CN117219108A - 基于二阶差分麦克风阵列的自适应降噪方法 - Google Patents

基于二阶差分麦克风阵列的自适应降噪方法 Download PDF

Info

Publication number
CN117219108A
CN117219108A CN202311239095.8A CN202311239095A CN117219108A CN 117219108 A CN117219108 A CN 117219108A CN 202311239095 A CN202311239095 A CN 202311239095A CN 117219108 A CN117219108 A CN 117219108A
Authority
CN
China
Prior art keywords
noise
voice
microphone array
signal
algorithm
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
CN202311239095.8A
Other languages
English (en)
Inventor
梁杰业
方韶劻
林凤梅
曾庆宁
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.)
Angsi Technology Dingnan Co ltd
Original Assignee
Angsi Technology Dingnan Co ltd
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 Angsi Technology Dingnan Co ltd filed Critical Angsi Technology Dingnan Co ltd
Priority to CN202311239095.8A priority Critical patent/CN117219108A/zh
Publication of CN117219108A publication Critical patent/CN117219108A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Circuit For Audible Band Transducer (AREA)

Abstract

本发明公开了一种基于二阶差分麦克风阵列的自适应降噪方法,该方法以二阶差分麦克风阵列心形波束模式的输出作为广义旁瓣抵消算法上支路的期望信号,下支路利用阻塞矩阵提取参考噪声信号输入改进的自适应噪声相消模块进行自适应滤波处理,最后使用最优修正对数谱幅度算法进一步的消除残留噪声。这种方法能有效抑制不同类型的方向性噪声的影响,并具有较好的鲁棒性。

