基于機(jī)器學(xué)習(xí)的雙麥克風(fēng)手機(jī)語音增強(qiáng)算法研究.pdf

1、手機(jī)作為目前市場(chǎng)最大，消費(fèi)人群最廣的便攜式移動(dòng)通訊設(shè)備，其通話質(zhì)量的改善一直以來受到了廣泛的關(guān)注。由于使用場(chǎng)合很廣，需要應(yīng)對(duì)的背景噪聲環(huán)境也十分復(fù)雜，這就要求應(yīng)用于手機(jī)平臺(tái)上的消噪算法可以靈活地應(yīng)對(duì)多種噪聲，在保證語音通話質(zhì)量的前提下，對(duì)背景噪聲進(jìn)行有效抑制，而且算法的性能不會(huì)因使用者握機(jī)姿勢(shì)的不同或通話過程中手機(jī)的轉(zhuǎn)動(dòng)而下降，對(duì)真實(shí)環(huán)境具有良好的魯棒性。~～
　　近年來人工智能的應(yīng)用已逐步覆蓋各個(gè)領(lǐng)域，機(jī)器學(xué)習(xí)作為其核心，強(qiáng)調(diào)在

2、不斷的數(shù)據(jù)學(xué)習(xí)中改善算法的性能，這種特性使得機(jī)器學(xué)習(xí)相關(guān)算法（如神經(jīng)網(wǎng)絡(luò)）能夠靈活應(yīng)對(duì)復(fù)雜而多變的外部環(huán)境，如果能將機(jī)器學(xué)習(xí)應(yīng)用于手機(jī)消噪算法中一定會(huì)顯著提升算法在真實(shí)場(chǎng)景下的性能，然而相關(guān)研究工作卻并不多。
　　本文嘗試將機(jī)器學(xué)習(xí)中的神經(jīng)網(wǎng)絡(luò)模型應(yīng)用于手機(jī)消噪算法中，并針對(duì)消噪算法的各個(gè)部分進(jìn)行了改進(jìn)，提高了算法在真實(shí)使用場(chǎng)景下的靈活性和魯棒性。
　　全文工作及創(chuàng)新點(diǎn)主要包含下列幾個(gè)方面:
　　(1)針對(duì)現(xiàn)有的雙通道

3、VAD算法依賴于固定閾值難以在多種不同的噪聲環(huán)境下準(zhǔn)確地檢測(cè)語音和噪聲等問題。論文第二章結(jié)合神經(jīng)網(wǎng)絡(luò)提出了一種新的雙通道VAD算法，該算法以分頻帶能量差和歸一化互通道相關(guān)作為兩類新的特征，采用神經(jīng)網(wǎng)絡(luò)對(duì)語音和噪聲進(jìn)行分類，不依賴于固定的閾值，可以靈活應(yīng)對(duì)復(fù)雜而多變的噪聲環(huán)境，較現(xiàn)有的基于互通道能量差及其改進(jìn)的VAD算法準(zhǔn)確性更高。
　　(2)論文的第三章利用了手機(jī)兩個(gè)麥克風(fēng)接收帶噪語音信號(hào)功率的比值在噪聲段和語音段的不同，提出一種

4、新的基于互通道功率比值的VAD算法，在此基礎(chǔ)上，將第二章的神經(jīng)網(wǎng)絡(luò)VAD算法與基于互通道功率比值的VAD算法相結(jié)合，最終得到一種適用于手機(jī)消噪處理中的語音和噪聲活動(dòng)檢測(cè)算法，該算法能夠分別針對(duì)語音和噪聲進(jìn)行準(zhǔn)確的檢測(cè)，使用檢測(cè)結(jié)果控制時(shí)域語音增強(qiáng)算法對(duì)帶噪語音信號(hào)進(jìn)行消噪處理，在濾除噪聲的同時(shí)能夠顯著降低對(duì)語音信號(hào)造成的損傷，提高語音的可懂度，特別是對(duì)方向性的語音干擾也能夠有很好的抑制效果。
　　(3)為了進(jìn)一步濾除第三章時(shí)域語音

5、增強(qiáng)處理后殘留的線性不相關(guān)噪聲，論文的第四章將時(shí)域輸出的增強(qiáng)語音信號(hào)和背景噪聲信號(hào)轉(zhuǎn)化到頻域進(jìn)行進(jìn)一步的消噪處理，并分別針對(duì)消噪算法中兩個(gè)重要的組成部分:噪聲估計(jì)和噪聲消除做了改進(jìn)。首先結(jié)合單、雙麥克風(fēng)的噪聲估計(jì)算法，提高了噪聲估計(jì)的準(zhǔn)確性，然后將基音檢測(cè)與消噪處理相結(jié)合，在語音幀中估計(jì)語音基音頻率確定語音和噪聲頻率點(diǎn)，針對(duì)語音和噪聲頻率點(diǎn)分別調(diào)整維納濾波器的參數(shù)，在對(duì)噪聲進(jìn)行濾除的同時(shí)盡可能地保留語音頻點(diǎn)，從而減少了語音失真。實(shí)驗(yàn)結(jié)果

6、表明，與現(xiàn)有的雙麥克風(fēng)消噪算法相比，經(jīng)過改進(jìn)后的頻域消噪算法能夠更有效地減少對(duì)語音信號(hào)造成的損害，提高了手機(jī)的通話質(zhì)量。
　　(4)使用者握機(jī)姿勢(shì)的不同或通話過程中手機(jī)的轉(zhuǎn)動(dòng)會(huì)對(duì)消噪算法的性能產(chǎn)生影響，如果能夠?qū)崟r(shí)確定手機(jī)的位置，并依據(jù)當(dāng)前位置及時(shí)調(diào)整消噪算法的參數(shù)則能夠提高算法的性能?，F(xiàn)有的定位算法大多需要三個(gè)以上的麥克風(fēng)陣列，無法直接用于雙麥克風(fēng)的手機(jī)上。論文第五章結(jié)合手機(jī)這一特定的應(yīng)用場(chǎng)景提出了一種只使用兩個(gè)麥克風(fēng)在三維空間

7、中定位手機(jī)位置的新方法，該方法使用互通道時(shí)延和通過對(duì)目標(biāo)語音到達(dá)兩個(gè)麥克風(fēng)的傳播路徑進(jìn)行分析提出的新特征子帶互通道功率比作為輸入，訓(xùn)練神經(jīng)網(wǎng)絡(luò)輸出手機(jī)的空間位置。
　　(5)當(dāng)檢測(cè)到手機(jī)偏離標(biāo)準(zhǔn)通話位置時(shí)，依據(jù)第五章神經(jīng)網(wǎng)絡(luò)定位的結(jié)果及時(shí)地對(duì)論文第三和第四章中的時(shí)域和頻域消噪算法的參數(shù)進(jìn)行調(diào)整，避免了算法因手機(jī)位置的移動(dòng)而造成的通話性能下降。實(shí)驗(yàn)結(jié)果表明，現(xiàn)有的雙麥克風(fēng)消噪算法由于忽略了手機(jī)轉(zhuǎn)動(dòng)的問題，在真實(shí)場(chǎng)景下的性能無法得到保