（电路与系统专业论文）基于近场的麦克风阵列语音增强方法研究.pdf

分类号： udc - 密级： 编号 基于近场的麦克风阵列语音增强方法研究 s t u d yo nm e t h o d sf o rm i c r o p h o n ea r r a ys p e e c he n h a n c e m e n t b a s eo nn e a r - f i e l d 学位授予单位及代码：篮壹堡王太堂f ! q 1 8 2 学科专业名称及代码：皇堕生丕统l q ! 塑丝2 研究方向：逼童鱼呈处理查申请学位级别：亟 指导教师：迕红蝗副熬援 论文起止时间：2 0 0 7 。1 1 - - 2 0 0 8 1 2 摘要 针对现有的麦克风阵列语音增强方法大多数建立在远场信号模型上，在实际应用 环境中如小型会议室语音获取，车内免提电话等，假设的远场模型并不成立。因此本 文进行近场麦克风阵列语音增强方法研究。 本文首先根据近场声源传播特点，通过距离差的方法减小位于远场的混响和噪声 对语音的影响。采用近场的距离和方位补偿技术实现近场波束形成，准确得到近场期 望信号的波束。其次研究近场自适应波束形成方法，提出一种n l m s 算法的改进方法， 并进行仿真比较，结果分析获得较好的性能。最后研究远场麦克风阵列语音增强方法， 运用过采样余弦调制的子带技术，提出一种基于近场麦克风阵列语音增强方法，实验 结果表明，近场波束形成语音增强方法改善了近场声学环境下的语音信号质量。 关键词：语音增强麦克风阵列波束形成近场波束形成 a b s t r a c t t ot h em o s to fm i c r o p h o n ea r r a yp r o c e s s i n ga p p r o a c h e sa r eb a s e do nf a r - f i e l dm o d e l s h o w e v e r , t h ef a r - f i e l da s s u m p t i o nm a yn o th o l di np r a c t i c a la p p l i c a t i o n ss u c ha ss p e e c h a c q u i s i t i o nw i t hm i c r o p h o n ea r r a y si ns m a l lr o o m so rh a n d s f r e em o b i l et e l e p h o n ei n a u t o m o b i l e s t h i st h e s i sf o c u s e so nm i c r o p h o n ea r r a ys p e e c he n h a n c e m e n ta p p r o a c h e s w h i c ha r eb a s e do nn e a r - f i e l dm o d e l i nt h i sp a p e r , f i r s t l y , w eb a s e do nc h a r a c t e r i s t i co fa c o u s t i cp r o p a g a t i o na b o u tn e a r - f i e l d s o u r c e ，a c c o r d i n gt h em e t h o db yd i f f e r e n c ed i s t a n c et or e d u c et h ei m p a c to fr e v e r b e r a t i o n a n dn o i s ew h i c hi sl o c a t e di nt h ef a r - f i e l do nt h ev o i c e t oa c h i e v en e a r - f i e l db e a m f o r m i n g a n da c c u r a t ee x p e c t a t i o n so fn e a r - f i e l d ，u s i n gn e a r - f i e l dd i s t a n c ea n da z i m u t hc o m p e n s a t i o n st e c h n i q u e s e c o n d l y , r e s e a r c h i n go nb e a m f o r m i n gm e t h o d so fn e a r - f i e l db a s e do n f a r - f i e l db e a m f o r m i n ga l g o r i t h m ，t h e np r o