（通信与信息系统专业论文）基于麦克风阵列的语音增强和分离方法研究.pdf

山东大学硕士学位论文 变量命名规则： 标量值 一 向量 n 矩阵a 下标 上标“ 一 “丁” _ h ” “一 运算符和一般函数： p ( ) ( ) ( ) ，( ) k u n ( ) 历( ) 一般变量： s 源语音信号 x 观测语音信号 y 或 分离或恢复源语音 n 噪声向量 a 混叠矩阵 w 分离矩阵 符号说明 斜体 小写字母正黑体 大写字母正黑体 序列号，用来区分不同的变量。 变量的估计版本，例如；表示原始语音的估计； 矩阵或向量的转置； 矩阵或向量的共轭转置； 变量的复共轭。 概率分布或概率密度函数 准则函数 计算随机变量的熵 计算随机变量各分量的互信息 计算随机变量的峭度 指向性模式函数 i单位阵 ，7 或 步长因子 口 系数 g任意非二次函数 g ( )g ( ) 的导数 g ( )g ( ) 的导数 山东大学硕士学位论文 鼍皇皇曼皇曼詈量皇皇量皇詈鼍詈鼍詈詈曼曼曼鼍曼詈皇毫量罡昌曼皇詈鲁暑詈詈鼍詈毫詈皇詈皇皇曼皇量詈詈詈詈詈詈詈詈詈詈鼍詈皇曼皇詈詈詈詈曼詈詈量皇皇詈曼詈詈詈曼 缩略名词索引： b s sb l i n ds o u r c es 印牡a t i o n 盲源分离 b db j i n dd e c o n v o l u t i 彻 盲反卷积 m a m i c r o p h 加e 岫 麦克风阵列 h o s h i 曲e r - o m e rs t a t i s t i c s 高阶统计特性 i c a i i l d 印朋d e mc ( 姗岬恍殂ta n a l y s i s 独立分量分析 m 觚h 哪e r 心叩y 最大熵 m l em a ) 【h 岫l i k e l m 0 0 de s t i i i l a t i o n 最大似然估计 m m im i n i m u mm 劬j a li n f 0 加a t i o n 最小互信息 e m e x p c c t a t i o nm a x j 蛐z i n g 期望最大化 s 1 1 可 s h o f tt i m ef 0 u f i e r f 0 册 短时傅立叶变换 d s d e l a y 觚ds 啪 延迟相加 l c m v l i l l e a r l yc o n s t 阳i n e dm i n 岫u m u r i 觚c e 线性约束最小方差 g s cg l l i z c ds i d e l o b ec 锄c e l l c r 广义旁瓣消除器 d o ad i r e c t i o no f a r r i v m 到达方向 s n r s i 印甜t on o i 辩r a t i o 信噪比 n r rn o i s er 。d u c t i o nr a t e 噪声消除因子 6 原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独 立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不 包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研 究作出重要贡献的个人和集体，均已在文中以明确方式标明。本声明 的法律责任由本人承担。 论文作者签名： )、 疹万影 日期：卫星二鱼： 关于学位论文使用授权的声明 本人完全了解山东大学有关保留、使用学位论文的规定，同意学 校保留或向国家有关部门或机构送交论文的复印件和电子版，允许论 文被查阅和借阅；本人授权山东大学可以将本学位论文的全部或部分 内容编入有关数据库进行检索，可以采用影印、缩印或其他复制手段 保存论文和汇编本学位论文。 ( 保密论文在解密后应遵守此规定) 论文作者签名：堕丕盘导师签名：论文作者签名：笙垒堑导师签名：期：竺墨：! ： 山东大学硕士学位论文 中文摘要 环境噪声和竞争说话者的干扰是语音通信过程中常见的干扰情况。人的听觉 系统可以在嘈杂的多个讲话者的环境中区分和跟踪自己感兴趣的语音信号，并分 辨出自己所需要的声音，这种分辨能力是人体内部语音理解机理所特有的一种感 知能力，也就是人类的语音分离的能力，称为“鸡尾酒会效应”。然而，现有的语 音处理系统无法做到这一点，其性能受到噪声和竞争说话者语音的严重影响。例 如，当前的语音识别系统对纯净语音能够达到很高的识别率，但是当语音被噪声 污染时，系统性能会急剧下降。 语音信号增强和分离是抑制噪声干扰、还原原始语音信号的一种有效途径。 近年来，基于麦克风阵列的语音增强技术在车载通信、多媒体会议以及机器人控 制系统中得到广泛的应用。和单个麦克风相比，麦克风阵列在时频域的基础上增 加了一个空间域，对来自空间不同方位的信号进行空时频联合处理。因此，麦克 风阵列可以弥补单个孤立的麦克风在噪声处理、声源定位跟踪、语音提取分离等 方面的不足，能够广泛应用于各种具有嘈杂背景的语音通信环境( 如会场、多媒 体教室、助昕器、车载免提电话、战场等) ，以提高语音通信质量。麦克风阵列研 究是阵列信号处理的新方向，具有广阔的市场应用前景。 盲信号分离，是指在不知源信号和传输信道参数的情况下，根据输入源信号 的统计特性，仅由观测信号恢复出各个源信号的过程，它是实现语音分离的主流 方法。