基于麦克风阵列的语音增强和分离方法研究

《基于麦克风阵列的语音增强和分离方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、山东大学硕士学位论文符号说明变量命名规则：标量值一斜体向量n小写字母正黑体矩阵A大写字母正黑体下标序列号，用来区分不同的变量。上标“^一变量的估计版本，例如；表示原始语音的估计；“丁”矩阵或向量的转置；_H”矩阵或向量的共轭转置；“●一变量的复共轭。运算符和一般函数：p(·)概率分布或概率密度函数≯(·)准则函数Ⅳ(·)计算随机变量的熵，(·)计算随机变量各分量的互信息Kun(·)计算随机变量的峭度历(·)指向性模式函数一般变量：s源语音信号I单位阵x观测语音信号，7或∥步长因子y或§分离或恢复源语音口系数n噪声向量G

2、任意非二次函数A混叠矩阵g(．)G(．)的导数W分离矩阵g’(．)g(．)的导数山东大学硕士学位论文鼍皇皇曼皇曼詈量皇皇量皇詈鼍詈鼍詈詈曼曼曼鼍曼詈皇毫量罡昌曼皇詈鲁暑詈詈鼍詈毫詈皇詈皇皇曼皇量詈詈詈詈詈詈詈詈詈詈鼍詈皇曼皇詈詈詈詈曼詈詈量皇皇詈曼詈詈詈曼缩略名词索引：BSSBlindSourceS印牡ation盲源分离BDBJindDeconvoluti彻盲反卷积MAMicroph加e岫麦克风阵列HoSHi曲er-OmerStatistics高阶统计特性ICAIIld印朋demC(姗岬恍殂tAnalysis独立分量分

3、析ⅧM觚h哪Er心叩y最大熵MLEMa)【h岫Likelm00dEstiIIlation最大似然估计MMIMinimumM劬JalInf0加ation最小互信息EMExpcCtationMaxj蛐zing期望最大化S11可ShoftTimeF0ufier№f0册短时傅立叶变换DSDelay觚dS啪延迟相加LCMVLillearlyConst阳inedMin岫umⅥuri觚ce线性约束最小方差GSCG∞∞llizcdSidelobeC锄cellcr广义旁瓣消除器DOADirectionofArrivm到达方向SNRSi印

4、甜toNoi辩Ratio信噪比NRRNoiseR。ductionRate噪声消除因子6原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人承担。论文作者签名：)、疹万影日期：卫星二鱼：[关于学位论文使用授权的声明本人完全了解山东大学有关保留、使用学位论文的规定，同意学校保留或向国家有关部门或机构送交论文的复印件和

5、电子版，允许论文被查阅和借阅；本人授权山东大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或其他复制手段保存论文和汇编本学位论文。(保密论文在解密后应遵守此规定)论文作者签名：堕丕盘导师签名：论文作者签名：笙垒堑导师签名：期：竺墨：!：』山东大学硕士学位论文中文摘要环境噪声和竞争说话者的干扰是语音通信过程中常见的干扰情况。人的听觉系统可以在嘈杂的多个讲话者的环境中区分和跟踪自己感兴趣的语音信号，并分辨出自己所需要的声音，这种分辨能力是人体内部语音理解机理所特有的一种感知能力，也就是人类的语

6、音分离的能力，称为“鸡尾酒会效应”。然而，现有的语音处理系统无法做到这一点，其性能受到噪声和竞争说话者语音的严重影响。例如，当前的语音识别系统对纯净语音能够达到很高的识别率，但是当语音被噪声污染时，系统性能会急剧下降。语音信号增强和分离是抑制噪声干扰、还原原始语音信号的一种有效途径。近年来，基于麦克风阵列的语音增强技术在车载通信、多媒体会议以及机器人控制系统中得到广泛的应用。和单个麦克风相比，麦克风阵列在时频域的基础上增加了一个空间域，对来自空间不同方位的信号进行空时频联合处理。因此，麦克风阵列可以弥补单个孤立的麦克风

7、在噪声处理、声源定位跟踪、语音提取分离等方面的不足，能够广泛应用于各种具有嘈杂背景的语音通信环境(如会场、多媒体教室、助昕器、车载免提电话、战场等)，以提高语音通信质量。麦克风阵列研究是阵列信号处理的新方向，具有广阔的市场应用前景。盲信号分离，是指在不知源信号和传输信道参数的情况下，根据输入源信号的统计特性，仅由观测信号恢复出各个源信号的过程，它是实现语音分离的主流方法。独立分量分析(IIldep饥demC0mponentAnal)rSis，ICA)，是在研究盲源分离过程中出现的一种新兴的盲分离技术，自其出现便成为信号

8、处理、数值分析、统计及神经网络等领域中的热点研究问题，并在语音处理、生物医学信号处理、模式识别，特征提取、数据压缩、图像处理和电予通讯等方面获得了非常广泛的应用。到目前为止已经有诸多语音增强方法被提出，tu．是强噪环境下的语音增强仍是一个具有挑战性的课题；另外，卷积盲分离的研究对于语音分离的实际应用具有重大意义，频域盲分离是解卷积