p o s ea ni m p r o v e dm e t h o do fn l m s a l g o r i t h m ， t h es i m u l a t i o np r o v et h a tt h en e w a l g o r i t h mh a v eo b t a i n e db e t t e rp e r f o r m a n c e a tl a s t s t u d y f a r - f i e l d m i c r o p h o n ea r r a ys p e e c h e n h a n c e m e n tm e t h o d u s i n g o f o v e r s a m p l e d c o s i n e m o d u l a t e ss u b b a n dt e c h n o l o g y p r o p o s eam i c r o p h o n ea r r a ys p e e c he n h a n c e m e n t m e t h o db a s e do nn e a r - f i e l db e a m f o r m i n gi s p r e s e n t e di nt h ep a p e r s i m u l a t i o nr e s u l t s d e m o n s t r a t et h a tt h ep r o p o s e dm e t h o de x h i b i t sab e t t e rn o i s er e d u c t i o np e r f o r m a n c et h a n o t h e rm e t h o d s k e y w o r d s ：s p e e e he n h a n c e m e n tm i c r o p h o n ea r r a yb e a m f o r m i n gn e a r - f i e l d b e a m f o r m i n g l i 长春理工大学硕士学位论文原创性声明 本人郑重声明：所呈交的硕士学位论文，基于近场的麦克风阵列语音增强 方法研究是本人在指导教师的指导下，独立进行研究工作所取得的成果。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己经发表或撰写过 的作品成果。对本文的研究做出重要贡献的个人和集体，均己在文中以明确方式 标明。本人完全意识到本声明的法律结果由本人承担。 作者签名：立l 匝一蜂三月卫日 长春理工大学学位论文版权使用授权书 本学位论文作者及指导教师完全了解“长春理工大学硕士、博士学位论文版 权使用规定 ，同意长春理工大学保留并向中国科学信息研究所、中国优秀博硕 士学位论文全文数据库和c n k i 系列数据库及其它国家有关部门或机构送交学 位论文的复印件和电子版，允许论文被查阅和借阅。本人授权长春理工大学可以 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，也可采用影印、缩印 或扫描等复制手段保存和汇编学位论文。 作者签名：纠! 瞪幽年月丛日 指删币躲耻弊且丛日 第一章绪论弟一旱硒记 麦克风阵列系统己广泛应用在车载系统、电话会议与多媒体会议等语音处理系统 中，由于受到混响、背景噪声及干扰等因素的影响，麦克风拾取的信号通常为带噪的 语音信号。这样，不仅影响语音的可懂度，而且影响语音处理系统的整体性能。因此， 需要进行有效的噪声抑制，以增强语音信号的质量。现有的麦克风阵列语音增强方法 大多数建立在远场信号模型之上，而阵列平面波前模型是在阵列与期望语音信号之间 距离为r 2 d2 z 时的情况下，d 为最大阵列孔径，a 为工作波长，所以在实际应用环 境中如小型会议室语音的获取，车内免提电话等，远场模型这一假设并不成立。因此 研究近场麦克风阵列语音增强具有良好的现实应用前景。 1 1 语音增强 语音增强作为语音数字信号处理的一项前置处理方案是抑制干扰的一种有效方 法，为语音信号的其他应用提供了基础和保障。但是，实际环境中的噪声通常是随机 的，若想从带噪语音中提取纯净的原始语音几乎是不可能的，因此，实际应用中的语 音增强一方面要最大限度地改善语音质量，消除背景噪声，使收听者不感到听觉疲劳： 另一方面要有效地提高语音的可懂度。近年来，在实际需求的有力推动下，各国学者 对语音增强的研究也逐渐深入，针对不同的应用场合下噪声的特性，发展起多种语音 增强算法，均取得了较好的噪声抑制效果啪，。 目前，基于单麦克风的语音增强方法己取得很大进展，其作为一种传统的语音增 强方法，理论上相对比较成熟，具有算法复杂度和硬件要求较低和一定的抑制噪声的 作用的优点，在实际中得到较为广泛的应用。