独立分量分析( i i l d e p 饥d e mc 0 m p o n e n ta n a l ) r s i s ，i c a ) ，是在研究盲源分离 过程中出现的一种新兴的盲分离技术，自其出现便成为信号处理、数值分析、统计 及神经网络等领域中的热点研究问题，并在语音处理、生物医学信号处理、模式识 别，特征提取、数据压缩、图像处理和电予通讯等方面获得了非常广泛的应用。 到目前为止已经有诸多语音增强方法被提出，t u 是强噪环境下的语音增强仍是 一个具有挑战性的课题；另外，卷积盲分离的研究对于语音分离的实际应用具有 重大意义，频域盲分离是解卷积的行之有效的方法，然而顺序不确定性成为一个 严重的问题。本论文重点对以上两个问题进行研究和探索。 本论文对i c a 的基本理论、麦克风阵列语音增强技术和卷积混叠语音信号的盲 分离进行了详细介绍；对麦克风阵列信号处理技术在语音信号处理中的应用进行 山东大学硕士学位论文 了分析和探讨，并针对当前语音增强和分离的研究现状，对强噪环境下基于麦克 风阵列的语音增强和频域内盲反卷积的顺序不确定性问题进行了研究和探索。主 要进行了以下解决方案的研究： 1 提出了基于i c a 的麦克风阵列语音增强方法。方案中，我们首先利用i c a 对 严重污染的语音信号进行分析，提取出相对纯净的目标信号；然后通过后续的麦 克风阵列语音增强系统( 如维纳后滤波，g s c 等) ，得到最后的增强信号。真实环 境下的实验证明了该方法的有效性。 2 提出了一种利用麦克风嵌套予阵列纠正频域反卷积的顺序模糊问题的方 法。频域盲分离的顺序不确定性是一个严重的问题，如果顺序模糊不能得到正确 的纠正，将导致算法性能下降，甚至解卷积失败。这里提出一种利用麦克风嵌套 予阵列，结合d o a 法和相关法纠正顺序模糊的方案。该方法能够得到更多的高可 信度的d o a 估计，在低频尤其如此；然后利用相关法对其余的频率点进行顺序调 整。实验证明提出的方案具有较高的稳健性。 应该指出的是，语音增强和卷积信号的频域盲分离研究中仍然存在着许多尚 未解决的问题。论文最后对本课题的研究进行了总结和展望。 关键词：语音增强；语音分离；麦克风阵列；独立分量分析；卷积混叠；频域盲 反卷积；顺序不确定性。 2 山东大学硕士学位论文 a b s t r a c t n 0 i s e 锄ds p e e c hs i 弘a l s 自o m 伽唧p h e t i n gt a u ( e r sa r et h ec o m m o nd i s t u 而a n c ei n s p e e c hc 0 删删c a t i o 璐t h ch 岫锄b e i n g s o 删c a ls y 咖釉c 趾m s 血g u i s h 锄d f 0 u o wt h ci n t 钉e 曲e ds p o hs i 印a li ns e v e r a ls p e a l ( e 璐s i t u a t i o 玛锄dt e l la p a r tt h e s p c h 也a th ew a n t s t k sa b i l 时o fd i s t i n g l l i 蜘n gi sas p e c i a lp e 牝e p 吡a lc a p a c 时o f m e s p l e hc 0 i n p r e h e n s i o nm e c i 洲s mi nl m m 锄b d d m l a ti s ，p e o p l eb a 、，e t l l es p e h s 印鼬t i o na b i l i 哆1 1 1 i si sc a i l c d “c o c k t a i l - p 矾yp r o b l e m h o w e v a l ee x i s t i i l gs p e 。c h p r o c 鼯s m gs y s t e m sc 锄n o td o l i sh k eh 啪觚b c m 笋t h e i r 耐0 彻锄c ei ss 甜o u s l y i i l f l u 衄c e db yn o i 趾do t t l e rt a u 【e 俗f o re x 砒n p l e ，吐l es p c hr e c o g i i i t i o ns ) r s t 锄c 锄 a c h i e 、r eh i g hd o g l l i t i e a t e 州t hp u 托s p c hs i 印a l s ，b u tw h 饥l ei l l p u ti sc o m i p t c d b yn o i s e ，i t sp 耐0 唧弛c ei sd e g 瑚d e dd i 撇t i c a l l y s p c h 锄h a n c e m 钮t i sal l s e m l 胁a r dm e a n st ot c 舳t l l ei i l 胁e n c ef 如m 此 r e i v e ds p e c c hs i 印a l s 伍a ta 托i l l e v i t a _ b l yi i l t a 限；r c d b y1 1 0 i i n 嗽e n ty e a 璐， m i c 即h o n ea 1 1 r a ys p c e c h 蜘血a n c 锄锄t 慨l l i d q v ei s 诵d e l ya p p l i 。