本發(fā)明涉及一種基于混響環(huán)境下麥克風(fēng)陣列波束形成方法。

背景技術(shù)：

波束成形技術(shù)已經(jīng)在語音通信系統(tǒng)、電話會議、語音識別和助聽器等方面有著廣泛應(yīng)用，波束成形作為空間濾波器，從由一組麥克風(fēng)接收的混合信號中提取目標(biāo)信號。目前，波束形成器有固定波束形成、最小方差無失真響應(yīng)(minimum variance distortionless response，MVDR)等經(jīng)典的寬帶波束形成器，但存在陣列響應(yīng)頻率不變性較差、主瓣寬度因頻率增大而減小、信號畸變等現(xiàn)象。為了解決寬帶波束的畸變，目前出現(xiàn)了最小二乘方法、凸優(yōu)化方法、特殊陣列結(jié)構(gòu)方法、空間響應(yīng)約束方法等，這些方法雖然改善了頻率不變性，但是對于混響環(huán)境應(yīng)用，上述的方法并不滿足要求。

在封閉的空間環(huán)境中的目標(biāo)語音信號通常會受到混響和噪聲影響導(dǎo)致語音信號失真，因此抑制混響是目前語音信號處理當(dāng)中的一個熱點問題。近年來研究成熟的抑制或者去除混響的方法包括：逆濾波器方法、廣義奇異值分解方法等。其中，逆濾波方法根據(jù)房間脈沖響應(yīng)，設(shè)計相應(yīng)的逆濾波器，通過對混響信號的逆濾波恢復(fù)出目標(biāo)語音信號；而廣義奇異值分解方法是估計房間脈沖響應(yīng)，并且通過匹配濾波實現(xiàn)逆卷積。以上去混響的方法只能去除前期混響，且均沒有考慮語音信號在空間上的信息。雖然具有空間指向性的線性約束最小方差波束形成方法(linear constrained minimum variance beamformer,LCMV)在理論上能夠去除混響，但是計算復(fù)雜度較高，實際上難以實現(xiàn)。

技術(shù)實現(xiàn)要素：

針對上述問題，本發(fā)明提供一種基于混響環(huán)境下麥克風(fēng)陣列波束形成方法，可有效抑制麥克風(fēng)陣列混響問題，是一種適用于任意陣列結(jié)構(gòu)的波束形成方法。

為實現(xiàn)上述技術(shù)目的，達(dá)到上述技術(shù)效果，本發(fā)明通過以下技術(shù)方案實現(xiàn)：

一種基于混響環(huán)境下麥克風(fēng)陣列波束形成方法，包括如下步驟：

步驟1、獲取麥克風(fēng)接收到的信號：

設(shè)在封閉的室內(nèi)環(huán)境下，由N個相同的全向性麥克風(fēng)組成均勻線陣，有M個語音信號，位置為r_m,m＝1,…,M，其中，目標(biāo)語音信號位置為r₁，其余位置的信號為干擾信號，N＞M，則第n個麥克風(fēng)接收到的信號x_n(k)表示為：

式中，H_nm，l是第m個語音到第n個麥克風(fēng)、長度為l的房間沖激響應(yīng)，且n＝1,…,N，l＝1,…,L；L為房間沖激響應(yīng)的長度；s_m(k)是第m個語音信號，v_n(k)是第n個麥克風(fēng)接收到的噪聲；k表示離散時間；

步驟2、對第n個麥克風(fēng)接收到的信號x_n(k)進(jìn)行分幀加窗處理，得第n個麥克風(fēng)接收到的加窗信號x_nw(k)；下標(biāo)w表示加窗處理；

步驟3、對第n個麥克風(fēng)接收到的加窗信號x_nw(k)進(jìn)行第i個頻率點的傅里葉變換，得x_nw(ω_i,k)：

式中，s_m(ω_i,k)和v_n(ω_i,k)分別是s_m(k)、v_n(k)所對應(yīng)的第k幀信號短時譜；

步驟4、基于維納濾波的方法獲得的輸出信號：

式中，W(ω_i)是第i個頻率點的維納濾波器的系數(shù)，是在維納濾波輸出信號的第i個頻率帶中的第k幀信號，i∈[1,I],I表示離散頻率點的總數(shù)，為整數(shù)；v_n(ω_i,k)也即在第n個麥克風(fēng)接收信號的第i個頻率帶中的第k幀噪聲信號；

