一种基于一阶差分麦克风阵列的信号估计方法技术

本发明专利技术提供了一种基于一阶差分麦克风阵列的信号估计方法，首先构建一阶差分麦克风阵列模型，利用该阵列接收信号，并将两麦克风接收到的信号作差，得到时域差值信号。然后对差值信号进行频域分析，可发现其幅频特性曲线有着一种类似梳状的结构，在本发明专利技术中称该效应为梳状滤波效应。对该效应进行数学分析，并依据此设计反梳状滤波器。接着利用该滤波器对差值信号进行滤波，即可还原出原信号的频谱，最后结合相位谱还原出原时域信号，实现信号估计的目的。本发明专利技术可以有效解决传统信号估计方法的准确度较低，以及基于深度学习的新型信号估计方法计算复杂度较高和鲁棒性差的问题。方法计算复杂度较高和鲁棒性差的问题。方法计算复杂度较高和鲁棒性差的问题。

A signal estimation method based on first-order differential microphone array

【技术实现步骤摘要】
一种基于一阶差分麦克风阵列的信号估计方法


[0001]本专利技术属于信号处理
，尤其是涉及一种基于一阶差分麦克风阵列的信号估计方法。

技术介绍

[0002]信号估计作为信号处理系统的前段步骤，其估计得到的信号质量会直接影响到处理系统的性能。现阶段关于信号估计的技术研究可大致分为两类：一类是基于相关函数的傅里叶变换等技术的传统信号频谱估计方法，这类方法的性能依赖于已知的数据序列长度，频率分辨率低，不适用于短时数据的情况，并且只适用于对平稳信号进行估计，而现实环境中大部分信号都是非平稳信号，在这些情况下，此类方法的估计准确度较低。
[0003]另一类是基于深度学习的信号估计方法，这类方法通过对大量数据集的特征进行学习，来寻找到原信号频谱与目标信号频谱之前的映射关系，进而实现信号估计。但是这类方法的计算复杂度较高，往往需要经过长时间训练才能获得模型。并且对数据集有着极大的依赖性，当待估计的信号与训练集中的数据差别较大时，估计性能就会大幅度下降，因此鲁棒性较低。
[0004]综上所述：现有技术的不足在于，计算复杂度低的传统估计方法的准确度不足，反之，估计准确度高的信号估计方法计算复杂度也高，同时鲁棒性较低。因此现阶段亟需找到一种兼顾估计性能、鲁棒性和计算复杂度的解决方案。

