本發(fā)明涉及陣列信號(hào)處理領(lǐng)域，具體涉及基于方向增益與最小值控制的噪聲協(xié)方差波束形成算法。

背景技術(shù)：

1、隨著人工智能的興起，麥克風(fēng)陣列也被得到廣泛的應(yīng)用，這源于麥克風(fēng)陣列比單通道能夠獲更多的有效信息，從而有利于后期信號(hào)的處理。為此，不少的研究者在近十幾年里分別提出各種波束形成算法，其波束形成算法主要分為固定波束形成和自適應(yīng)波束形成兩類算法。固定波束形成算法，雖然計(jì)算復(fù)雜度低，易于是實(shí)現(xiàn)，但是性能受麥克風(fēng)數(shù)量的影響，并且在混響環(huán)境下降噪效果不理想。基于固定波束形成算法的缺陷，部分研究者們紛紛提出自適應(yīng)波束形成算法，該類算法能在保留目標(biāo)聲源不失真的情況下，對(duì)其他方向的噪聲實(shí)現(xiàn)自適應(yīng)零陷，從而達(dá)到降噪的目的。但自適應(yīng)波束形成算法受到統(tǒng)計(jì)量準(zhǔn)確性的影響，不準(zhǔn)確的估計(jì)將會(huì)導(dǎo)致算法的降噪性能下降和目標(biāo)信號(hào)的失真。此后，有些研究者提出各種自適應(yīng)濾波的改進(jìn)方法，改進(jìn)的方法在相干噪聲場(chǎng)可以獲得較好的降噪效果，但是當(dāng)增加干擾源以及混響時(shí)降噪性較差。

2、基于上述問(wèn)題，有人提出基于神經(jīng)網(wǎng)絡(luò)掩膜類的波束形成方法，該方法通過(guò)神經(jīng)網(wǎng)絡(luò)模型來(lái)估計(jì)時(shí)頻掩碼的值，其值表示語(yǔ)音存在的概率，從而對(duì)帶噪語(yǔ)音實(shí)現(xiàn)降噪處理。雖然該方法有著較好的降噪效果，但是這是基于訓(xùn)練數(shù)據(jù)與測(cè)試數(shù)據(jù)相差不大時(shí)的效果，故神經(jīng)網(wǎng)絡(luò)模型的好壞，受訓(xùn)練數(shù)據(jù)的影響。研究者們針對(duì)上述問(wèn)題進(jìn)一步提出基于空間聚類的方法，雖然有著不錯(cuò)的降噪效果且不受泛化的影響，但是該方法的復(fù)雜度高，很難在實(shí)際中應(yīng)用。為此又有研究者提出基于方向增益的時(shí)頻掩碼方法，該方法雖然有著比傳統(tǒng)時(shí)頻掩碼方法較好的性能，且能有效的濾除干擾噪聲，但是該類方法在目標(biāo)聲源方向的噪聲得不到濾除。

3、因此，本領(lǐng)域技術(shù)人員提供了基于方向增益與最小值控制的噪聲協(xié)方差波束形成算法，以解決上述背景技術(shù)中提出的問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、為解決上述技術(shù)問(wèn)題，本文中提出基于方向增益與最小值控制的噪聲協(xié)方差波束形成算法，該方法首先利用目標(biāo)聲源信號(hào)方向的信息來(lái)估計(jì)噪聲的時(shí)頻掩碼，用以估計(jì)出帶噪語(yǔ)音中包含的非目標(biāo)聲源方向的噪聲，然后結(jié)合最小控制遞歸平均估計(jì)出時(shí)變平滑參數(shù)，用以估計(jì)出帶噪語(yǔ)音中目標(biāo)聲源方向存在的噪聲，最后兩者結(jié)合估計(jì)出噪聲協(xié)方差矩陣，并采用mvdr波束形成算法完成帶噪語(yǔ)音信號(hào)的降噪，該方法不僅可以濾除其他方向干擾噪聲，同時(shí)也能濾除目標(biāo)聲源方向存在的噪聲，從而達(dá)到較好的降噪性能，進(jìn)一步提高語(yǔ)音的清晰度和可懂度。

2、包括以下步驟：

3、步驟一：信號(hào)采集；

4、步驟二：mvdr波束形成算法模塊；

5、步驟三：噪聲協(xié)方差矩陣估計(jì)模塊，根據(jù)語(yǔ)音信號(hào)兩方面的特點(diǎn)對(duì)噪聲協(xié)方差進(jìn)行估計(jì)，一方面是結(jié)合語(yǔ)音信號(hào)中存在靜音段(語(yǔ)音不存在)和非靜音段(語(yǔ)音存在)的特點(diǎn)，來(lái)估計(jì)噪聲的協(xié)方差矩陣的動(dòng)態(tài)平滑參數(shù)；另一方面是利用短時(shí)傅里葉變換后語(yǔ)音信號(hào)頻域的稀疏性，采用時(shí)頻掩碼來(lái)計(jì)算波束形成系數(shù)二階統(tǒng)計(jì)量的應(yīng)用，其每個(gè)時(shí)頻點(diǎn)的掩碼值表示期望語(yǔ)音的存在概率，來(lái)估計(jì)噪聲協(xié)方差矩陣的時(shí)頻掩碼值；

