CN109616136B - 一种自适应波束形成方法、装置及系统 - Google Patents
一种自适应波束形成方法、装置及系统 Download PDFInfo
- Publication number
- CN109616136B CN109616136B CN201811571523.6A CN201811571523A CN109616136B CN 109616136 B CN109616136 B CN 109616136B CN 201811571523 A CN201811571523 A CN 201811571523A CN 109616136 B CN109616136 B CN 109616136B
- Authority
- CN
- China
- Prior art keywords
- filter weight
- weight coefficient
- moment
- signal
- sound source
- 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
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 83
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 106
- 238000001914 filtration Methods 0.000 claims abstract description 78
- 230000005236 sound signal Effects 0.000 claims abstract description 20
- 238000003860 storage Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 15
- 230000006870 function Effects 0.000 claims description 33
- 230000000694 effects Effects 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 4
- 230000001629 suppression Effects 0.000 abstract description 11
- 238000010586 diagram Methods 0.000 description 14
- 238000004590 computer program Methods 0.000 description 9
- 230000004807 localization Effects 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000000354 decomposition reaction Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000010606 normalization Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques 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 TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques 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)
- Soundproofing, Sound Blocking, And Sound Damping (AREA)
Abstract
本发明实施例公开了一种自适应波束形成方法、装置、设备和存储介质，该方法包括：获取声源方向和当前时刻所处的音频阶段；确定当前时刻的滤波器权系数、期望信号和参考信号；根据代价函数正则化自适应滤波算法或传统自适应滤波算法计算得到下一时刻的滤波器权系数，或将当前时刻的滤波器权系数作为下一时刻的滤波器权系数；基于下一时刻的滤波器权系数对下一时刻的音频信号进行滤波处理。本发明实施例的技术方案，根据声源方向信息将两种噪声抑制性能不同的自适应算法相结合，得到不同的滤波器权系数，进而对音频信号进行滤波处理，在保证非设定方向噪声抑制性能良好的同时，解决了设定方向语音损伤问题，提升了自适应波束形成方法的鲁棒性。
Description
技术领域
本发明实施例涉及降噪技术领域，特别是涉及一种自适应波束形成方法、装置及系统。
背景技术
随着电子干扰理论与技术的迅速发展，电子干扰对雷达等设备构成了严重的威胁，而自适应波束形成技术可以有效降低这种干扰，因此，对于自适应波束形成技术的研究具有重要的意义。
现有的自适应波束形成算法中，例如，利用最小方差无失真响应和增加线性约束的线性约束最小方差等方法，在滤波阶段往往结合一些滤波算法，进而达到抑制噪声的目的。而在一些改进方案中，例如，利用基于矩阵子空间分解的算法，在算法本身加入约束条件后，经过奇异值分解等步骤，最终得到滤波后的语音信号。
发明人在具体实施过程中，发现现有技术中在抑制噪声的同时，也大大损伤了语音信号，而一些改进方案中，虽然在一定程度上减少了语音信号的损伤，但是其对噪声的抑制效果大大减弱，同时，这些改进的算法，其复杂程度过高，运算极为复杂，缺少实用基础。
发明内容
有鉴于此，本发明实施例提供了一种自适应波束形成方法、装置、电子设备及存储介质，可以很好抑制非目标方向噪声，解决了目标方向语音损伤问题，提升了自适应波束形成方法的鲁棒性。
为了实现上述效果，本发明实施例主要提供如下技术方案：
第一方面，本发明实施例提供了一种自适应波束形成方法，该方法包括：
获取声源方向和当前时刻所处的音频阶段；其中，音频阶段包括语音阶段和静音阶段；
确定当前时刻的滤波器权系数、期望信号和参考信号；
判断所述声源方向是否是设定方向；
若是，且当前时刻所处静音阶段，将当前时刻的所述滤波器权系数、所述期望信号和所述参考信号输入到代价函数正则化自适应滤波算法中，得到下一时刻的滤波器权系数；
若是，且当前时刻所处语音阶段，将当前时刻的滤波器权系数作为下一时刻的滤波器权系数；
若否，将当前时刻的所述滤波器权系数、所述期望信号和所述参考信号输入到传统自适应滤波算法中，得到下一时刻的滤波器权系数；
