基于分布式麥克風(fēng)陣列網(wǎng)絡(luò)的語(yǔ)音增強(qiáng)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及語(yǔ)音增強(qiáng)方法，具體涉及一種基于分布式麥克風(fēng)陣列網(wǎng)絡(luò)的語(yǔ)音增強(qiáng) 方法。
【背景技術(shù)】
[0002] 我們所處的環(huán)境中常常伴隨著各種噪聲，例如，房間內(nèi)的電視機(jī)聲和風(fēng)扇聲、汽車 內(nèi)的發(fā)動(dòng)機(jī)聲、馬路上的汽車行駛聲、咖啡廳內(nèi)的Babble噪聲等。噪聲對(duì)多種語(yǔ)音處理系 統(tǒng)產(chǎn)生負(fù)面影響。例如，在語(yǔ)音通信時(shí)，噪聲會(huì)干擾甚至掩蓋對(duì)方的聲音，降低通話質(zhì)量；在 語(yǔ)音識(shí)別系統(tǒng)中，噪聲會(huì)使得語(yǔ)音識(shí)別率下降，甚至使識(shí)別系統(tǒng)完全失效。因此，根據(jù)觀測(cè) 到的帶噪語(yǔ)音信號(hào)，估計(jì)純凈語(yǔ)音具有十分重要的意義，我們稱此為語(yǔ)音增強(qiáng)。
[0003] 傳統(tǒng)語(yǔ)音增強(qiáng)算法采用一個(gè)麥克風(fēng)的觀測(cè)信號(hào)進(jìn)行處理，包括單通道維納濾波 器、譜減法、基于統(tǒng)計(jì)模型的最大似然和最大后驗(yàn)概率的語(yǔ)音增強(qiáng)方法等。雖然該類方法 可以一定程度上消除噪聲，但存在兩方面問(wèn)題。首先，消除噪聲的同時(shí)會(huì)造成語(yǔ)音成分的缺 失，即產(chǎn)生語(yǔ)音畸變。其次，噪聲消除后的頻譜上常存在隨機(jī)離散的極值點(diǎn)，使聽(tīng)者感受到 "音樂(lè)噪聲"。這兩方面的因素都使得增強(qiáng)后的語(yǔ)音可懂度難以達(dá)到預(yù)期，且使得語(yǔ)音識(shí)別 性能不能有效提尚。
[0004] 為了解決上述問(wèn)題，人們開(kāi)始利用兩個(gè)或以上的麥克風(fēng)，組成"麥克風(fēng)陣列"，以探 尋更優(yōu)的多通道語(yǔ)音增強(qiáng)方法。麥克風(fēng)陣列中的麥克風(fēng)處于空間不同位置，但時(shí)鐘和采樣 率一致。因此，多個(gè)麥克風(fēng)提供了語(yǔ)音和噪聲的時(shí)域冗余性和空間差異性，更多的信息使得 語(yǔ)音增強(qiáng)性能提高具有了可能。為了增強(qiáng)語(yǔ)音，人們可以設(shè)計(jì)稱為"波束形成器"的空間濾 波器，提取目標(biāo)聲源方向的信號(hào)，抑制其他方向的噪聲。最簡(jiǎn)單的波束形成器是"延遲加和" 波束形成器，而MVDR和LCMV波束形成器可以理論上在降低噪聲的同時(shí)避免語(yǔ)音畸變。除 了簡(jiǎn)單的波束形成器之外，廣義旁瓣消除（GSC)架構(gòu)也被廣泛使用。雖然從理論上可以證 明GSC和LCMV波束形成器的等價(jià)性，但是GSC的實(shí)現(xiàn)更為簡(jiǎn)單，計(jì)算復(fù)雜度也較低。上述 波束形成器均需要語(yǔ)音方位（甚至是噪聲方位）已知，但實(shí)際情況下聲源方位往往并不固 定，且噪聲和混響下的聲源方位難以估計(jì)。為了避免聲源定位，單通道維納濾波器被推廣 到多通道，使得僅根據(jù)噪聲時(shí)空統(tǒng)計(jì)特性即可設(shè)計(jì)最優(yōu)的多通道維納濾波器，而噪聲時(shí)空 統(tǒng)計(jì)特性可結(jié)合語(yǔ)音存在概率或語(yǔ)音活動(dòng)檢測(cè)算法估計(jì)和更新。和單通道算法相比，即使 是雙通道的語(yǔ)音增強(qiáng)方法即可取得性能的明顯提升。
