m f o r m i n ga l g o r i t h mi n s p e e c he n h a n c e m e n t , o n l y f i t st oc a n c e lt h ec o h e r e n tn o i s es i g 叫sa n dt h ep e r f o m m c e s e v e r e l y d e g r a d e si nt h er e a ln o i s ea n dr e v e r b e r a n te n v i r o n m e n t s oan e w o s cs t r u c t u r ei sp r o p o s e d w h i c ha p p l yi c aw i t hr e f e r e n c e ( r l c a ) i nr o b u s tg e n e r a l i z e ds i d e l o b ec a n c e l l e r ( r g s c ) e x p e r i m e n tr e s u l t st h m u g hr e a ln o i s ys i g n a l sp r o v e t h a tt h i sn e ws t r u c t u r ei sr o b u s tf o r r e v e r b e r a t i o na n da n yk i n do f n o i s e , a n d i ti sa p p l i c a b l ei nr e a le n v i r o n m e n t k e y w o r d s ：t i m e d e l a ye s t i m a t i o n ；v o i c ea c t i v i t yd e t e c t i o n ；g e n e r a l i z e d s i d e l o b e c a n c e l l e r ；i n d e o e n d e n tc o m d o n e n t a n a l y s l s i i 独创性说明 作者郑重声明：本硕士学位论文是我个人在导师指导下进行的研究 工作及取得研究成果。尽我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得 大连理工大学或其他单位的学位或证书所使用过的材料。与我一同工作 的同志对本研究所做的贡献均已在论文中做了明确的说明并表示了谓 意。 作者签名：釉豳日期： 大连理工大学硕士学位论文 1 绪论 语音中噪声的存在不仅影响人的听觉，而且对语音处理的其他环节如语音编码、语 音识别也产生影响，因此，语音增强一直是人们十分关注的一个话题。在各种实际需要 的推动下，不同的语音增强方法应运而生。本章首先介绍了语音增强的意义以及基于麦 克风阵列语音增强方法的概念、类别和适用场合，最后概括了整篇论文的结构和内容。 1 1 语音增强的研究背景及意义 语音信号处理是信息高速公路、多媒体技术、办公自动化、现代通信及智能系统等 新兴领域应用的核心技术之一，它主要包括语音通信、合成、识别和语音增强等方面。 然而人们在获得语音信号的同时，不可避免地会受到来自传输媒介引入的噪声、通信设 备内部电噪声、房间混响乃至其他说话人的话音干扰。这些干扰不仅会使接收者得到的 语音被噪声污染，同时也会导致许多语音处理系统的性能急剧恶化。 语音增强作为前置处理方案是抑制干扰的一种有效途径，是语音信号其它应用的基 础。随着语音增强研究的深入，人们越来越认识到：由于噪声通常是随机的，要想从带 嗓语音信号中提取完全纯净的原始语音信号几乎是不可能的。在这种情况下，语音增强 的目的主要有两个：一是改进语音质量，消除背景噪声，使听者乐于接受，不感觉疲 劳，这是一种主观度量；二是提高语音可懂度，这是种客观度量。这两个目的往往不 能兼得。由此可见，语音增强是一项很复杂的技术，不仅仅是信号数字处理的问题，还 涉及到人的听觉感知特性和语音学。