步驟5、通過基于維納濾波的LCMV波束形成方法獲得麥克風(fēng)陣列波束形成器的輸出信號其中W_n,opt(ω)是第n個麥克風(fēng)陣列響應(yīng)的最優(yōu)權(quán)向量，是第n個麥克風(fēng)接收的信號在整個頻率帶中的維納濾波輸出信號。

優(yōu)選，步驟2中的窗函數(shù)采用漢明窗函數(shù)w(k)，且w(k)＝0.5(1-cos(2πk))。

優(yōu)選，步驟3中的傅里葉變換為短時傅里葉變換：通過在I個均等間隔的頻率點上對頻率變量ω進(jìn)行采樣，即ω_i＝2πi/I，得到一個短時傅里葉變換其中q是漢明窗移動的長度。

優(yōu)選，步驟4中，維納濾波器系數(shù)W(ω_i)的確定方法為：

式中，Φ_ss(ω_i)為目標(biāo)語音信號在第i個頻率點的自功率譜，Φ_xx(ω_i)為麥克風(fēng)接收信號在第i個頻率點的自功率譜。

優(yōu)選，混響環(huán)境下維納濾波的LCMV分頻波束形成方法中麥克風(fēng)陣列響應(yīng)的最優(yōu)權(quán)向量獲取步驟如下：

1)計算麥克風(fēng)陣列接收信號的自功率譜Φ_xx(ω)和維納濾波器系數(shù)W(ω_i)，得到維納濾波器輸出

2)將室內(nèi)環(huán)境下的干擾抑制作為約束條件，則波束形成器分頻帶響應(yīng)約束條件為：

式中，_C^N表示N維復(fù)數(shù)域；是頻率響應(yīng)權(quán)向量；(·)^*T表示共軛轉(zhuǎn)置；是高頻段頻率響應(yīng)權(quán)向量，上標(biāo)lcmv1表示低頻段的LCMV波束形成方法，是高頻段頻率響應(yīng)權(quán)向量，上標(biāo)lcmv2表示高頻段LCMV波束形成方法，是麥克風(fēng)陣列接收到的信號的自功率譜，H_1n,l表示目標(biāo)語音信號方向的第n個麥克風(fēng)、長度為l的房間沖激響應(yīng)向量；H_nm,l表示第m個語音信號方向的第n個麥克風(fēng)、長度為l的房間沖激響應(yīng)向量；G_D1(ω)為從目標(biāo)語音信號點到線陣參考點麥克風(fēng)的波束形成器輸出的直達(dá)路徑低頻響應(yīng)函數(shù)，下標(biāo)D1表示目標(biāo)語音信號低頻段；G_D2(ω)為從目標(biāo)語音信號點到線陣參考點麥克風(fēng)的波束形成器輸出的直達(dá)路徑高頻響應(yīng)，下標(biāo)D2表示目標(biāo)語音信號高頻段；

3)根據(jù)LCMV準(zhǔn)則，通過維納濾波器輸出語音信號的頻域信息分別計算出高頻段和低頻段最優(yōu)權(quán)值，其中：

式中，維納濾波器輸出信號向量；是第n個麥克風(fēng)接收的信號在整個頻率帶中的維納濾波輸出信號；H是房間沖激響應(yīng)向量，H＝[H_1n,l,H_mn,l]，則基于分頻維納濾波器的LCMV波束形成的最優(yōu)權(quán)向量W_n，opt(ω)為：

式中，α是矩陣加權(quán)系數(shù)，是正常數(shù)。

優(yōu)選，設(shè)實際環(huán)境中接收信號的頻率范圍是(ω_min，ω_max)，ω₀是ω_min和ω_max的平均值，則高頻和低頻的劃分方法為：當(dāng)ω＞ω₀為高頻段，當(dāng)ω≤ω₀為低頻段。

