CN109389991A - 一种基于麦克风阵列的信号增强方法 - Google Patents

一种基于麦克风阵列的信号增强方法 Download PDF

Info

Publication number
CN109389991A
CN109389991A CN201811243475.8A CN201811243475A CN109389991A CN 109389991 A CN109389991 A CN 109389991A CN 201811243475 A CN201811243475 A CN 201811243475A CN 109389991 A CN109389991 A CN 109389991A
Authority
CN
China
Prior art keywords
signal
domain
adaptive
time
voice signal
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.)
Pending
Application number
CN201811243475.8A
Other languages
English (en)
Inventor
赵沁
罗珊珊
谷征峰
周鹏
李宝清
袁晓兵
刘华巍
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Institute of Microsystem and Information Technology of CAS
University of Chinese Academy of Sciences
Original Assignee
Shanghai Institute of Microsystem and Information Technology of CAS
University of Chinese Academy of Sciences
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Institute of Microsystem and Information Technology of CAS, University of Chinese Academy of Sciences filed Critical Shanghai Institute of Microsystem and Information Technology of CAS
Priority to CN201811243475.8A priority Critical patent/CN109389991A/zh
Publication of CN109389991A publication Critical patent/CN109389991A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Processing of the speech or voice signal to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Processing of the speech or voice signal to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G10L21/0216—Noise filtering characterised by the method used for estimating noise
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Processing of the speech or voice signal to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G10L21/0216—Noise filtering characterised by the method used for estimating noise
    • G10L2021/02161—Number of inputs available containing the signal or the noise to be suppressed
    • G10L2021/02166—Microphone arrays; Beamforming

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Circuit For Audible Band Transducer (AREA)

Abstract

本发明涉及一种基于麦克风阵列的信号增强方法，其包括：步骤S1，获得频域观测信号；步骤S2，将所述频域观测信号输入一固定波束形成器中进行固定波束形成，以获得含有残留噪声的语音信号；步骤S3，将所述频域观测信号输入一阻塞矩阵，并经过与该阻塞矩阵连接的自适应滤波器处理后，获得参考噪声信号；步骤S4，将所述含有残留噪声的语音信号以及参考噪声信号输入到自适应噪声消除器中进行自适应滤波，以获得频域增强语音信号；步骤S5，对所述频域增强语音信号进行时频转换，以获得时域增强语音信号。本发明采用自适应方法优化广义旁瓣消除器，对含有残留噪声的语音信号的增强效果良好，鲁棒性高。