但是，由于单麦克风只拾取一路语音信 号，致使其可用信息仅限于时频信息，在强混响以及非平稳等复杂噪声环境中的表现 并不理想。针对这种情况，自上世纪九十年代以来，随着阵列信号处理理论的发展， 麦克风阵列弥补了单麦克风在这方面的不足，成为当前语音信号处理领域的研究热点。 基于麦克风阵列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技术课题。近年来，很多国际著名的公 司和研究机构，如i b m 、b e l l 等，都致力于麦克风阵列的研究和产品开发。麦克风阵 列正成为越来越流行的高质量语音拾取的工具，目前，国外有了一些初期产品进入市 场，包括助听器、免提车载电话、远程视频会议等。这些产品已经广泛地应用到社会 生活的各个领域，并表现出了极大的优越性。但是我国一些企业、研究所和高校也作 了大量的跟踪和相关工作，都才刚刚起步。因此，研究基于麦克风阵列的语音处理算 法和技术有着重要的意义。 1 2 麦克风阵列语音增强 1 2 1 麦克风阵列的特点与应用 麦克风阵列由一组按一定几何位置摆放的麦克风组成。下面将简单介绍麦克风阵 列的特点及其主要应用n 4 l 。 麦克风阵列比单麦克风具有许多优越性表现在： ( 1 ) 麦克风阵列系统具有空间选择特性，可以用“电子瞄准”的方式提供高质量的 所需声源信号，同时抑制噪声、混响和其他说话人的话音干扰。因此，较之高方向性 的单麦克风系统，麦克风阵列系统可以取得更加明显的干扰抑制效果。 ( 2 ) 高方向性的单麦克风系统通常只能拾取一路信号，且一般不能随声源一起运 动，这就限制了它的使用范围。说话人的运动，甚至头部和身体的轻微晃动，都会导 致单麦克风系统接收信号的质量下降。而麦克风阵列系统对于远处和近处的声源，均 可以正常工作：同时，当说话人随意活动时，也不需要人为地移动它来改变其波束方向。 这些特性使得麦克风阵列系统可以用于获取多个声源或移动声源信号，也可以应用在 一些特殊场合。 ( 3 ) 麦克风阵列系统具有单个麦克风系统不具备的性能，比如自动检测、定位，并 且在其接收区域内跟踪正在说话的人。 在雷达、声纳、医学、通讯和航空航天等诸多领域中，阵列信号处理早己有着广 泛的应用。在国际上，将麦克风阵列技术用于语音信号处理的研究源于1 9 7 0 年代。1 9 7 6 年，g b a r i e l 将雷达和声纳中的自适应波束形成技术直接应用于简单的声音获取问 题1 9 8 5 年，美国a t & t b e l l 实验室的f l n a a g n a 采用2 1 个麦克风组成线性阵列，首次 用电子控制的方式实现了声源信号的获取。该系统采用简单的波束形成方法，通过计 算预先设定位置的能量，找到具有最大能量的方向。同年，f l n a g a n a 等人又将二维麦 克风阵列用于大型房间内的声音拾取，以抑制混响和噪声对声源信号的影响。1 9 9 1 年， k e l l e m r n n a 借助于数字信号处理技术，用全数字的方式实现了这一算法，进一步改善 了算法的性能，降低了硬件成本，提高了系统的灵活性。随后，一些国家相继开展了 这方面的研究工作。进入九十年代以来，基于麦克风阵列的语音处理技术正成为一个 新的研究热点。现有的麦克风阵列系统已经应用于许多场合，包括视频会议、语音识 别、说话人识别、汽车环境语音获取、混响环境声音拾取、声源定位和助听装置等。 上述这些应用情况归纳起来，最主要的两大类应用是麦克风阵列声源定位和麦克风阵 列语音增强。 麦克风阵列语音增强，简而言之，就是利用按一定几何位置或任意摆放的麦克风 阵列拾取声源信号，对这些接收的信号进行适当处理，消除或抑制噪声、混响和其他 说话人的话音干扰，以获得尽可能纯净的声源信号。 2 1 2 2 麦克风阵列语音增强的研究进展 在国际上，基于麦克风阵列语音增强方法的研究始于上世纪七十年代，进入九十 年代以来，基于麦克风阵列的语音处理算法更成为一个新的热点。美国、德国、法国、 意大利、日本、香港等国家和地区许多科学家都在开展这方面的研究工作，近年，国 内一些高校和科研单位也相继开展了麦克风阵列语音增强的研究工作。下面介绍几种 常用方法： 最早的麦克风阵列语音增强方法是1 9 8 5 年美国学者f l a n a g a n 提出的延时一求和 波束形成方法。该方法通过对麦克风阵列接收信号进行时延补偿，使得各麦克风中的 语音信号同步，然后加权、求和，最后系统输出。从理论上讲，延时一求和波束形成 方法在保持语音信号幅度不变的同时，衰减了干扰噪声信号。该类麦克风阵列语音增 强方法实现简单且有韧性，但需要较多麦克风才能得到较好的噪声抑制能力，因此， 实际中很少单独使用。 自适应波束形成是现在广泛使用的一类麦克风阵列语音增强方法。