同时，噪声的多样性，即噪声来源众多，随着应用 场合不同而特性各不相同，也增加了语音增强的难度，因此，要想一劳永逸的设计出一 种算法是不可能的，只能是针对不同的噪声情况，采取不同的语音增强算法。 1 2 语音增强方法概述 根据接收语音信号对所用麦克风数目的不同，语音增强系统可分为单麦克风增强系 统和麦克风阵列( 多麦克风) 增强系统。 基于单麦克风的语音增强方法是常用的传统语音增强方法，比较流行的算法有以下 几种：噪声对消法 1 】、谐波增强法【1 】、基于短时谱估计的增强方法 1 1 1 2 、基于语音生 成模型的增强算法【1 】【3 】、小波分解法【4 】【5 】以及听觉屏蔽 潍4 1 6 1 1 7 1 。荜麦克风语音增强 系统只需一路语音信号，因此算法复杂性小，硬件要求低。采用常规的单麦克风技术， 虽然可以对噪声进行一定的抑制，但由于可利用的信息仅限于时频信息，因此，在强 麦克风阵列语音增强方法的研究 混响环境以及非平稳噪声场情况下，或者是存在强的干扰语音源时，其干扰抑制效果并 不理想。利用多个麦克风提供的空域和时频信息，则有可能较好地解决这一问题。麦 克风阵列语音增强技术通过空间滤波器来实现，它具有空间选择性，能从所需要的声源 方向获取高品质的语音信号，同时抑制其它的干扰，降低周围环境噪声水平，其语音增 强效果明显优于单麦克风语音增强效果。因此进入9 0 年代以来，基于麦克风阵列的语 音增强算法正逐渐成为研究热点。 1 2 1 麦克风阵列概述 在一定的空间区域里，按某种方式分布排列的一系列传感器组成了阵列系统，各传 感器的输出由所接收的几个源信号和噪声组合而成。对这一系列传感器收集来的信号经 过适当处理可以提取所需信号的属性信息，包括信号源的数目、方向、幅度等。这一阵 列系统应用到语音信号处理领域，就成为麦克风阵列系统。 1 2 2 麦克风阵列语音增强方法 将麦克风阵列技术用于语音信号处理的研究源于二十世纪八十年代，美国、德国、 法国、意大利、日本等许多国家相继开展了这方面的研究工作。近十几年来基于麦克风 阵列的语音处理成为关注的焦点。该技术在声源定位、语音识别以及语音增强中取得了 良好的效果。各国学者对基于麦克风阵列的语音增强方法的研究方兴未艾，至今为止， 人们已经提出许多基于麦克风阵列的语音增强方法，其中比较经典的方法包括固定波束 形成，自适应波柬形成以及后置滤波等几大类。下面对几类经典方法加以概述。 ( 1 ) 固定波束形成方法( f i x e db e a m f o r m i n g ，简称f b f ) 代表方法为f l a n a g a n 等人提出鳃延迟求和波束形成法( d e l a y a n d $ 1 1 3 1 1b e a m f o r m i n g ， 简称d s b f ) 8 1 。它首先对阵列中各个麦克风上接收到的信号进行时延补偿，以使各通 道语音信号同步；然后对各通道信号进行相加和平均。这类方法算法简单，但是通常需 要大数量的麦克风才能达到较好的消噪效果；而且它适合于消除非相干噪声或散射噪 声，而对相干噪声没有消除能力。 ( 2 ) 皂适应波柬形成方法 最早有关自适应波束形成的理论是f r o s t 在1 9 7 2 年提出的线性约束最小方差 ( l i n e a r l y c o n s t r a i n e dm i m n l u r i lv a r i a n c e ，简称l c m v ) 自适应波束形成器【9 。将这种自 适应波束形成方法用于语音增强，可以用较少的麦克风取得较好消噪效果。在f r o s t 算 法基础上，1 9 8 2 年g r i f f t h s 和j i m 提出了一种修正的线性约束波束形成器广义旁瓣抵 消器【lo 。该结构大体上分为固定波束形成、阻塞矩阵和多通道噪声抵消三部分a 这神 一2 一 大连理工大学硕士学位论文 经典结构为后来许多算法提供了理论框架，然而加权矢量误差会引起有用信号的部分衰 减，信号泄漏仍是g s c 波束形成器存在的主要问题 11 1 2 1 。为了解决有用信号的泄漏 问题，人们对阻塞矩阵的结构作了不同的改进。