Description

基于二阶差分麦克风阵列的自适应降噪方法
技术领域
本发明涉及音频信号处理技术领域,具体是一种基于二阶差分麦克风阵列的自适应降噪方法。
背景技术
为了减少噪声对于语音的干扰,语音增强是必要的。基于麦克风阵列的多通道语音增强可以采集来自不同方向的语音信息,通过信号处理算法从多个信号中提取出目标信号,并削弱来自其他方向的干扰信号,从而提高受损语音的质量和可懂度。所以,相较于单通道语音增强,基于麦克风阵列的多通道语音增强方法通常效果更好。
差分麦克风阵列的麦克风间距更紧密,具有超强的指向性,而且波束图不随频率而改变。因此,在处理像语音这种频率波动大的信号时,使用差分麦克风阵列算法具有独特的优势。差分麦克风阵列可以在期望方向上形成心形、偶极子和超心形的波束图,从而在语音增强中发挥着重要作用。麦克风阵列语音增强技术被广泛应用于多个领域,包括网络实时会议与通话、助听器设备以及针对性的降噪耳机等。
发明内容
本发明的目的是针对现有技术的不足,而提供一种基于二阶差分麦克风阵列的自适应降噪方法。这种方法能够抑制不同类型的方向性噪声的影响,提高语音的可懂度,具有一定的鲁棒性。
实现本发明目的的技术方案是:
一种基于二阶差分麦克风阵列的自适应降噪方法,包括如下步骤:
1)采用3个麦克风组成的均匀线性阵列来采集带噪语音信号:采集语音时,当声源位于参考麦克风M1的一端时为0°方向,记为语音增强方向;噪声源位于麦克风阵列360°范围内的任意位置,当噪声位于麦克风M3的一端时为180°方向,记为噪声主抑制方向,第m个麦克风接收到的信号的采样信号为xm(n),n为离散时间索引,将麦克风阵列采集的3路语音信号进行分帧加窗,进行短时傅里叶变换得:
其中,k为频率点的位置,l为帧索引的位置,w(n)为窗函数,N为帧长,M为帧移;
2)二阶差分麦克风阵列心形波束形成:利用设计的二阶差分麦克风阵列心形波束形成器的权重向量(这里*表示复共轭)对相应的麦克风输出进行处理,从而得到每个麦克风的纯净语音信号频谱的估计值,再通过重叠相加法把它们加权求和得到波束形成器的输出为:
式(2)中,H表示共轭转置。H(k,l)为二阶差分麦克风阵列心形波束形成器的滤波权重,X(k,l)为麦克风输出频域信号向量,两者分别由式(3)和(4)给出:
X(k,l)=[X1(k,l),X2(k,l),X3(k,l)]T (4),
其中,T表示转置,
由式(2)得到GSC结构上支路的期望语音信号Z(k,l),将其作为改进的自适应噪声消除模块的主输入进行自适应滤波处理;
3)改进的自适应噪声消除:采用NLMS算法与VAD算法相结合的改进自适应滤波算法进行噪声权重向量的迭代更新,利用VAD算法检测语音段的起始和结束位置,仅在语音不存在时更新噪声的权重,从而提高ANC模块噪声抵消的性能,
假设相邻两个麦克风中心的距离为d,目标语音信号的方向为θ,角频率为ω=2πf,采样频率为f,θ=0°时相邻两个麦克风之间的时延为τ0=d/c,将3路语音信号进行相位补偿对齐得:
3路语音信号进行相位补偿后的输出信号向量表示为:
Y(k,l)=[Y1(k,l),Y2(k,l),Y3(k,l)]T (6),
GSC结构下支路,采用上支路二阶差分麦克风阵列输出信号Z(k,l)作为主输入,通过阻塞矩阵B将相位补偿后的输出信号进行处理,从而提取噪声信号Xbout(k,l)作为自适应噪声消除模块的参考输入,将它们输入到自适应噪声消除模块进行自适应滤波处理,算法的主要公式如下:
Xb(k,l)=BY(k,l) (8),
Xbout(k,l)=[Xb T(k,l),Xb T(k,l-1),…,Xb T(k,l-L)]T (9),
W(k,l+1)=W(k,l)+μYANC(k,l)Xbout(k,l) (13),
通过式(12)得到改进的GSC算法的输出信号,其中,B是大小为2×3的阻塞矩阵,为自适应滤波器的输出信号,YANC(k,l)为二阶差分麦克风阵列输出Z(k,l)和自适应滤波器输出/>的差值,L为正整数,W(k,l)为自适应滤波器更新权重向量,式(13)为语音不存在时滤波器权重系数迭代更新的公式,μ为计算更新权重向量的步长,影响算法的收敛速度和稳定性,α(0<α<2)为归一化步长,ε为一个远小于1的正常数,防止μ过大使得算法稳定性能下降;
4)后置滤波算法:由式(12)得到改进的GSC算法的输出,采用二阶差分麦克风阵列心形波束形成提取目标语音信号,同时抑制非目标方向的干扰信号,二阶差分麦克风阵列心形波束形成在90°和180°方向时形成零陷,即噪声信号位于90°和180°方向时二阶差分麦克风阵列心形波束形成具有更好的指向性,能够最大程度地削弱来自这些方向上的干扰信号,当噪声靠近0°方向时,噪声衰减越小,由于实际环境噪声的复杂性,噪声可能位于麦克风阵列360°范围内的任意位置,因此输出信号可能仍有一定的噪声残留,输出语音信号通过OMLSA算法进行后置滤波以进一步消除残留噪声,干净语音每个频点的幅度谱估计值由YANC(k,l)通过一个谱增益滤波器得到:
谱增益计算函数公式如下:
其中,ξ(k,l)为先验信噪比,γ(k,l)为后验信噪比,p(k,l)是语音存在概率,q(k,l)是语音不存在的概率,β是用来控制降噪和语音失真之间平衡的权重因子,GH1为语音存在时的条件增益,Gmin为语音不存在时滤波器的增益下限,λd(k,l)为噪声功率谱估计值,为时变平滑参数,最后,对经过谱增益滤波器后的干净语音频谱估计值/>进行短时傅里叶逆变换得到系统输出的时域信号/>