最早的自适应 波束形成f r o s t 在1 9 7 2 年提出的线性拘束自适应波束形成，之后g r i f f i h t s 和j k n 在f o r a t 算法的基础上引进阻塞矩阵，提出了广义旁瓣抵消( g e n e r a l i z e ds i d e l o b ec a n c e l ，g s c ) 算法，它是将w i d r o w 自适应噪声抵消原理应用到阵列处理中。由于使用较少数目的传 声器可以获得较强的干扰噪声抑制性能，因此g s c 是大多数自适应波束形成语音增强 方法的理论原型。也成为了波束形成的经典算法，此后，不少学者都在其基础上提出 了各种改进。如c o x 等人提出归一化自适应抵消器系数以解决g s c 中的超方向性问题， h o s h u s m a a 等人提出一种类似于g s c 的结构，使用带泄漏的最小均方( l e a s tm e a n s q u a r e ，l m s ) 算法来减小期望信号能量的泄漏口。w i d r o w 和s t e m a s 提出了双波束形成 器结构。从1 9 9 0 年开始，c o m p e m o l l e 、n o r d h o l m 和g r e n i e r 等将g s c 应用到语音增 强中，相继提出了基于自适应波束形成的麦克风阵列语音增强方法。但是，由麦克风 位置与其增益、目标信号方向估计误差或室内混响所带来的目标信号方向误差，使得 g s c 不可避免地存在目标信号抵消现象，从而严重地影响了麦克风阵列语音增强方法 的性能。于是，许多学者开展了减小g s c 自适应波束形成中目标信号抵消的研究工作， 并提出了一些相应的解决方法。由于这些波束形成方法对方向误差具有韧性，因此称 为韧性自适应波束形成。其中比较典型的方法有：1 9 9 6 年h o s h u y a m a 提出了摹于约束 自适应阻塞滤波的韧性自适应波束方法1 。该方法采用系数约束的自适应阻塞滤波器， 来取代g s c 中的阻塞矩阵，使得泄漏到g s c 噪声参考通道中的语音信号最少，同时 采用系数约束的归一化自适应噪声抵消器完成噪声抑制。2 0 0 1 年g a n n o t 等采用估计 语音信号声学通道传递函数比率( 而非传递函数本身) 1 ，构建时变阻塞矩阵来取代g s c 中的阻塞矩阵，进而提出了另一种韧性g s c 方法。总之，基于自适应波束形成的麦克 风阵列语音增强方法同理论原型g s c 一样，对声学环境中的相干噪声具有较强的抑制 3 能力。 子带波束形成是最近才出现的一类麦克风阵列语音增强方法。早在1 9 9 3 年，k h a l a b 提出了子带波束形成宽带卫星通信方法。与全带波束形成相比，子带波束形成具有噪 声抑制能力强、收敛速度快等优点。之后，学者们开始研究基于子带波束形成的麦克 风阵列语音增强方法h 吲。2 0 0 1 年，m e e o w a n 等对z e l i n s k i 后置滤波进行子带处理，提 出了一种基于均匀d f t 子带波束形成语音增强方法。2 0 0 2 年至2 0 0 3 年，澳大利亚学 者g r b i c 等相继开展了基于过采样d f t 子带波束形成麦克风阵列语音增强方法的研究。 近场波束形成是另一类新出现的麦克风阵列语音增强方法。1 9 9 7 年，b e l l 实验室 w a r d 和e l k o 将球面波动方程扩展盯1 ，提出一种混合近场与远场波束形成的设计方 法：r y a n 和g o u b r a n 提出基于阵列增益优化准则的近场固定波束形成方法睁m 1 ：k e n n e d y 等根据波动方程解的唯一性，提出一种基于波束图转换的近场波束形成方法n 肌2 m 1 3 1 。 上述近场波束形成方法均建立在固定权值或噪声统计模型的基础上。1 9 9 9 年， a b h a y a p a l a 和k e n n e d y 等提出了一种自适应近场宽带波束形成方法n 引，该方法基于 f r o s t 波束形成器，其自适应的对象是声学模型系数而不是滤波器系数。2 0 0 4 年，z h e n g 等将特征值约束的远场l c m v 波束形成方法扩展到近场环境，提出了一种基于距离差 的韧性近场波束形成方法，用于小房间内的干扰噪声抑制n 5 1 7 1 。由于近场声学的复杂性， 目前有关近场波束形成麦克风阵列语音增强方法的研究相对较少。 目前国内外除了波束形成，也有很多学者采用后置滤波技术来进行语音增强，用 来去除声学环境中的非相干噪。此外还有子空间方法、小波变换方法、神经网络方法、 盲源分离方法等许多在单麦克语音增强中获得应用的新技术，也被考虑用于麦克风阵 列语音增强。 1 - 2 3 麦克风阵列语音增强系统的性能指标的衡量 常用的衡量一个语音增强系统的性能指最标包括两种：信噪比和可懂度。