s h a m o n 在广义旁瓣抵消器的基础上， 提出了针对任意传递函数情况的广义旁瓣抵消器【1 3 ，推广了g s c 的使用范围： h o s h u y a m a 等人提出了基于自适应阻塞矩阵的鲁棒性广义旁瓣抵消算法( r o b u s t g e n e r a l i z e ds i d e l o b ec a n c e l l e r ，简称r g s c ) 1 4 ；根据不同的准则和滤波器结构，人们 还提出了许多不同的自适应算法 1 5 1 7 。g s c 这类方法适合于消除强相干噪声。当干扰 噪声源数目少于麦克风数目时能达到很好的消噪效果，但对于非相干噪声或弱相干噪 声，消噪效果反而不如传统的波束形成方法。在实际应用中，麦克风阵列大多应用在比 较封闭的场合下。由于墙壁的反射，多径和混响问题相当突出，这时的噪声源数目可以 认为是无限多的。在这种情况下，自适应波束形成方法的消噪效果还比不上延迟求和波 束形成方法。 ( 3 ) 具有后置滤波器的波束形成方法 自适应波束形成算法对于弱相干噪声的消除能力较差，而且在混响和回波存在的复 杂背景环境中算法性能下降。1 9 7 7 年a l l e n 将自适应波束形成方法和维纳后置滤波相结 合进行语音增强【1 8 。1 9 8 8 年z l i n s l d 将a l i e n 思想加以扩展，提出l m s 自适应后置滤 波器【1 9 】，迸一步改善了系统的性能。后来c o h e n 提出将广义旁瓣抵消器和后置滤波器 结合，取得了较好的消噪效果【2 0 】。使用后置滤波器可以改善波束形成器在平稳噪声环 境中的性能，尽管去除本地噪声和回响的效果很好，但抑制混响的能力有限。单通道谱 减法可以克服这种局限性，j m e y e r 将维纳滤波与谱相减结合【2 1 ，在噪声相干性强的 频带用谱减法进行消噪，在弱相干频带进行维纳滤波。该法兼有两者的优点，具有良好 的实用性。 九十年代初期，有学者利用倒谱分析进行语音增强 2 2 2 3 ，该方法在频域内简化 运算但增强效果有限。近年来，各种经典方法的相互融合以及借鉴小波变换、高阶统计 量以及神经网络技术等信号处理的方法成为关注的焦点。将子带技术用于波束形成中， 有利于对宽带语音信号进行处理，并可提高自适应滤波器的收敛速度 2 4 1 1 2 5 a 结合语 音信号自身特点，c m e b e l 等人尝试利用语音模型法阵列信号进行增强 2 6 。m a h n o u d i 等人提出将维纳滤波和相干滤波用于基于麦克风阵列语音增强o e 2 7 t 。还有人将小波和 波束形成相结合 2 8 】，利用小波域的多尺度和多分辩率特性，提高语音增强系统的消噪 性能。基于高阶统计量的特点，文献【2 9 【3 0 】介绍了将波束形成和盲分离技术相结合的 一3 麦克风阵列语音增强方法的研究 麦克风阵列语音增强算法。还有人应用基于奇异值分解和k l 变换的子空间技术，对信 号和噪声予空间分别进行降秩处理 3 1 】 3 2 】。n e d e l k o 等人还将神经网络的方法融台到麦 克风阵列的信号处理中【3 3 】。这些利用子空间、神经网络和盲增强的方法都是以计算量 为代价换取性能的改善，不利于实时实现。 1 3 论文的结构安排 本文的结构安排如下： 第1 章绪论，简单介绍了语音增强技术的研究概况和基于麦克风阵列语音增强的概 念、类别和基本方法。 第2 章介绍了后续章节所用到的基础知识和基本原理。 第3 章介绍了麦克风阵列语音增强系统中的一个重要的环节一时延估计。简单介绍 了现有的时延估计方法后，重点研究了互功率谱相位时延估计方法的性能，针对该方法 在低信噪比和强混响下性能下降的问题，提出了两种改进方法，并给出了实验结果与分 析。 第4 章讨论了基于麦克风阵列的语音活动检测算法，它是许多语音处理技术必不可 少的预处理手段。本文在研究了现有检测算法基础上，结合i c a 技术，改进了基于频 带方差的语音活动性检测( w o ) 算法，实验证明该方法在恶劣噪声环境下能更为准确可 靠地检铡出语音段和噪声段，为语音增强系统的后续计算提供了方便。 