CN105118515B - 一种基于麦克风阵列的风噪声检测方法 - Google Patents
一种基于麦克风阵列的风噪声检测方法 Download PDFInfo
- Publication number
- CN105118515B CN105118515B CN201510387604.0A CN201510387604A CN105118515B CN 105118515 B CN105118515 B CN 105118515B CN 201510387604 A CN201510387604 A CN 201510387604A CN 105118515 B CN105118515 B CN 105118515B
- Authority
- CN
- China
- Prior art keywords
- wind noise
- time delay
- signal
- microphone
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Circuit For Audible Band Transducer (AREA)
Abstract
本发明涉及一种基于麦克风阵列的风噪声检测方法,包括以下步骤:先对麦克风阵列采集的声音信号进行预处理,包括分帧,去均值等,再利用延时估计算法计算各个通道间的时延值,判断计算的时延值是否超过设定的阈值,如果超过则为风噪声,否则为其他声信号。本发明设计的风噪声检测方法,从风噪声信号和声音目标信号在空气中传播速度的本质性差异入手,利用麦克风阵列间各通道间的时延参数进行风噪声检测。该发明具有简单、计算量小,能在检测精度和功耗两方面获得较好的折中,对风噪声等级具有鲁棒性和环境适应能力强等特点。
Description
技术领域
本发明涉及一种基于麦克风阵列的风噪声检测方法,特别是涉及一种采用麦克风阵列间的时延值作为参数,对风噪声存在与否进行检测的方法。属于风噪声检测技术领域。
背景技术
风噪声是指风作用于声响传感器微结构产生的噪声,其叠加到目标信号中,产生损害麦克风信号的噪声。风噪声是麦克风应用于室外场景中最常见也是最难处理的噪声,其具有间歇性和非平稳特性。
例如在助听器中,风噪声检测是使用降风噪算法的一个必要前提,不合理的使用降风噪算法反而会恶化信号,导致语音信号结构遭到破坏,严重降低语音信号可听度和可懂度。同样,在野外监控传感网中,声探测器所采集的声信号受到风的干扰极大,导致其检测、识别准确率、定向估计精度下降甚至出现错误。所以,一个可靠的风噪声检测方法是非常重要的。在现有技术中,检测风噪声的方法依赖于检测麦克风信号中风噪声的特定振幅特征。一旦检测到风噪声,则选择适当的信号处理策略以衰减或抑制被认为会受到风噪声信号污染的频带。但是风噪声信号的频谱与音乐、语音等声波信号的频谱有一定重叠,且风噪声具有间歇性和非平稳特性,所以该类方法对风噪声信号的可靠检测已被证明难以实现。
相比较单个传声器而言,麦克风阵列富含更多空间信息,可有效用于声信号的增强以及干扰的抑制,所以现有的风噪声检测方法也大多采用阵列的形式。然而,当利用麦克风阵列对风噪声进行检测的时候,现有的检测器很少利用阵列间的时延值参数,而阵列间的时延值是一个十分重要的空间特征,具有丰富的目标特征信息。目前常用的时延估计方法一般是通过采用广义互相关方法(GCC)等,并利用平滑相干变换(Smoothed CoherenceTransform,SCOT)、相位变换(Phase Transform,PHAT)或最大似然(Maximum Likelihood,ML)等方式进行加权,从而得出声源到两两传声器之间的时延值。
发明内容
本发明的目的在于提供风噪声检测技术领域,本发明所要解决的技术问题是提供一种基于麦克风阵列的,计算量小、功耗低,环境适应能力强、性能可靠,具有较强鲁棒性的风噪声检测方法。
本发明设计的风噪声检测方法,从风噪声信号和声音目标信号在空气中传播速度的本质性差异入手,利用麦克风阵列各通道间的时延参数有效地进行风噪声检测。
具体地说,本发明所采用的具体技术方案是:
提供一种采用麦克风阵列的、结合各个通道间时延值的风噪声检测方法,包括以下步骤:
(1)对麦克风阵列采集的声音信号进行预处理,包括了帧、去均值等,再利用延时估计算法计算各个通道间的时延值;
(2)判断计算的时延值是否超过设定的阈值,如果超过则为风噪声,否则为其他声信号。
所述麦克风阵列的传声器数量为2个或2个以上,传声器排列方式为均匀线阵、均匀圆阵或随机排列。
所述风噪声检测方法,不仅限于只用一级检测方法,可以将其中主要的时延估计检测算法作为多级检测中的其中一级用于风噪声检测。
所述步骤(1)中的时延估计算法为现有的时延估计算法之一,不同运算方法在运算复杂度,系统资源占用,运算结果精度方面有较大区别,可根据系统设计实际需求选定。所述步骤(2)中的阈值的选取方式为现有的延时阈值选择方法之一,如经验阈值、环境自适应与阈值选取等方法。
本发明由于采用了上述的技术方案,因此本发明与现有技术相比,显然具有以下的优点和积极效果:
