麦克风阵列及其消噪性能研究

麦克风阵列及其消噪性能研究 2006 年 1 月 计 算 机 工 程第 32 卷 第 2 期 January 2006 Computer Engineering Vol.32 ? 2 文章编号:1000—3428(2006)02—0191—03 文献标识码:A 中图分类号:TP391 ?人工智能及识别技术? 麦克风阵列及其消噪性能研究 杨 毅，杨 宇，余达太 (北京科技大学信息工程学院，北京100083) 摘 要:用麦克风阵列进行语音处理的方法可以提高信噪比，解决环境噪声，回声和混响引起的语音识别性能降低的问题，麦克风阵列系 统是由一组按一定几何结构摆放的麦克组成的系统。此阵列能接收空间传播信号，经过适当的信号处理，提取所需的信号源和信号属性等 信息。使用该系统可大大提高强干扰环境下的语音识别性能。 关键词:麦克风阵列,信噪比,波束形成,自适应,消噪 Microphone Array and Its Noise Reduction Ability Research YANG Yi, YANG Yu, YU Datai (School of Information Engineering, Beijing University of Science and Technology, Beijing 100083) 【Abstract】Speech progress using microphone arrays can promote SNR, solve the reduction of recognition?s performance because of environment noise, echo and reverberation. Microphone arrays system is composed of a serial of microphones put with special geometrical structure. It can get space radiate signal and pick-up the needed signal resource and attribute through appreciate signal processing. The recognition’s performance can be greatly increased under strong disturb environment using this system. 【Key words】Microphone array; SNR; Beamforming; Adapted algorithm; Noise Reduction 使语音和噪声混合进入麦克风。 1 概述 背景噪音环境对语音识别性能有很大的影响，提高语音 识别系统的鲁棒性，是语音识别研究的一个重点。过去在对 语音信号进行数字处理研究时，都是假设在理想情况下，当 很多技术从实验室走向实际应用时，由于环境噪声所带来的 问题越来越严重，语音常常受到环境噪声的干扰而使通话质 量下降或使语音处理系统不能正常工作。因此需要对带噪语 图 1 全向性的麦克风的结构原理和方向图 音进行处理，以提高语音质量。在这样的需求下提出了用麦 指向性麦克风的结构原理和方向图如2 图所 示。指向性 克风阵列进行语音处理的方法。麦克风阵列系统具有空间选麦克风包括前端口和后端口，声波在不同的时刻到达这两择特性。它以“电子瞄准”的方式使所形成的波束对准声源， 个 端口，因此在 其中一个端口 处放臵机械屏 障抑制其他说话人的声音和环境噪声，从而获得高品质的声源 (Mechanical Screen)，起到补偿时延的作用，两列声波以[1]信号。麦克风阵列可用于语音增强，声源搜索和定位，以 相同时刻到达横 膜为全向性麦克。通过调整机械屏障可及声源跟踪等领域。在车载电话，电信会议，助听器等方面 以起到调整时延的作 应用广泛。 用，不同时延产生不同的指向性。利用麦克风的方向性可以20 世纪 80 年代以来，传感器阵列信号处理技术得到迅 降低来自特定方向的部分噪声，起到提高信噪比的目的。猛的发展，并在雷达，声纳及通信中得到广泛的引用。 进入 90 年代以来，基于麦克风阵列的语音处理算法正逐 渐成为一个新的研究热点。基于麦克风阵列的算法继承了天 线阵列的有关算法。同时，吸收了一些单麦克抗噪方法，两 者的结合使麦克风阵列语音增强系统有着显著的消噪效果。 目前国外从事麦克风阵列研究的机构主要有:英特尔公 司， 宝利通公司，东芝公司等。尚未见到国内有将麦克风阵 列作为消除噪音的应用研究发 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 。