第5 章讨论了固定波束形成和以g s c 为基础的自适应波束形成方法实现语音增强 的基本原理，对各种噪声场中的消噪性能进行了详细分析。在此基础上，考虑到实际环 境下噪声和混响对语音增强系统性能的影响，提出了一种基于带参考信号i c a 的鲁棒 性广义旁瓣抵消结构( r i c a _ r g s c ) ，该算法综合了r l c a 的抗混响性能和r o s c 方法对 噪声的鲁棒性，更适用于实际环境下语音增强系统。 一4 一 大连理工大学硕士学位论文 2 基a 鸡知识 在本章中，将针对后续章节中所用方法的基本概念和原理给出简要的介绍，包括： 阵列信号模型，噪声及噪声场，独立分量分析以及语音增强性能评价等方面。本章的目 的是为后面章节所用到的复杂的方法做一个简单的铺垫，同时，这些基本原理也是做进 一步研究所必不可少的基础知识。 2 1 阵列信号拾取与信号模型 本文研究的是麦克风阵列系统在室内噪声环境中实现语音增强的方法，采用最为常 见的线性麦克风阵列采集说话人的语音信号。阵列中每个麦壳风不仅拾取由说话人方向 直达的语音信号，还有其他无用信号：包括声源经墙壁反射的回波信号，关门、人走动 等背景噪声以及其他说话人的干扰信号。用麦克风阵列进行语音增强，就是在这些信号 中提取特定说话人的语音信号。 2 1 1 声源模型 在空气中，声音传播的速度随着环境温度和压力的变化而变化，但在标准温度和压 力的条件下，该速度k 约为每秒3 4 2 米。考虑个平稳声源s 和一个麦克风m ，这里 假设声源是一个真正的点源，这种源可以是一个说话人的嘴、一个音响设备或者其它固 定声音产生器的模型。声源与麦克风之间的距离为d ，这样，声音从s 至m 所用的时 一 间为f ，这里f = 导，形3 4 2 m s 。 y j 如果声源产生的信号是s ( f ) ，则麦克风接收的信号为： x ( r ) = c u 0 一r ) + ，z ( f ) ( 2 1 ) 1 其中f 为时延，口是衰减常数，口与距离d 之间的关系为：口* 去。n ( t ) 表示噪 a 声，可以表示成两部分的和： n ( t ) = 嘶( r ) + ( f ) ( 2 2 ) 这里，月，( f ) 是由于竞争声源所产生的干扰噪声，玎。( r ) 是混响噪声。前者一般是由 风扇、房间里其他人的活动或吹口哨、空气循环、电子噪声等产生的，与s o ) 不相关： 后者是由于房间墙壁反射产生的回波，与j ( 幻相关。这样，传感器接收到的由声源所产 生的信号为： m 。( r ) = o t ) 十n r ( r ) = h ( t ) + s ( t ) ( 2 3 ) 一5 麦克风阵列语音增强方法的研究 这样，公式2 1 又可写成如下形式： x ( t ) = h ( t ) + s ( t ) + ”，( ，) 2 1 2 麦克风阵列信号模型 麦克风阵列是利用多个麦克风拾取信号来实现语音信号的处理 所拾取信号的组成，包括直接至日达的信号、反射信号和干扰噪声。 m 晦。 必+ ： 图2 1 麦克风阵歹0 拾取的信号 f i g u r e 2 1s i g n a lr e c e i v e df r o mm i c r o p h o n ea r r a y ( 2 4 ) 图2 1 示出了阵列 常用的麦克信号产生模型有理想模型和实际模型两种。前者只考虑环境噪声，而不 考虑多径反射噪声；后者既考虑环境噪声，又考虑多径反射噪声。 ( 1 ) 理想模型 麦克风阵列中第f 个麦克风接收到的信号t ( r ) ( f = 1 ，2 m ) 可以表示为 x ，( t ) = a ，s ( t r ，) + ( t )( 2 5 ) 对应的矢量形式为 x o ) = a s ( t f ) + 撑( f ) ( 2 6 ) 其中 s ( t f ) = 【j ( r 一) ，j o t 2 ) ，s ( t t m ) 】7 ( 2 7 ) n ( t ) = m ，( r ) ，h ：，( f ) ，哆。