Description

一种基于麦克风阵列的信号增强方法
技术领域
本发明涉及阵列信号处理中的语音信号增强技术，尤其涉及一种基于麦克风阵列的信号增强方法。
背景技术
在实际应用中，传感器接收到的语音往往是经过不同的噪声干扰污染之后的信号，对于后续的语音交互系统来说，信号增强是必需的处理手段。语音增强的目的就是提高语音处理系统(智能终端、智能设备、机器人等)的识别率和抗干扰能力。
基于麦克风阵列的语音增强方法可以同时利用空域和时域的信息，从而得到更好的处理效果。其中，波束形成算法是当前主流的阵列语音增强方法，由于其在增强目标方向的语音信号的同时，还能抑制干扰方向的噪声信号，因此得到了广泛的应用。
然而，现有的许多波束形成技术一般都仅用于处理窄带信号，而语音信号是宽带信号，因此，这种现有技术对语音及其他宽带信号并不适用。这就要求波束形成器的波束具有频率无关性，即阵列在较宽的频率范围内保持基本一致的波束图，从而能在全频带对语音信号进行有效增强。
另外，广义旁瓣消除器(GSC)作为一种阵列波束形成技术，其基本思想是在满足一定约束条件下使得输出信噪比达到最大，通过自适应相消，GSC可以在信号旁瓣方向上自适应形成零点，在信噪比较低的情况下也尤其适用。GSC包括三个部分：固定波束形成，阻塞矩阵以及自适应噪声相消器。然而，传统的GSC在阻塞矩阵设置不当时，GSC容易出现语音泄露的问题，从而使得信号增强的效果不佳。
发明内容
为了解决上述现有技术存在的问题，本发明旨在提供一种基于麦克风阵列的信号增强方法，以提高对含噪语音信号的增强效果。
本发明所述的一种基于麦克风阵列的信号增强方法，其包括以下步骤：
步骤S1，通过由N个传感器构成的麦克风阵列采集一目标语音信号，以获得N个时域观测信号，并在对该N个时域观测信号进行预处理后进行时频转换，以获得频域观测信号X(t,eiω)，并将其表示为：
X(t,eiω)＝[X1(t,eiω),X2(t,eiω),….,XN(t,eiω)]T；
步骤S2，将所述频域观测信号X(t,eiω)输入一固定波束形成器中进行固定波束形成，以获得含有残留噪声的语音信号Y(t,eiω)，并将其表示为：
其中，Wn(t,eiω)表示第n个频域观测信号Xn(t,eiω)的自适应滤波系数，并且通过变步长归一化最小均方误差准则对所述频域观测信号X(t,eiω)进行自适应滤波；
步骤S3，将所述频域观测信号X(t,eiω)输入一阻塞矩阵B，并经过与该阻塞矩阵B连接的自适应滤波器处理后，获得参考噪声信号，其中，所述阻塞矩阵B表示为；
其中，W1(t,eiω),W2(t,eiω),….,WN(t,eiω)表示第1、2、……、N个频域观测信号X1(t,eiω),X2(t,eiω),….,XN(t,eiω)的自适应滤波系数；
步骤S4，通过所述通过变步长归一化最小均方误差准则构建一自适应噪声消除器，将所述含有残留噪声的语音信号Y(t,eiω)以及参考噪声信号输入到该自适应噪声消除器中进行自适应滤波，以获得频域增强语音信号；
步骤S5，对所述频域增强语音信号进行时频转换，以获得时域增强语音信号。
在上述的基于麦克风阵列的信号增强方法中，所述步骤S1包括：对所述N个时域观测信号进行分帧加窗处理后获得分帧数据，然后再对所述分帧数据逐帧进行时频转换，以获得所述频域观测信号。
在上述的基于麦克风阵列的信号增强方法中，所述步骤S1包括：将所述N个时域观测信号表示为：x(t)＝[x1(t),x2(t),…,xN(t)]T，其中，在时刻t下的第j个时域观测信号xj(t)为：
xj(t)＝aj(t)*s(t),….,j＝1,2,…,N
其中，s(t)表示所述目标语音信号，aj(t)表示所述目标语音信号s(t)到第j个所述传感器的空间响应函数；
通过短时傅里叶变换对预处理后的时域观测信号进行时频转换，以获得在时刻t下的所述频域观测信号X(t,eiω)，并将其表示为：