另外对 于麦克风阵列语音增强系统还需要波束形成图。 ( 1 ) 信噪比：衡量语音增强系统抑制噪声的能力。该参数越大，表明去除噪声的性能也 就越强。 ( 2 ) 可懂度：从听觉和客观的角度评价语音增强系统的失真程度。常用的方法有对数面 积比( l 娘) 等。 ( 3 ) 波束形成图：从理论的角度比较系统的指向性能，其主瓣指向语音信号的方向，零 陷指向噪声的方向。 1 3 本论文的主要研究内容 本课题的主要任务是：研究近场环境下的麦克风阵列语音增强方法；本课题的主 4 要目的：针对麦克风阵列用于封闭环境中非手持式语音拾取时，声场为阵列近场环境 下，麦克风阵列系统实现对期望信号形成波束，并抑制干扰信号，增强带噪语音信号， 从而改善近场环境下带噪语音的质量。同时，本文根据精确的声波球面波前传播模型， 研究麦克风阵列波束形成方法，得到更符合实际的结果。 主要工作： ( 1 ) 根据近场声波传输模型，推导近场阵列响应矩阵。 ( 2 ) 总结现有远场波束形成方法，推导近场波束形成最佳准则和自适应算法。 ( 3 ) 依据传统的远场语音增强方法，在其基础上研究现有的近场麦克风阵列语音增 强方法。并提出有效的近场环境下的麦克风阵列语音增强方法。 本文的章节安排： 第一章介绍研究背景和意义、单麦克风语音增强、麦克风阵列的特点和应用于 语音增强的国内外研究进展、以及本文所要做的工作。 第二章介绍麦克风阵列语音增强的基础理论，为后续的研究做准备，构建研究 平台。 第三章总结现有用于语音增强的远场波束形成方法的基础上，引入近场波束形 成，并推导近场声波传输模型、近场球面波前阵列响应矩阵、输入信号形式、近场波 束形成准则及自适应算法。 第四章将过采样余弦调制的子带处理思想引入到自适应波束形成方法中，提出 在近场声学模型下的子带自适应波束形成方法的结构基础上的麦克风阵列语音增强方 法。进而改善了近场声学环境下的语音信号质量。 第五章全文总结与展望。 5 第二章麦克风阵列语音增强基本理论 2 1 麦克风阵列和阵列模型 麦克风阵列是指一组在空间不同位置的麦克风按照一定规则布置形成的阵列，也 可以看作是对空间传播声音信号进行空间采样的一个装置。麦克风分可以为全向麦克 风和方向性麦克风。麦克风阵列处理就是从麦克风阵列接收信号中提取某一特定方向 的声源信号，即波束形成。它通过空间滤波，在期望信号中含有噪声和干扰信号情况 下，用一定形状的波束通过有用的信号或期望方向的信号，抑制非期望方向的干扰信 号和噪声信号。从而使期望声源信号以功率最大化输出。因此麦克风阵列的波束形成 具有捕捉方向性声源能力和较高的系统输出信噪比n 引。 麦克风阵列的拓扑结构可以是不同的麦克风排布方式( 距离和相对位置) 。阵列一 般分为：一维线性阵( 等距阵列、嵌套线性阵以及非等距阵列) 、二维面阵( 均匀和非均 匀圆形阵、方阵) 与三维立体阵。实际中应用较多是等距线阵、嵌套线阵、均匀圆阵。 其中最简单常见的阵列形式是等距线阵，由于其方便对比不同算法性能，视觉效 果也比较好，得到很多科研工作者的青睐。 2 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，包括直接到达的信号、反射信号和干扰噪声，如图2 1 所示。 m i 抵 蚝 直达信号 一反射信号 s p e e c h 图2 1 麦克风阵列拾取的信号 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，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。麦克风阵列中第f 个麦 克风接收到的信号x ，( f ) o = 1 , 2 m ) 可以表示为 6 ( 1 ) 理想模型 毛( f ) - 口f s ( t f f ) + 万订( f ) ( 2 1 ) 对应的矢量形式为 z ( f ) 一口。s ( t 百) + 刀o ) ( 2 2 ) 其中 s ( t f ) 一【s ( f f 1 ) ，s ( f z 2 ) ，s ( t f ，) 】1 n ( t ) = 【r i l lo ) ，n ：，o ) ，忍胁o ) 】r ( 2 3 ) s o ) 为声源信号，q 是声波传播的衰减因子，t 是声源传播到两个麦克风所需的时间， n 盯为环境噪声，而且s ( f ) 和1 0 f = 1 , 2 m ) 之间彼此不相关。 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 2 ) 可以变为 x c t ) = 口。s ( t f ) + n ( t z ) ( 2 4 ) 公式( 2 4 ) 描述的就是方向性噪声场中的阵列信号模型。