( ) 】i f s ( f ) 为声源信号，口，是声波传播的衰减因子，f ，是声源传播到两个麦克所需要的 时间，n 。( f ) 为环境噪声，而且j ( r ) 和0 ) ( f = 1 ，2 m ) 之间彼此不相关。 一6 大连理工大学硕士学位论文 当房间内只存在一个语音源和一个点噪声源时，麦克风接收到的噪声只是点噪声源 延迟信号和语音源延迟信号的叠加，则公式2 6 可以变为 x ( o = 窿s ( t f ) + 声n ( t r ) ( 2 8 ) 公式2 8 描述的就是方向性噪声场中的阵列信号模型。其中 s ( t f ) 2 陋0 一t 】) ，s o t 2 ) ，s ( ，一t m ) 1 f 2 q 、 n ( t f ) = n ( t 一 c f l ) ，n ( t t 1 2 ) ，- ，n ( t t 。) 7 j o f ) 和一( f f ) 分别代表麦克风接收到的语音和噪声向量，并且满足j ( f f ) 和 n ( t r ? 相互独立。f = h ，t ：， ，和f + = 卜。，1 ：，1 ，r 分别是语音源和噪声源到 麦克风阵列之间的时间延迟向量，由于语音源与噪声源空间位置不同，声音走过的路径 不同，所以时间延时也不相同。a = d i a g c z l ，仪2 ， 和尹= d i a g p 3 1 ，0 ：，】是两个 对角阵，对角线上元素是与信号传播中的衰减有关的常数。 ( 2 ) 实际模型 麦克风阵列中第f 个麦克风接收到的信号薯( r ) ( i = 1 ，2 m ) 可以表示为 ( r ) = a 。s ( t t ：) + ( f ) = a ：s ( t t ；) + ( f ) + ，( f ) ( 2 1 0 ) = 吃( r ) j ( f ) + ( r ) 对应的矢量形式可表示为 x ( t ) = 矗( f ) s o ) + 一，( f ) ( 2 1 1 ) 其中符号“ ”为卷积算子，n ，( t ) 为干扰成分( 包括各种环境噪声和房间多径反射 噪声) ，9 ) 表示第i 个传声器接收到的环境噪声，珂。( ) 表示第i 个传声器收到的多径 反射噪声。 2 2 噪声及噪声场 2 2 1 房间的噪声特性 分析噪声特性是进行语音增强的基础，噪声来源取决于实际的应用环境，因此其特 性也是多种多样的。房间中的噪声不仅包括交流电源引起的周期噪声、物体撞击带来的 脉冲噪声、还包括各种宽带噪声和同声道的其他语音干扰。这些噪声有的是几个特定位 置处的点声源，也有在整个空闯内均匀分布的噪声场，还可能存在移动噪声源。同时由 于房间内声音的多径传播而造成混响，使干扰变的更为复杂。噪声可以是加性的，也可 以是乘性的。对于后者可以通过同态滤波转变为加性噪声。 一7 一 麦克风阵列语音增强方法的研究 2 2 2 麦克风阵列中噪声场的空间相干性 在麦克风阵列语音增强中，噪声场也是一个很重要的概念。不同的方法可能适用于 不同类型的噪声场。所以，对不同类型噪声场的适用性，也是衡量语音增强算法消噪性 能的一个重要标准。通常情况下主要考虑三种噪声场类型：相干噪声场，非相干噪声场 和散射噪声场 3 5 。 在以后的叙述中，将需要提取的语音称为目标语音，而其它信号( 包括噪声和其它 语音) 都称为干扰噪声。噪声场可用噪声的时空相关函数来描述。设麦克风阵列中第i 个 和第，个麦克风分别位于和，处，接收到的噪声信号分别为j 0 ) 和，0 ) ，如图2 2 所示。 图2 2 空间两点处麦克接收的噪声信号 f i g u r e 2 2n o h e s i g n a b r e c o r d e d b y t w o m i c r o p h o n e s l o c a t e da td i f f e r e n t p l a c e 定义噪声在空间。时间上的相关函数如公式2 1 2 所示，其中n = l 一a r ( a ，t ) = e n , ( n ) n j 0 + t ) 】 ( 2 1 2 ) 进而可阻定义在空间频率上的相干函数为： rb 、：竺堕竺! ( 2 1 3 ) l 伽卜疆雨赫 u 其中o ( 几，c o ) 为，( h ) 和，( 玎) 的互功率谱，由互相关函数月( 乃，t ) 的离散傅立叶 变换得到，o ( ，) 和o ( ，j ，( 0 ) 分别为噪声f ( ，2 ) 和，( 竹) 的自功率谱。 