通信信号处理.docVIP

实时自适应降噪 摘要： Adaptive Noise Reduction for Real-time?Applications Abstract: 一、引言 1.1课题研究的背景及意义 随着人类社会的不断发展，信息交流最自然、最有效、最灵活而又最为广泛使用的的途径就是语音，然而噪声无处不在、无时不有，语音通信质量越来越受到人们的关注。现在的识别系统、通信系统通常在无噪声环境下可以稳定可靠的工作，然而当噪声存在时，系统功能变得不稳定甚至不能正常工作，这就说明研究一种高效的降噪算法显得十分必要。在通信及其它领域中，噪声消除是科技飞速发展过程中面临的难题。目前，语音增强技术是解决语音噪声污染的一种有效途径，并且该技术己经在很多领域中得到了广泛的应用，如语音处理系统、通信、多媒体技术、数字化家电等领域。语音增强的主要目的是减少语音信号中的噪声，使得到的语音信号尽可能接近纯净语音信号。然而实际中的噪声种类繁多、特性不同且大多都是随机产生的，因此完全彻底的消除语音中的噪声是不可能的，所以实际中语音增强的目标要根据语音处理系统的具体要求而定，一般是使接听者尽量减少疲劳感、改善语音质量和提高语音可懂度。 1.2语音增强研究概况 目前，语音增强技术的研究与实际环境下的语音信号处理系统的开发，已经成为国内外的语音信号处理语音领域的重要课题。语音增强技术的研究要追溯于二十世纪中期，那时候解决噪声的目标是实现噪声和语音的自动分离，尽管人们很早就有这种愿望，但由于技术的难度，这方面的进展很小[2]。近年来，随着数字信号处理理论的不断成熟，语音增强技术已经发展成为语音信号处理领域的一个重要分支。从70年代开始，人们对语音增强的研究越来越重视，并且取得了一些基础性成果，各种语音增强算法不断涌现，如维纳滤波语音增强算法、谱相减法、软判决噪声抑制法、基于短时最小均方差的谱幅度估计法等相继被提出，随后几年中，卡尔曼滤波也被引入到语音增强中[3]。 在众多语音增强方法中，由于谱相减法的算法简单并且易于实现等优点，得到了人们的特别青睐，在研究中也得到了更大的关注。谱减法的缺点是处理后的语音中往往残留着较多的剩余噪声，给人的听觉带来了一定程度的疲劳感。为了减少增强语音中的剩余噪声，各种改进的算法被提出，如Berouti对传统的谱减法进行了改进 [4]，在谱减法中增加了调整噪声功率谱大小的系数，提高了算法的灵活性，但是这种方法的系数是由经验确定的，适应性较差。随后，P.Lockwood和J.Boudy提出了非线性谱减法[5]，它的原理是通过输入带噪语音信噪比自适应调整谱减参数。然而评价一个语音质量的好坏并不能仅仅依靠信噪比来确定，它还受语音的可懂度和清晰度等多方面的因素影响。于是，99年，人们将人耳的听觉掩蔽特性应与传统的语音增强方法相结合，不但很好的解决了剩余噪声的问题，而且还提高了语音的质量。目前，国内外许多学者针对残留噪声的问题仍在进行大量的研究，其中方法用的比较多的就是结合人耳的听觉掩蔽效应。除了上述的语音增强方法之外，近些年又不断涌现出新的语音增强方法，如基于信号子空间的增强算法、基于神经网络的语音增强方法、基于小波分解的语音增强方法和基于粒子滤波器的方法等等。这些方法也成为近几年国内外研究的热点。在国内，目前有很多科研院所、大学在做语音增强方面的研究，如浙江大学、湖南大学、四川大学、吉林大学及中国科研院声学研究所等[6]。实际中，大多数的语音处理系统都是在实时方式下工作的，随着语音增强算法理论的不断趋于成熟以及可编程DSP芯片的出现，语音增强的实时实现成为可能，语音增强技术也会逐步走向实用化[7]。 1.3语音增强研究的发展方向 语音增强技术已经成为语音信号处理领域中的重要分支。自1970年至今，人们提出的各种各样的语音增强方法已经成功地应用到如语音识别、语音编码等信号处理领域中。目前，由于语音增强方法的种类繁多，根据不同的标准，分类也就不同[8]。根据所用的麦克风数量的不同，语音增强算法可以分为单通道、多通道增强算法。单通道方法是一般常用的增强方法，它不受麦克风位置、信号源方向等因素影响，它是结合语音信号特征的一种针对性的算法，像谱减法、信号统计模型方法、听觉掩蔽算法、维纳滤波方法、信号子空间算法等都属于单通道增强方法。多通道语音增强算法是采用麦克风阵列来获取语音信号数据的，它利用阵列信号的信号源方向、说话人位置等空间特性，结合语音信号与噪声的特征来实现语音增强的，像自适应波束形成算法、结合波束形成与后滤波算法及各种基于信号子空间、统计模型算法等都属于多通道语音增强算法。综合分析可知，语音增强算法大体分为两种情况：一类方法运算量较小，容易实时实现，但增强后的语音中往往会有残留的剩余噪声；另一类方法的增强效果虽好，但是运算量很大，不容易实时实现。寻找一种运算