X(t,eiω)＝A(t,eiω)·S(t,eiω)
其中，A(t,eiω)＝[A1(t,eiω),A2(t,eiω),….,AN(t,eiω)]T，表示在时刻t下的频域响应函数，S(t,eiω)表示在时刻t下的频域源信号。
在上述的基于麦克风阵列的信号增强方法中，在所述步骤S2中，自适应滤波系数W(t,eiω)在第k+1次更新时的更新规则为：
其中，w(k+1)表示第k+1次更新的自适应滤波系数，w(k)表示第k次更新的自适应滤波系数，μ(k)表示第k次更新自适应滤波系数时的可变步长，α表示分母保护因子，x(k)表示第k次更新自适应滤波系数时的频域观测信号，e(k)表示第k次更新自适应滤波系数时的误差信号，D(t,eiω)表示期望信号，WH(t,eiω)中上标H表示矩阵的共轭转置。
在上述的基于麦克风阵列的信号增强方法中，所述第k次更新自适应滤波系数时的可变步长μ(k)表示为：
其中，P表示临界值，P∈N+，并且a,b∈(0,2)。
在上述的基于麦克风阵列的信号增强方法中，所述步骤S5包括：通过逆短时傅里叶变换对所述频域增强语音信号进行时频转换以获得所述时域增强语音信号。
由于采用了上述的技术解决方案，本发明采用一种优化的广义旁瓣消除器进行阵列语音信号增强。相较于传统的波束形成方法更适合窄带信号，并且更适合声学场景不变且噪声比较平稳的情况，本发明考虑到声音环境的复杂性以及宽带语音信号，采用变步长自适应滤波方法，自适应消除噪声，以达到增强语音信号的作用，而且由于逐帧在频域进行处理，自适应滤波器可以更快达到收敛，增强效果明显，同时也易于实时的语音信号处理。本发明具有很好的鲁棒性和稳定性，在智能自助终端、智能家居等产品上具有很好的应用前景。
附图说明
图1是本发明一种基于麦克风阵列的信号增强方法的流程图；
图2是本发明一种基于麦克风阵列的信号增强方法的原理图；
图3a是麦克风阵列采集得到的一路时域观测信号的语谱图；
图3b是经过本发明处理后的增强语音信号的语谱图。
具体实施方式
下面结合附图，给出本发明的较佳实施例，并予以详细描述。
如图1-2所示，本发明，即一种基于麦克风阵列的信号增强方法，包括以下步骤：
步骤S1，通过由N个传感器构成的麦克风阵列采集目标语音信号，以获得N个时域观测信号，并同时对N个时域观测信号进行分帧加窗等预处理后获得分帧数据，然后再对分帧数据逐帧进行时频转换，以获得N个频域观测信号(即，N个频域观测信号与N个采集通道一一对应)；
具体来说，步骤S1包括：
将N个时域观测信号表示为：x(t)＝[x1(t),x2(t),…,xN(t)]T，其中，在时刻t下的第j个时域观测信号xj(t)为：
xj(t)＝aj(t)*s(t),….,j＝1,2,…,N (1)
式(1)中，s(t)表示目标语音信号，aj(t)表示目标语音信号s(t)到第j个传感器的空间响应函数；
通过短时傅里叶变换对预处理后的时域观测信号进行时频转换，以获得时刻t下的N个频域观测信号X(t,eiω)＝[X1(t,eiω),X2(t,eiω),….,XN(t,eiω)]T，即，将式(1)变换为式(2)：
X(t,eiω)＝A(t,eiω)·S(t,eiω) (2)
式(2)中，A(t,eiω)＝[A1(t,eiω),A2(t,eiω),….,AN(t,eiω)]T，表示在时刻t下的频域响应函数，S(t,eiω)表示在时刻t下的频域源信号；
另外，在步骤S1中，由于数据处理均是逐帧处理的，所以更易于实时的语音信号处理。
步骤S2，将步骤S1中获得的N个频域观测信号输入到位于主通道中的固定波束形成器1中，以采用特定的滤波求和波束形成方法进行固定波束形成，并得到含有部分残留噪声的语音信号作为主通道的输出信号；
