基于反幂法和卡尔曼滤波的自适应语音去混响方法.PDF

基于反幂法和卡尔曼滤波的自适应语音去混响方法.PDF

  1. 1、本文档共11页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于反幂法和卡尔曼滤波的自适应语音去混响方法.PDF

第34卷 第7期 信 号 处 理 Vol.34 No.7 2018年7月 JOURNALOFSIGNALPROCESSING Jul.2018 文章编号:1003-0530(2018)07-0776-11 基于反幂法和卡尔曼滤波的自适应 语音去混响方法 梅铁民 (沈阳理工大学自动化与电气工程学院,辽宁沈阳110159) 摘 要:噪声鲁棒的自适应语音信号去混响是现代语音信号处理的重要研究内容,其困难在于语音信号的非白 性、非平稳性及房间的超长冲激响应特性。针对单输入多输出(SIMO)麦克风阵列系统获取的多路混响语音信 号,提出了一种新的去混响算法。首先通过相关法时延估计对SIMO混响语音信号进行时延对齐;其次在保持 SIMO系统输出信号间交叉关联关系(crossrelation)基础上对混响语音信号进行预白化处理;最后把交叉关联关 系、用于矩阵最小特征向量计算的反幂法与卡尔曼滤波解卷积方法有机结合,实现了SIMO混响语音信号的实时 自适应去混响。仿真与实验研究表明,本方法对混响语音信号去混响效果明显,同时具有较好的抗噪声性能。 关键词:语音信号;去混响;交叉关联;反幂法;卡尔曼滤波 中图分类号:TN911   文献标识码:A   DOI:10.16798/j.issn.10030530.2018.07.003 AdaptiveSpeechDereverberationBasedonInversePower MethodandKalmanFilter MEITiemin (SchoolofAutomationandElectricalEngineering,ShenyangLigongUniversity,Shenyang,Liaoning110159,China) Abstract:Adaptivespeechdereverberationisanimportantresearchtopicinmodernspeechsignalprocessing.Thediffi cultieslieinthenonwhiteandnonstationarypropertiesofspeechsignalsandthelongimpulseresponsesofrooms.Ano veldereverberationalgorithmisproposedforsingleinputmultipleoutput(SIMO)reverberantspeechsignalswhichare acquiredwithmicrophonearray.Thereverberantspeechsignalsarefirstlyalignedaccordingtotimedelayswhichisesti matedwithcrosscorrelationandsecondlyprewhitenedwithacommonwhiteningfilterforallchannelssoastokeepthe crossrelationoftheprewhitenedreverberantspeechsignalsunchanged,arealtimedereverberationapproachislastlyde velopedwithcrossrelation,inversepowermethod,whichisusedfortheminimumeigenvectorsolutionofamatrix,and Kalmanfilter.Simulationsandexperimentsshowthattheproposedapproachworkswellforspeechdereverberationin noisyenvironments. Keywor

您可能关注的文档

文档评论(0)

sunguohong + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档