di n v e i l i c l es p e e c h a c q u i s i t i o 玛m u l t i m c d i ac o n f i 彻c e 觚d 娥啪的l ，c l c c o m p a r c ：d 、i 也s i 雩皿a l s 僦崩v c db ys i i l g l e 血c m l ) h o n e t h es i 印a l s 僦c i v e db yi i l i c r o p h o a n 可c 趾b e p r o c 懿s c dn o t0 n l yi i lt i 皿一f r c ：q u 明c yd o m a i nb u ta l i ns p a t i a ld o m a m o d i l s e q u e n t l y 面c r o p h o n e 盯m yp o s s 懿s 髓c a p a _ b i l i t i c so fs t r o n gi i l t c r f b r c es u p p r e s s i o i l 印e e c h s o u r c e s1 0 c a l i z a t i o n ，t r a c k i n g 锄ds 印锄t i o 玛d c f o rt h i sr e 皱。玛i th 勰b e p r o p o s c d 硒ap r o m i s i i l gs o l u t i o nt 0h i g hq u a l i t yo fs p e c c hc o m m u i l i c a t i o ni ns u c ha p p l i c a t i o i l s 弱 t e l c c o n f - e r e n c e ， h a n d s f r m o b i l et e l e p h o n e锄dh e a r i n ga j d s t h er e s e a r c ho f m i c r o p h o n ea 1 1 r a yi sa 玳啊狮i na m ys i 印a 1p r 0 c 嚣s i i l g 诵lb r o a da p p l i c a t i o n p r o s p e c t s b l i n ds o u r c es 印a r a t i o n ( b s s ) i st 0r c c 0 v e rt l l e 啪j ( n o w i li n d e p e n d e n ts o u r c e s 劬ms e v e m l 血x e ds i 印a l sa c c o r d j n gt 0m es i g n a l sg t a t i s t i c a lc h a m c t 甜s t i c 州t l l o u t 锄y l 【i l o w l e d g eo ft h es o u r c c s 锄dc h a r 忙l s h d e p 跚d e n tc o n 巾0 n e n t 锄a l y s i s ( i c a ) i sa n c w b i i l l ds 印a r a t i o nt c c l m i q u ew l l i c ha p p e a 塔d 嘶n gt h er e s e a r c ho fb s s s i i l c ei t s 印p e 猢l c e ，i c 八h 嬲b e c o m eah o tt o p i ci ns i g n a lp r o c 懿s i n g ，d a t a 锄a l y s i s ，s t a t i s t i c s 锄dn e u r a ln e t 、) i ，o f i ( s ，e t c i th 笛b e e i lw i d e l yu s e di l ls p e e c hp r o c 昭s i n g ，b i o m e d i c a l s i 印a lp r o c e s s i n g ，p a t t e mr c c o g n j t i o 皿f c a t u r ee x 仃a c t i o 玛c o m p r c s s i o 玛i i n a g e 3 山东大学硕士学位论文 p 加l c c s s i n g ，a n dt e l e c 0 m m u i l i c 撕。