基于下一时刻的滤波器权系数对下一时刻的音频信号进行滤波处理。
第二方面，本发明实施例还提供一种自适应波束形成装置，该装置包括：
声源方向及音频阶段获取模块，用于获取声源方向和当前时刻所处的音频阶段；其中，音频阶段包括语音阶段和静音阶段；
当前数值确定模块，用于确定当前时刻的滤波器权系数、期望信号和参考信号；
设定方向判断模块，用于判断所述声源方向是否是设定方向；
若是，且当前时刻所处静音阶段，将当前时刻的所述滤波器权系数、所述期望信号和所述参考信号输入到代价函数正则化自适应滤波算法中，得到下一时刻的滤波器权系数；
若是，且当前时刻所处语音阶段，将当前时刻的滤波器权系数作为下一时刻的滤波器权系数；
若否，将当前时刻的所述滤波器权系数、所述期望信号和所述参考信号输入到传统自适应滤波算法中，得到下一时刻的滤波器权系数；
滤波处理模块，用于基于下一时刻的滤波器权系数对下一时刻的音频信号进行滤波处理。
第三方面，本发明实施例还提供一种电子设备。该电子设备包括：
至少一个处理器；
以及与所述处理器连接的至少一个存储器、总线；其中，
所述处理器、存储器通过所述总线完成相互间的通信；
所述处理器用于调用所述存储器中的程序指令，以执行本发明任意实施例所述的一种自适应波束形成方法。
第四方面，本发明实施例还提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行本发明任意实施例所述的一种自适应波束形成方法。
借由上述技术方案，本发明实施例提供的技术方案至少具有下列优点：
本发明实施例提供的技术方案，通过判断声源方向是设定方向，当前时刻所处静音阶段，基于代价函数正则化自适应滤波算法得到下一时刻的滤波器权系数；通过判断声源方向是设定方向，且当前时刻所处语音阶段，将当前时刻的滤波器权系数作为下一时刻的滤波器权系数；通过判断声源方向不是设定方向，基于传统自适应滤波算法得到下一时刻的滤波器权系数，从而基于下一时刻的滤波器权系数得到下一时刻的输出信号，即根据声源方向，可以将不同噪声抑制功能不同的算法相结合，得到不同的滤波器权系数，进而采取不同的滤波策略，在保证非设定方向噪声抑制性能良好的同时，避免了设定方向的语音损伤问题，获取到准确的音频输出信号，在没有显著提升算法复杂度的前提下，提升了该自适应波束形成方法的鲁棒性，具有较高的实用性。
上述说明仅是本发明实施例技术方案的概述，为了能够更清楚了解本发明实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明实施例的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明实施例的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1A示出了本发明实施例提供的一种自适应波束形成方法的流程图；
图1B示出了本发明实施例提供的一种自适应波束形成方法的原理图；
图2A示出了本发明实施例提供的一种自适应波束形成方法的流程图；
图2B示出了本发明实施例提供的目标方向角和波束宽度的示意图；
图3示出了本发明实施例提供的一种自适应波束形成方法的流程图；
图4示出了本发明实施例提供的一种自适应波束形成装置的结构图；
图5示出了本发明实施例提供的一种自适应波束形成设备的结构图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
图1A为本发明实施例提供的一种自适应波束形成方法的流程图，本实施例可适用于对波束进行滤波操作的情况，该方法可以由自适应波束形成装置来执行，该装置可以采用软件和/或硬件的方式实现，所述装置可以配置在具有滤波功能的电子设备中，例如，滤波器、广播设备、通信基站等。本发明实施例提供的技术方案包括如下步骤：
S110、获取声源方向和当前时刻所处的音频阶段；其中，音频阶段包括语音阶段和静音阶段。
其中，静音阶段可以是：有语音信号输入的阶段，但是该阶段可以有噪声输入。语音阶段可以是有语音信号输入的阶段，该阶段也可以有噪声输入。
其中，可以对声源定位，从而确定声源方向，其中声源定位，是利用传声器阵列估计声音来源方向的方法。传声器阵列，是一组位于空间不同位置的全向麦克风按一定的形状规则布置形成的阵列，是对空间传播声音信号进行空间采样的一种装置，采集到的信号包含了其空间位置信息。根据声源和传声器阵列之间距离的远近，可将阵列分为近场模型和远场模型。根据传声器阵列的拓扑结构，还可分为线性阵列、平面阵列、体阵列等。声源定位可以通过多种算法实现，例如：基于可控波束形成的声源定位，基于高分辨率谱估计的声源定位，基于达到时间差的声源定位算法。
在本实施例中的一个实施方式中，可选的，所述获取声源方向和当前时刻所处的音频阶段，包括：根据波达方向算法，获取声源方向；根据语音活动检测算法，获取当前时刻所处的音频阶段。
其中，波达方向(Direction Of Arrival，简称DOA)是一种常见的声源定位方法，通过处理接收到的回波信号，获取目标的距离信息和方位信息。一个声源有很多可能的传播路径和到达角。几个声源同时工作时，每个声源在接收处形成潜在的多径分量，进而对目标声源的来波方向进行估计。通过测量声源信号的波达方向来估测声源的位置，虽然理论上只需要两个接收阵元就可以确定声源的位置，但在实际中，由于受到角度分辨率和多径等限制，所需接收阵元通常要多于两个。
在本实施例中，可选的，接收阵元可以是传声器，可选的，可以通过N个传声器来采集音频信号，其中，N大于或等于3。
其中，语音活动检测(Voice Activity Detection，简称VAD)，可以从声音信号流里识别出静音期，以达到在不降音质的情况下节省话路资源。VAD同样可以基于多种算法实现，例如：基于信噪比的VAD算法，基于神经网络的VAD算法，基于能量的VAD算法等。
S120、确定当前时刻的滤波器权系数、期望信号和参考信号。
获取期望信号和参考信号可以通过多种算法实现，例如，广义旁瓣消除算法、最小方差无失真相应(Minimum Variance Distortionless Response，简称MVDR)算法、增加线形约束的线性约束最小方差(Linear Constrain Minimum Variance,简称LCMV)算法、基于矩阵特征空间分解的多信号分类(Multiple Signal Classification，简称MUSIC)算法，以及其他各种类型的自适应波束形成方法。