其中 ，l ( f f ) 一【n ( t f 1 ) ，咒o f 2 ) ，n q z f ) 】r j ( f 一了) ；【s ( t 一h ) ，s ( f t 2 ) ，s ( t f f ) 】r ( 2 5 ) 和以p r ) 分别代表麦克风接收到的语音和噪声向量，并且满足s ( t f ) 和n ( t f ) 相互 独立。ft k ，f ：，】rf = p - ，f 2 ，f m 】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。口ad i a g a 。，口：，口肼】和= d i a g f l l ，卢：，几】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 麦克风阵列中的第i 个麦克风接收的信号t o ) “= 1 , 2 ，m ) 可以表示为 to ) ；口f s o z f ) + ，l fo ) 一a f s ( t f f ) + 万i ，o ) + 以氓o ) nh f ( f ) 乖s o ) + 咒订o ) ( 2 6 ) 对应的矢量形式可表示为 工o ) = j i l o ) 木s ( f ) + 刀j o ) ( 2 7 ) 其中符号“木 为卷积算子，n ；( f ) 为干扰成分( 包括各种环境噪声和房间多径反射 噪声) ，n 订( f ) 表示第i 个传声器接收到的环境噪声，l 讯( f ) 表示第f 个传声器接收到的多 径反射噪声。 2 3 噪声和混响 2 3 1 噪声 噪声简单的说就是混入到人们所感兴趣的信号上不携带信息的无规则的随机信 7 号，由于噪声的存在影响了有用信号的正常接收。对于麦克风阵列语音增强的研究， 我们可以按照不同的特征对噪声进行分类。常用的噪声分类方式是依据各个同麦克风 噪声的相干程度。假设两个信号分别为x 。o ) 和x ：o ) ，其互功率谱为g 。：( 缈) ，功率谱 分别为g 1 ) ，g 笠 ) ，则两个信号在空间和频率的相干函数定义为 e ，( ) 。垡坚 ( 2 8 ) 。, a l l ( ) g 2 2 ( ) 显然，0s lr l ：( ) 1 2 s1 。il ： ) 1 2 的不同取值范围反映了噪声场的相干程度的不同，在 此基础上，噪声场可分为： ( 1 ) 相干噪声场：ir | ： ) 1 2 1 ，不同麦克风的噪声相干程度最强，此时噪声信号是直达 各个麦克风的，没有因为环境所引起的反射，散射等。 ( 2 ) 非相干噪声场：ir l ： ) 1 2 一。不同麦克风的噪声基本不相干。一般各麦克风的电子 噪声通常可以认为是不相干的，除此之外，非相干噪声在实际的环境中遇到的比较少。 ( 3 ) 散射噪声场：o ir 1 ： ) 1 2 1 不同麦克风的噪声有一定的相干程度，这种噪声场往 往是最接近实际的。不同的麦克接收的噪声信号低频时相关性强，高频时相关性弱， 噪声同时向各个方向等能量传播。 2 3 2 混响 当语音信号在封闭环境( 如房间等) 内传播时，有些从声源直接到达传感器，还有 一些经过一次或者多次反射才被传感器接收，使得到达麦克风的语音信号路径除了直 达路径外还存在着其它许多路径，从而产生接收信号幅度衰减、音质变差等不利影响， 这种现象称为混响( r e v e r b e r a t i o n ) n 9 1 。通常，用混响时间来表征房间的混响程度。按 照e y r i n g 公式汹1 ，混响时间表示为墙壁反射系数的函数，即 。j 生 ( 2 9 ) 一 一s l o g ( 1 一) ，) 式中y ，s 及y 分别表示房间的体积，总面积与墙壁的反射系数，这里假定各面墙的反 射系数相同。混响时间为2 0 0 m s 时的房间冲激响应曲线如图2 2 所示。 8 图2 2 房间冲击响应曲线 混响对语音的影响表现为两个方面：首先，混响使语音信号本身产生失真。其次， 混响改变了噪声场的空间特性。前者混响对语音的影响通常借助混响模型来进行描述， 典型的混响模型为i m a g e 模型口。具体表现为：仿真情况下按照i m a g e 模型产生麦克风 和声源之间的房间冲激响应( 不同麦克风所对应的房间冲激响应也不同) ，然后与麦克 风接收的纯净语音卷积而得到。设语音信号为s 伽) ，干扰信号为v ( n ) ，背景噪声为 n io ) ，语音信号和干扰信号与第f 个麦克风之间的房间冲激响应分别为h ，。0 ) 和 h i ，0 ) ，则第f 个麦克风接收的信号为 ， 薯o ) = 吃声( 刀) 毒s o ) + 1 , i o ) 宰 ，o ) + 1 i o ) ( 2 1 0 ) - l 式中“木 表示线性卷积。 2 3 3 混响对噪声场空间特性的影响 混响对噪声场空间特性的改变体现为，单一的噪声源被扩展为多个方向出现的镜 像源，即噪声空间接近于散射噪声场。这一特性借助模平方相干函数( m s c ) 来界定。