根据公式2 1 3 可以得到模平方相干函数为： c 。( ) = l r ，( ) 【2 = 五龋 2 1 4 ) 一8 一 大连理工大学硕士学位论文 引入模平方相干函数后，可以将麦克风阵列所处的噪声场分为相干噪声场、非相干 噪声场和散射噪声场。当只有一个噪声源存在时，所有麦克风接收到的噪声只有相位和 幅度上的差异，这时g ( c o ) = 1 ，称之为相干噪声场；当各个麦克风上的噪声信号彼此 间不相干，这时c 。) = 0 ，称之为非相干噪声场。在实际环境中，这两种噪声场会同 时存在，此时0 c 。，( ) 1 ，称之为散射噪声场。散射噪声场是最接近于实际噪声场的 模型。在散射场中，平面波在所有方向上随机传播，噪声是无限多个平面波的叠加。其 相干函数可以表示成c l ，( ) = s i n c 2 ( p 。c ) ，由此可看出其噪声在低频段强相干，在高 频段弱相干。 2 3 独立分量分析 独立分盛分析是最近几年发展起来的一种新的统计方法，最早是由h e r a u l t 和j u t t e n 在1 9 8 3 年提出。当观测信号是源信号的线性瞬时混和时，i c a 方法与盲源分离方法 ( b l i n ds o u r c es e p a r a t i o n ，简称b s s ) 是一致的，都是指在不知道源信号和传输通道参数 的情况下根据输入信号的统计特性，仅由观测信号恢复出源信号各个独立成分的过程 3 6 。正是因为这特点，使i c a 在信号处理领域受到了广泛的关注，现在已在生物医 学、模式识别、雷达信号处理等众多领域得到应用。而在麦克风阵列语音处理系统中， 当噪声满足与语音源相互独立前提下，也可使用i c a 方法对语音和噪声进行分离。 i c a 算法根据准则函数大体上可以分为两类【3 7 】。一类是基于非高斯性测度的算 法。非高斯性测度函数主要有峭度函数和负熵。h y v a r i n e n 于1 9 9 7 年基于峭度函数的最 大化，提出了快速的固定点算法f f a s t i c a ) 3 8 】，该算法简单易用，可达立方收敛。之 后，h y v a r i n e n 又提出了基于负熵最大化的牛顿迭代算法，仍然命名为快速算法。i c a 的另一类算法是基于信息论的算法，包括b e l l 和s 白n a w s k i 予1 9 9 5 年提出的基于信息 论框架的盲分离方法b 6 瑚舣算法 3 9 】，c a r d o s o 和l a h e t d 在此基础上提出的相对梯 度算法，以及l e e 等人在i n f o m a x 算法的基础上提出的扩展的i n f o m a x 算法。 本节将就i c a 算法实现中的几个核心问题加以阐述，并介绍后文用到的两种基于 非高斯性测度的算法f a s t i c a 和r i c a 。 。 2 3 1i c a 的数学模型 i c a 的原理框图如图2 3 所示，设s ( ) = a ( 七) ，s a g ) 7 为”个源信号构成的n 维 向量；工( 妁= i x ，( 七) ，x 。( 七) r 为m 维观测数据向量，其元素是各个传感器得到的输 出，观钡信号可用下面的方程描述： 一9 一 麦克风阵列语音增强方法的研究 z ( ) = a s ( k )( 2 z s ) 其中，m n 维矩阵彳称为混合矩阵，其元素表示信号的混合情况。公式2 1 5 的含 义是n 个源信号通过混合得到m 维观测数据向量。i c a 方法的目的是：在混合矩阵爿和 源信号未知的情况下，只根据观测数据向量x ( k ) 确定分离矩阵，使得变换后的输出 y ( k ) 是源信号向量s ( k ) 的估计l 4 0 ，如公式2 1 6 所示： y ( 女) = m r ( k ) ( 2 1 6 ) 图2 3i c a 原理框图 f i g u r e 2 3 t h e d i a g r a m o f l c a 可以用i c a 分离的混和信号模型要具备以下条件：( 1 ) 各源信号相互独立。