图 2 指向性麦克风的结构原理和方向图 2.2 麦克风阵列的指向性分析 2 麦克风阵列及其基本原理2.1 麦克风的结构和方向性 作为 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 声音输入设备，麦克风可 n 阶微分麦克风阵列的构成如3图 所示。 分为全向性和指向性。 [72]全向性麦克风的结构原理和方向图如1 图所 示。声波通过 作者简介:杨 毅(1978—)，女，博士，主研方向:语音增强与信号 引起横膜的震动使声波信号转变为电信号，达到传输声音 消噪处理,杨 宇，助工,余达太，博导的 目的。全向性麦克风不加区分的接收所有方向上的声收稿日期:2004-12-30 E-mail:yynmgirl@sina.com 音，致 2? jω (τ + d c o s θ / c ) i ω , θ ) = p E ((1 ? e )0 ? i = 1 Delay Delay Delay 上式可简化为 2 2 E(ω,θ ) ? p ω (τ + d / c cosθ ) 一阶微分 0 ? i i =1 Delay Delay 定义 为 ，则α α=τ/(τ+ d/ c) i i i i i E ( θ ) = [ α + ( 1 ? α ) c o s θ ] [ α + ( 1 ? α ) c o s θ ] 1 1 2 2 二阶微分 对应不同的 α 有不同的方向图(见图 5)。对于二阶微分 i Delay 阵列，方向图上唯一的零点所对应的角度为 三阶微分 α? ?1 1 ?α ? 1 2 θ = cos( ) 1 θ = co s () 图 3 n 阶微分麦克风阵列构成 2 1 ? α 1 ? α 1 2 当声源到麦克风的距离之平方远小于声波波长，可假设 2.2.3 三阶微分麦克风阵列 声波为平面波，则空间中任意点的声压可表示 为三 阶 微 分 麦 克 风 阵 列 的 输 出 公 式 为 T ω t ? K r c o s θ ) j ( j ( ω t ? K r ) 。 为平面波幅3 pp ( k , r , t ) = p e = p e 0 0 0 ? jω ( τ + d c o s θ / c ) 。上式可简化为i E (ω , θ ) = p (1 ? e ) 0 ? 度 ， 为 角 频 率 ， 为 矩 阵 转 臵 ， K 为 声 波 矩 阵 ω i = 1 3 ，这里 为声波波长，C 为声( λ = k = ω / c = 2 π / λ K 3 E(ω, θ ) ? p ω (τ + d / c cosθ ) 。定义 为 ，则α? α = τ /(τ + d / c) 0 i i i i i i 速，r, 为位臵矩阵，和选取的起始点有关)，θ是位臵矩阵 r i=1 ，对应不E(θ ) = [α + (1? α ) cosθ ][α + (1? α ) cosθ ][α + (1?α ) cosθ ] 和声波矩阵k 之间的夹角。不考虑t 的因素 ，对上式进行一 r 1 1 2 2 3 3 同的 有不同的方向图(见图 6)。 d α ? jKr cos θ i 阶微分可得: 。同理n 阶微 p(k , r ) = p (? jk cos θ )e0 dr n d n ? jKr cos θ 分为 p ( k , r ) = p ( ? jk cos θ ) e 0 ndr 2.2.1 一阶微分麦克风阵列 一 阶 微 分 麦 克 风 阵 列 的 输 出 公 式 为 ? jω ( τ + d c o s θ / c ) 。 上 式 可 简 化 为 ) E (ω , θ ) = p (1 ? e 0 6 0.113， ,0.473， ,0.346 和 0.45，图 α = α α α = 。 E (ω , θ ) ? p ω (τ + d / c c o s θ ) 2 3 1 1 0 ,0.15， ,-1.35 时三阶微分麦克风阵列的方向图α αα定义 A，A， 为 011 2 3 d / c τ 。 + A= 1 A 3 麦克风阵列的自适应消噪算法1?α = A = 1 α = A=0 1 1 1 0 τ + d / c τ +d / c 麦克风阵列的传统波束形成法在各向同性，均匀的噪声则 。对应不同 E (θ ) = A+ Aco s θ = + (1 ? ) co s θ αα0 1 1 1 场可能有好的检测能力。但是一旦出现近场干扰，或者背景 的 有不同的方向图(见图 4)。 α 噪声有某种不平稳性，这种检测能力就会迅速下降。