在本发明实施例的一种实施方式中，可选的，确定当前时刻的期望信号和参考信号，可以包括：根据广义旁瓣消除算法确定期望信号和参考信号。其中，广义旁瓣消除器(Generalized Sidelobe Canceller，GSC)是一种传声器阵列实现语音增强的一种方法，可根据当前声信号空间分布状态实时调整滤波器系数，达到保留目标方向语音、抑制其他方向噪声的目的。例如，多路传声器当前时刻采集的音频信号经过GSC中的固定波束形成模块得到的输出信号，作为当前时刻的期望信号；多路传声器当前时刻采集的音频信号经过GSC中的阻塞矩阵得到输出信号，作为当前时刻的参考信号。
在本发明实施例中，当前时刻的滤波器权系数可以根据上一时刻的滤波器权系数计算得到，其计算方法可以参考下述滤波器权系数的详细介绍，初始时刻的滤波器权系数可以根据需要设定。
图1B是本发明实施例提供的技术方案的原理图，如图1B所示，x0(n)、x1(n)、为xN-1(n)分别为N个传声器在n时刻拾取的音频信号；θ为音频信号经过DOA模块处理后得到的声源方向角；Voice是当前时刻所处的音频阶段，若当前为语音阶段，该数值为1，若为静音阶段，该数值为0；特别的，VAD模块可以获取一个或多个传声器发出的音频信号，在本实施例中，VAD模块获取一个传声器发出的音频信号x0(n)；yd(n)是N路传声器经过GSC中的固定波束形成模块在第n时刻的期望信号；Yr(n)是Yr(n)＝[yr(n),yr(n-1),...,yr(n-M+1)]T，yr(n)、yr(n-1)、yr(n-M+1)分别是N路传声器经过GSC中的阻塞矩阵在第n时刻、第n-1时刻和第n-M+1时刻的参考信号，M为滤波器长度；W(n)＝[w0(n),w1(n),...,wM-1(n)]T，w0(n)，w1(n)和wM-1(n)为第n时刻的滤波器权系数；ye(n)是第n时刻的输出信号。其中yd(n)、Yr(n)、θ和Voice可以作为自适应滤波模块的输入参数，对滤波器权系数进行迭代，从而得到第n时刻的输出信号ye(n)。
S130、判断所述声源方向是否是设定方向；若是，执行S140；若否，执行S170。
设定方向是根据具体需要设定的，例如，以设备为中心划定坐标轴，将第一象限定义为设定方向，来自第一象限内的声源，其声源方向为设定方向，不在第一象限内的声源，其声源方向不是设定方向。设备可以是滤波器或其他带有滤波功能的电子设备。
S140、判断当前时刻是否是静音阶段；若是，执行S150；若否，执行S160。
在本发明实施例中，可以判断当前时刻是语音阶段还是静音阶段。若当前时刻有语音信号输入，则为语音阶段，该阶段可以有噪声输入；当前时刻没有语音信号输入，则为静音阶段，该阶段也可以有噪声输入。
特别的，当有噪声输入时，根据噪声的能量等级、频域分布以及时变性等属性，区分是语音输入信号还是噪声输入信号。
S150、将当前时刻的所述滤波器权系数、所述期望信号和所述参考信号输入到代价函数正则化自适应滤波算法中，得到下一时刻的滤波器权系数；执行S180。
在本发明实施例中，若声源方向是设定方向，且当前时刻是静音阶段，将当前时刻的所述滤波器权系数、所述期望信号和所述参考信号输入到代价函数正则化自适应滤波算法中，得到下一时刻的滤波器权系数。
其中，代价函数正则化自适应滤波算法，用于缓解设定方向语音信号的损伤。任何将代价函数正则化的自适应滤波算法，都适用于本实施例中，例如：泄漏归一化最小均方算法(Leaky Normalized Least Mean Square，简称Leaky NLMS)和MVDR算法的协方差矩阵对角加载等方法。
由于VAD算法存在静音阶段的误检测问题，当VAD算法判断为静音阶段时，依然可能有语音输入，同时，DOA算法也存在方向定位偏差问题，来自设定方向的输入信号有可能被误检测为来自非设定方向，因此，当输入信号来自与设定方向有较小偏差时，同样要对该输入信号进行保留，若滤波系统中没有该约束条件的限制，系统将会朝着抑制期望保留的输入信号的方向收敛，产生过拟合问题；过拟合是指当前滤波系统在无上述约束条件的限制下，其收敛方式过度依赖一段特定的输入信号和系统本身约束条件，最终使得滤波系统无法适用于更广泛的输入信号，在本发明实施例中，输入信号是由N个传声器组成的传声器阵列接收到的信号，系统本身约束条件是抑制除目标方向外其他方向的输入信号，即当前滤波系统过分依赖传声器阵列接收到的信号和抑制除目标方向外其他方向的输入信号这两个条件时，来自于与目标方向有较小偏差方向的输入信号也会被抑制掉。而采用代价函数正则化自适应滤波算法，正是在该滤波系统中加入了当输入信号来自与设定方向有较小偏差时，同样要对该输入信号进行保留这一约束条件，从而在很大程度上解决了过拟合问题。
由此，将当前时刻的所述滤波器权系数、所述期望信号和所述参考信号输入到代价函数正则化自适应滤波算法后，改变了滤波器权系数，缓解了设定方向语音信号的损伤。
其中，当前时刻的滤波器权系数、期望信号和参考信号可以是代价函数正则化自适应滤波算法的参数，将这些参数输入到算法中，即可以得到下一时刻的滤波器权系数。
S160、将当前时刻的滤波器权系数作为下一时刻的滤波器权系数；执行S180。
在本发明实施例中，若声源方向是设定方向，且当前时刻是语音阶段，将当前时刻的滤波器权系数作为下一时刻的滤波器权系数。例如，当前时刻看作第n时刻，即第n+1时刻的滤波器权系数等于第n时刻的滤波器权系数。对于设置方向的非语音输入，不需要调整滤波器权系数，按照原有滤波权策略进行即可，可以得到相对稳定的输出信号，保持语音信号的平稳性。
S170、将当前时刻的所述滤波器权系数、所述期望信号和所述参考信号输入到传统自适应滤波算法中，得到下一时刻的滤波器权系数；执行S180。
在本发明实施例中，若声源方向不是设定方向，将当前时刻的所述滤波器权系数、所述期望信号和所述参考信号输入到传统自适应滤波算法中，得到下一时刻的滤波器权系数。
其中，采用传统自适应滤波算法，用于抑制非目标方向的噪声，可以由多种算法实现。其中，传统自适应滤波算法可以包括：归一化最小均方算法(Normalized Least MeanSquare，简称NLMS)和最小均方算法(Least Mean Square，简称LMS)。
由此，将当前时刻的所述滤波器权系数、所述期望信号和所述参考信号输入到传统自适应滤波算法中，改变了滤波器权系数，进而抑制了非目标方向的噪声。