( 2 ) 各 源信号的混合方式是线性的。0 ) 最多允许有一个源信号是高斯信号。( 4 ) 源信号的数 目不大于混合后阵列信号的数目。 由于各个独立源信号和混合矩阵都是未知的，所以i c a 具有不确定性，主要表现 在两个方面：幅度( 或方差) 的不确定性和输出顺序的不确定性。但是，由于箅法本身关 心的是源独立信号的波形，其幅度信息是次要的，所以可以假设源独立信号q ( ) 的方 差为l ，把幅度信息转移到混合矩阵中去。而且仅从“分离”的角度考虑，输出顺序的 不确定是可以容忍的，但这种不确定性可能会对信号的后续处理带来麻烦。 2 3 2 非高斯性与i c a 的目标函数 i c a 方法的具体实现包括两个方面，一是确定目标函数，二是选择优化算法【4 1 】。 i c a 以统计独立为基本原则，如何衡最独立性是一切i c a 算法必须面临的根本问题，这 就要求选择一个恰当的目标函数。在基于非高斯性测度的i c a 算法中，对目标函数的 要求是：( 1 ) 当变量为高斯变量时，目标函数应为零。( 2 ) 变量的非离斯性越强时，目标 函数的值应越大。当目标函数达到极大值时。分量独立。本文在后续章节用到的 f a s t i c a 及r i c a 算法均采用峭度作为目标函数，下面就介绍基于峭度的非高斯性描述。 随机变量的四阶累积量称为峭度( k u r t o s i s ) ，它是一种典型的用于非高斯性描述的函 数。对于一个零均值的随机变量，峭度定义为： 妇r t ( x ) = e x 4 卜3 ( e x 2 ) 2 ( 2 。1 7 ) 一1 0 大连理工大学硕士学位论文 如果随机变量x 具有单位方差，则公式2 1 7 可简化为 k u r t ( x ) = e x 4 ) _ 一3 ( 2 1 8 ) 对高斯随机变量而言，其峭度为零。对于峭度值为正的随机变量，称其服从“超高 斯”分布；对于峭度值为负的随机变量，称其服从“亚高斯”分布。因此根据峭度值的 正负，可将随机变量分为高斯，超离斯和亚高斯分布三类。 选用峭度作为目标函数，不但因为它计算非常简单，而且因为峭度具有如下一些便 于应用的线性性质：设置和t 是两个相互独立的随机变量，a 是一个常数，则峭度满 足： k u r t ( x i + x 2 ) k u r t ( x 1 ) + i c u r t ( x 2 ) k u r t ( a x ) = a 4 1 a t r t ( x ) ( 2 1 9 ) ( 2 2 0 ) 这两个关于峭度的基本性质在i c a 目标函数分析和算法实现时都非常有用。利用 峭度绝对值的极大化( 峭度值极大或极小) 能够分离出独立分量，但是由于峭度存在不稳 定性，所以用峭度作为目标函数寻找独立分量时，易受大幅度随机脉冲干扰的影响。 2 3 t 3f a s t l c a 算法 使用f a s t i c a 算法时，要先将数据进行预处理，主要是去均值和白化，这样可以简 化问题，并使其更好地满足应用条件。去均值就是将信号均值变成零，这是因为很多信 号处理算法都假设信号是零均值的。令u ( k ) 是对维观测矢量x ( k ) 进行白化后得到的 矢量，则白化的蟊的是使u ( k ) 中的分量互不相关并且满足耳口( 七) 蹦7 ( 七) ) = i 。设肘为 白化矩阵，则根据公式2 1 5 可以得到 ( 而) = m x ( k ) = m a s ( k ) = b s ( k ) ( 2 2 1 ) 其中，b = m a 是混合矩阵，它的列向薰是正交的。常用的白化方法是将x 的协方 差阵作特征值分解e ( x x 7 ) = u a u 7 ，得到白化矩阵m = u a 。“u 7 ，其中对角阵a 对角 元素是协方差矩阵e x ( 七皿7 ( 女) 的特征值；正交阵u 的列向量是对应a 的特征向量。 经过白化以后，f a s t c a 的任务从求解线性矩阵的逆爿。