而且传 1 统的波束形成法仅仅利用了空域的先验信息，如阵列几何结 构，但是这些先验信息在实际应用场合往往不是很精确，因[5]此。人们将注意力集中在自适应阵列信号处理领域。 [3]常用算法有 LMS，DMI，RLS 算法。 3.1 最小均方(LMS)算法 LMS 是一种广泛使用的算法理论，该算法是由其创始人 Widrow 和 Hoff 命名为最小均方(LMS，least-mean-square)算 图 4 ,0.55 和 ,0.20 时一阶微分 α α 11[5]麦克风阵列的方向图 法。由于实现简单且对信号统计特性变化具有稳健性LMS ， 成为其它自适应算法的参照标准LM。S 算法的缺点在于当输 入信号的自相关矩阵的特征值分散时，其收敛性变差。学者 [2]们进行长期研究并提出了不少改进算法。 LMS 算法的流程如下: 参量:M=滤波器抽头数，μ =步长参数。其中，μ为迭代 步长，它控制算法收敛的速度。取值必须满足才能保证算法 收敛。 是抽头输入的功率谱密度的最大值M， 为滤波器 Smax α = α 图 5 α= α ,0.5 和 0.41 ,-0.41 1 2 1 2 长度。在收敛的每一步都要重新确定μ值。 时二阶微分麦克风阵列的方向图初始条件: (0)=0 或由先验知识决定。 w 对于一阶微分阵列，方向图上唯一的零点对应的角度为 运算:对n=1,2 …αA? ?1 ?1 0 1 θ = cos(? ) = cos( ) (1)取得 x(n),d(n)1?α A 1H 0(2)滤波 y(n)= w ( n ) x ( n )2.2.2 二阶微分麦克风阵列 (3)误差估计e (n)=d(n)-y(n) 二阶微分麦克风阵列的输出公式为* (4)更新权向量 ww(n + 1) = w(n) + 2μ x(n)e (n) 1 —192— 其它由 LMS 算法衍生出 来的算法包 括:归化一 算法快的多，而它的性能和DM I 算法接近。因而R LS LMS LMS(NLMS)算法，批处理LMS (BLMS算法)，快速L MS(FLMS)算法兼有LM S 和 DMI 的优点，应用前景广泛。 3.4 结论 采用自适应波束形成可使阵列自动调整自己的波 算法等。束，以 3.2 取样协方差矩阵的直接求逆(DMI)算法适应外界环境。最大限度加强有用信号，大大提高了信号干 DMI(直接矩阵求逆)算法又称SMI( 采样矩阵求逆)算法。扰比。自适应滤波就是利用前一时刻所获得的滤波器参数等 DMI 算法根据估计的采样协方差矩阵直接由正规方程计算矢 结果，自动调整现在时刻的滤波器参数，以达到最佳滤波, 量，能克服协方差矩阵特征值分散对加权矢量收敛速度的影 且输入信号和噪声的统计特性出现变化的时候，能够跟踪并 自动调节参数，使滤波器重新达到最佳状态。实际应用中， 响，因而可以达到很高的处理速度D。MI 算法首先由 Reed 要计算最优加权，则权向量根据某种自适应算法自适应地随 等人系统提出讨论。着输入数据的变化而更新。 DMI 是一种数字开环计算方,法它通过直接求解阵列协 4 麦克风阵列的应用前景方差矩阵 R 来估计权矢量,从而避免收敛速率依赖于特征值 麦克风阵列的应用前景非常的广阔。例如:取代语音识散布这一问题。R 的无偏估计由下式给出。 k 别系统中的麦克风前端，进行抗噪和回声消除处理，提高系 1 H ˆ R(k ) = x(k ) x (k ) ? 统的识别率,当应用于车载移动通讯设备时可进行免提(Hand K k =1 ,free)通话,也可在电视电话会议中使麦克风阵列指向发言 其中,R(k)为第 k 时刻的阵列协方差矩阵的估计,K 为阵列总 者，使之发言清晰响亮，同时摄像机对准发言人，将其收 入 数 . 通过矩阵求 逆计算可 以进 一步确定 最优 权矢量估 计为 画面。此外还可应用在军事用途，例如:大型坦克和飞机驾?1ˆ 。DMI算法可在可 在K ,2N 时刻内收敛至最优权 ˆ ˆw= Rr xd 驶员需要佩戴抗噪性能高的头盔进行通信，此时普通麦克就 值的范围内。当然,在实际应用中还需考虑协方差矩阵求逆计 无能为力，而麦克风阵列可充分发挥其良好的抗噪性能 。目 算的复杂度以及数值稳定性等问题。 DMI 算法比 LMS 算法收敛速度快得多。但是需要矩阵 [2] [3] 前麦克风阵列主要应用于:移动免提通，信电信会 议 ， 求逆运算。运算量大。硬件实现复杂。 [4] [5] 助听器 ，声源定位 和语音增强等领域。总之，麦克风阵 3.3 递归最小二乘(RLS)算法 列的研究和众多学科息息相关，同时又有着广泛的应用前景。 递归最小二乘(RLS)算法是以最小二乘准则作为最佳准 则的算法，由此算法得到的是对一组已知数据的最佳滤波器。 