本技术方案首先利用3个麦克风组成的均匀线性阵列采集语音信号,然后通过二阶差分麦克风阵列心形波束形成算法对这3路语音信号进行处理,作为GSC结构上支路的期望信号,其次,下支路通过阻塞矩阵提取噪声参考信号输入改进的ANC模块进行滤波权重的自适应更新,实现了更精准的噪声估计,最后使用OMLSA算法作为后置滤波模块进一步的消除残留噪声,本技术方案可以用于手机、助听器、针对性的降噪耳机等领域。
这种方法能够抑制不同类型的方向性噪声的影响,提高语音的可懂度,具有一定的鲁棒性。
附图说明
图1为实施例的方法流程示意图;
图2为实施例中麦克风阵列采集信号示意图;
图3为实施例中二阶差分麦克风阵列心形波束图。
具体实施方式
下面结合附图和实施例对本发明的内容作进一步的说明,但不是对本发明的限定。
实施例:
参照图1,一种基于二阶差分麦克风阵列的自适应降噪方法,包括如下步骤:
1)采用3个麦克风组成的均匀线性阵列来采集带噪语音信号:如图2所示,这是采集语音数据的阵列结构示意图,M1为参考麦克风,采集语音时,声源为一段纯净语音信号,其位于参考麦克风M1的一端为0°方向,距离阵列1m;选择四种不同类型的噪声源,如white噪声、babble噪声、factory噪声,1kHz正弦波(sine),分别位于90°,120°,150°,180°方向,距离阵列1m,第m个麦克风接收到的信号的采样信号为xm(n),n为离散时间索引,将麦克风阵列采集的3路语音信号进行分帧加窗,进行短时傅里叶变换得:
其中,k为频率点的位置,l为帧索引的位置,本例的w(n)取汉明窗,短时傅里叶变换的帧长N取256,帧移M取128;
2)二阶差分麦克风阵列心形波束形成:利用设计的二阶差分麦克风阵列心形波束形成器的权重向量(这里*表示复共轭)对相应的麦克风输出进行处理,从而得到每个麦克风的纯净语音信号频谱的估计值,再通过重叠相加法把它们加权求和得到波束形成器的输出为:
式(2)中,H表示共轭转置,H(k,l)为二阶差分麦克风阵列心形波束形成器的滤波权重,X(k,l)为麦克风输出频域信号向量,两者分别由式(3)和(4)给出:
X(k,l)=[X1(k,l),X2(k,l),X3(k,l)]T (4),
其中,T表示转置,由式(2)得到GSC结构上支路的期望语音信号Z(k,l),将其作为改进的自适应噪声消除模块的主输入进行自适应滤波处理;
3)改进的自适应噪声消除:采用NLMS与VAD算法相结合的改进自适应滤波算法进行噪声权重向量的迭代更新,利用VAD算法检测语音段的起始和结束位置,仅在语音不存在时更新噪声的权重,从而提高ANC模块噪声抵消的性能,
本例目标语音信号的方向假设为θ=0°,麦克风阵元间距d=2.125cm,角频率为ω=2πf,采样频率为f=16kHz,声速取c=340m/s,θ=0°时相邻两个麦克风之间的时延为τ0=d/c,将3路语音信号进行相位补偿对齐得:
3路语音信号进行相位补偿后的输出信号向量表示为:
Y(k,l)=[Y1(k,l),Y2(k,l),Y3(k,l)]T (6),
GSC结构下支路,采用上支路二阶差分麦克风阵列输出信号Z(k,l)作为主输入,通过阻塞矩阵B将相位补偿后的输出信号进行处理,从而提取噪声信号Xbout(k,l)作为自适应噪声消除模块的参考输入,将它们输入到自适应噪声消除模块进行自适应滤波处理,算法的主要公式如下:
Xb(k,l)=BY(k,l) (8),
Xbout(k,l)=[Xb T(k,l),Xb T(k,l-1),…,Xb T(k,l-L)]T (9),
W(k,l)=[W1 (0)(k,l),W2 (0)(k,l),W1 (1)(k,l),W2 (1)(k,l),…,W1 (L)(k,l),W2 (L)(k,l)]T (10),
W(k,l+1)=W(k,l)+μYANC(k,l)Xbout(k,l) (13),
通过式(12)得到改进的GSC算法的输出信号,其中,B是大小为2×3的阻塞矩阵,为自适应滤波器的输出信号,YANC(k,l)为二阶差分麦克风阵列输出Z(k,l)和自适应滤波器输出/>的差值,L为正整数,W(k,l)为自适应滤波器更新权重向量,式(13)为语音不存在时滤波器权重系数迭代更新的公式,μ为计算更新权重向量的步长,影响算法的收敛速度和稳定性,归一化步长α=0.1,ε为一个远小于1的正常数,本例取ε=0.0001,防止μ过大使得算法稳定性能下降;
4)后置滤波算法:采用二阶差分麦克风阵列心形波束形成提取目标语音信号,同时抑制非目标方向的干扰信号,二阶差分麦克风阵列心形波束形成的噪声抑制的程度可根据其波束图确定。二阶差分麦克风阵列心形波束图如图3所示,由此可以看出,在0°方向增益为1,在90°和180°方向形成了零陷,增益为0,即噪声信号位于90°和180°方向时二阶差分麦克风阵列心形波束形成具有更好的指向性,能够最大程度地削弱来自这些方向上的干扰信号,从而提高语音信号的质量和可听性,当噪声靠近0°方向时,噪声衰减越小,由于实际环境噪声的复杂性,噪声可能位于麦克风阵列360°范围内的任意位置,因此输出信号可能仍有一定的噪声残留,本例通过OMLSA算法作为后置滤波模块对改进的ANC算法处理后的语音信号进一步处理以消除残留噪声,干净语音每个频点的幅度谱估计值由YANC(k,l)通过一个谱增益滤波器得到:
谱增益计算函数公式如下:
其中,ξ(k,l)为先验信噪比,γ(k,l)为后验信噪比,p(k,l)是语音存在概率,q(k,l)是语音不存在的概率,β是用来控制降噪和语音失真之间平衡的权重因子,β本例取0.92,GH1为语音存在时的条件增益,Gmin为语音不存在时滤波器的增益下限,λd(k,l)为噪声功率谱估计值,为时变平滑参数,αd本例取0.85,最后,对经过谱增益滤波器后的干净语音频谱估计值/>进行短时傅里叶逆变换得到系统输出的时域信号/>