本發(fā)明的有益效果是：

本發(fā)明首先通過從空域濾波角度出發(fā)將自由場推廣到混響場，對麥克風(fēng)陣列接收到的信號進(jìn)行短時傅里葉變換，得到具有空域信息和頻域信息的麥克風(fēng)陣列接收信號，然后將接收到的麥克風(fēng)陣列信號輸入到各個通道維納濾波器中進(jìn)行頻域處理，最后通過維納濾波器輸出語音信號的頻域信息，使用麥克風(fēng)陣列線性約束最小方差(Linear constrained minimum variance,LCMV)波束形成方法并由拉格朗日乘子法分別計算高頻段和低頻段最優(yōu)權(quán)向量，從混響語音中分離出語音直達(dá)聲語音信號。本發(fā)明方法可有效抑制麥克風(fēng)陣列混響問題，是一種適用于任意陣列結(jié)構(gòu)的波束形成方法。

附圖說明

圖1是本發(fā)明基于全頻維納濾波器的線性約束最小方差波束形成的結(jié)構(gòu)圖；

圖2是本發(fā)明基于分頻維納濾波器的線性約束最小方差波束形成的結(jié)構(gòu)圖；

圖3是消聲室內(nèi)的實驗布局設(shè)置；

圖4是目標(biāo)語音信號的示意圖；

圖5是麥克風(fēng)陣列通道1接收信號的示意圖；

圖6是全頻波束形成方法的效果圖；

圖7是本發(fā)明分頻去混響方法的效果圖。

具體實施方式

下面結(jié)合附圖和具體的實施例對本發(fā)明技術(shù)方案作進(jìn)一步的詳細(xì)描述，以使本領(lǐng)域的技術(shù)人員可以更好的理解本發(fā)明并能予以實施，但所舉實施例不作為對本發(fā)明的限定。

如圖1-7所示，一種基于混響環(huán)境下麥克風(fēng)陣列波束形成方法，包括如下步驟：

步驟1、獲取麥克風(fēng)接收到的信號：

設(shè)在封閉的室內(nèi)環(huán)境下，由N個相同的全向性麥克風(fēng)組成均勻線陣，有M個語音信號，位置為r_m,m＝1,…,M，其中，目標(biāo)語音信號位置為r₁，其余位置的信號為干擾信號，N＞M，則第n個麥克風(fēng)接收到的信號x_n(k)表示為：

式中，H_nm,l是第m個語音到第n個麥克風(fēng)、長度為l的房間沖激響應(yīng)，且n＝1,…,N，l＝1,…,L；L為房間沖激響應(yīng)的長度；s_m(k)是第m個語音信號，v_n(k)是第n個麥克風(fēng)接收到的噪聲；k表示離散時間。

步驟2、對第n個麥克風(fēng)接收到的信號x_n(k)進(jìn)行分幀加窗處理，得第n個麥克風(fēng)接收到的加窗信號x_nw(k)；下標(biāo)w表示加窗處理，窗函數(shù)可以采用漢明窗函數(shù)w(k)，且w(k)＝0.5(1-cos(2πk))。

步驟3、對第n個麥克風(fēng)接收到的加窗信號x_nw(k)進(jìn)行第i個頻率點的傅里葉變換，得x_nw(ω_i,k)：

式中，s_m(ω_i,k)和v_n(ω_i,k)分別是s_m(k)、v_n(k)所對應(yīng)的第k幀信號短時譜。

步驟3中的傅里葉變換為短時傅里葉變換：本發(fā)明通過在I個均等間隔的頻率點上對頻率變量ω進(jìn)行采樣，即ω_i＝2πi/I，得到一個短時傅里葉變換其中q是漢明窗移動的長度。

步驟4、基于維納濾波的方法獲得的輸出信號

式中，W(ω_i)是第i個頻率點的維納濾波器的系數(shù)，是在維納濾波輸出信號的第i個頻率帶中的第k幀信號，i∈[1,I],I表示離散頻率點的總數(shù)，為整數(shù)；v_n(ω_i,k)也即在第n個麥克風(fēng)接收信號的第i個頻率帶中的第k幀噪聲信號。