璐，e t c p i 岱册t l y m 锄ym e t h 文bf 0 rs p e e c h 伽i h a 伽 1 即th a v eb 嘲p r 叩o s o d h o w e v s p 僦伽岫伽恸t i nh i g l l l yn o i s ye n v 曲姗e 妇临i ss t i uac b m l e n 百n gp r o b l 锄t h e r e 锄c ho nb l 砌d e c o n 、，0 l u t i o np l a y s 趾i m p o r t 锄tm l ei n 删印p i i c a t i 伽略0 fs p e c c h s 印枷o nt e c m q u e b l i n dd e c o 玳，0 l u t i o n i nt h e 五旧q u 饥c yd o m a i ni s 锄c f f 跃m v e l u t i o l l ，b 眦t h eo r d c r 锄1 b i g u i 哆b e c o m 骼a r i 仇珞p r o b l 锄m yd i s s e n ；a t i o np l a y s e i i l p h 雒i so nt 1 1 ea b 0 v em op r o b l e l l 峨 h lt i l i sd i s s e r t a t i o 玛、e 酬哪m 抓z e 锄d 锄脚y z et h ep r e v i o 哪w o 永0 i lf n j c r o p h o n e a r r a ys p e e c he n h 锄c 锄朗ta n ds 印锄t i w r em a k c 陀s e a r c h i i l i c m p h o n ea r r a ys p e c c h e n h 锄c 锄e n ti i ll l i g l l l y1 1 0 i s ye n v i r o n m e l 】妇趾db l 砌s p o e c hs 印删衄i 1 1t l l e 丘e q u a l c y d o m a i l l 锄dp r e s e l l tt w ov a l i dm e t h o d st 0 l v e 似op r o b l 锄s i e ，s p c he n h 觚c 锄e n t i n 岫剑y 肿i s y 圈删删n g s 锄do 出卸m i 龇yi i l 岫嘲k y 也i 瑚i i nb s s ： 1 s p e e c he n h a n c e m e n ti nl l i g l l l yn o i s y 廿i l 0 咖e n tb 雒e do nm i c r o p h o n ea r r a y s p e c c h 朗l m c 锄e n t 慨h i l i q 鹏锄di c a i c 八c 锄s 印a r a t ei i l d e p e n d e n tc o m p o n 伽怄 觚m 衄x t u r 髑、) l ，i t t l o u t 锄yp 一0 rl q l o w l c d g eo f u f c 嚣a n dc h 锄c l s h l 衄sm e l o 也w e 锄a l y z et l l es 吼s o rs i 印a l su s 试gi c a t o0 _ 乩i i i ls i g n a l so f b e 钍e rq 叫时1 1 1 es i 弘a l s 硪e r i c ap r o c e s s i l l ga r em t a l ( e n 勰i l l p u t st 0m ef o l l o w i n gi i l i c r o p l l o n ea 玎a ys p e c c h e i l l 锄c e m e n ts y s t 锄t h ee x p e r i l e r l t ss h o wt i l a tt 1 1 ep e r f o m 锄c eb yt h i sm 劬0 di s r e m a r k a b l ei i lh i g l l l yn o i s y 洲【盯姗d i n g s 2 s o l n go r d e rp r o b l e mi n 唧朗c 弘d o m a i nb l i i l ds p c hs 印撒t i o nu s i n g r n j c r o p h o n es u b - 缸r a y s i i l l i sm e t l l o 止w ee s t i m a t ed o a o fs 0 u r c 髓吣i i l gs u b - 甜r a y s p e n i l u t a t i o 鹏a r ea l i 印c db 舔c d t h ed o a 髂t i m a t i o ni nt h ef b q u 饥c i 嚣w r h e r et h e c o 而d e n c eo fd o ae s t i m a t i o ni ss u f r i c i 锄t l yi l i g l l f 0 rt h ef e l n a i l 血l g 舶q u c i e s ， p e m u t a t i o n sa r ea l i 印e d 邯i n gc o n e l a t i o nm 甜1 0 d t h ec x p 甜m 饥t si nr e a l 眺姗朋t s h o wt t l a tt l l i sm e m o di sm o r er o l b u s t ，髑p e c i a l