假 设位于t 和，的两个麦克风接收到的噪声分别为n ，0 ) 和r l in ) ，相应的自功率谱和互功 率谱分别为中( 1 ，( 1 2 ) 、a , ( r j ，) 和m ( 矶，) 。于是，定义噪声的空时域模平方相干函数 驰) - l 驰) 1 2 = 糕 ( 2 1 1 ) 其中p 玎= 一r ，c 盯 ) = 1 ，称之为相干噪声场。无混响房间内的噪声场接近于相 9 干噪声场。当c o ( ) = 0 ，称之为非相干噪声场。而实际室内的声学环境往往满足 0 八| | ( a ) 原始信号的频谱：( b ) m 倍抽取后信号的频谱 图2 8 信号抽取后的频谱变化 由图2 8 n 知，如果输入是限带于【- 万m ，石m 】的低通信号x ( n ) ，经肘倍抽取后 信号不会发生混叠失真。如果是带通信号，如图2 9 ，信号被等分成m 个子带，则第k 个子带的频率范围是【一万 + i ) m ，矗m 】u 【疵m ，万 + 1 ) m 】。根据式( 2 1 9 ) 若对第 k 个子带进行m 倍抽取，同样不会发生混叠失真。其中卜万 + i ) m ，一n k m 】部分， 当k 为奇数时，映射到【o ，石】，k 为偶数时，映射到【哳，0 】，n i n 2 1 0 心5 1 ，7 t 、 一 。、i 广 、。卜。彳厂i ( 七+ i k k n 2 n 石疗 2 n ( 量+ l 勤 mmm mmmm 图2 9 信号被等分成m 个子带 1 2 jl r 、| | ( a ) k 为奇数 ( b ) k 为偶数 图2 1 0 抽取后第k 个子带的频谱映射情况 可见，不论是低通信号还是带通信号，只要带宽在允许的范围内，经抽取都 不会发生频率混叠，这是滤波器组的基本理论依据之一。 2 5 2 信号的内插 内插是抽取的逆操作，其输入一输出关系来描述为 丑l l 巳互 肇) 图2 1 1 内插示意图 下面进行分析是否能通过内插从抽取的信号恢复出原始带通信号。若y 沏) 经m 倍内 插，即在两个原始信号中插入一1 ) 个零值点，如图2 1 2 ，得到的信号用戈加) 表示， 则 夕( 坍) j c 珂，2 y 譬x 忍n ：= m p 厶m p c 2 1 5 ) 舅( ， 图2 1 22 倍内插 叠0 ) 的傅立叶变换贾 抄) x ( e j w ) = x ( 刀) p 一胁一y ( 朋弦肭= y o m ) ( 2 1 6 ) 1 3 也可表示为z 域关系x ( z ) ty ( z 肼) ，其中y 0 加) 表示y ( m ) 的频谱啪1 。 由式( 2 2 1 ) 可知，内插后的信号频谱j 忙加) 为原始序列频谱y ( e 加) 经m 倍压缩后 得到，如图2 1 3 。如果原始信号限带于卜万，叫2 】u k 2 ，万】，如图2 1 3 ( a ) ，经2 倍抽取 后得到的信号频谱如图2 1 3 ( b ) ，经内插后频谱如图2 1 3 ( c ) 所示，要回复出限带于 卜石，一万2 i u k 2 ，河】的信号，只需将内插后的信号滤波，取出图2 1 3 ( c ) 的阴影部分即 可，所以限带于一定频率范围内的信号经抽取后，要想恢复出原始信号，可以内插来 实现。同样，内插也是滤波器组工作的基本理论依据。 l 五l 一j 锄搦 2 2 ( a ) 原始信号频谱 y ( c 。) 丫个j ( b ) 2 倍抽取后信号频谱 x f 毽p l 、丫个门。 2 5 3n o b l e 等效变换 22 ( c ) 2 倍内插后信号频谱 图2 1 3 信号经抽取，内插的频谱变化 n o b l e 等效变换对于多速率系统和滤波器组的分析很重要，特别是利用多相结构实 现滤波器组的情况下，能大大简化滤波器组的结构，提高运算速度，减少资源占用。 n o b l e 等效变换乜5 3 原理如图2 1 4 所示。n o b l e 等效变换说明，信号经滤波器h ( z m ) 滤波 后抽取，等效于信号先抽取后经滤波器h ( z ) 滤波。滤波器h ( z m ) 的脉冲响应是滤波器 h ( z ) 脉冲响应相邻样点间插入m 一1 个零值点。同样，信号先内插后经滤波器h ( z 肼) 滤 波，等效于信号先经滤波器h ( z ) 滤波再内插。滤波运算发生在信号样值点少的一端， 1 4 这样降低了对运算速度的要求。 匾丕卜叫函卜f 岖丑咂d ( a ) 抽取的等效变换 ( b ) 内插的等效变换 图2 1 4n o b l e 等效变换原理 1 5 第三章近场波束形成 目前多数的麦克风阵列语音增强方法中，声源均是被假设在位于阵列远场。在这 种情况下，声波的波前弯曲率可以忽略，阵列的所有入射波均是平面波。虽然，该假 设大大简化了分析过程，在大房间会议室中产生了较好的性能。然而，当麦克风阵列 用于一些特殊环境，诸如小房间非手持式语音拾取时，与前者相比，声源与麦克风阵 列的距离较小，声源位于阵列的近场。