維納濾波器系數(shù)W(ω_i)的確定方法為：

式中，Φ_ss(ω_i)為目標(biāo)語音信號在第i個頻率點的自功率譜，Φ_xx(ω_i)為麥克風(fēng)接收信號在第i個頻率點的自功率譜。

步驟5、通過基于維納濾波的LCMV波束形成方法獲得麥克風(fēng)陣列波束形成器的輸出信號其中W_n,opt(ω)是第n個麥克風(fēng)陣列響應(yīng)的最優(yōu)權(quán)向量，是第n個麥克風(fēng)接收的信號在整個頻率帶中的維納濾波輸出信號。

在封閉環(huán)境內(nèi)，麥克風(fēng)陣列采集到的語音信號不僅僅包含直達(dá)路徑傳播的信號，而且包含了由于房間反射而產(chǎn)生的延遲衰減信號，這種多徑傳播效應(yīng)在接收信號中引入導(dǎo)致譜失真，稱為混響。

本發(fā)明對麥克風(fēng)陣列接收到的信號進(jìn)行分幀加窗的短時傅里葉變換之后，計算接收信號的自功率譜，由這些短時功率譜估計得到維納濾波器的系數(shù)，最后將接收到的麥克風(fēng)陣列信號輸入到各個通道維納濾波器中進(jìn)行頻域處理。

如圖1所示，基于維納濾波的LCMV全頻波束形成方法中麥克風(fēng)陣列響應(yīng)的最優(yōu)權(quán)向量獲取步驟如下：

1)計算麥克風(fēng)陣列接收信號的自功率譜Φ_xx(ω)和維納濾波器系數(shù)W(ω_i)，得到維納濾波器輸出由維納濾波器理論可知，最佳濾波器系數(shù)W(ω_i)為：

Φ_xx(ω_i)＝E[|x(ω_i,k)|²]

Φ_vv(ω_i)＝E[|v(ω_i,k)|²]

Φ_ss(ω_i)＝Φ_xx(ω_i)-Φ_vv(ω_i)

式中，Φ_ss(ω_i)為目標(biāo)語音信號在第i個頻率點的自功率譜，Φ_xx(ω_i)為麥克風(fēng)接收信號在第i個頻率點的自功率譜，Φ_vv(ω_i)為噪聲信號在第i個頻率點的自功率譜，單通道接收的信號x(ω_i,k)，單通道接收的噪聲信號v(ω_i,k)。

2)將室內(nèi)環(huán)境下的干擾抑制作為約束條件：在麥克風(fēng)陣列各個通道信號經(jīng)過維納濾波器輸出增強信號這時各個通道內(nèi)的混響得到一定程度的衰減，為了滿足能夠在室內(nèi)達(dá)到干擾抑制和降噪的理想性能，則波束形成器全頻帶響應(yīng)應(yīng)滿足條件為：

式中，C^N表示N維復(fù)數(shù)域；表示頻率響應(yīng)權(quán)向量，上標(biāo)lcmv表示線性約束最小方差波束形成方法，下標(biāo)n表示第n個麥克風(fēng)；(·)^*T表示共軛轉(zhuǎn)置；是麥克風(fēng)陣列接收到的信號的自功率譜，H是房間沖激響應(yīng)向量，H＝[H_1n,l,H_nm,l]^T，H_1n,l表示目標(biāo)語音信號方向的第n個麥克風(fēng)、長度為l的房間沖激響應(yīng)向量，H_nm，l表示第m個語音信號方向的第n個麥克風(fēng)、長度為l的房間沖激響應(yīng)向量；G(ω)表示從目標(biāo)語音信號點到線陣參考點麥克風(fēng)的波束形成器輸出的直達(dá)路徑傳遞函數(shù)，且G(ω)＝[G_D(ω)0]^T，標(biāo)D表示目標(biāo)語音信號；v_n(ω)表示第n個麥克風(fēng)接收信號的噪聲向量；需要說明的是奇數(shù)個麥克風(fēng)線陣的參考點取為中間的麥克風(fēng)，偶數(shù)個麥克風(fēng)取為最內(nèi)的兩個麥克風(fēng)的連線的中垂線；