l yi i ll o w 五 e q u e n c i 姻 h o w e v e r ，m e r ea r es t i l lm 锄yi s s u e su 1 1 r e s o l v e di i lt l l em i c r 叩h o n ea 盯a ys p e c c h e l l h a n c e m e n ta n d 辩p 甜a t i o n a tt l l e 饥do ft m sd i s s e r t a t i o i l ，t 1 1 ef 岫m r c c t i o n so f0 u r r e s e a r c ha r cs u m m 耐z 酣锄dp m s p c c t 乱 k e yw o r d s ：s p c e c he n l l 锄c e i i l e n t ；s p e 。c hs 印姗t i o n ；r n j c r o p h o m 糊y ；i 1 1 d e p e i l d e t l t c o m p o n e n t 锄a l y s i s ；c o n v o l u t i v ei n 仅t u r c s ；丘w u e n c y 珂o m a i n b l i r l d d e c o n v o l u t i o n ； o r d e r 锄b i g u i 吼 4 山东大学硕士学位论文 1 1 课题的研究背景和意义 第一章绪论 人们在语音通信过程中不可避免地受到来自周围环境的噪声、传输媒质进入的 噪声、通信设备内部噪声乃至其他说话者的干扰。这些干扰噪声使得接收到的语 音已不是纯净的原始语音信号，而是受污染的带噪语音信号。语音中噪声的存在 不仅影响人的听觉，而且会使语音处理系统的性能急剧下降。例如，语音识别已 经取得重大进展，但是目前的语音识别系统大都是在无噪声的环境中工作的，在 有噪声的环境尤其是强噪声环境下，语音识别系统的性能会严重下降。 语音增强作为前置处理方案是抑制干扰的一种有效途径，是语音信号其他应 用的基础。采用语音增强技术可以提高通信系统中的语音质量，并能在电话会议 系统以及车载系统中进行高质量的语音拾取；将语音增强作为语音识别系统的一 种预处理手段，可用来提高噪声环境中系统的识别率。如何提高复杂环境中语音 增强系统的性能成为近年来语音信号处理领域研究的热点。 当语音环境中有多个说话者时，麦克风接收到的是多个语音信号和环境噪声 的混叠，这时仅利用语音增强方法无法提取出所需要的语音。如何从混叠语音信 号中提取出源语音信号，这就是语音分离的问题。人的听觉系统可以在多个讲话 者的环境中区分和跟踪自己感兴趣的语音信号，并分辨出自己所需要的声音，这 种分辨能力是人体内部语音理解机理所特有的一种感知能力，也就是人类的语音 分离的能力，称为“鸡尾酒会效应【1 2 l ”。在语音和听觉信号处理领域中，如何从多 个说话者的混叠语音信号中分离出各个语音源信号或提取出人们感兴趣的目标语 音，来模仿人类的语音分离能力，成为一个重要的研究问题。这也是语音信号处 理中的一个重要研究方向，对语音识别、语音增强等都有着非常积极的促进意义。 语音通信是人类信息交流最丰要的于段之一。作为传统的语音拾取工具，单 麦克风接收到的是多个声源和环境噪声组成的混合信号。同时，由于声源( 说话 者) 可能在室内小范围内走动，以及室内各种其他卢音的多径反射和混响等因素， 都会导致单个麦克风接收的信号质量下降，从而导致语音通信质量严重恶化，使 山东大学硕士学位论文 得感兴趣的说话人的声音难以听清楚。 针对单个麦克风采集语音的以上不足，研究人员考虑使用麦克风阵列来提高 语音通信的质量【1 1 。所谓麦克风阵列，就是多个麦克风按照一定的拓扑结构组成 一个阵列。麦克风阵列在时域和频域的基础上增加一个空间域，对来自空间不同 方位的信号进行空时频联合处理，它继承了天线阵列的有关算法，同时又吸收了 一些单麦克风语音处理的方法。基于这一特点，与单个麦克风相比，麦克风阵列 具有空间选择性，使它在捕获特定方向的高质量信号的同时，又减少了噪声和其 它干扰。另外，麦克风阵列不必限制说话人的活动，在其接收区域内，可以自动 检测、定位和追踪说话者。因此，麦克风阵列可以广泛应用于各种嘈杂背景的语 音通信环境( 如会场、助听器、车载免提电话等) ，以提高语音通信质量。许多学 者正致力于麦克风语音处理技术的研究，并取得了很多成果。基于麦克风阵列的 语音增强和分离技术是语音信号处理领域的一个新的发展方向。 1 2 麦克风阵列语音处理技术 时空信号处理技术在雷达、声纳、通信、成像以及生物医学工程等领域有着 极为广泛的应用，通常应用在通信和雷达方面的单传感器系统。麦克风阵列信号 处理技术属于阵列信号处理的具体应用，也属于时空信号处理范畴。它具有空间 检测能力，即允许某个方向上的信号通过，而滤除其他方向上的信号。这与频率 滤波器增强某一频率的信号的机理相似，因此称为空间滤波器。 单的传感器系统存在着许多不足。传感器的空间检测能力即通常说的方向 性，由其几何结构和形状等物理特性决定，所以它不利于识别和跟踪不同方向上 的信号。而且单一传感器的响应固定，要滤除变化的干扰成分，只有改变孔径才 能实现消噪，而用传感器阵列对信号进行处理，可以克服以上缺点。 