其中，当前时刻的滤波器权系数、期望信号和参考信号可以是传统自适应滤波算法的参数，将这些参数输入到算法，即可以得到下一时刻的滤波器权系数。
S180、基于下一时刻的滤波器权系数对下一时刻的音频信号进行滤波处理，并确定下一时刻的输出信号。
下一时刻获取的音频信号根据计算后的滤波器权系数进行了滤波处理，进而得到输出信号。例如：当前时刻为第n时刻，下一时刻即第n+1时刻的输出信号ye(n+1)＝yd(n+1)-WT(n+1)Yr(n+1)，其中，yd(n+1)是第n+1时刻的期望信号，Yr(n+1)＝[yr(n+1),yr(n),...,yr(n-M+2)]T，yr(n+1)是第n+1时刻的参考信号，M为滤波器长度；W(n+1)＝[w0(n+1),w1(n+1),...,wM-1(n+1)]T，w0(n)，w1(n)和wM-1(n)为第n时刻的滤波器权系数，WT(n+1)是W(n+1)的共轭转置矩阵。
不管来自哪个方向的语音信号，当均采用传统自适应滤波算法进行滤波器权系数的迭代，虽然对噪声的过滤效果明显，但是对语音信号造成了较大损伤。而在相关方案中，例如，基于矩阵子空间分解的算法，在算法本身要加入约束条件，再经过奇异值分解等多个步骤，得到滤波后的语音信号，虽然对语音信号损伤较小，但是算法本身极为复杂，同时计算繁琐，实用性较低。
本发明实施例中，根据声源方向和是否有语音输入选择不同的滤波策略，当声源方向来自设定方向，且当前时刻所处静音阶段时，为了避免VAD存在的误检测和DOA存在的方向定位偏差，采用代价函数正则化自适应滤波算法对滤波系统加入当输入信号来自与设定方向有较小偏差时，对该输入信号进行保留这一约束条件，缓解了来自设定方向语音信号的过拟合，减小了对语音信号的损伤；当声源方向来自设定方向，且当前时刻所处语音阶段，此时，认为获取到的正是想要获取的语音信号，不对滤波器权系数做修改，获得了相对稳定的输出信号，保持语音信号的平稳性；当声源方向来自非设定方向，不管此时处于静音阶段还是语音阶段，认为此时获取到的语音信号都是噪音信号，即干扰信号，如果采用代价函数正则化自适应滤波算法，会导致对来自与设定方向偏差较大方向的输入信号的抑制能力减弱，因此，为了增强滤波效果，采用传统自适应滤波算法，有效滤除噪音。
本发明实施例提供的技术方案，通过判断声源方向是设定方向，当前时刻所处静音阶段，基于代价函数正则化自适应滤波算法得到下一时刻的滤波器权系数；通过判断声源方向是设定方向，且当前时刻所处语音阶段，将当前时刻的滤波器权系数作为下一时刻的滤波器权系数；通过判断声源方向不是设定方向，基于传统自适应滤波算法得到下一时刻的滤波器权系数，从而基于下一时刻的滤波器权系数得到下一时刻的输出信号，即根据声源方向，可以将不同噪声抑制功能不同的算法相结合，得到不同的滤波器权系数，进而采取不同的滤波策略，在保证非设定方向噪声抑制性能良好的同时，避免了设定方向的语音损伤问题，获取到准确的音频输出信号，在没有显著提升算法复杂度的前提下，提升了该自适应波束形成方法的鲁棒性，具有较高的实用性。
图2A为本发明实施例提供的一种自适应波束形成方法的流程图，在本实施例中，可以根据声源方向角θ，设定的目标方向角A和波束宽度B判断声源方向是否是设定方向。相应的，如图2A所示，本实施例的方法具体包括如下操作：
S210、获取声源方向和当前时刻所处的音频阶段；其中，音频阶段包括语音阶段和静音阶段。
S220、确定当前时刻的滤波器权系数、期望信号和参考信号。
S230、若θ大于或等于A-B/2，且θ小于或等于A+B/2，则所述声源方向是设定方向，执行S240；若θ大于A+B/2，或θ小于A-B/2，则所述声源方向不是设定方向，执行S270；其中，θ为声源方向角，A为目标方向角，B为波束宽度。
声源方向角是以设备为中心，声源方向与该设备之间的夹角，设备可以是滤波器或其他带有滤波功能的电子设备。
目标方向角是固定波束形成的方向与终端设备之间的夹角，波束宽度是波束覆盖的范围，在本实施例中可以根据实际需要设定。具体的，当目标方向角A设定为90°，波束宽度B设定为30°时，如图2B所示，Q为传声器阵列，用于获取声源信号，目标方向角A是∠EOP＝90°，波束宽度B是∠MON＝30°，∠MOE＝∠NOE＝B/2＝15°，∠MOF＝A-B/2＝75°，∠NOF＝A+B/2＝105°，当声源方向角度是MON区域内的角度时，即当θ大于或等于75°，且θ小于或等于105°时，判定声源方向来自设定方向；当声源方向角度不在MON的区域内的角度时，即当θ大于105°，或θ小于75°，则所述声源方向来自非设定方向。
S240、判断当前时刻是否是静音阶段；若是，执行S250；若否，执行S260。
S250、将当前时刻的所述滤波器权系数、所述期望信号和所述参考信号输入到代价函数正则化自适应滤波算法中，得到下一时刻的滤波器权系数；执行S280。
S260、将当前时刻的滤波器权系数作为下一时刻的滤波器权系数；执行S280。
S270、将当前时刻的所述滤波器权系数、所述期望信号和所述参考信号输入到传统自适应滤波算法中，得到下一时刻的滤波器权系数；执行S280。
S280、基于下一时刻的滤波器权系数对下一时刻的音频信号进行滤波处理，并确定下一时刻的输出信号。
本发明实施例提供的技术方案，根据设定的目标方向角和波束宽度判断声源方向,通过判断声源方向是设定方向，当前时刻所处静音阶段，基于代价函数正则化自适应滤波算法得到下一时刻的滤波器权系数；通过判断声源方向是设定方向，且当前时刻所处语音阶段，将当前时刻的滤波器权系数作为下一时刻的滤波器权系数；通过判断声源方向不是设定方向，基于传统自适应滤波算法得到下一时刻的滤波器权系数，从而基于下一时刻的滤波器权系数得到下一时刻的输出信号，即根据声源方向，可以将不同噪声抑制功能不同的算法相结合，得到不同的滤波器权系数，进而采取不同的滤波策略，在保证非设定方向噪声抑制性能良好的同时，避免了设定方向的语音损伤问题，获取到准确的音频输出信号，在没有显著提升算法复杂度的前提下，提升了该自适应波束形成方法的鲁棒性，具有较高的实用性。
图3为本发明实施例提供的一种自适应波束形成方法的流程图，本实施例以上述实施例为基础进行具体化，在本实施例中，当声源方向是设定方向，且当前时刻所处静音阶段时，根据泄漏归一化最小均方算法得到下一时刻的滤波器权系数；当声源方向不是设定方向时，根据归一化最小均方算法得到下一时刻的滤波器权系数。相应的，本实施例的方法具体包括如下操作：
S310、获取声源方向和当前时刻所处的音频阶段；其中，音频阶段包括语音阶段和静音阶段。