具体来说，相比传统GSC采用延时求和方式进行固定波束形成，本发明中采用一种特定的滤波求和波束形成方法对频域观测信号X(t,eiω)进行处理，以获得含有残留噪声的语音信号Y(t,eiω)，其中，已知的滤波求和波束形成方法可以表述为：
式(3)中，Wn(t,eiω)表示第n个频域观测信号Xn(t,eiω)的自适应滤波系数；
特别地，在对频域观测信号X(t,eiω)进行自适应滤波时，本发明是通过一种特定的变步长归一化最小均方误差准则(NLMS)实现的，其中，自适应滤波系数W(t,eiω)在第k+1次更新时的更新规则为：
式(4)中，w(k+1)表示第k+1次更新的自适应滤波系数，w(k)表示第k次更新的自适应滤波系数，μ(k)表示第k次更新自适应滤波系数时的可变步长，α表示分母保护因子(一般为极小的正数)，x(k)表示第k次更新自适应滤波系数时的频域观测信号，e(k)表示第k次更新自适应滤波系数时的误差信号，D(t,eiω)表示期望信号，WH(t,eiω)中上标H表示矩阵的共轭转置；
特别地，第k次更新自适应滤波系数时的可变步长μ(k)可以表示为：
式(5)中，P表示临界值，a、b和P均可通过实验或者经验获得，其中，P∈N+，并且a,b∈(0,2)。
步骤S3，将步骤S1中获得的N个频域观测信号输入到位于辅助通道中的阻塞矩阵B，并经过与阻塞矩阵B连接的自适应滤波器2处理后，得到参考噪声信号作为辅助通道的输出信号；
具体来说，相比传统GSC算法的阻塞矩阵是预设的固定值，本发明采用一种新的阻塞矩阵B的构造方式，即，根据步骤S2中的自适应滤波系数W(t,eiω)得到N×(N-1维的阻塞矩阵B如下：
进一步地，频域观测信号通过上述阻塞矩阵B，将有用的语音信号滤除，得到仅包含通道噪声的参考噪声信号；
步骤S4，采用步骤S2中提出的变步长NLMS自适应滤波方法，构建自适应噪声消除器3，将主通道输出的含有残留噪声的语音信号以及辅助通道输出的参考噪声信号输入到自适应噪声消除器3并进行自适应滤波，从而滤除主通道输出信号中的残余噪声分量，获得频域增强语音信号S；
步骤S5，对步骤S4中获得的频域增强语音信号S进行时频转换，以获得时域增强语音信号s；
具体来说，通过逆短时傅里叶变换对频域增强语音信号进行时频转换以获得时域增强语音信号，从而使得输出的增强信号中语音部分明显增强，噪声被抑制，语音可懂度提高，可识别性也大大提升。
下面结合一个采用四元均匀线阵在噪声环境下进行语音信号增强的实例，对本发明的各步骤进行详细描述：
步骤S1，通过N个传感器在混合噪声下采集目标语音信号s(t)，且采样率为16kHz，从而获得N个时域观测信号x1(t),x2(t),…,xN(t)，然后对该N个时域观测信号进行分帧加窗等预处理(此处帧长选择512点，帧移256点，窗函数选择汉宁窗)，并通过短时傅里叶变换将该N个时域观测信号转换为频域观测信号X(t,eiω)；
步骤S2，采用特定的滤波求和波束形成方法对频域观测信号X(t,eiω)进行自适应滤波处理，以获得含有残留噪声的语音信号(如图3a所示)，其中，自适应滤波系数根据上式(4)、(5)进行更新，且此处式(4)中的分母保护因子α选择为10-16，式(5)中的a、b和P分别选择为0.5、0.002和100；
步骤S3，通过自适应更新的阻塞矩阵和自适应滤波器对频域观测信号X(t,eiω)进行自适应滤波处理，以获得参考噪声信号；
步骤S4，通过自适应噪声消除器对含有残留噪声的语音信号与参考噪声信号的差值进行自适应滤波，以输出频域增强语音信号S(如图3b所示)；
步骤S5，对频域增强语音信号S进行逆短时傅里叶变换，以获得时域增强语音信号s。
以上所述的，仅为本发明的较佳实施例，并非用以限定本发明的范围，本发明的上述实施例还可以做出各种变化。凡是依据本发明申请的权利要求书及说明书内容所作的简单、等效变化与修饰，皆落入本发明专利的权利要求保护范围。本发明未详尽描述的均为常规技术内容。