将一组麦克风作为传感器，按一定的方式布置在空间不同的位置上组成麦克 风阵列。麦克风阵列接收空间传播的信号，经过适当处理能够提取所需信号的属 性信息，包括信号源的数目、方向、幅度等。传感器阵列按传感器单元在空间分 布形式的不同，可以分为线性阵列和圆形阵列、均匀阵和非均匀随机阵、平面阵 和共形阵等。不同的阵列形状虽然存在性能上的差异，但其信号处理的方法基本 山东大学硕士学位论文 相同，最简单的均匀分布的线性阵列的算法一般可以推广到其他几何排列的阵列 中。和单传感器有所不同阵列的所指方向几乎与阵列的方位无关。因此，传感 器能以不同的方式结合，以加重不同的方向上可能存在的有用信号，从而提取各 个方向上的多个声源。 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 了将麦克风阵列技术用于语音信号处理的研究工作。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和分离 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和分离方法的研究 方兴未艾，发展出许多方法，包括波束形成、后置滤波、子空间等空间滤波的增 强方法，以及以盲分离、盲去混响和盲解卷为代表的语音分离法。其中较为成熟 和实用的方法为波束形成法，它分为固定波束形成法和自适应波束形成法。 有关波束形成的理论，最早是f r o s t 在1 9 7 2 年提出的线性约束最小方差( l i i l e 矾y c o n s t l 面n e dm i i l i 咖蚰u r i 锄c e ，简称l c m 自适应波束形成方法【1 2 】。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 0 s t 算法基础上，1 9 8 2 年僦m l l s 和j i m 提出了一种修正的线性约束波束形成方法一广义 旁瓣抵消器( g s c ) 【1 3 l 。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。这种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。尽管许多算法对其进行了改进，信号泄漏仍是g s c 波束形成方法存在的丰要问题【1 5 1 。s h a n i 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 6 1 ，推广了g s c 的使用范围。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 7 1 9 1 。与自适应波束 形成相对应的固定波束形成方法中，代表性方法为f l 孤a g a l l 人等提出的延迟一相加 法【2 0 1 ，这种算法原理和结构都较为简单，仙需要数目较多麦克风才能取得较好的 消噪效果。 自适应波束形成算法对于非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 i l 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【2 i 】。1 9 8 8 年z e l i l l s i d 将l e i l 思想加以扩展，提出l m s 自 适应后置滤波器【2 2 1 ，进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 3 1 。使用后置滤波器可以改善波束 9 山东大学硕士学位论文 形成方法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，m e v e r 将维纳滤波与谱相 减结合嗍，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，该法在频域内简化运算 但增强效果有限【2 4 2 5 1 。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 6 2 7 1 。结合语音信号自身特点，例e b e l 等人尝试利用语音模型法对阵列信号进 行增强【2 8 l 。m a l l n o u d i 等人提出将维纳滤波和相干滤波用于麦克风阵列语音增强中 【2 们。马晓红等将小波和波束形成相结合【划，利用小波域的多尺度和多分辩率特性， 提高了语音增强系统的消噪性能。删基于高阶统计量的特点，提出了波束形成 和盲分离技术相结合的麦克风阵列语音增强算法【3 1 j 2 1 。还有人应用基于奇异值分 解和k l 变换的予空间技术，对信号和噪声予空间分别进行降秩处理【3 3 3 4 】。n c d e u 【0 等人还将神经网络的方法融合到麦克风阵列的信号处理中【3 5 】。这些利用了空间、 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。 综上所述，基于麦克风阵列的语音信号处理的研究和应用是阵列信号处理的 一个新领域，具有重要的现实、经济和国防价值，是迫切需要解决的军民两用的 技术课题。