本发明利用麦克风阵列来对风噪声进行检测。本发明从风噪声信号和声音目标信号在空气中传播速度的本质性差异入手,突破了其他传统的风噪声检测方法,仅仅需要简单估计麦克风阵列间的时延值,即可精确有效地检测出风噪声。而且现有时延估计算法丰富多样,不同运算方法在运算复杂度,系统资源占用,运算结果精度方面有较大区别,本发明可根据系统设计需求和实际应用场景选择,能够在检测精度和功耗两方面获得较好的折中。此外,当麦克风应用于风速较大的应用场景时,其接收到的风噪声急剧增大,可能会导致其他基于风噪声信号与声音信号频谱结构的检测算法失效。而本发明采用的方法是从本质上区分了风噪声信号和声信号,对于风噪声等级具有鲁棒性,同时也说明该发明具有应用范围广的特点。本发明具有计算量小、功耗低,对风噪声等级具有鲁棒性,环境适应能力强等特点,特别适合用于需要对风噪声进行精确检测的情形。在检测精度和功耗两方面获得较好的折中。
附图说明
图1是算法操作流程图;
图2是四元圆阵传声器阵列拓扑结构图;
图3是均匀线阵和随机阵列的拓扑结构示意图;其中,①均匀阵列,②L阵列;
图4是计算两个通道信号时延方法之一;
图5是实施例的操作流程图。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种基于麦克风阵列的风噪声检测方法,如附图1所示,包括以下步骤:(1)对麦克风阵列采集的声音信号进行预处理,包括分帧,去均值等,再利用延时估计算法计算各个通道间的时延值;(2)判断计算的时延值是否超过设定的阈值,如果超过则为风噪声,否则为其他声信号。
下面以一个风噪声检测算法的具体实施例来进一步说明本发明。
传声器阵列,确定为四元圆阵,阵列孔径R确定为4厘米,阵列拓扑结构如附图2所示,传声器选用美国Analog Device公司生产的MEMS传声器ADMP504;
步骤一:现以一个直径为4cm的四阵元均匀圆阵的麦克风阵列采集声音信号为例,其他如均匀线阵或者随机阵列的处理方式与此相类比,其具体排列方式如附图3,图3中②L阵列式为随机排列中的一种,但不仅限于该两种排列方式;对采集的声音信号进行每1024个点分帧,去均值;利用附图4所示PHAT时延估计方法计算A和C,B和D通道间的时延值,即按下式进行时延估计:
ψg(f)=|1/Gx1x2(f)|
其中Rx1x2(τ)为信号x1和信号x2之间的互相关函数,Gx1x2(f)是信号x1和信号x2的互谱函数,ψg(f)是加权函数,τ12为两通道信号之间的时延值,获取方式为搜索两信号间互相关函数的最大值的横坐标,具体的步骤解释可参考附图4;
此处采用的ψg(f)加权函数方法即为PHAT法,不同的加权函数将会导致不同的计算精度和复杂度,比如还有1/Gx1x2(f),等不同的加权方式。
步骤二:计算完各个通道间时延值时,分别判断其是否超过预设的阈值;如果其中一个通道超过了,则检测到风噪声,否则应为声信号。因为只要是声信号,不管有多少个通道,其两两通道间时延一定是低于阈值的,具体操作流程图见附图5。
其中阈值的设定可以先设为经验值,然后在检测过程中可以根据应用环境进行自适应调整,使其能够适应不同的环境,增强其环境适应性;
据本实例的圆阵结构可得,声音目标信号在阵元A和C之间的时延,即当声音信号从远处传播过来,到达传声器A和传声器C之间的时延值为其中d表示圆阵直径,为4cm,f为信号采样频率,实验中为8192Hz,v表示声音在空气中的速度,常取340m/s。通过多次实验选取经验阈值为2;而风速从0到20m/s不等,其时延远远大于2,故可有效检测出风噪声。
不难发现,本发明从风噪声信号和声音目标信号在空气中传播速度的本质性差异入手,仅仅需要简单估计麦克风阵列间的时延值,即可精确有效地检测出风噪声,且对于风噪声等级具有鲁棒性。同时,本发明可根据系统设计需求和实际应用场景,选择合适的时延估计算法,能够在检测精度和功耗两方面获得较好的折中。本发明具有计算量小、功耗低,对风噪声等级具有鲁棒性,环境适应能力强等特点,特别适合用于需要对风噪声进行精确检测的情形。
Claims (5)
1.一种基于麦克风阵列的风噪声检测方法,其特征在于从风噪声和声目标信号在空气中传播速度的本质差异入手,利用麦克风阵列各通道间的时延参数进行风噪声检测;
包括以下步骤:
(1)对麦克风阵列采集的声音信号进行预处理,包括分帧,去均值,再利用延时估计算法计算各个通道间的时延值;
(2)判断计算的时延值是否超过设定的阈值,如果超过则为风噪声,否则为其他声信号;
所述麦克风阵列的传声器数量为2个或2个以上,排列方式为均匀线阵、均匀圆阵或随机排列;
对于直径为4cm的四阵元均匀圆阵列的麦克风阵列的风噪声检测步骤是:
步骤1,对采集的声音信号进行每1024个点分帧,去均值处理;再利用PHAT时延估计方法计算A和C,B和D通道间的时延值,即按下式进行时延估计:
ψg(f)=|1/Gx1x2(f)|
其中Rx1x2(τ)为信号x1和信号x2之间的互相关函数,Gx1x2(f)是信号x1和信号x2的互谱函数,ψg(f)是加权函数,τ12为两通道信号之间的时延值,获取方式为搜索两信号间互相关函数的最大值的横坐标,采用的ψg(f)加权函数方法即为相位变换PHAT法进行加权;