Claims (6)

1.一种基于麦克风阵列的信号增强方法，其特征在于，所述方法包括以下步骤：
步骤S1，通过由N个传感器构成的麦克风阵列采集一目标语音信号，以获得N个时域观测信号，并在对该N个时域观测信号进行预处理后进行时频转换，以获得频域观测信号X(t，eiω)，并将其表示为：
X(t，eiω)＝[X1(t，eiω)，X2(t，eiω)，....，XN(t，eiω)]T；
步骤S2，将所述频域观测信号X(t，eiω)输入一固定波束形成器中进行固定波束形成，以获得含有残留噪声的语音信号Y(t，eiω)，并将其表示为：
其中，Wn(t，eiω)表示第n个频域观测信号Xn(t，eiω)的自适应滤波系数，并且通过变步长归一化最小均方误差准则对所述频域观测信号X(t，eiω)进行自适应滤波；
步骤S3，将所述频域观测信号X(t，eiω)输入一阻塞矩阵B，并经过与该阻塞矩阵B连接的自适应滤波器处理后，获得参考噪声信号，其中，所述阻塞矩阵B表示为；
其中，W1(t，eiω)，W2(t，eiω)，....，WN(t，eiω)表示第1、2、……、N个频域观测信号X1(t，ei ω)，X2(t，eiω)，....，XN(t，eiω)的自适应滤波系数；
步骤S4，通过所述通过变步长归一化最小均方误差准则构建一自适应噪声消除器，将所述含有残留噪声的语音信号Y(t，eiω)以及参考噪声信号输入到该自适应噪声消除器中进行自适应滤波，以获得频域增强语音信号；
步骤S5，对所述频域增强语音信号进行时频转换，以获得时域增强语音信号。
2.根据权利要求1所述的基于麦克风阵列的信号增强方法，其特征在于，所述步骤S1包括：对所述N个时域观测信号进行分帧加窗处理后获得分帧数据，然后再对所述分帧数据逐帧进行时频转换，以获得所述频域观测信号。
3.根据权利要求1所述的基于麦克风阵列的信号增强方法，其特征在于，所述步骤S1包括：将所述N个时域观测信号表示为：x(t)＝[x1(t)，x2(t)，...，xN(t)]T，其中，在时刻t下的第j个时域观测信号xj(t)为：
xj(t)＝aj(t)*s(t)，....，j＝1，2，...，N
其中，s(t)表示所述目标语音信号，aj(t)表示所述目标语音信号s(t)到第j个所述传感器的空间响应函数；
通过短时傅里叶变换对预处理后的时域观测信号进行时频转换，以获得在时刻t下的所述频域观测信号X(t，eiω)，并将其表示为：
X(t，eiω)＝A(t，eiω)·S(t，eiω)
其中，A(t，eiω)＝[A1(t，eiω)，A2(t，eiω)，....，AN(t，eiω)]T，表示在时刻t下的频域响应函数，S(t，eiω)表示在时刻t下的频域源信号。
4.根据权利要求1所述的基于麦克风阵列的信号增强方法，其特征在于，在所述步骤S2中，自适应滤波系数W(t，eiω)在第k+1次更新时的更新规则为：
其中，w(k+1)表示第k+1次更新的自适应滤波系数，w(k)表示第k次更新的自适应滤波系数，μ(k)表示第k次更新自适应滤波系数时的可变步长，α表示分母保护因子，x(k)表示第k次更新自适应滤波系数时的频域观测信号，e(k)表示第k次更新自适应滤波系数时的误差信号，D(t，eiω)表示期望信号，WH(t，eiω)中上标H表示矩阵的共轭转置。
5.根据权利要求4所述的基于麦克风阵列的信号增强方法，其特征在于，所述第k次更新自适应滤波系数时的可变步长μ(k)表示为：
其中，P表示临界值，P∈N+，并且a，b∈(0，2)。
6.根据权利要求1所述的基于麦克风阵列的信号增强方法，其特征在于，所述步骤S5包括：通过逆短时傅里叶变换对所述频域增强语音信号进行时频转换以获得所述时域增强语音信号。
CN201811243475.8A 2018-10-24 2018-10-24 一种基于麦克风阵列的信号增强方法 Pending CN109389991A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811243475.8A CN109389991A (zh) 2018-10-24 2018-10-24 一种基于麦克风阵列的信号增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811243475.8A CN109389991A (zh) 2018-10-24 2018-10-24 一种基于麦克风阵列的信号增强方法