近年来，很多国际著名的公司和研究机构，如m m 、b e l l 等，都致力 于麦克风阵列语音增强和分离的研究和产品开发。麦克风阵列正成为越来越流行 的高质量的语音拾取的工具，预计在不仅的将来，将取代传统的桌面或头戴式麦 克风。目前，国外有了一些初期的产品【们，包括助听器、车载免提电话等。这些 产品已经广泛应用到社会牛活的诸多领域，并表现出极大的优越性。但是与国外 相比，国内关于麦克风阵列语音信号处理技术的研究是比较滞后的，此方面的研 究只是刚刚起步，这与国内巨大的市场需求不协调。因此，基于麦克风阵列的语 音处理算法和技术的研究有着重要的意义。我国一些企业、研究所和高校也作了 大量的跟踪和相关工作，但距离实际应用还有一段差距。 1 0 山东大学硕士学位论文 1 3 语音盲分离模型 其他讲话者 图1 1 语音分离示意图 者 盲语音分离【3 每3 8 】是指在源语音信号和传输信道参数均未知的情况下，根据输 入源语音信号的统计特性，仅由观测信号恢复出各个源信号的过程，如图1 1 所示。 所谓“盲”有两重含义：一是源语音信号不能被观测；二是指源信号如何混叠是 未知的。盲源分离可以分为三种情况，如果在未考虑时间延迟的情况下，对源信 号的线性瞬时混叠的情况进行分离，就是瞬时混叠盲分离。但是在实际的应用中， 时间延时不能忽略，那么观测的信号应该是源信号与通道冲击响应的卷积，这种 情况下对观测信号进行盲分离通常称为盲反卷积( b l h l dd e c o n v o l u t i o n ，b d ) 。再有 种情况是，采集信号是源信号通过一个非线性系统后混叠而成的，这种情况下 的盲源分离很困难。 对个统计独立的源信号s ( 七) = _ ( 七) ，( 尼) 7 ，经过信道的传输，在肘个 传感器上得到观测数据向量x ( 七) = ( 七) ，( 七) 7 ，通过对观测信号x ( 七) 的分 析，获得源信号的估计y ( 七) = 一( 尼) ，蜘( 七) 7 。由于 肘的盲源分离比较困 难，在盲源分离过程中一般假定m 。观测信号的序列矩阵可记作x ，源信号 山东大学硕士学位论文 的序列矩阵可记作s ，矩阵的每一行为一个信号。定义两个函数厂( ) 和g ( ) 来描述 混叠过程和分离过程，即 x ( 七) = 厂( s ( 七) ) y ( 七) = g ( x ( 七) ) 这里没有考虑噪声的影响。盲源分离的最终日标是找出合适的分离函数g ( ) ，使 估计的输出是源信号的一些简单变换，如幅度、顺序和时延，这称为盲源分离的 不确定性。 依据混叠函数厂( ) 的不同形式，可把盲源分离问题分为三类： 1 ) 瞬时混叠：x ( 七) = 厂( s ( 七) ) = h s ( 七) ，h 是膨维的混叠矩阵，其元素为 常数。 2 ) 卷积混叠：x ( 七) = 厂( s ( 七) ) = h p s ( 七一p ) ，h p 是第p 个延迟上的混叠矩阵。 p 3 ) 非线性混叠：厂( ) 是非线性函数，可能包含延迟环节。 另外依据混叠通道的个数不同，可分为多通道信号分离和单通道信号分离。 单通道信号分离是指多路源信号混叠后只得到一路混叠信号，设法从这一路混叠 信号中分离出多个源信号。多通道信号分离是指个源信号混叠后得到m 路混叠 信号，从肘路混叠信号中恢复出个源信号。一般情况下，单通道信号分离的难 度要超过多通道信号分离。 盲信号分离问题始于瞬时混合信号的盲分离，因此对瞬时混合信号的盲分离 问题的研究也更深入，已经有很多不同的盲分离算法。就算法的理论基础来分类， 可以分为基于二阶统计量的算法、基于高阶统计量的算法和基于信息论的算法。 根据算法的实现方式分类，可以分为基于数据块的离线算法和在线自适应算法。 通信系统中的串扰问题，电话、电视会议系统中的回波抵消问题，都可以看 成是卷积混合信号的盲分离问题。卷积混合信号盲分离的目的是从卷积混合的观 测信号中分离出源信号，或者至少是源信号的一个滤波后的信号。卷积混合信号 的盲分离问题远比瞬时混合信号的盲分离问题复杂。瞬时混合信号作为卷积混合 信号的一个特例，对其分离算法的研究为卷积混合信号盲分离提供了一定的基础。 事实上，卷积混合信号盲分离问题最早可以追溯到w i d r o w 等人的工作【3 9 1 。这 山东大学硕士学位论文 要远比瞬时混合信号盲分离问题的研究早得多。w i d r o w 等人提出的自适应噪声抵 消问题( 砧屺) 是目前所研究的卷积混合信号盲分离问题的一个特例【柏】。在1 9 8 5 年，z i i l ：s e r 等人针对比a n c 问题更复杂的串扰问题提出一种新的自适应滤波器结 构【4 1 1 。串扰问题中假设只存在交叉干扰滤波器，而自传输滤波器为 日，( z ) = l ，f - 1 ，这是比目前所研究的卷积混合模型略为简单的一种模型。一 些学者利用二阶或高阶统计量研究了这种串扰模型下的信号分离问题【4 2 4 3 1 。当混 合滤波器的阶数较高时，分离效果不太理想。 目前很多卷积混合信号的盲分离算法是瞬时混合信号盲分离算法在卷积混合 情况下的推广，而且这种推广既可以在时域内进行，又可以在频域内进行。因此 卷积混合信号盲分离算法可以分为时域与频域算法两大类。此外，卷积混合信号 的盲分离算法还可以根据所用的统计量分为基于二阶统计量、高阶统计量和信息 论等的算法。 