[0005] 采用麥克風(fēng)陣列進(jìn)行語(yǔ)音增強(qiáng)逐漸成為主流。一旦麥克風(fēng)陣列硬件制作完成，其 麥克風(fēng)間距，所包含麥克風(fēng)數(shù)量等參數(shù)難以改變。由于手持設(shè)備等空間的限制，麥克風(fēng)陣列 不能采用較多的麥克風(fēng)和較大的間距。當(dāng)麥克風(fēng)陣列只處于一個(gè)較小的空間范圍時(shí)，難以 對(duì)環(huán)境噪聲和混響進(jìn)行準(zhǔn)確全面的采集。而理論上更多的麥克風(fēng)和更大的麥克風(fēng)間距可以 有效提高多通道語(yǔ)音增強(qiáng)算法的性能。因此，傳統(tǒng)的基于麥克風(fēng)陣列的語(yǔ)音增強(qiáng)算法受到 麥克風(fēng)陣列自身可擴(kuò)展性和空間的限制。

【發(fā)明內(nèi)容】

[0006] 針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明公開(kāi)了一種基于分布式麥克風(fēng)陣列網(wǎng)絡(luò)的語(yǔ)音增強(qiáng) 方法。
[0007] 本發(fā)明的技術(shù)方案如下：
[0008] -種基于分布式麥克風(fēng)陣列網(wǎng)絡(luò)的語(yǔ)音增強(qiáng)方法，包括下列步驟：
[0009] 步驟a、建立由多個(gè)麥克風(fēng)陣列構(gòu)成的基于Ad-hoc網(wǎng)絡(luò)的分布式麥克風(fēng)陣列網(wǎng) 絡(luò)；任意兩個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)之間均可相互通信；
[0010] 步驟b、將分布式麥克風(fēng)陣列網(wǎng)絡(luò)初始化，即對(duì)網(wǎng)絡(luò)節(jié)點(diǎn)進(jìn)行采樣率同步；
[0011] 步驟C、將各節(jié)點(diǎn)的信號(hào)進(jìn)行分幀，得到分幀后的多節(jié)點(diǎn)多路麥克風(fēng)陣列觀測(cè)信 號(hào)；
[0012] 步驟d、在每個(gè)節(jié)點(diǎn)，對(duì)于每一幀的多路麥克風(fēng)陣列觀測(cè)信號(hào)，根據(jù)當(dāng)前節(jié)點(diǎn)的多 路麥克風(fēng)陣列觀測(cè)信號(hào)，采用多通道維納濾波器進(jìn)行語(yǔ)音增強(qiáng)，得到單通道增強(qiáng)后語(yǔ)音信 號(hào)；
[0013] 步驟e、在每個(gè)節(jié)點(diǎn)，將該節(jié)點(diǎn)通過(guò)所述步驟d得到的單通道增強(qiáng)后語(yǔ)音信號(hào)傳輸 到網(wǎng)絡(luò)的所有其他節(jié)點(diǎn)；
[0014] 步驟f、在每個(gè)節(jié)點(diǎn)，同時(shí)根據(jù)當(dāng)前節(jié)點(diǎn)的多路麥克風(fēng)陣列觀測(cè)信號(hào)和所有其他節(jié) 點(diǎn)的單通道增強(qiáng)后語(yǔ)音信號(hào)，再次采用多通道維納濾波器進(jìn)行語(yǔ)音增強(qiáng)，得到當(dāng)前節(jié)點(diǎn)更 新后的單通道增強(qiáng)后語(yǔ)音信號(hào)；