S320、确定当前时刻的滤波器权系数、期望信号和参考信号。
S330、判断所述声源方向是否是设定方向；若是，执行S340；若否，执行S370。
S340、判断当前时刻是否是静音阶段；若是，执行S350；若否，执行S360。
S350、将当前时刻的所述滤波器权系数、所述期望信号和所述参考信号输入到泄漏归一化最小均方算法中，得到下一时刻的滤波器权系数；执行S380。
在本发明实施例中，可选的，将当前时刻的所述滤波器权系数、所述期望信号和所述参考信号输入到泄漏归一化最小均方算法中，得到下一时刻的滤波器权系数，可以包括：基于如下公式确定下一时刻的滤波器权系数：
其中，μ是迭代更新步长，为小于1的正实数；λ是泄漏因子，为小于0.1的正实数；ye(n)是第n时刻的输出信号，
是ye(n)的共轭运算结果，ye(n)可以是复数，
是ye(n)的共轭复数，即实部不变虚部取相反数后得到的数值，ye(n)＝yd(n)-WT(n)Yr(n)，yd(n)是第n时刻的期望信号，Yr(n)＝[yr(n),yr(n-1),...,yr(n-M+1)]T，yr(n)是第n时刻的参考信号，M为滤波器长度，||Yr(n)||2是对Yr(n)求2-范数；W(n)＝[w0(n),w1(n),...,wM-1(n)]T，w0(n)，w1(n)和wM-1(n)为第n时刻的滤波器权系数，WT(n)是W(n)的共轭转置矩阵。
由此，通过将当前时刻的所述滤波器权系数、所述期望信号和所述参考信号输入到泄漏归一化最小均方算法后，改变了滤波器权系数，缓解了设定方向语音信号的损伤。泄漏归一化最小均方算法结构简单，既缓解了信号的过拟合，同时又简化了传统的代价函数正则化自适应滤波算法繁琐的计算过程。
S360、将当前时刻的滤波器权系数作为下一时刻的滤波器权系数；执行S380。
S370、将当前时刻的所述滤波器权系数、所述期望信号和所述参考信号输入到归一化最小均方算法中，得到下一时刻的滤波器权系数；执行S380。
在本发明实施例中，可选的，将当前时刻的所述滤波器权系数、所述期望信号和所述参考信号输入到归一化最小均方算法中，得到下一时刻的滤波器权系数，可以包括：基于如下公式确定下一时刻的滤波器权系数：
其中，μ是迭代更新步长，为小于1的正实数；ye(n)是第n时刻的输出信号，
是ye(n)的共轭运算结果，ye(n)可以是复数，
是ye(n)的共轭复数，即实部不变虚部取相反数后得到的数值，ye(n)＝yd(n)-WT(n)Yr(n)，yd(n)是第n时刻的期望信号，Yr(n)＝[yr(n),yr(n-1),...,yr(n-M+1)]T，yr(n)是第n时刻的参考信号，M为滤波器长度，||Yr(n)||2是对Yr(n)求2-范数；W(n)＝[w0(n),w1(n),...,wM-1(n)]T，w0(n)，w1(n)和wM-1(n)为第n时刻的滤波器权系数，WT(n)是W(n)的共轭转置矩阵。
由此，通过将当前时刻的所述滤波器权系数、所述期望信号和所述参考信号输入到归一化最小均方算法中，改变了滤波器权系数，进而抑制了非目标方向的噪声。归一化最小均方算法滤除噪音的效果明显，当声源方向不是设定方向，不管此时处于静音阶段还是语音阶段，均采用归一化最小均方算法，有效滤除噪音。
图4为本发明实施例提供的一种自适应波束形成装置的结构示意图。本实施例可适用于对波束进行滤波操作的情况，该装置可采用软件和/或硬件的方式实现，该装置可集成在任何提供运动者技术参数统计功能的设备中，如图4所示，自适应波束形成装置具体包括：声源方向及音频阶段获取模块410、当前数值确定模块420、设定方向判断模块430、滤波器权系数计算模块440和滤波处理模块450。
声源方向及音频阶段获取模块410，用于获取声源方向和当前时刻所处的音频阶段；其中，音频阶段包括语音阶段和静音阶段。
当前数值确定模块420，用于确定当前时刻的滤波器权系数、期望信号和参考信号。
设定方向判断模块430，用于判断所述声源方向是否是设定方向。
滤波器权系数计算模块440，用于计算下一时刻的滤波器权系数。
若声源方向是设定方向，且当前时刻所处静音阶段，将当前时刻的所述滤波器权系数、所述期望信号和所述参考信号输入到代价函数正则化自适应滤波算法中，得到下一时刻的滤波器权系数。
若声源方向是设定方向，且当前时刻所处语音阶段，将当前时刻的滤波器权系数作为下一时刻的滤波器权系数。
若声源方向不是设定方向，将当前时刻的所述滤波器权系数、所述期望信号和所述参考信号输入到传统自适应滤波算法中，得到下一时刻的滤波器权系数。
滤波处理模块450，用于基于下一时刻的滤波器权系数对下一时刻的音频信号进行滤波处理，并确定下一时刻的输出信号。
本发明实施例提供的技术方案，通过判断声源方向是设定方向，当前时刻所处静音阶段，基于代价函数正则化自适应滤波算法得到下一时刻的滤波器权系数；通过判断声源方向是设定方向，且当前时刻所处语音阶段，将当前时刻的滤波器权系数作为下一时刻的滤波器权系数；通过判断声源方向不是设定方向，基于传统自适应滤波算法得到下一时刻的滤波器权系数，从而基于下一时刻的滤波器权系数得到下一时刻的输出信号，即根据声源方向，可以将不同噪声抑制功能不同的算法相结合，得到不同的滤波器权系数，进而采取不同的滤波策略，在保证非设定方向噪声抑制性能良好的同时，避免了设定方向的语音损伤问题，获取到准确的音频输出信号，在没有显著提升算法复杂度的前提下，提升了该自适应波束形成方法的鲁棒性，具有较高的实用性。
在上述实施例的基础上，滤波器权系数计算模块440，具体用于：
若声源方向是设定方向，且当前时刻所处静音阶段，将当前时刻的所述滤波器权系数、所述期望信号和所述参考信号输入到泄漏归一化最小均方算法中，得到下一时刻的滤波器权系数。
若声源方向不是设定方向，将当前时刻的所述滤波器权系数、所述期望信号和所述参考信号输入到归一化最小均方算法中，得到下一时刻的滤波器权系数。
在上述实施例的基础上，滤波器权系数计算模块440，还用于：
若声源方向是设定方向，且当前时刻所处静音阶段，将当前时刻的所述滤波器权系数、所述期望信号和所述参考信号输入到泄漏归一化最小均方算法中，基于如下公式确定下一时刻的滤波器权系数：