1 4 本论文的主要研究内容和贡献 本论文对麦克风阵列语音增强技术、i c a 的基本理论和卷积混叠语音信号的盲 分离进行了详细介绍；对麦克风阵列信号处理技术在语音信号处理中的应用进行 了分析和探讨；针对当前语音增强和分离的研究现状，对以下两个问题分别提出 了相应的解决方案： 1 对于强噪环境下的语音增强，提出结合i c a 的麦克风阵列语音增强方法。 在强噪环境下，语音信号被严重污染，当前的单通道和多通道语音增强系统都无 法进行有效的语音复原。i c a 能够在源信号和通道参数未知的情况下对混叠信号进 行分离，基于此特性，我们把噪声看作一个源信号，对阵元接收信号进行l c a 分析， 提取出相对纯净的语音作为后续的麦克风阵列语音增强处理的输入信号。这种i c a 处理能够显著提高输入信号的质量，对于提高系统的整体性能有很大帮助。 2 对于频域盲语音分离的顺序不确定性问题，提出利用麦克风嵌套予阵列纠 正顺序模糊的方法。顺序的不确定性在频域盲反卷积中是一个严重的问题。当前 的方法各有其优缺点，因此结合d o a 法和相关法来纠正频域反卷积的顺序模糊。 首先对源信号进行d o a 估计。由于利用了嵌套了阵列，可以在更多的频率点上得 山东大学硕士学位论文 到高可信度的d o a 估计，相应的可以对这些频率点的顺序进行调整。对于其余的 频率点，在不改变已确定的顺序的前提下，利用相关法进行顺序调整。真实环境 中的语音分离实验表明，该方法能够很好地消除顺序不确定性，基于该方法的频 域盲语音分离算法实现了稳定、高质量的语音分离。 1 5 论文结构 本论文的章节安排如下： 第二章：介绍了语音分离问题的最初起源，描述了i c a 问题的数学模型和基本 原理，分析了i c a 问题可解的约束条件和不确定性，讨论、分析和总结了常用的i c a 准则函数和优化算法。然后描述了更加符合实际应用的卷积混叠盲分离的数学模 型，介绍了丰要的解卷积问题的方法和现有方法中存在的主要问题。 第三章：提出了一种结合i c a 的麦克风阵列语音增强方法。强噪和存在反射、 回声的环境下，单通道和多通道语音增强方法都难以达到令人满意的效果。i c a 是 一个有效的工具，它能够在源信号和传输通道参数未知的条件下，分离出人们感 兴趣的独立分量。方案中，我们首先利用i c a 对严重污染的语音信号进行分析，提 取出相对纯净的目标信号；然后通过后续的麦克风阵列语音增强系统( 如维纳后 滤波，g s c 等) ，得到最后的增强信号。真实环境下的实验证明了该方法的有效性。 第四章：提出了一种利用麦克风嵌套子阵列，结合d o a 法和相关法纠正频域 反卷积的顺序模糊的方法。频域盲反卷积可以将卷积运算转换为多乘除运算，减 小了运算量，同时可以利用瞬时盲分离算法。但是频域盲分离的顺序不确定性是 一个严重的问题。这里提出一种利用麦克风嵌套予阵列，结合d o a 法和相关法纠 正顺序模糊的方案。该方法能够得到更多的高可信度的d o a 估计，在低频尤其如 此，因此我们的方法更具有稳健性。 第五章：在总结本论文主要研究工作的基础上，分析了目前麦克风阵列语音 增强和分离中尚存在的一些问题，并对下一步的研究方向进行了总结和展望。 1 4 山东大学硕士学位论文 第二章盲语音分离的基础 本章详细阐述了盲语音分离的基本理论和算法。首先对独立分量分析理论的 基本知识进行了介绍，独立分量分析是近二十年来发展起来的一种基于统计的数 据分析和信号处理方法，这种方法在多种领域得到了广泛应用。然而当把i c a 应 用于实际环境中时遇到了用难，因为卷积模型更加符合实际应用，因此我们引入 卷积混叠模型，对盲反卷积方法进行了介绍。 2 1 瞬时混叠盲分离一独立分量分析 独立分量分析( h d 印e n d e n tc ( 舢呻e n ta n a l y s i s ，i c a ) 是在研究盲源分离 ( b l i n ds o u r c es 印a r a t i o n ，b s s ) 过程中出现的一种全新的数据分析和信号处理方 法。盲源分离是在对彼此独立的源信号的混合过程及各个源信号本身均未知的情 况下，根据信号的统计特性从几个混合观测信号中恢复出这些未知的源信号，实 现混叠信号的盲分离，从而提取出各个源信号。 i c a 自其出现便成为信号处理领域中的热点研究问题，并且取得了许多重要 的进展m 4 7 1 。i c a 有效的盲源分离和特征提取作用使其在生物医学信号处理( 如 脑电信号、心电信号等【4 8 删) ，图像处理( 如数字水印【5 1 ，5 2 】等) ，语音信号处理【5 3 5 6 1 ， 电予通讯，地震，经济等很多领域都有着非常重要的应用。近年来，0 1 j a 等人将独 立分量分析用于气候预测中取得了非常有意义的结果【，7 1 。 2 1 1i c a 数学模型 假设混叠系统由朋个传感器和力个源信号组成，并且源信号与观测信号遵从如 下所示的混叠模型： x ( f ) = a s ( f ) ( 2 1 ) 其中，x ( f ) = 五( f ) ，乇( f ) ，( f ) 】7 表示肌维观测信号矢量，a 为所以维混叠权系 数为未知的混叠矩阵，s ( f ) = 【丑( f ) ，屯( f ) ，( f ) 】r 表示刀维未知源信号