Publications (1)

Publication Number Publication Date
CN109389991A true CN109389991A (zh) 2019-02-26

Family

ID=65427063

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811243475.8A Pending CN109389991A (zh) 2018-10-24 2018-10-24 一种基于麦克风阵列的信号增强方法

Country Status (1)

Country Link
CN (1) CN109389991A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110689900A (zh) * 2019-09-29 2020-01-14 北京地平线机器人技术研发有限公司 信号增强方法和装置、计算机可读存储介质、电子设备
CN110706719A (zh) * 2019-11-14 2020-01-17 北京远鉴信息技术有限公司 一种语音提取方法、装置、电子设备及存储介质
CN111341340A (zh) * 2020-02-28 2020-06-26 重庆邮电大学 基于相干性和能量比的鲁棒gsc方法
CN111866665A (zh) * 2020-07-22 2020-10-30 海尔优家智能科技（北京）有限公司 麦克风阵列波束形成方法及装置
WO2022105571A1 (zh) * 2020-11-17 2022-05-27 深圳壹账通智能科技有限公司 语音增强方法、装置、设备及计算机可读存储介质
WO2023165565A1 (zh) * 2022-03-02 2023-09-07 上海又为智能科技有限公司 音频增强方法和装置、计算机存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100241428A1 (en) * 2009-03-17 2010-09-23 The Hong Kong Polytechnic University Method and system for beamforming using a microphone array
CN101976565A (zh) * 2010-07-09 2011-02-16 瑞声声学科技(深圳)有限公司 基于双麦克风语音增强装置及方法
US20110158418A1 (en) * 2009-12-25 2011-06-30 National Chiao Tung University Dereverberation and noise reduction method for microphone array and apparatus using the same
CN102347027A (zh) * 2011-07-07 2012-02-08 瑞声声学科技(深圳)有限公司 双麦克风语音增强装置及其语音增强方法
CN102664023A (zh) * 2012-04-26 2012-09-12 南京邮电大学 一种麦克风阵列语音增强的优化方法
WO2015196729A1 (zh) * 2014-06-27 2015-12-30 中兴通讯股份有限公司 一种麦克风阵列语音增强方法及装置
CN106653043A (zh) * 2016-12-26 2017-05-10 上海语知义信息技术有限公司 降低语音失真的自适应波束形成方法
CN107993670A (zh) * 2017-11-23 2018-05-04 华南理工大学 基于统计模型的麦克风阵列语音增强方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100241428A1 (en) * 2009-03-17 2010-09-23 The Hong Kong Polytechnic University Method and system for beamforming using a microphone array
US20110158418A1 (en) * 2009-12-25 2011-06-30 National Chiao Tung University Dereverberation and noise reduction method for microphone array and apparatus using the same
CN101976565A (zh) * 2010-07-09 2011-02-16 瑞声声学科技(深圳)有限公司 基于双麦克风语音增强装置及方法
CN102347027A (zh) * 2011-07-07 2012-02-08 瑞声声学科技(深圳)有限公司 双麦克风语音增强装置及其语音增强方法
CN102664023A (zh) * 2012-04-26 2012-09-12 南京邮电大学 一种麦克风阵列语音增强的优化方法
WO2015196729A1 (zh) * 2014-06-27 2015-12-30 中兴通讯股份有限公司 一种麦克风阵列语音增强方法及装置
CN106653043A (zh) * 2016-12-26 2017-05-10 上海语知义信息技术有限公司 降低语音失真的自适应波束形成方法
CN107993670A (zh) * 2017-11-23 2018-05-04 华南理工大学 基于统计模型的麦克风阵列语音增强方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
何成林等: "基于子带广义旁瓣相消器的麦克风阵列语音增强", 《计算机应用研究》 *
何成林等: "麦克风阵列语音增强的研究", 《计算机工程与应用》 *
徐进等: "一种新的麦克风阵列自适应语音增强方法", 《应用科学学报》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110689900A (zh) * 2019-09-29 2020-01-14 北京地平线机器人技术研发有限公司 信号增强方法和装置、计算机可读存储介质、电子设备
CN110706719A (zh) * 2019-11-14 2020-01-17 北京远鉴信息技术有限公司 一种语音提取方法、装置、电子设备及存储介质
CN110706719B (zh) * 2019-11-14 2022-02-25 北京远鉴信息技术有限公司 一种语音提取方法、装置、电子设备及存储介质
CN111341340A (zh) * 2020-02-28 2020-06-26 重庆邮电大学 基于相干性和能量比的鲁棒gsc方法
CN111866665A (zh) * 2020-07-22 2020-10-30 海尔优家智能科技（北京）有限公司 麦克风阵列波束形成方法及装置
CN111866665B (zh) * 2020-07-22 2022-01-28 海尔优家智能科技（北京）有限公司 麦克风阵列波束形成方法及装置
WO2022105571A1 (zh) * 2020-11-17 2022-05-27 深圳壹账通智能科技有限公司 语音增强方法、装置、设备及计算机可读存储介质
WO2023165565A1 (zh) * 2022-03-02 2023-09-07 上海又为智能科技有限公司 音频增强方法和装置、计算机存储介质