步骤2,计算完各个通道间时延值后,分别判断其是否超过预设的阈值;如果其中一个通道超过了,则检测到风噪声,否则应为声信号;
其中阈值的设定先设为经验值,然后在检测过程中根据应用环境进行自适应调整,使其能够适应不同的环境,增强其环境适应性;
声音目标信号在阵元A和C之间的时延,即当声音信号从远处传播过来,到达传声器A和传声器C之间的时延值为其中d表示圆阵直径,为4cm,f为信号采样频率,f为8192Hz,v表示声音在空气中的速度,常取340m/s,通过多次实验选取经验阈值为2;而风速从0到20m/s不等,其时延远远大于2,可有效检测出风噪声。
2.按权利要求1所述的方法,其特征在于所述检测方法,将其中主要的时延估计检测算法作为多级检测中的其中一级,用于提升风噪声检测的性能。
3.按权利要求1所述的方法,其特征在于所述的风噪声的等级具有鲁棒性。
4.按权利要求1所述的方法,其特征在于:
①不同的加权函数将会导致不同的计算精度和复杂度;
②声信号不管有多少个通道,其两两通道间时延一定是低于阈值的。
5.按权利要求1所述的方法,其特征在于传声器为美国Analog Device公司生产的MEMS传声器ADMP504。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510387604.0A CN105118515B (zh) | 2015-07-03 | 2015-07-03 | 一种基于麦克风阵列的风噪声检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510387604.0A CN105118515B (zh) | 2015-07-03 | 2015-07-03 | 一种基于麦克风阵列的风噪声检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105118515A CN105118515A (zh) | 2015-12-02 |
CN105118515B true CN105118515B (zh) | 2018-11-27 |
Family
ID=54666478
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510387604.0A Active CN105118515B (zh) | 2015-07-03 | 2015-07-03 | 一种基于麦克风阵列的风噪声检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105118515B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105676182A (zh) * | 2016-02-26 | 2016-06-15 | 南方电网科学研究院有限责任公司 | 风噪声源的定位方法及系统 |
CN108896323A (zh) * | 2018-08-31 | 2018-11-27 | 重庆长安汽车股份有限公司 | 一种汽车风噪泄漏声的测试方法 |
CN109905793B (zh) * | 2019-02-21 | 2021-01-22 | 电信科学技术研究院有限公司 | 一种风噪声抑制方法、装置及可读存储介质 |
CN110267160B (zh) * | 2019-05-31 | 2020-09-22 | 潍坊歌尔电子有限公司 | 声音信号处理方法、装置及设备 |
CN111261182B (zh) * | 2020-05-07 | 2020-10-23 | 上海力声特医学科技有限公司 | 适用于人工耳蜗的风噪抑制方法及其系统 |
CN113674758A (zh) * | 2021-07-09 | 2021-11-19 | 南京航空航天大学 | 基于智能手机的风噪声的判断方法、装置以及电子设备 |
CN115616082B (zh) * | 2022-12-14 | 2023-04-28 | 杭州兆华电子股份有限公司 | 一种基于杂音检测的键盘缺陷分析方法 |
CN116312447B (zh) * | 2023-02-09 | 2023-11-10 | 杭州兆华电子股份有限公司 | 一种定向噪声消除方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102239705A (zh) * | 2008-12-05 | 2011-11-09 | 音频专用集成电路公司 | 风噪声检测方法和系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8184816B2 (en) * | 2008-03-18 | 2012-05-22 | Qualcomm Incorporated | Systems and methods for detecting wind noise using multiple audio sources |