[0015] 步驟g、重復(fù)迭代步驟e~步驟f，當(dāng)某節(jié)點(diǎn)得到的單通道增強(qiáng)后語(yǔ)音信號(hào)收斂 時(shí)，當(dāng)前節(jié)點(diǎn)的單通道增強(qiáng)后語(yǔ)音信號(hào)不再更新；當(dāng)所有節(jié)點(diǎn)的單通道增強(qiáng)后語(yǔ)音信號(hào)均 不再更新時(shí)，當(dāng)前幀處理結(jié)束；最終在每個(gè)節(jié)點(diǎn)均得到當(dāng)前節(jié)點(diǎn)增強(qiáng)后語(yǔ)音信號(hào)。
[0016] 其進(jìn)一步的技術(shù)方案為：所述麥克風(fēng)陣列包括音頻采集模塊和通信模塊。
[0017] 其進(jìn)一步的技術(shù)方案為：所述步驟a中的Ad-h〇C網(wǎng)絡(luò)的結(jié)構(gòu)為平面結(jié)構(gòu)或者分級(jí) 結(jié)構(gòu)；Ad-hoc網(wǎng)絡(luò)采用先驗(yàn)式、反應(yīng)式或者混合式的路由協(xié)議實(shí)現(xiàn)網(wǎng)絡(luò)中兩個(gè)節(jié)點(diǎn)設(shè)備之 間的相互通信。
[0018] 其進(jìn)一步的技術(shù)方案為：所述步驟b還包括對(duì)網(wǎng)絡(luò)節(jié)點(diǎn)進(jìn)行時(shí)間同步；
[0019] 所述分布式麥克風(fēng)陣列包括網(wǎng)絡(luò)設(shè)備時(shí)鐘；所述時(shí)間同步是通過(guò)所述網(wǎng)絡(luò)設(shè)備時(shí) 鐘，基于NTP網(wǎng)絡(luò)時(shí)間協(xié)議進(jìn)行同步。
[0020] 其進(jìn)一步的技術(shù)方案為，所述步驟b具體包括以下步驟：
[0021] 步驟bl、將網(wǎng)絡(luò)采樣率初始化，使K= 1，即網(wǎng)絡(luò)采樣率f。等于節(jié)點(diǎn)1的設(shè)備采樣 率f1;
[0022] 步驟b2、節(jié)點(diǎn)K的設(shè)備采樣率為fK;將節(jié)點(diǎn)K的設(shè)備采樣率f K傳輸?shù)焦?jié)點(diǎn)K+1 ;
[0023] 步驟b3、若節(jié)點(diǎn)K+1的設(shè)備采樣率fK+1> f K，則fQ= f K，否則fQ= f K+1;
[0024]步驟 b4、K = K+l;
[0025] 步驟b5、重復(fù)步驟b2~步驟b4,直至遍歷所有節(jié)點(diǎn)，從而網(wǎng)絡(luò)采樣率f。為全網(wǎng)絡(luò) 所有節(jié)點(diǎn)的設(shè)備采樣率最小值；
[0026] 步驟b6、通過(guò)最終節(jié)點(diǎn)將當(dāng)前網(wǎng)絡(luò)采樣率f。傳輸?shù)狡渌鱾€(gè)節(jié)點(diǎn)，使得所有節(jié)點(diǎn) 設(shè)備采樣率為f。。
[0027] 其進(jìn)一步的技術(shù)方案為：所述步驟c中的信號(hào)分幀使用海明窗或者漢寧窗抑制頻 譜泄露；所述步驟C采用時(shí)間混疊的分幀策略。
[0028] 其進(jìn)一步的技術(shù)方案為：所述步驟d使用時(shí)域多通道維納濾波器或者頻域的多通 道維納濾波器對(duì)多路麥克風(fēng)陣列觀測(cè)信號(hào)進(jìn)行濾波，以達(dá)到語(yǔ)音增強(qiáng)的效果：