变为求解正交矩阵的逆 毋，也就是通过最大化峭度找到分离矩阵w ( w = b 7 ) 的学习过程，分离矩阵的递推公 式如下： w ( k ) = e x ( w ( k 一1 ) 7 x ) 3 卜3 w ( k - t ) ( 2 2 2 ) 其中w = 彬( 为w 的一行) ，且0 i ，0 = 1 。 f a s t c a 中具体搜索算法的实现如下： 麦克风阵列语音增强方法的研究 ( i ) 初始化w ( o ) ，令其模为1 ，置k = 1 。 ( 2 ) 令w ( k ) = 日工( w ( 七一1 ) 7 工) 3 卜3 w ( k 1 ) ，期望值可由大量x 向量的采样点计算出 来。 ( 3 ) 用1 1 w ( k ) l l 去除w ( k ) 。 ( 4 ) 如果1 w ( ) 。w ( | 一1 ) 不满足充分接近l ，则是k = k + l ，返回至第( 2 ) 步；否则，输出 向量w f 七) 。 与其他i c a 算法相比，f a s t l c a 算法有如下优点【4 2 】：它是立方收敛的，收敛速度 非常快，一般迭代5 1 0 次即可收敛。而其它的定点算法一般都是线性收敛。与基于梯 度的算法相比，f a s t i c a 不需要选择学习步长或其它参数，使得这种算法更易使用，也 更可靠。 2 3 4r l c a 算法 在许多实际应用中，往往只需要在多个测量信号中提取出所需要的特定信号。然 而，由i c a 方法所提取信号的顺序通常是随机的，即所得到的第一个分离信号不一定 是所需要的那一个。这样，在最不利的情况下，需要把参与混合的所有信号都分离出 来，才能得到所需信号，从而浪费了许多计算量。由文献 4 3 1 的定理可知，若存在一个 参考信号，此参考信号与混合信号中的某一信号有较强的相关性，而与其它信号相关性 较弱，则利用高阶统计量就可以将信号分离出来，并且第个分离出来的信号就是与参 考信号相关性最大的那个信号。根据这个定理，如果只需要得到y 矢量中的某个信号 分量儿，就不必计算整个解混矩阵矽，仅由只= w i x ，i = 1 ，2 ，m 即可得到，其中w ， 是解混矩阵的行。 本节介绍的r l c a 方法的原理框图如图2 4 所示，在i c a 信号的分离过程中引入一 个参考信号d ，使该参考信号与待提取信号有较大的相关性，从而使其作为第一个输出 的信号。 图中y 是输出，d 是参考信号，占= d y 是参考信号与输出之间的误差。所要提取 的独立分量为y = w 。口，“为白化后的矢量。 令w 为解混矢量，则的峭度为 k u r t ( w 7 群) = e ( w 7 雎) 4 一3 e ( ，。妨2 】2 ( 2 2 3 ) = l l w l l = 1 下，可得到解混矢量的学习算法为 w i + i = e x ( w j ) 3 - 3 w , ( 2 2 4 ) 一1 2 一 大连理工大学硕士学位论文 图2 4 由输入估计权矩阵的框图 f i g 2 4d i a g r a m o f al i n e a rc o m b i n e rf o re s t i m a t i o nt h e w e i g h t sf r o m t h e i n p u t r i c a 具体算法的实现如下： ( 1 ) 对观测到的信号x 进行自化，使相关矩阵满足e u u 7 = ，可；m x ，m 为自化矩 阵。 ( 2 ) 选取参考信号d 。 ( 3 ) 用= e w - l l l e d 秘碍对权值进行初始化，令i - 1 。 ( 4 ) 计算w 。= e 【x ( 嵋口) 3 卜3 ，。 ( 5 ) 把1 4 ，归一化，令i = i + 1 。 ( 6 ) 重复步骤( 4 ) 、( 5 ) ，直到l 破。w , i j 的值足够接近于1 为止。 2 4 语音增强系统性能的评测 判断一个语音增强系统性能的好坏，主要看语音增强的效果如何。语音增强的效果 可以由主观和客观两方面来评价【i 。 2 4 1 主观测评方法 主观测评方法是对语音质量的综合评估，主要包括有