Claims (1)

1.一种基于二阶差分麦克风阵列的自适应降噪方法,其特征在于,包括如下步骤:
1)采用3个麦克风组成的均匀线性阵列来采集带噪语音信号:采集语音时,当声源位于参考麦克风M1的一端时为0°方向,记为语音增强方向;噪声源位于麦克风阵列360°范围内的任意位置,当噪声位于麦克风M3的一端时为180°方向,记为噪声主抑制方向,第m个麦克风接收到的信号的采样信号为xm(n),n为离散时间索引,将麦克风阵列采集的3路语音信号进行分帧加窗,进行短时傅里叶变换得:
其中,k为频率点的位置,l为帧索引的位置,w(n)为窗函数,N为帧长,M为帧移;
2)二阶差分麦克风阵列心形波束形成:利用设计的二阶差分麦克风阵列心形波束形成器的权重向量对相应的麦克风输出进行处理,*表示复共轭,从而得到每个麦克风的纯净语音信号频谱的估计值,再通过重叠相加法把它们加权求和得到波束形成器的输出为:
式(2)中,H表示共轭转置,H(k,l)为二阶差分麦克风阵列心形波束形成器的滤波权重,X(k,l)为麦克风输出频域信号向量,两者分别由式(3)和(4)给出:
X(k,l)=[X1(k,l),X2(k,l),X3(k,l)]T (4),
其中,T表示转置,
由式(2)得到广义旁瓣相消(Generalized Sidelobe Canceller,GSC)结构上支路的期望语音信号Z(k,l),将其作为改进的自适应噪声消除模块的主输入进行自适应滤波处理;
3)改进的自适应噪声消除:采用归一化最小均方(Normalized Least Mean Square,NLMS)与语音活动检测(Voice Activity Detection,VAD)算法相结合的改进自适应滤波算法进行噪声权重向量的迭代更新,利用VAD算法检测语音段的起始和结束位置,仅在语音不存在时更新噪声的权重,从而提高ANC模块噪声抵消的性能,
假设相邻两个麦克风中心的距离为d,目标语音信号的方向为θ,角频率为ω=2πf,采样频率为f,θ=0°时相邻两个麦克风之间的时延为τ0=d/c,将3路语音信号进行相位补偿对齐得:
3路语音信号进行相位补偿后的输出信号向量表示为:
Y(k,l)=[Y1(k,l),Y2(k,l),Y3(k,l)]T (6),
GSC结构下支路,采用上支路二阶差分麦克风阵列输出信号Z(k,l)作为主输入,通过阻塞矩阵B将相位补偿后的输出信号进行处理,从而提取噪声信号Xbout(k,l)作为自适应噪声消除模块的参考输入,将它们输入到自适应噪声消除模块进行自适应滤波处理,算法的主要公式如下:
Xb(k,l)=BY(k,l) (8),
Xbout(k,l)=[Xb T(k,l),Xb T(k,l-1),…,Xb T(k,l-L)]T (9),
W(k,l+1)=W(k,l)+μYANC(k,l)Xbout(k,l) (13),
通过式(12)得到改进的GSC算法的输出信号,其中,B是大小为2×3的阻塞矩阵,为自适应滤波器的输出信号,YANC(k,l)为二阶差分麦克风阵列输出Z(k,l)和自适应滤波器输出/>的差值,L为正整数,W(k,l)为自适应滤波器更新权重向量,式(13)为语音不存在时滤波器权重系数迭代更新的公式,μ为计算更新权重向量的步长,影响算法的收敛速度和稳定性,α为归一化步长,0<α<2,ε为一个远小于1的正常数,防止μ过大使得算法稳定性能下降;
4)后置滤波算法:输出语音信号经过改进的ANC算法处理后通过OMLSA算法进行后置滤波以进一步消除残留噪声,干净语音每个频点的幅度谱估计值由YANC(k,l)通过一个谱增益滤波器得到:
谱增益计算函数公式如下:
其中,ξ(k,l)为先验信噪比,γ(k,l)为后验信噪比,p(k,l)是语音存在概率,q(k,l)是语音不存在的概率,β是用来控制降噪和语音失真之间平衡的权重因子,GH1为语音存在时的条件增益,Gmin为语音不存在时滤波器的增益下限,λd(k,l)为噪声功率谱估计值,为时变平滑参数,最后,对经过谱增益滤波器后的干净语音频谱估计值/>进行短时傅里叶逆变换得到系统输出的时域信号/>
CN202311239095.8A 2023-09-25 2023-09-25 基于二阶差分麦克风阵列的自适应降噪方法 Pending CN117219108A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311239095.8A CN117219108A (zh) 2023-09-25 2023-09-25 基于二阶差分麦克风阵列的自适应降噪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311239095.8A CN117219108A (zh) 2023-09-25 2023-09-25 基于二阶差分麦克风阵列的自适应降噪方法

Publications (1)

Publication Number Publication Date
CN117219108A true CN117219108A (zh) 2023-12-12

Family

ID=89047869

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311239095.8A Pending CN117219108A (zh) 2023-09-25 2023-09-25 基于二阶差分麦克风阵列的自适应降噪方法

Country Status (1)

Country Link
CN (1) CN117219108A (zh)

Similar Documents

Publication Publication Date Title
CN110085248B (zh) 个人通信中降噪和回波消除时的噪声估计
CN106782590B (zh) 基于混响环境下麦克风阵列波束形成方法
EP1994788B1 (en) Noise-reducing directional microphone array
CN105575397B (zh) 语音降噪方法及语音采集设备
AU2007323521B2 (en) Signal processing using spatial filter
US20050074129A1 (en) Cardioid beam with a desired null based acoustic devices, systems and methods
JP2008512888A (ja) 改善した雑音抑圧を有する電話装置
WO2011079716A1 (zh) 一种使用麦克风阵列的降噪控制方法和装置
WO2013033991A1 (zh) 一种多麦克风阵列噪声消除方法、装置及系统
WO2003028006A2 (en) Selective sound enhancement
CN112331226B (zh) 一种针对主动降噪系统的语音增强系统及方法
CN110415720B (zh) 四元差分麦克风阵列超指向性频率不变波束形成方法
Yang et al. Dereverberation with differential microphone arrays and the weighted-prediction-error method
CN113903353A (zh) 一种基于空间区分性检测的定向噪声消除方法及装置
CN111273230A (zh) 一种声源定位方法
Priyanka et al. Adaptive Beamforming Using Zelinski-TSNR Multichannel Postfilter for Speech Enhancement
CN117219108A (zh) 基于二阶差分麦克风阵列的自适应降噪方法
CN110310650A (zh) 一种基于二阶微分麦克风阵列的语音增强算法
CN113362846B (zh) 一种基于广义旁瓣相消结构的语音增强方法
CN112435681B (zh) 一种基于声聚焦和麦克风阵列波束形成的语音增强方法
CN113838472A (zh) 一种语音降噪方法及装置
CN116320947B (zh) 一种应用于助听器的频域双通道语音增强方法
Lollmann et al. Post-filter design for superdirective beamformers with closely spaced microphones
CN112951260B (zh) 一种双麦克风语音增强的方法
Borowicz et al. Incorporating auditory properties into generalised sidelobe canceller

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