其中，μ是迭代更新步长，为小于1的正实数；λ是泄漏因子，为小于0.1的正实数；ye(n)是第n时刻的输出信号，是ye(n)的共轭运算结果，ye(n)＝yd(n)-WT(n)Yr(n)，yd(n)是第n时刻的期望信号，Yr(n)＝[yr(n),yr(n-1),...,yr(n-M+1)]T，yr(n)是第n时刻的参考信号，M为滤波器长度，||Yr(n)||2是对Yr(n)求2-范数；W(n)＝[w0(n),w1(n),...,wM-1(n)]T，w0(n)，w1(n)和wM-1(n)为第n时刻的滤波器权系数，WT(n)是W(n)的共轭转置矩阵。
若声源方向不是设定方向，将当前时刻的所述滤波器权系数、所述期望信号和所述参考信号输入到归一化最小均方算法中，基于如下公式确定下一时刻的滤波器权系数：
其中，μ是迭代更新步长，为小于1的正实数；ye(n)是第n时刻的输出信号，
是ye(n)的共轭运算结果，ye(n)＝yd(n)-WT(n)Yr(n)，yd(n)是第n时刻的期望信号，Yr(n)＝[yr(n),yr(n-1),...,yr(n-M+1)]T，yr(n)是第n时刻的参考信号，M为滤波器长度，||Yr(n)||2是对Yr(n)求2-范数；W(n)＝[w0(n),w1(n),...,wM-1(n)]T，w0(n)，w1(n)和wM-1(n)为第n时刻的滤波器权系数，WT(n)是W(n)的共轭转置矩阵。
在上述实施例的基础上，设定方向判断模块430，具体用于：
若θ大于或等于A-B/2，且θ小于或等于A+B/2，则所述声源方向是设定方向；
若θ大于A+B/2，或θ小于A-B/2，则所述声源方向不是设定方向；
其中，θ为声源方向角，A为目标方向角，B为波束宽度。
在上述实施例的基础上，声源方向及音频阶段获取模块410，具体用于：
根据波达方向算法，获取声源方向；
根据语音活动检测算法，获取当前时刻所处的音频阶段。
在上述实施例的基础上，当前数值确定模块420，具体用于：
根据广义旁瓣消除算法确定期望信号和参考信号。
本实施例所介绍的自适应波束形成装置可以执行本发明任意实施例中的自适应波束形成方法，故而基于本发明实施例中所介绍的自适应波束形成方法，本领域所属技术人员能够了解本实施例的自适应波束形成装置的具体实施方式以及其各种变化形式，所以在此对于该自适应波束形成装置如何实现本发明实施例中的自适应波束形成方法不再详细介绍。只要本领域所属技术人员实施本发明实施例中自适应波束形成方法所采用的装置，都属于本申请所欲保护的范围。
本发明实施例提供了一种电子设备，如图5所示，包括：至少一个处理器(processor)51；以及与所述处理器51连接的至少一个存储器(memory)52、总线53；其中，
所述处理器51、存储器52通过所述总线53完成相互间的通信；
所述处理器51用于调用所述存储器52中的程序指令，以执行上述方法实施例中的步骤。
本实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种自适应波束形成方法，其特征在于，包括：
获取声源方向和当前时刻所处的音频阶段；其中，音频阶段包括语音阶段和静音阶段；
确定当前时刻的滤波器权系数、期望信号和参考信号；
判断所述声源方向是否是设定方向；
若是，且当前时刻所处静音阶段，将当前时刻的所述滤波器权系数、所述期望信号、所述参考信号以及之前时刻的参考信号输入到代价函数正则化自适应滤波算法中，得到下一时刻的滤波器权系数；
若是，且当前时刻所处语音阶段，将当前时刻的滤波器权系数作为下一时刻的滤波器权系数；
若否，将当前时刻的所述滤波器权系数、所述期望信号、所述参考信号以及之前时刻的参考信号输入到传统自适应滤波算法中，得到下一时刻的滤波器权系数；
基于下一时刻的滤波器权系数对下一时刻的音频信号进行滤波处理，并确定下一时刻的输出信号。
2.根据权利要求1所述的方法，其特征在于：所述代价函数正则化自适应滤波算法，包括：泄漏归一化最小均方算法；
所述传统自适应滤波算法，包括：归一化最小均方算法。
3.根据权利要求2所述的方法，其特征在于：所述将当前时刻的所述滤波器权系数、所述期望信号、所述参考信号以及之前时刻的参考信号输入到代价函数正则化自适应滤波算法中，得到下一时刻的滤波器权系数，包括：
基于如下公式确定下一时刻的滤波器权系数：
其中，μ是迭代更新步长，为小于1的正实数；λ是泄漏因子，为小于0.1的正实数；ye(n)是第n时刻的输出信号，是ye(n)的共轭运算结果，ye(n)＝yd(n)-WT(n)Yr(n)，yd(n)是第n时刻的期望信号，Yr(n)＝[yr(n),yr(n-1),...,yr(n-M+1)]T，yr(n)是第n时刻的参考信号，M为滤波器长度，||Yr(n)||2是对Yr(n)求2-范数；W(n)＝[w0(n),w1(n),...,wM-1(n)]T，w0(n)，w1(n)和wM-1(n)为第n时刻的滤波器权系数，WT(n)是W(n)的共轭转置矩阵。
4.根据权利要求2所述的方法，其特征在于，所述将当前时刻的所述滤波器权系数、所述期望信号、所述参考信号以及之前时刻的参考信号输入到传统自适应滤波算法中，得到下一时刻的滤波器权系数，包括：
基于如下公式确定下一时刻的滤波器权系数：
其中，μ是迭代更新步长，为小于1的正实数；ye(n)是第n时刻的输出信号，
是ye(n)的共轭运算结果，ye(n)＝yd(n)-WT(n)Yr(n)，yd(n)是第n时刻的期望信号，Yr(n)＝[yr(n),yr(n-1),...,yr(n-M+1)]T，yr(n)是第n时刻的参考信号，M为滤波器长度，||Yr(n)||2是对Yr(n)求2-范数；W(n)＝[w0(n),w1(n),...,wM-1(n)]T，w0(n)，w1(n)和wM-1(n)为第n时刻的滤波器权系数，WT(n)是W(n)的共轭转置矩阵。
5.根据权利要求1所述的方法，其特征在于：所述判断所述声源方向是否是设定方向，包括：
若θ大于或等于A-B/2，且θ小于或等于A+B/2，则所述声源方向是设定方向；
若θ大于A+B/2，或θ小于A-B/2，则所述声源方向不是设定方向；
其中，θ为声源方向角，A为目标方向角，B为波束宽度。
6.根据权利要求1所述的方法，其特征在于：所述获取声源方向和当前时刻所处的音频阶段，包括：
根据波达方向算法，获取声源方向；
根据语音活动检测算法，获取当前时刻所处的音频阶段。
7.根据权利要求1所述的方法，其特征在于：确定当前时刻的期望信号和参考信号，包括：根据广义旁瓣消除算法确定期望信号和参考信号。
8.一种自适应波束形成装置，其特征在于，包括：
声源方向及音频阶段获取模块，用于获取声源方向和当前时刻所处的音频阶段；其中，音频阶段包括语音阶段和静音阶段；