6、步驟四：時(shí)頻掩碼估計(jì)模塊，基于方向增益的時(shí)頻掩碼方法，是利用目標(biāo)聲源方向的導(dǎo)向矢量信息，估計(jì)出時(shí)頻掩碼對(duì)帶噪語(yǔ)音信號(hào)進(jìn)行降噪處理，相較于一些經(jīng)典的降噪算法，能更有效濾除噪聲，提高信號(hào)的可懂度，故適用于語(yǔ)音信號(hào)的降噪處理；

7、步驟五：時(shí)變平滑參數(shù)估計(jì)模塊，采用最小控制遞歸平均算法，對(duì)噪聲協(xié)方差的時(shí)變平滑參數(shù)進(jìn)行估計(jì)。

8、優(yōu)選的，所述步驟一中假設(shè)麥克風(fēng)陣列采集的信號(hào)與噪聲以及各通道之間的信號(hào)相互獨(dú)立，故經(jīng)過(guò)陣列采集的帶噪語(yǔ)音信號(hào)用y(n)表示：

9、y(n)＝x(t)*q(n)+n(t)；??(2.1)

10、其中，*代表卷積，y(n)表示觀測(cè)信號(hào)，且是一個(gè)m×1的列向量y(n)＝[y1(n)，y2(n)，…ym(n)]t，且t表示轉(zhuǎn)置，m代表通道數(shù)；

11、x(t)表示目標(biāo)信號(hào)，且是一個(gè)m×1的列向量x(t)＝[x1(n)，x2(n)，…xm(n)]t；q(n)表示目標(biāo)聲源分別到各個(gè)麥克風(fēng)的脈沖響應(yīng)，且是m×1的列向量，v(n)表示m×1的噪聲信號(hào)。

12、優(yōu)選的，對(duì)公式(2.1)做短時(shí)傅里葉變換處理，y(n)、s(n)、q(n)、n(n)經(jīng)過(guò)傅里葉變換后，用y(k,t)、s(k,t)、q(k)、n(k,t)表示：

13、y(k,t)＝stft[y(n)]＝x(k,t)q(k)+n(k,t)??(2.2)

14、其中，q(k)表示目標(biāo)聲源的導(dǎo)向矢量，具體表達(dá)式如下：

15、

16、其中τm是其他麥克風(fēng)與參考麥克風(fēng)之間的延時(shí)，具體公式為：

17、

18、其中r是圓的半徑，θ是目標(biāo)聲源的方位角，是目標(biāo)聲源的俯仰角；

19、mvdr波束形成的輸出為：

20、x(k,l)＝hhwh(k,t)y(k,t)；??(2.5)

21、其中，h表示共軛轉(zhuǎn)置，hw(k,l)表示濾波系數(shù)矩陣；mvdr波束形成算法是建立在一定約束關(guān)系下才能獲得最優(yōu)濾波系數(shù)，具體約束公式如下：

22、argmin(hwh(k,t)rn(k,t)hw(k,t))，s.t.hwh(k,l)q(k)＝1??(2.6)

23、其中，rn(k,t)是噪聲協(xié)方差，對(duì)(2.6)的約束公式采用拉格朗日乘子法構(gòu)造拉格朗日函數(shù)，并對(duì)hw(k,t)求導(dǎo)，最終最優(yōu)濾波系數(shù)hw(k,l)的結(jié)果如下：

24、

25、其中是噪聲協(xié)方差的逆運(yùn)算。

26、優(yōu)選的，步驟三中，噪聲協(xié)方差估計(jì)是基于語(yǔ)音存在與不存在的假設(shè)，用表示語(yǔ)音不存在，表示語(yǔ)音存在，如式(10)所示：

27、

28、其中，為語(yǔ)音不存在的條件概率，為語(yǔ)音存在的條件概率；

29、基于最小均方誤差的準(zhǔn)則下，噪聲協(xié)方差的估計(jì)如下：

30、

31、其中，是語(yǔ)音不存在條件下的噪聲協(xié)方差，是語(yǔ)音存在條件下的噪聲協(xié)方差；根據(jù)公式(2.9)推導(dǎo)出噪聲協(xié)方差矩陣，如公式(2.10)所示:

32、

33、然而公式(2.10)僅估計(jì)除了是目標(biāo)聲源方向的噪聲協(xié)方差，故引入方向增益時(shí)頻掩碼的一般形式，用于估計(jì)非目標(biāo)生聲源方向的噪聲協(xié)方差；語(yǔ)音存在和語(yǔ)音不存在狀態(tài)下的噪聲協(xié)方差估計(jì)如式(2.11)所示：

34、

35、其中，c表示噪聲的時(shí)頻掩碼，an是基于語(yǔ)音存在條件概率的時(shí)變平滑參數(shù)。

36、優(yōu)選的，步驟四中，時(shí)頻掩碼的具體公式如下：

37、

38、其gn(k,t)代表噪聲的增益值，gs(k,t)是目標(biāo)聲源的增益值，該增益涉及到兩個(gè)固定波束形成器，分為主波束形成器和副波束形成器hs(k)；具體公式如下：

39、

40、其中，函數(shù)d(·)的具體公式如下：

41、

42、其中r(·)代表復(fù)數(shù)的實(shí)數(shù)；從公式(2.13)中可以看出，方向增益不僅與觀測(cè)信號(hào)的協(xié)方差矩陣、觀測(cè)信號(hào)的方差有關(guān)，還與波束形成器和hs(k)有關(guān)，故主波束形成器的具體公式如下：

43、

44、其中，代表對(duì)角加載因子，im是m×m單位矩陣；為了使得白噪聲增益最大化，故副波束形成器hs(k)采用的是一種延遲求和波束形成器；具體公式如下：

45、

46、優(yōu)選的，在步驟五中：其具體計(jì)算公式如下：

47、

48、其中,μ代表平滑因子，常取值為0.85，p(k,t)是語(yǔ)音存在條件概率，其值可通過(guò)兩次迭代平滑和最小值跟蹤獲得，第一次迭代是粗略判決語(yǔ)音信號(hào)是否存在，具體公式如下：

49、

50、其中，當(dāng)i(k,t)等于1時(shí)，表示語(yǔ)音信號(hào)存在，當(dāng)i(k,t)等于0時(shí)，表示語(yǔ)音信號(hào)不存在；γ0和ζ0為常數(shù)閾值參數(shù)，其值分別是4.6和1.67，bmin為最小噪聲估計(jì)偏差補(bǔ)償，其值為1.66，是在有限長(zhǎng)度b窗口內(nèi)，跟蹤s(k,t)的最小值；

51、

52、其中，s(k,t)通過(guò)一階遞歸平滑獲得，具體公式如下：

53、

54、其中，αs是平滑參數(shù)，其值為0.8，w(i)為窗函數(shù)，wfl為窗函數(shù)長(zhǎng)度；在第一次迭代的基礎(chǔ)之上，進(jìn)行第二次迭代平滑，以濾除語(yǔ)音信號(hào)功率較大的部分，提高語(yǔ)音活動(dòng)檢測(cè)的最小跟蹤的魯棒性，具體公式如下：

55、

56、對(duì)進(jìn)行一階遞歸平滑，其表達(dá)式如下：

57、

58、同理于第一次迭代，在有限長(zhǎng)度b窗口內(nèi)跟蹤的最小值

59、

60、根據(jù)的值聯(lián)合bmin來(lái)計(jì)算和的值，具體公式如下：

61、

62、然而語(yǔ)音不存在概率依賴于和的值，具體公式為：

63、

64、其中，γ3是值為3的閾值，然后根據(jù)語(yǔ)音不存在的先驗(yàn)概率以及貝葉斯公式求解p(k,l)，p(k,l)公式如下：

65、

66、其中，后驗(yàn)信噪比，tr(·)是矩陣的跡，ζ2(k,t)表示先驗(yàn)信噪比，然而先驗(yàn)信噪比是未知的，故采用直接判決方法估計(jì)獲得，并用符號(hào)表示，其表達(dá)式如下：

67、

68、其中，υ表示權(quán)重因子，其值為0.92，gh(k,t)表示對(duì)數(shù)譜幅度增益函數(shù)

69、

70、最終將公式(2.28)帶入公式(2.27)，計(jì)算出p(k,t)的結(jié)果，從而獲得動(dòng)態(tài)平滑參數(shù)

71、本發(fā)明的技術(shù)效果和優(yōu)點(diǎn)：

72、1、卓越的降噪性能：本發(fā)明算法通過(guò)獨(dú)特的雙參數(shù)(時(shí)頻掩碼和動(dòng)態(tài)平滑參數(shù))噪聲協(xié)方差估計(jì)方法，不僅能夠強(qiáng)力濾除非目標(biāo)聲源方向的干擾噪聲，還能有效清除目標(biāo)聲源方向存在的噪聲，尤其在低信噪比環(huán)境下優(yōu)勢(shì)顯著，極大提升了語(yǔ)音信號(hào)的質(zhì)量。

73、2、適應(yīng)性強(qiáng)：充分考慮語(yǔ)音信號(hào)的結(jié)構(gòu)特點(diǎn)(靜音段與非靜音段)和頻譜稀疏性，能夠靈活應(yīng)對(duì)不同噪聲環(huán)境和語(yǔ)音場(chǎng)景，具有廣泛的適用性。

74、3、創(chuàng)新性結(jié)合：將方向增益與時(shí)頻掩碼、最小值控制遞歸平均算法有機(jī)結(jié)合，克服了傳統(tǒng)波束形成算法的諸多弊端，為陣列語(yǔ)音信號(hào)處理領(lǐng)域提供了全新的解決方案。