JP2011030022A (ja) * | 2009-07-27 | 2011-02-10 | Canon Inc | 雑音判定装置、音声記録装置、及び雑音判定装置の制御方法 |
JP5920311B2 (ja) * | 2013-10-24 | 2016-05-18 | トヨタ自動車株式会社 | 風検出装置 |
-
2015
- 2015-07-03 CN CN201510387604.0A patent/CN105118515B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102239705A (zh) * | 2008-12-05 | 2011-11-09 | 音频专用集成电路公司 | 风噪声检测方法和系统 |
Non-Patent Citations (1)
Title |
---|
Discrimination of Wind Noise and Sound Waves by Their Contrasting Spatial and Temporal Properties;D. Keith Wilson et al;《ACTA ACUSTICA UNITED WITH ACUSTICA》;20101231;第96卷;第3部分最后一段 * |
Also Published As
Publication number | Publication date |
---|---|
CN105118515A (zh) | 2015-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105118515B (zh) | 一种基于麦克风阵列的风噪声检测方法 | |
CN107976651B (zh) | 一种基于麦克风阵列的声源定位方法及装置 | |
CN108731886B (zh) | 一种基于迭代递推的供水管道多泄漏点声定位方法 | |
CN105323772B (zh) | 一种基于智能手机的传感器网络节点自定位方法 | |
JP5862679B2 (ja) | 音源検出装置 | |
CN104041075A (zh) | 音频源位置估计 | |
JP4910568B2 (ja) | 紙擦れ音除去装置 | |
AU2015292259A1 (en) | Method and apparatus for wind noise detection | |
CN105388459A (zh) | 分布式麦克风阵列网络的鲁棒声源空间定位方法 | |
CN103426440A (zh) | 利用能量谱熵空间信息的语音端点检测装置及其检测方法 | |
KR100877914B1 (ko) | 음원위치-지연시간차 상관관계 역 추정에 의한 음원 방향검지 시스템 및 방법 | |
CN104464722A (zh) | 基于时域和频域的语音活性检测方法和设备 | |
CN104766093A (zh) | 一种基于麦克风阵列的声目标分类方法 | |
CN109188362A (zh) | 一种麦克风阵列声源定位信号处理方法 | |
CN109212481A (zh) | 一种利用麦克风阵列进行声源定位的方法 | |
CN103268766A (zh) | 双麦克风语音增强方法及装置 | |
RU2013149703A (ru) | Способ распознавания цели (варианты) | |
CN103901421A (zh) | 基于对角减载的水声阵列smi-mvdr空间谱估计方法 | |
Hadad et al. | Multi-speaker direction of arrival estimation using SRP-PHAT algorithm with a weighted histogram | |
CN108269581B (zh) | 一种基于频域相干函数的双麦克风时延差估计方法 | |
Yang et al. | Multiple Sound Source Counting and Localization Based on Spatial Principal Eigenvector. | |
TWI609193B (zh) | 基於調頻聲波的空間擾動偵測方法與裝置 | |
Ju et al. | Tracking the moving sound target based on distributed microphone pairs | |
Park et al. | Improving acoustic localization accuracy by applying interaural level difference and support vector machine for AoA outlier removal | |
CN108574956B (zh) | 一种特征序列的优选方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |