基于二阶差分麦克风阵列的自适应降噪方法技术

本发明专利技术公开了一种基于二阶差分麦克风阵列的自适应降噪方法，该方法以二阶差分麦克风阵列心形波束模式的输出作为广义旁瓣抵消算法上支路的期望信号，下支路利用阻塞矩阵提取参考噪声信号输入改进的自适应噪声相消模块进行自适应滤波处理，最后使用最优修正对数谱幅度算法进一步的消除残留噪声

【技术实现步骤摘要】
基于二阶差分麦克风阵列的自适应降噪方法


[0001]本专利技术涉及音频信号处理
，具体是一种基于二阶差分麦克风阵列的自适应降噪方法
。

技术介绍

[0002]为了减少噪声对于语音的干扰，语音增强是必要的
。
基于麦克风阵列的多通道语音增强可以采集来自不同方向的语音信息，通过信号处理算法从多个信号中提取出目标信号，并削弱来自其他方向的干扰信号，从而提高受损语音的质量和可懂度
。
所以，相较于单通道语音增强，基于麦克风阵列的多通道语音增强方法通常效果更好
。
[0003]差分麦克风阵列的麦克风间距更紧密，具有超强的指向性，而且波束图不随频率而改变
。
因此，在处理像语音这种频率波动大的信号时，使用差分麦克风阵列算法具有独特的优势
。
差分麦克风阵列可以在期望方向上形成心形
、
偶极子和超心形的波束图，从而在语音增强中发挥着重要作用
。
麦克风阵列语音增强技术被广泛应用于多个领域，包括网络实时会议与通话
、
助听器设备以及针对性的降噪耳机等
。