当前数值确定模块，用于确定当前时刻的滤波器权系数、期望信号和参考信号；
设定方向判断模块，用于判断所述声源方向是否是设定方向；
若是，且当前时刻所处静音阶段，将当前时刻的所述滤波器权系数、所述期望信号、所述参考信号以及之前时刻的参考信号输入到代价函数正则化自适应滤波算法中，得到下一时刻的滤波器权系数；
若是，且当前时刻所处语音阶段，将当前时刻的滤波器权系数作为下一时刻的滤波器权系数；
若否，将当前时刻的所述滤波器权系数、所述期望信号、所述参考信号以及之前时刻的参考信号输入到传统自适应滤波算法中，得到下一时刻的滤波器权系数；
滤波处理模块，用于基于下一时刻的滤波器权系数对下一时刻的音频信号进行滤波处理，并确定下一时刻的输出信号。
9.一种电子设备，其特征在于，包括：
至少一个处理器；
以及与所述处理器连接的至少一个存储器、总线；其中，
所述处理器、存储器通过所述总线完成相互间的通信；
所述处理器用于调用所述存储器中的程序指令，以执行权利要求1至权利要求7中任一项所述的一种自适应波束形成方法。
10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行权利要求1至权利要求7中任一项所述的一种自适应波束形成方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811571523.6A CN109616136B (zh) | 2018-12-21 | 2018-12-21 | 一种自适应波束形成方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811571523.6A CN109616136B (zh) | 2018-12-21 | 2018-12-21 | 一种自适应波束形成方法、装置及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109616136A CN109616136A (zh) | 2019-04-12 |
| CN109616136B true CN109616136B (zh) | 2020-01-17 |
Family
ID=66010093
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811571523.6A Active CN109616136B (zh) | 2018-12-21 | 2018-12-21 | 一种自适应波束形成方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109616136B (zh) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110211601B (zh) * | 2019-05-21 | 2020-05-08 | 出门问问信息科技有限公司 | 一种空域滤波器参数矩阵的获取方法、装置及系统 |
| CN110517701B (zh) * | 2019-07-25 | 2021-09-21 | 华南理工大学 | 一种麦克风阵列语音增强方法及实现装置 |
| CN110661510B (zh) * | 2019-10-18 | 2021-05-11 | 出门问问创新科技有限公司 | 波束形成器形成方法、波束形成方法、装置及电子设备 |
| CN111540372B (zh) * | 2020-04-28 | 2023-09-12 | 北京声智科技有限公司 | 一种多麦克阵列降噪处理的方法及装置 |
| CN111696573B (zh) * | 2020-05-20 | 2023-04-28 | 北京地平线机器人技术研发有限公司 | 声源信号处理方法及装置、电子设备和存储介质 |
| CN112735370B (zh) * | 2020-12-29 | 2022-11-01 | 紫光展锐(重庆)科技有限公司 | 一种语音信号处理方法、装置、电子设备和存储介质 |
| CN112785997B (zh) * | 2020-12-29 | 2022-11-01 | 紫光展锐(重庆)科技有限公司 | 一种噪声估计方法、装置、电子设备和可读存储介质 |
| CN113473342B (zh) * | 2021-05-20 | 2022-04-12 | 中国科学院声学研究所 | 助听器的信号处理方法、装置、助听器及计算机存储介质 |
| US11805360B2 (en) * | 2021-07-21 | 2023-10-31 | Qualcomm Incorporated | Noise suppression using tandem networks |
| CN113447270B (zh) * | 2021-07-23 | 2023-09-01 | 上海工程技术大学 | 一种轨道车辆牵引电机轴承声学监测系统及方法 |
| CN113780533B (zh) * | 2021-09-13 | 2022-12-09 | 广东工业大学 | 基于深度学习及admm的自适应波束成形方法及系统 |
| CN114838810A (zh) * | 2022-03-25 | 2022-08-02 | 武汉理工大学 | 一种巡检机器人 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8249862B1 (en) * | 2009-04-15 | 2012-08-21 | Mediatek Inc. | Audio processing apparatuses |
| CN102969002A (zh) * | 2012-11-28 | 2013-03-13 | 厦门大学 | 一种可抑制移动噪声的麦克风阵列语音增强装置 |
| CN106782593A (zh) * | 2017-02-27 | 2017-05-31 | 重庆邮电大学 | 一种用于声学回声消除的多带结构自适应滤波器切换方法 |
| CN108293170A (zh) * | 2015-10-22 | 2018-07-17 | 思睿逻辑国际半导体有限公司 | 波束成形应用中的自适应无相位失真幅度响应均衡 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9549079B2 (en) * | 2013-09-05 | 2017-01-17 | Cisco Technology, Inc. | Acoustic echo cancellation for microphone array with dynamically changing beam forming |
