基于EM的多通道去混響和降噪算法的改進(jìn).pdf

1、語音去混響和降噪是語音識別系統(tǒng)中前端聲學(xué)處理技術(shù)中的重要部分。對于智能會議轉(zhuǎn)寫系統(tǒng)、聲控家具操作系統(tǒng)以及機(jī)器人小助手等應(yīng)用場景，為了提高獲得語音的質(zhì)量，實現(xiàn)高噪聲、有混響、距離聲源較遠(yuǎn)的情況下獲得符合語音識別需求的聲音信號，通常利用麥克風(fēng)陣列進(jìn)行語音處理。因而遠(yuǎn)場條件下的麥克風(fēng)陣列降噪和去混響是語音處理技術(shù)中的研究熱點。
　　多通道語音去混響和降噪利用按一定幾何結(jié)構(gòu)（常用線性、環(huán)形）擺放的麥克風(fēng)組采集到的不同空間方向的聲音信號進(jìn)行

2、空時處理，實現(xiàn)噪聲抑制和混響去除，進(jìn)而提高語音信號處理質(zhì)量，以提高真實環(huán)境下的語音識別率。實現(xiàn)聯(lián)合多通道語音降噪和去混響常用的技術(shù)有:譜增強(qiáng)技術(shù)、基于概率模型技術(shù)和聲多通道均衡技術(shù)。期望最大化(EM)算法已經(jīng)被不少人應(yīng)用到語音去混響技術(shù)中。在對多通道EM去混響和降噪算法的調(diào)研分析中發(fā)現(xiàn)，以往學(xué)者要么是將晚期混響直接用一個理想擴(kuò)散聲場代替，要么通過接收語音直接估計噪聲作為已知變量。為了提高EM算法的降噪和去混響能力，定義噪聲差量變量，并將

3、噪聲差量變量也設(shè)為隱藏變量，將估計出來的噪聲作為算法迭代的初始值，通過EM迭代對其進(jìn)行求解。
　　為了進(jìn)一步提高算法的適用性，解決高噪聲條件下語音去混響和降噪問題，利用原有算法在高信噪比條件下的去混響和降噪功能很好的特點，結(jié)合譜增強(qiáng)技術(shù)，先對混合語音使用最小方差無失真響應(yīng)(MVDR)波束形成器(BF)降噪，然后用EM算法進(jìn)行去混響。在近似無噪條件下，為了防止出現(xiàn)EM算法不收斂或收斂過慢的現(xiàn)象，此時只將消聲語音作為隱藏變量。