技术实现思路

[0004]本专利技术的目的是针对现有技术的不足，而提供一种基于二阶差分麦克风阵列的自适应降噪方法
。
这种方法能够抑制不同类型的方向性噪声的影响，提高语音的可懂度，具有一定的鲁棒性
。
[0005]实现本专利技术目的的技术方案是：
[0006]一种基于二阶差分麦克风阵列的自适应降噪方法，包括如下步骤：
[0007]1)
采用3个麦克风组成的均匀线性阵列来采集带噪语音信号：采集语音时，当声源位于参考麦克风
M1
的一端时为0°
方向，记为语音增强方向；噪声源位于麦克风阵列
360
°
范围内的任意位置，当噪声位于麦克风
M3
的一端时为
180
°
方向，记为噪声主抑制方向，第
m
个麦克风接收到的信号的采样信号为
x
m
(n)
，
n
为离散时间索引，将麦克风阵列采集的3路语音信号进行分帧加窗，进行短时傅里叶变换得：
[0008][0009]其中，
k
为频率点的位置，
l
为帧索引的位置，
w(n)
为窗函数，
N
为帧长，
M
为帧移；
[0010]2)
二阶差分麦克风阵列心形波束形成：利用设计的二阶差分麦克风阵列心形波束形成器的权重向量
(
这里
*
表示复共轭
)
对相应的麦克风输出进行处理，从而得到每个麦克风的纯净语音信号频谱的估计值，再通过重叠相加法把它们加权求和得到波束形成器的输出为：
[0011][0012]式
(2)
中，
H
表示共轭转置
。H(k,l)
为二阶差分麦克风阵列心形波束形成器的滤波
权重，
X(k,l)
为麦克风输出频域信号向量，两者分别由式
(3)
和
(4)
给出：
[0013][0014]X(k,l)
＝
[X1(k,l),X2(k,l),X3(k,l)]T
(4)
，
[0015]其中，
T
表示转置，
[0016]由式
(2)
得到
GSC
结构上支路的期望语音信号
Z(k,l)
，将其作为改进的自适应噪声消除模块的主输入进行自适应滤波处理；
[0017]3)
改进的自适应噪声消除：采用
NLMS
算法与
VAD
算法相结合的改进自适应滤波算法进行噪声权重向量的迭代更新，利用
VAD
算法检测语音段的起始和结束位置，仅在语音不存在时更新噪声的权重，从而提高
ANC
模块噪声抵消的性能，
[0018]假设相邻两个麦克风中心的距离为
d
，目标语音信号的方向为
θ
，角频率为
ω
＝2π
f
，采样频率为
f
，
θ
＝0°
时相邻两个麦克风之间的时延为
τ0＝
d/c
，将3路语音信号进行相位补偿对齐得：
[0019][0020]3路语音信号进行相位补偿后的输出信号向量表示为：
[0021]Y(k,l)
＝
[Y1(k,l),Y2(k,l),Y3(k,l)]T
(6)
，
[0022]GSC
结构下支路，采用上支路二阶差分麦克风阵列输出信号
Z(k,l)
作为主输入，通过阻塞矩阵
B
将相位补偿后的输出信号进行处理，从而提取噪声信号
X
bout
(k,l)
作为自适应噪声消除模块的参考输入，将它们输入到自适应噪声消除模块进行自适应滤波处理，算法的主要公式如下：
[0023][0024]X
b
(k,l)
＝
BY(k,l)(8)
，
[0025]X
bout
(k,l)
＝
[X
bT
(k,l),X
bT
(k,l
‑
1),
…
,X
bT
(k,l
‑
L)]T
(9)
，
[0026][0027][0028][0029]W(k,l+1)
＝
W(k,l)+
μ
Y
ANC
(k,l)X
bout
(k,l)(13)
，
[0030][0031]通过式
(12)
得到改进的
GSC
算法的输出信号，其中，
B
是大小为2×3的阻塞矩阵，为自适应滤波器的输出信号，
Y
ANC
(k,l)
为二阶差分麦克风阵列输出
Z(k,l)
和自适应滤波器输出的差值，
L
为正整数，
W(k,l)
为自适应滤波器更新权重向量，式
(13)
为语音不存在时滤波器权重系数迭代更新的公式，
μ
为计算更新权重向量的步长，影响算法的收敛速度和稳定性，
α
(0
＜
α
＜
2)
为归一化步长，
ε
为一个远小于1的正常数，防止
μ
过大使得算法稳定性能下降；
[003本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于二阶差分麦克风阵列的自适应降噪方法，其特征在于，包括如下步骤：
1)
采用3个麦克风组成的均匀线性阵列来采集带噪语音信号：采集语音时，当声源位于参考麦克风
M1
的一端时为0°
方向，记为语音增强方向；噪声源位于麦克风阵列
360
°
范围内的任意位置，当噪声位于麦克风
M3
的一端时为
180
°
方向，记为噪声主抑制方向，第
m
个麦克风接收到的信号的采样信号为
x
m
(n)
，
n
为离散时间索引，将麦克风阵列采集的3路语音信号进行分帧加窗，进行短时傅里叶变换得：其中，
k
为频率点的位置，
l
为帧索引的位置，
w(n)
为窗函数，
N
为帧长，
M
为帧移；
2)
二阶差分麦克风阵列心形波束形成：利用设计的二阶差分麦克风阵列心形波束形成器的权重向量对相应的麦克风输出进行处理，
*
表示复共轭，从而得到每个麦克风的纯净语音信号频谱的估计值，再通过重叠相加法把它们加权求和得到波束形成器的输出为：式
(2)
中，
H
表示共轭转置，
H(k,l)
为二阶差分麦克风阵列心形波束形成器的滤波权重，
X(k,l)
为麦克风输出频域信号向量，两者分别由式
(3)
和
(4)
给出：
X(k,l)
＝
[X1(k,l),X2(k,l),X3(k,l)]
T
(4)
，其中，
T
表示转置，由式
(2)
得到广义旁瓣相消
(GeneralizedSidelobeCanceller
，
GSC)
结构上支路的期望语音信号
Z(k,l)
，将其作为改进的自适应噪声消除模块的主输入进行自适应滤波处理；
3)
改进的自适应噪声消除：采用归一化最小均方
(NormalizedLeastMeanSquare
，
NLMS)
与语音活动检测
(VoiceActivityDetection
，
VAD)
算法相结合的改进自适应滤波算法进行噪声权重向量的迭代更新，利用
VAD
算法检测语音段的起始和结束位置，仅在语音不存在时更新噪声的权重，从而提高
ANC
模块噪声抵消的性能，假设相邻两个麦克风中心的距离为
d
，目标语音信号的方向为
θ
，角频率为
ω
＝2π
f
，采样频率为
f
，
θ
＝0°
时相邻两个麦克风之间的时延为
τ0＝
d/c
，将3路语音信号进行相位补偿对齐得：3路语音信号进行相位补偿后的输出信号向量表示为：
Y(k,l)
＝
[Y1(k,l),Y2(k,l),Y3(k,l)]
T

【专利技术属性】
技术研发人员：梁杰业，方韶劻，林凤梅，曾庆宁，
申请(专利权)人：昂思科技定南有限公司，
类型：发明
国别省市：