基于LMS算法的多麦克风降噪.docx
- 文档编号:812062
- 上传时间:2022-10-13
- 格式:DOCX
- 页数:26
- 大小:361.63KB
基于LMS算法的多麦克风降噪.docx
《基于LMS算法的多麦克风降噪.docx》由会员分享,可在线阅读,更多相关《基于LMS算法的多麦克风降噪.docx(26页珍藏版)》请在冰豆网上搜索。
基于LMS算法的多麦克风降噪
基于LMS_算法的多麦克风降噪
————————————————————————————————作者:
————————————————————————————————日期:
课程设计任务书
学生姓名:
专业班级:
指导教师:
工作单位:
题目:
基于LMS算法的多麦克风降噪
初始条件:
Matlab软件
设计任务:
给定主麦克风录制的受噪声污染的语音信号和参考麦克风录制的噪声,实现语音增强的目标,得到清晰的语音信号。
(1)阅读参考资料和文献,明晰算法的计算过程,理解LMS算法基本过程;
(2)主麦克风录制的语音信号是LMSprimsp.wav,参考麦克风录制的参考噪声是LMSrefns.wav.用matlab指令读取;
(3)根据算法编写相应的MATLAB程序;
(4)算法仿真收敛以后,得到增强的语音信号;
(5)用matlab指令回放增强后的语音信号;
(6)分别对增强前后的语音信号作频谱分析。
时间安排:
通过老师的讲解与指导,同学之间的讨论交流,以及在图书馆、网络上查阅资料,我们本次课程设计的时间安排是:
6月20号到7月4号,完成程序设计,写好报告;在7月5号,完成(答辩,演示,提交报告)。
指导教师签名:
年月日
系主任(或责任教师)签名:
年月日
摘要
人们在语音通信过程中不可避免的会受到来自周围环境和传输媒介引入的噪声、通信设备内部电噪声、乃至其他讲话者的干扰。
这些干扰使接收者收到的语音为受噪声污染的带噪语音信号。
语音增强的一个主要目的就是从带噪语音信号中提取尽可能纯净的原始语音。
目前应用的语音增强方法大体上分为:
谐波增强法、基于参数估计的语音再合成法和基于自适应的噪声抵消法。
自适应滤波器实际是一种能够自动调节本身参数的特殊维纳滤波器,在设计时不需要事先知道关于输入信号和噪声的统计特性,它能够在自己的工作过程中逐渐“了解”或估计出所需要的统计特性,并自动调整自己的参数,以达到最佳滤波效果。
而基于自适应滤波器的自适应噪声抵消法对含噪语音的增强效果最好。
因为这种方法比其他方法多用了一个参考噪声作为辅助输入,从而获得了比较全面的关于噪声的信息,从而能得到更好的降噪效果。
关键词:
语音增强,噪声,自适应滤波器,自适应噪声抵消法
ABSTRACT
Peopleinthevoicecommunicationprocesswillbeinevitableandthetransmissionmediumfromthesurroundingenvironment,theintroductionofnoise,electricalnoisewithinthecommunicationequipment,aswellastheinterferenceofotherspeakers.Thesedisturbancessothattherecipientreceivedvoiceisaffectedbynoisepollution,noisyspeechsignal.
Amajorpurposeofspeechenhancementisfromthenoisyspeechsignaltoextracttheoriginalvoicepureaspossible.Speechenhancementmethodcurrentlyinusegenerallydividedinto:
harmonicenhancementmethodbasedonparameterestimationofspeechre-synthesisandadaptivenoisecancellationmethod.
Adaptivefilterisactuallyawaytoautomaticallyadjustitself,thespecificparametersofWienerfilter,thedesigndoesnotrequirepriorknowledgeabouttheinputsignalandnoisestatistics,itcanworkintheirownprocessofgradually"learn"orestimatedthestatisticalpropertiesoftherequiredandautomaticallyadjusttheirparameterstoachievethebestfilteringeffect.Theadaptivefilterbasedonadaptivenoisecancelingspeechenhancementofnoisybest.Becausethismethodmorethantheothermethodsmostusedanauxiliaryinputreferrednoise,toobtainmorecomprehensiveinformationonthenoisecangetabetternoisereduction.