3)求解最優(yōu)權(quán)向量為：

式中，是麥克風(fēng)陣列接收到的信號的自功率譜的矩陣求逆運算。

基于維納濾波的LCMV全頻波束形成方法抑制混響影響的效果較差，主要是由于該方法沒有考慮不同頻率的語音信號產(chǎn)生混響的差異性，因此本發(fā)明方法充分考慮不同頻率語音信號產(chǎn)生混響的差異性，給出了一種改進(jìn)的基于分頻維納濾波器的LCMV波束形成結(jié)構(gòu)，如圖2所示。按圖2，本發(fā)明方法優(yōu)化波束形成器權(quán)向量步驟如下：

1)計算麥克風(fēng)陣列接收信號的自功率譜Φ_xx(ω)和維納濾波器系數(shù)W(ω_i)，得到維納濾波器輸出

2)將室內(nèi)環(huán)境下的干擾抑制作為約束條件，則本發(fā)明方法給出的波束形成器分頻帶響應(yīng)約束條件為：

式中，C^N表示N維復(fù)數(shù)域；是頻率響應(yīng)權(quán)向量；是高頻段頻率響應(yīng)權(quán)向量，上標(biāo)lcmv1表示低頻段的LCMV波束形成方法，是高頻段頻率響應(yīng)權(quán)向量，上標(biāo)lcmv2表示高頻段LCMV波束形成方法，是麥克風(fēng)陣列接收到的信號的自功率譜，H_1nl表示目標(biāo)語音信號方向的第n個麥克風(fēng)、長度為l的房間沖激響應(yīng)向量；H_nm,l表示第m個語音信號方向的第n個麥克風(fēng)、長度為l的房間沖激響應(yīng)向量；G_D1(ω)為從目標(biāo)語音信號點到線陣參考點麥克風(fēng)的波束形成器輸出的直達(dá)路徑低頻響應(yīng)函數(shù)，下標(biāo)D1表示目標(biāo)語音信號低頻段；G_D2(ω)為從目標(biāo)語音信號點到線陣參考點麥克風(fēng)的波束形成器輸出的直達(dá)路徑高頻響應(yīng)，下標(biāo)D2表示目標(biāo)語音信號高頻段；需說明：高頻段和低頻段可根據(jù)實際情況進(jìn)行分頻，因為實際環(huán)境中接收信號的頻率范圍可以通過分析得到頻率分布在一定范圍內(nèi)，本發(fā)明采用分頻方法如下：設(shè)實際環(huán)境中接收信號的頻率范圍是(ω_min，ω_max)，ω₀是ω_min和ω_max的平均值，即ω₀＝(ω_min+ω_max)/2，當(dāng)ω＞ω₀為高頻段，當(dāng)ω≤ω₀為低頻段；

3)根據(jù)LCMV準(zhǔn)則，通過維納濾波器輸出語音信號的頻域信息分別計算出高頻段和低頻段最優(yōu)權(quán)值，其中：

式中，維納濾波器輸出信號向量；是第n個麥克風(fēng)接收的信號在整個頻率帶中的維納濾波輸出信號；H是房間沖激響應(yīng)向量，H＝[H_1n,l,H_mn,l]，這時基于分頻維納濾波器的LCMV波束形成的最優(yōu)權(quán)向量W_n,opt(ω)為：

式中，α是矩陣加權(quán)系數(shù)，是正常數(shù)。

本發(fā)明性能評價如下：采用分段信噪比(SNRseg)和語音質(zhì)量評估(Perceptual evaluation of speech quality,PESQ)，用于評估語音去混響的性能。

分段信噪比定義為

式中，s(k)是第k個時間幀無混響的直達(dá)目標(biāo)語音信號，分別是第k個時間幀增強的目標(biāo)語音信號。

對于PESQ分?jǐn)?shù)，它是由ITU-T為3.2GHz的手機電話和窄帶語音編解碼器(ITU，2000,2003)的語音質(zhì)量評估的建議，它是由平均干擾值D_ind和平均的線性組合獲得的對稱干擾值A(chǔ)_ind，則PESQ定義為：