参考文献 RLS 算法假设阵列信号为数据取样形式，并使用数字处理器 1 房德新. 基于麦克风阵列的语音增强方法研究[D]. 大连:大连理 调整权值，在每一取样瞬间根据最小二乘准则计算权值的最 工大学, 2001 佳值。它基于递归采样计算协方差矩阵。RLS 算法的优点是 2 Hoffman M W. Microphone Array Calibration for Robust Adaptive 收敛速度快，故在自适应信号处理与快速信道均衡，自适Processing[C]. IEEE ASSP Workshop on Applications of Signal 应 控制，系统辨识，参数估计以及时间序列分析中已被作Processing to Audio and Acoustics, 1995: 11-14 为基 本的估计和处理方法。 3 Macomber D F. Design Theory of Microphone Arrays for RLS 算法流程如下:Teleconferencing [D]. University of Pennsylvania, 2001 ?1 初始条件:w (0)=0，x(0)=0，c(0)= ( 为小的正整数)δ I δ 4 Kompis M, Feuz P, Valentini G. A Combined Fixed/adaptive 运算:对n=1,2… Beamforming Noise-reduction System for Hearing Aids. [C]. (1)取得 x(n),d(n)th Proceedings of the 20IEEE Annual International Conference on T ?1)x(n) C(n (2)更新增益矢量 μ (n) = x(n)C(n ?1) x(n) g(n) = Engineering in Medicine and Biology Society, 1998, 6: 3136 λ + μ(n) T 5 Nishiura T, Nakamura S, Shikano K. Talker Iocalization in a Real (3)更新滤波器参量 (4)更w(n) = w(n?1) + g(n)[d(n) ? x(n)w(n?1)] ?1T 新逆矩阵 C (n) = λ [C (n ? 1) ? g (n) x(n)C (n ? 1)] Acoustic Environment Based on DoA Estimation and RLS 算法和 DMI 算法之间的主要区别在于计算逆矩阵 Statistical Sound Source Identification[C]. Proceedings of (ICASSP '02), IEEE International Conference on Acoustics, Speech, 的方法不同。RLS 算法无需直接进行矩阵求逆运算。因而比 and Signal Processing, 2002, 1: 1-893 DMI 运算量小。RLS 算法的收敛速度比D MI 算法慢，但比 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ (上接第19 0 页) 参考文献 1 Heckerman D. A Tutorial on Learnig Bayesian Networks[R]. 在此提出了基于自动学习提取过滤规则的邮件过滤方法 Technical Report, MSR_TR_95_6 , 1995-03 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 出该网段过滤系统，该系统对垃圾邮件过滤取得了较好 2 Yerazunis W S. The Spam-filtering Accuracy Plateau at 99.9% 的效果。如果该系统在In ternet 的更广泛的范围的协作，从 Accuracy and How to Get Past It[C]. 2004 MIT Spam Conference, 而构成分布式邮件过滤系统，能使系统对垃圾邮件的堵截将 2004-01-18 更为有效，由此下一步工作就是如何提高系统的协作性能。 3 贾兆红, 倪志伟, 赵 鹏. 用遗传算洼挖掘范例库中的特征项权 该过滤系统虽说对邮件的分发带来了微小的延迟，但与浪费 重的方法[J]. 计算机工程, 2003, 29 (14): 71 的系统资源相比是微不足道的，本反垃圾邮件系统具有较大 的实用价值。