此时，声波的波前弯曲率可以由阵列探测到而 不能忽略，所有的阵列入射波均是球面波。在这种情况下，原有的远场假设条件无法 满足实际要求，若仍然使用远场波束形成方法来增强带噪语音信号，那么麦克风阵列 语音增强系统性能的提高带来很大的困难。因此本章使用近场波束形成方法来解决近 场环境下的麦克风阵列语音增强问题。在已有远场波束形成准则的基础上，推导近场 最佳波束形成准则，把现有的波束形成方法应用于近场麦克风阵列信号处理，通过对 近场阵列响应矩阵的补偿，得到期望的方位距离波束图。 下面首先推导近场情况下的阵列响应相应矩阵，在近场模型中，由于声源到麦克 风阵列的距离比较近，因此声源到麦克风阵列的声波是球面波。 3 1 近场阵列声波传播模型 设，为声源到参考麦克风的距离，声源波长为a ，麦克风阵列孔径为d ，目标语音 声源与麦克风阵列的距离近场假设条件，即 ， 2 d 2 ( 3 1 ) ， l j 1j a 口、伊分别为其对应的仰角和方位角，近场波面为球面的，波动方程为乜力 手昙a s ) 志挚叩志鲁专窘 慨2 ， 式中c = 3 4 0 m s 为声波传播速度，考虑到多数情况下，近场源的声场表现为各向同性， 就是，固定，声波s ( r ，0 ，驴，t ) 不随0 、驴变化，而转变成s ( ，f ) ，即上式可简化为： 詈专p 2 等，一砉窘 c 3 3 ， 于是，得到波动方程的解为 s ( ，w ，f ) 一月- - - - e x p i j ( w t 一七r ) 】 ( 3 4 ) 式中a 为常数，k 为声波波数，w 为声波角频率。a r 为声波角频率，k 。幼a ，a 为声波波长，距离，不仅对声压的相位有影响，对声压幅度也有影响，声压振幅与径向 1 6 距离成反比。当，- 一0 0 时，球面波s ( r ，w ，t ) 的表达式与平面波形式一致。 图3 1 近场模型 x ，一k ，y ，z ，1 r 一ls i n ( 以) s i n 纸) l ( 3 5 ) c o s ( 见) s i n ( 九) 1 ic o s 仇)i 麦克风的位置矢量为r 旃【一，】) ，则声源到第m 路麦克风的欧氏距离可以表示为 d 。= 0 一，脚0 ： ( 3 6 ) z 。姓 ( 3 7 ) 厂0 口m2 上 k 就得到近场情况下，声源到麦克风阵列的传播矢量为 3 2 近场阵列响应矩阵 ( 3 8 ) 口( w ，0 ，) = 【口一e 一加一- - a 一p 朋”】丁 ( 3 9 ) 考虑由m 个麦克风在空间任意排列组成的阵列，接收位于基阵近场中的声源设声 源的位置是x ，* ( ，0 ，) ，、0 ，、吼分别为声源和坐标原点之间的距离，方位角、 俯仰角，如图3 2 所示 1 7 图3 2 空间任意结构基阵接受近场信号示意图 设第m 伽一1 , 2 ，m ) 个麦克风坐标为x 。；( k ，0 ，) 到原点的距离为，则 第m 个麦克风与声源之间的距离可表示为 = ix ，一x ，i 一【( 厂mc o s q s i n 吒一c o s p ss i n o , ) 2 + ( oc o s c o s 吒 1 一c o s 织c o s o , ) 2 + ( ks i n q o , , 一5 s i n q o , ) 2 】2 则，由前面可知，第m 个麦克风接收信号为 s 。( ，f ) 。= 生e x p j ( w t 一七) 】 ( 3 1 0 ) ( 3 1 1 ) 以原点阵元接收信号s 伽) 为参考信号，则麦克风阵列接收信号可以表示为 x ( n ) = 口( ，j ，f ) s ( n ) + e ( 咒) ( 3 1 2 ) 式中x ( n ) = 【x l ( ，1 ) x 2 ( 以) x m ( 咒) 】r 毗一南t 等，等，警，慨 这个公式为信号的空间表示形式，考虑到语音信号是宽带信号，则阵列接受信号 存在延时矢量 口，( ) = 【l e 舭，e j k c b 1 f 】r ( 3 1 4 ) 这是信号的时间表示形式，于是，麦克风阵列接收信号的方向矩阵可以进一步表 示成空时二维信号矢量形式，即 a ( x ，厂) 一口( 0 ，) 口；( ) 1 9 。爿嘉【竺竺兰，竺竺，竺竺尘竺】( 3 1 5 ) 。万o _ ，_ 瓦一山 式中 为k r o n e c k e r 积。 y ( - ) 一w 盯x ( n ) = w 日( 口( x ，f ) s ( n ) + e ( 咒) ) 。口。( x 加o ) + w h e o ) 3 1 6 由上式可以看出，通过对球形波的方向矩阵a ( x ，) 进行波前补偿，各路期望语音信 号进行相关求和，就能使阵列在信号方向的功率输出最高，并可以抑制包括与直达波 语音信号具有相同波达方向的混响和干扰噪声在内的其它信号且得到衰减。下面我们 介绍两种典型阵列模型等距线阵和等