KEYWORDS:
speechenhancement,noise,adaptivefilter,adaptivenoisecancellationmethod
1.绪论
1.1语音增强的应用背景
语音增强技术是指当语音信号被各种各样的噪声(包括语音)干扰、甚至淹没后,从噪声背景中提取、增强有用的语音信号,抑制、降低噪声干扰的技术。
语音增强技术无论在日常生活中,还是在其它的领域,或者对语音信号处理技术本身来说都很有应用价值。
在日常生活中,我们经常会遇到在噪声干扰下进行语音通信的问题。
如:
使用设置在嘈杂的马路旁或市场内的公用电话,或在奔驰的汽车、火车里使用移动电话时,旁人的喧闹声、汽车和火车的轰鸣声等背景噪声都会干扰语音通讯的质量。
对受话人来说,收听夹杂着各种干扰噪声的语音,至少会引起听觉疲劳,严重一点就会错误地识别或根本无法听清对方的语音。
对电话来说,干扰主要来自电话信道的回波干扰。
再有一类需要用到语音增强技术的方面就是处理旧的录音磁带。
由于早年录音技术不完善,磁带质量不高,加上长久存放,使磁带发生霉变、机械损伤、磁粉脱落、磁化等问题,使得重放语音产生噪声。
对于那些极具研究或收藏价值的宝贵录音资料来说,语音增强技术是一个较好的恢复手段。
在通信过程中,语音质量的好坏显得格外重要。
如语音质量很差,接收方难以听清对方的语音信息,轻者可能延误时间、贻误时机,重者可能错误地识别对方的语音,因而错误地下达或执行命令,导致对工作造成不可估量的损失。
因此,随着现代科学的蓬勃发展,人类社会愈来愈显示出信息社会的特点。
通信或信息交换已成为人类社会存在的必要条件,正如衣食住行对人类是必要的一样。
语音作为语言的声学体现,是人类交流信息最自然、最有效、最方便的手段之一。
但目前语音识别系统大多都是在安静环境中工作的,在噪声环境中尤其是强噪声环境,语音识别系统的识别率将受到严重影响。
在上述情况下,必须加入语音增强系统,或者抑制背景噪声,以提高语音通信质量,或者作为预处理器,以提高语音处理系统的抗干扰能力,维持系统性能。
因此,语音增强技术在实际中有重要价值。
1.2语音增强的研究历史
语音增强方法的研究始于20世纪70年代中期。
随着数字信号处理理论的成熟,语音增强发展成为语音处理领域的一个重要分支。
1978年,Lim和Oppenheim提出了语音增强的维纳滤波方法。
1979年,Boll提出了谱相减方法来抑制噪声。
1980年,Maulay和Malpass提出了软判决噪声抑制方法。
1984年,Ephraim和Malah提出基于MMSE短时谱幅度估计的语音增强方法。
1987年,Paliwal把卡尔曼滤波引入到语音增强领域。
在近30年的研究中,各种语音增强的方法不断被提出,它奠定了语音增强理论的基础并使之逐渐走向成熟。
语音增强不但与语音信号处理理论有关,而且涉及到人的听觉感知和语音学。
噪声来源众多,随应用场合而异,它们的特性也各不相同。
即使在实验室仿真条件下,也难以找到一种通用的语音增强算法去适用各种噪声环境。
所以必须针对不同的噪声,采取不同的语音增强对策。
1.3本课设的研究内容
本课设研究的主要内容是基于最小均方误差准则(LMS)自适应噪声抵消法对语音信号进行增强,并应用MATLAB仿真软件对研究的内容进行分析、讨论和验证。
2语音增强的方法
现阶段已有许多语音增强的方法,最常见的有线性滤波法、梳状滤波法、自相关法、卡尔曼滤波法以及自适应噪声抵消法。
2.1线性滤波法
线性滤波法主要是利用了语音的产生模型。
对于加性稳态白噪声干扰的语音信号来说,语音的频谱可以根据语音的产生模型近似地用含噪语音来预测得到。
而噪声频谱则用其期望值来近似。
这样得到了语音和噪声近似的频谱后就可得到滤波器,即:
(2-1)
由此滤波器可使语音得到增强。
线性滤波法不仅用到了噪声的统计知识,还用到了部分语音知识,但显然这些知识都是一种近似的代替。
因此这种方法对提高语音信噪比和可懂度效果十分有限。
特别是当信噪比较低时,对语音参数的预测误差明显增大,从而增强效果就不明显,并且当噪声不是白噪声时,按照语音的产生模型就很难准确预测语音参数。
因此对有色噪声线性滤波方法就难以实现。
2.2梳状滤波法
梳状滤波法是利用了语音的频谱特征,即谐波性。
从众多语音的频谱结构可以看出:
语音频谱特别是元音部分具有明显的谐波特征。
当语音受到宽带噪声干扰时,各谐波的间隙之间则基本上都是噪声成分。
只要知道基频就可以把谐波之间的噪声成分完全滤掉,这时滤波器只要设计成一组谐波频率处的带通滤波器即可。
这个方法的主要缺点是必须己知通信语音的基频,而当信噪比较低时,基频的确定变得十分困难。
2.3自相关法
自相关法是利用语音时域小型特征,即相关性来增强语音信号的。
在语音信号中,元音和浊音都具有明显的周期性,它的相关函数也具有周期性。
而噪声一般是无规则的,它的自相关函数自R(0)开始很快地衰减,因此含噪语音的相关函数基本上就是噪声中语音的相关函数。
由于语音的相关函数与语音信号本身具有相同的频率成分,只是其幅度近似为语音信号幅度的平方值,因此只要对含噪语音的自相关值作适当的处理就可从噪声中提取出语音信息。
自相关法的主要缺点是对语音信息的损伤较大。
一方面语音信号毕竟与其自相关信号有很大的不同,虽然能用数学的方法加以校准,但这种校准也是有限的。
另一方面,辅音的持续时间较短,且周期性又很差,进一步加深了语音的失真度。
2.4卡尔曼滤波法
为了获得较好的语音增强效果,必须尽可能的了解噪声和语音的信息,以卡尔曼滤波器为主体的语音增强方法正是建立在噪声模型和语音模型的基础上。
噪声和语音都可以认为是一个由高斯白噪声驱动的、具有适当阶数的自回归AR模型。
估计语音模型参数时,可把噪声的影响排除,从而较准确地估计出语音模型参数,由此参数就可以估计语音值。
一般看来,这种方法似乎是一个较好的语音增强方法,但实际也存在不少问题。
(1)语音和非语音的判别问题,当信噪比很低时判别非常困难。
(2)噪声必然会对语音参数的估计产生影响,特别是在信噪比较低时,语音估计参数就难以保证有足够的精确度。
(3)整个过程的计算复杂性也较大,难以实时实现。
2.5自适应噪声抵消法
自适应噪声抵消法比其它方法多用了
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 LMS 算法 麦克风