Similar Documents

Publication Publication Date Title
CN109389991A (zh) 一种基于麦克风阵列的信号增强方法
CN107742522B (zh) 基于麦克风阵列的目标语音获取方法及装置
CN106782590B (zh) 基于混响环境下麦克风阵列波束形成方法
JP4734070B2 (ja) ノイズ低減による多重チャンネル適応の音声信号処理
EP1633121B1 (en) Speech signal processing with combined adaptive noise reduction and adaptive echo compensation
CN110085248B (zh) 个人通信中降噪和回波消除时的噪声估计
CN111128220B (zh) 去混响方法、装置、设备及存储介质
Benesty et al. Conventional beamforming techniques
CN105590631B (zh) 信号处理的方法及装置
US9203972B2 (en) Efficient audio signal processing in the sub-band regime
EP2237270A1 (en) A method for determining a noise reference signal for noise compensation and/or noise reduction
CN108172235A (zh) 基于维纳后置滤波的ls波束形成混响抑制方法
EP1081985A2 (en) Microphone array processing system for noisly multipath environments
US20090192796A1 (en) Filtering of beamformed speech signals
EP1131892A1 (en) Signal processing apparatus and method
US20150063589A1 (en) Method, apparatus, and manufacture of adaptive null beamforming for a two-microphone array
CN105869651A (zh) 基于噪声混合相干性的双通道波束形成语音增强方法
CN103543448A (zh) 一种声纳阵列信号处理方法
CN108337605A (zh) 基于差分波束形成的隐声方法
CN108597532A (zh) 基于mvdr的隐声方法
Priyanka et al. Adaptive Beamforming Using Zelinski-TSNR Multichannel Postfilter for Speech Enhancement
Yu et al. Speech enhancement based on the generalized sidelobe cancellation and spectral subtraction for a microphone array
Stolbov et al. Speech enhancement with microphone array using frequency-domain alignment technique
Hossein et al. Performance investigation of acoustic microphone array beamformer to enhance the speech quality
Borisovich et al. Improvement of microphone array characteristics for speech capturing

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190226

WD01 Invention patent application deemed withdrawn after publication