PESQ＝4.5-0.1D_ind-0.0309A_ind

本發(fā)明的效果可以通過以下實施例來說明：

實驗環(huán)境的布局設(shè)置如圖3所示，采用了一個由7個全向麥克風(fēng)組成的線陣，其位置分別為(2.0,3.0,1.4)，(2.1,3.0,1.4)，(2.2,3.0,1.4)，(2.3,3.0,1.4)，(2.4,3.0,1.4)，(2.5,3.0,1.4)，(2.6,3.0,1.4)(坐標(biāo)值的測量單位是米，m)；為了模擬目標(biāo)語音，在位置(3.7,2.0,1.4)m處放置一個人工嘴，播放一段事先錄制好的男聲語音信號，如圖3中所示的單個目標(biāo)語音信號。

本發(fā)明的含混響語音是通過消聲室中測得標(biāo)準(zhǔn)方向目標(biāo)語音和實際會場測得房間脈沖響應(yīng)做卷積得到混響信號，采樣率為8kHz，實際會場總的混響時間為2s。將待處理的含混響語音信號分幀變成頻域，通過維納濾波器得到高低頻段語音信號；然后再將高低頻段的語音信號輸入到LCMV濾波器中進(jìn)行分頻段去混響。圖5是麥克風(fēng)陣列通道1接收含混響的語音信號。

實施例結(jié)果，如圖4-7所示：

從圖5和圖4的波形時域圖對比可以看出混響信號比原先干凈信號多出了很多部分，根據(jù)混響的定義多出的部分是疊加在原始干凈語音信號上的混響部分。圖6是全頻帶方法處理的效果，比較圖7是本發(fā)明分頻方法處理后的效果，波形時域圖的波峰波谷和原始干凈語音信號相比更加明顯，可以明顯的看出去混響的效果。

從圖5和圖4的語譜圖對比可以看出，圖5含混響語譜圖的深色重疊區(qū)域較多，特別是低頻部分前后覆蓋嚴(yán)重不利于語音識別應(yīng)用。圖6是全頻帶方法處理的語譜圖，比較圖7是本發(fā)明分頻去混響效果的語譜圖，相較于圖5顏色變淺，能量降低，且與圖3原始語音信號的語譜圖相似度較高，代表著去混響的效果比較好。

下面采用兩個評價標(biāo)準(zhǔn)，即分段信噪比和語音質(zhì)量評估，來定量的評價目標(biāo)語音去混響的性能，如表1所示。

表1分頻和全頻方法去混響性能對比表

從表1中可以得出，分頻去混響比全頻去混響的分段信噪比提高3.2dB；語音質(zhì)量評估的得分兩者相當(dāng)，但是對比含混響目標(biāo)語音分?jǐn)?shù)提高了0.2左右。這個表明本發(fā)明方法的效性。

本發(fā)明首先通過從空域濾波角度出發(fā)將自由場推廣到混響場，對麥克風(fēng)陣列接收到的信號進(jìn)行短時傅里葉變換，得到具有空域信息和頻域信息的麥克風(fēng)陣列接收信號，然后將接收到的麥克風(fēng)陣列信號輸入到各個通道維納濾波器中進(jìn)行頻域處理，最后通過維納濾波器輸出語音信號的頻域信息使用麥克風(fēng)陣列線性約束最小方差波束形成方法(LCMV)并由拉格朗日乘子法分別計算高頻段和低頻段最優(yōu)權(quán)向量，從混響語音中分離出語音直達(dá)聲語音信號。可有效抑制麥克風(fēng)陣列混響問題，是一種適用于任意陣列結(jié)構(gòu)的波束形成方法。

本發(fā)明方法基于每個頻段上混響時間不同的特性，在麥克風(fēng)陣列接收信號的各個通道維納濾波器中進(jìn)行分頻處理，將波束形成方法應(yīng)用到高低頻域的子帶中，提高了去混響的精度。實測實驗結(jié)果表明，本發(fā)明方法去混響效果更加有效。本發(fā)明方法可廣泛應(yīng)用于多通道語音增強、人機語音交互系統(tǒng)、助聽器、車載免提語音通信、遠(yuǎn)程電視會議系統(tǒng)以及機器人聽覺等諸多領(lǐng)域。

以上僅為本發(fā)明的優(yōu)選實施例，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā)明說明書及附圖內(nèi)容所作的等效結(jié)構(gòu)或者等效流程變換，或者直接或間接運用在其他相關(guān)的技術(shù)領(lǐng)域，均同理包括在本發(fā)明的專利保護(hù)范圍內(nèi)。