[0029] 在節(jié)點(diǎn)K，所述時(shí)域多通道維納濾波器的表達(dá)式為：
[0030] hw>K(t)=[Rxx,K(t)+ARnn>K(t)] 1Rxx>K(t)u；
[0031]上式中，Rxx, K (t) = Ryy, K (t) -Rnn, K (t);
[0032] S{x瓦.(幻X忘參)}*是當(dāng)前節(jié)點(diǎn)的純凈語(yǔ)音向量x K(t)= [xliK(t), x2,K(t),…，xM,K(t)]T的時(shí)域自相關(guān)矩陣；
[0033] Rrm.A-⑷是當(dāng)前節(jié)點(diǎn)的噪聲向量nK⑴= [nliK(t), n2,K(t)，? ? ?，nM,K(t)]T的時(shí)域自相關(guān)矩陣；
[0034] 產(chǎn)(/X(；$，是當(dāng)前節(jié)點(diǎn)的多路麥克風(fēng)陣列觀測(cè)信號(hào)向量yi(⑴=
[yi,K(t)，y2,K(t)，...，yM,K(t)]T的時(shí)域自相關(guān)矩陣；
[0035] u = [1，0, ? ? ?，0]T，其長(zhǎng)度為 M;
[0036] M為當(dāng)前節(jié)點(diǎn)的麥克風(fēng)數(shù)量；
[0037] X為控制噪聲消除和語(yǔ)音畸變的程度，A >〇, A越大，噪聲被抑制的效果越明 顯，同時(shí)帶來(lái)更多的語(yǔ)音畸變；
[0038] 節(jié)點(diǎn)K的時(shí)域?yàn)V波輸出為：
[0039] (幻=瓦(0;
[0040] 在節(jié)點(diǎn)K，所述頻域多通道維納濾波器的表達(dá)式為：
[0041] HWjK(〇) = [RXXjK(o) +ARNNjK(o)] 1RXXjK(o)u；
[0042]上式中，RXX,K(?) =RYY,K(?)-RNN,K(?);
[0043] 二E{:X.八是當(dāng)前節(jié)點(diǎn)的純凈語(yǔ)音向量^ JohXwh)，...，X M,K(co)]%頻域自相關(guān)矩陣；
[0044] 是當(dāng)前節(jié)點(diǎn)的噪聲向量 N K(?)= [\K(co)，N2,K(?)，...，N M,K(co)]H 的頻域自相關(guān)矩陣；
[0045] Rvtj、'_(^)=廠k M =的頻域自相關(guān)矩陣；
[0046] u = [1，0, ? ? ?，0]T，其長(zhǎng)度為 M;
[0047] M為當(dāng)前節(jié)點(diǎn)的麥克風(fēng)數(shù)量；
[0048]A為控制噪聲消除和語(yǔ)音畸變的程度，A >0, A越大，噪聲被抑制的效果越明 顯，同時(shí)帶來(lái)更多的語(yǔ)音畸變；
[0049] 節(jié)點(diǎn)K的頻域?yàn)V波輸出為：
[0050]
[0051]其進(jìn)一步的技術(shù)方案為：所述步驟e包括在信號(hào)傳輸?shù)臄?shù)據(jù)包中加入發(fā)射節(jié)點(diǎn)序 號(hào)、接收節(jié)點(diǎn)序號(hào)以及多通道維納濾波器處理次數(shù)的信息。
[0052] 其進(jìn)一步的技術(shù)方案為：所述步驟f?包括使用時(shí)域或頻域的多通道維納濾波器對(duì) 當(dāng)前節(jié)點(diǎn)多路觀測(cè)信號(hào)和其他節(jié)點(diǎn)的增強(qiáng)后信號(hào)進(jìn)行濾波；
[0053] 所述時(shí)域的多通道維納濾波器中，
[0054]