技术实现思路

[0005]有鉴于此，本专利技术旨在提供一种基于一阶差分麦克风阵列的信号估计方法，由于该方法是依据物理传播模型进行设计的，因此可以有效解决传统信号估计方法的准确度较低，以及基于深度学习的新型信号估计方法计算复杂度较高和鲁棒性差的问题。
[0006]为达到上述目的，本专利技术的技术方案是这样实现的：一种基于一阶差分麦克风阵列的信号估计方法，包括如下步骤：步骤1：构建一阶差分麦克风阵列模型，对阵列中两个麦克风接收到的信号进行数学表达式分析；步骤2：对阵列中的两个麦克风接收到的信号作差，得到时域差值信号，分析差值信号的幅频特性曲线；步骤3：设计具有与步骤2中差值信号的幅频特性曲线的包络完全反相的幅频特性的反向滤波器；步骤4：利用该滤波器对差值信号进行滤波，还原出原信号的幅频特征，然后结合相位信息进行信号还原，得到估计出的时域信号。
[0007]进一步的，所述步骤1中，利用两个麦克风构建麦克风阵列模型，包括麦克风A和麦克风B，声源S位于阵列外，且不处在两麦克风连线的垂直平分线上，设声源S为点声源，且声
音在无混响的环境中以近场模型的形式进行传播，即声波为球面波，则模型中各个麦克风接收到的信号可分别表示为：x
A
（t）=α
A
s（t
‑
τ
A
）x
B
（t）=α
B
s（t
‑
τ
B
）其中，x
A
（t）和x
B
（t）是各个麦克风接收到的混合语音信号；s（t）是声源S发出的信号；α
A
和α
B
分别为s（t）传播至麦克风A和麦克风B时的衰减系数，它与声音的声压成正比，与声源和麦克风之间的距离成反比；τ
A
和τ
B
分别为s（t）到达两个麦克风时的时延。
[0008]进一步的，所述步骤2中，两个麦克风接收到的语音信号差值表达式为：dif（t）= x
A
（t）
‑ꢀ
x
B
（t）=α
A
s（t
‑
τ
A
）
‑
α
B
s（t
‑
τ
B
） ；差值信号的幅频特性的包络呈现梳状结构，对该效应进行分析，已知点为声源的位置；A、B分别为麦克风阵元的位置；设O点为A、B之间的中点，且A、B之间的距离；S点与O点之间的距离；θ为和形成的夹角，c为声速，则当声源S点发出声压为P=h帕斯卡的信号时，由于梳状滤波效应而产生的波形包络的数学表达式为：其中：。
[0009]进一步的，所述步骤3中采用频率采样法设计反梳状滤波器。
[0010]本专利技术还提供一种基于一阶差分麦克风阵列的信号估计装置，：包括模型构建模块，用于构建一阶差分麦克风阵列模型，对阵列中两个麦克风接收到的信号进行数学表达式分析；信号分析模块，用于对阵列中的两个麦克风接收到的信号作差，得到时域差值信号，分析差值信号的幅频特性曲线；信号处理模块，用于设计具有与信号分析模块中差值信号的幅频特性曲线的包络完全反相的幅频特性的反向滤波器；信号还原模块，用于利用该滤波器对差值信号进行滤波，还原出原信号的幅频特征，然后结合相位信息进行信号还原，得到估计出的时域信号。
[0011]本专利技术还提供一种电子设备，包括至少一个处理器，以及与所述处理器通信连接的至少一个存储器，其中：所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如任一所述的方法。
[0012]本专利技术还提供一种非易失性计算机可读存储介质，当所述计算机可执行指令被一个或多个处理器执行时，使得所述处理器执行上述任一项所述的方法。
[0013]相对于现有技术，本专利技术所述的具有以下优势：
（1）本专利技术的方法相较于传统信号估计方法在对非平稳信号进行估计时有着更高的分离准确性；相较于基于深度学习的新型信号估计方法，极大地降低了计算复杂度，同时提高了鲁棒性；（2）本文是基于物理传播模型进行设计的，任意信号在通过一阶差分麦克风阵列时都会产生梳状滤波效应，所以不需要对大量数据进行长时间训练来获得数据特征就可以对信号进行估计，得到精确的信号估计结果。
附图说明
[0014]构成本专利技术的一部分的附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1为本专利技术的一阶差分麦克风阵列模型图；图2为本专利技术的声源为扫频信号时得到的差值信号的幅频特性图；图3为本专利技术的反梳状滤波器的幅频特性曲线；图4为本专利技术的信号估计方法原理框图；图5为本专利技术的原信号与估计信号的幅频特性对比示意图；图6为本专利技术的原信号与估计信号的语谱图对比示意图；图7为本专利技术的改进的谱减法的流程图；图8为本专利技术的计算机仿真模型图。
具体实施方式
[0015]需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。
[0016]在本专利技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于一阶差分麦克风阵列的信号估计方法，其特征在于：包括如下步骤：步骤1：构建一阶差分麦克风阵列模型，对阵列中两个麦克风接收到的信号进行数学表达式分析；步骤2：对阵列中的两个麦克风接收到的信号作差，得到时域差值信号，分析差值信号的幅频特性曲线；步骤3：设计具有与步骤2中差值信号的幅频特性曲线的包络完全反相的幅频特性的反向滤波器；步骤4：利用该滤波器对差值信号进行滤波，还原出原信号的幅频特征，然后结合相位信息进行信号还原，得到估计出的时域信号。2.根据权利要求1所述的一种基于一阶差分麦克风阵列的信号估计方法，其特征在于：所述步骤1中，利用两个麦克风构建麦克风阵列模型，包括麦克风A和麦克风B，声源S位于阵列外，且不处在两麦克风连线的垂直平分线上，设声源S为点声源，且声音在无混响的环境中以近场模型的形式进行传播，即声波为球面波，则模型中各个麦克风接收到的信号可分别表示为：x
A
（t）=α
A
s（t
‑
τ
A
）x
B
（t）=α
B
s（t
‑
τ
B
）其中，x
A
（t）和x
B
（t）是各个麦克风接收到的混合语音信号；s（t）是声源S发出的信号；α
A
和α
B
分别为s（t）传播至麦克风A和麦克风B时的衰减系数，它与声音的声压成正比，与声源和麦克风之间的距离成反比；τ
A
和τ
B
分别为s（t）到达两个麦克风时的时延。3.根据权利要求2所述的一种基于一阶差分麦克风阵列的信号估计方法，其特征在于：所述步骤2中，两个麦克风接收到的语音信号差值表达式为：dif（t）= x
A
...

【专利技术属性】
技术研发人员：张涛，王恒，耿彦章，赵鑫，
申请(专利权)人：天津大学，
类型：发明
国别省市：