-
2018
- 2018-12-21 CN CN201811571523.6A patent/CN109616136B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8249862B1 (en) * | 2009-04-15 | 2012-08-21 | Mediatek Inc. | Audio processing apparatuses |
| CN102969002A (zh) * | 2012-11-28 | 2013-03-13 | 厦门大学 | 一种可抑制移动噪声的麦克风阵列语音增强装置 |
| CN108293170A (zh) * | 2015-10-22 | 2018-07-17 | 思睿逻辑国际半导体有限公司 | 波束成形应用中的自适应无相位失真幅度响应均衡 |
| CN106782593A (zh) * | 2017-02-27 | 2017-05-31 | 重庆邮电大学 | 一种用于声学回声消除的多带结构自适应滤波器切换方法 |
Non-Patent Citations (1)
| Title |
|---|
| 一种新的麦克风阵列自适应语音增强方法;徐进等;《应用科学学报》;20150330;第33卷(第2期);187-193 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109616136A (zh) | 2019-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109616136B (zh) | 一种自适应波束形成方法、装置及系统 | |
| US12052393B2 (en) | Conferencing device with beamforming and echo cancellation | |
| CN110931036B (zh) | 一种麦克风阵列波束形成方法 | |
| CN107018470B (zh) | 一种基于环形麦克风阵列的语音记录方法及系统 | |
| US8818002B2 (en) | Robust adaptive beamforming with enhanced noise suppression | |
| CN103117064B (zh) | 用于处理信号的方法和设备 | |
| Gannot et al. | Adaptive beamforming and postfiltering | |
| Dietzen et al. | Integrated sidelobe cancellation and linear prediction Kalman filter for joint multi-microphone speech dereverberation, interfering speech cancellation, and noise reduction | |
| JP4973655B2 (ja) | 適応アレイ制御装置、方法、プログラム、及びこれを利用した適応アレイ処理装置、方法、プログラム | |
| US10598543B1 (en) | Multi microphone wall detection and location estimation | |
| CN108717495A (zh) | 多波束波束成形的方法、装置及电子设备 | |
| CN110660404B (zh) | 基于零陷滤波预处理的语音通信和交互应用系统、方法 | |
| US9443531B2 (en) | Single MIC detection in beamformer and noise canceller for speech enhancement | |
| CN111681665A (zh) | 一种全向降噪方法、设备及存储介质 | |
| Yang et al. | Dereverberation with differential microphone arrays and the weighted-prediction-error method | |
| Zhao et al. | Experimental study of robust acoustic beamforming for speech acquisition in reverberant and noisy environments | |
| Pan et al. | On the design of target beampatterns for differential microphone arrays | |
| CN113223552B (zh) | 语音增强方法、装置、设备、存储介质及程序 | |
| Pan et al. | Design of directivity patterns with a unique null of maximum multiplicity | |
| CN114242104A (zh) | 语音降噪的方法、装置、设备及存储介质 | |
| US20190348056A1 (en) | Far field sound capturing | |
| CN110858485B (zh) | 语音增强方法、装置、设备及存储介质 | |
| WO2020186434A1 (en) | Flexible differential microphone arrays with fractional order | |
| Barnov et al. | Spatially robust GSC beamforming with controlled white noise gain | |
| US11902755B2 (en) | Linear differential directional microphone array |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |