基于空域?yàn)V波的語音分離研究.pdf

1、現(xiàn)實(shí)生活中,人類能夠在復(fù)雜的環(huán)境下將注意力集中于感興趣目標(biāo)的說話內(nèi)容,語音分離的目的就是為了讓計(jì)算機(jī)也具備這種能力,即在眾多說話人背景下提取出感興趣的一個(gè)或多個(gè)說話人的語音。麥克風(fēng)陣列在時(shí)域和頻域的基礎(chǔ)上增加了空間域,為語音分離算法提供了一個(gè)新的思路,就是根據(jù)聲源空間位置的不同對不同聲源進(jìn)行分離。本文就是按這個(gè)思路進(jìn)行語音分離算法的研究,主要工作概括如下:
　　 第一,分析了語音信號(hào)的特性和聲波傳播特性,在傳統(tǒng)陣列信號(hào)處理的基礎(chǔ)

2、上,研究了麥克風(fēng)均勻線性陣列的近場、遠(yuǎn)場信號(hào)模型。
　　 第二,針對基于麥克風(fēng)陣列的高分辨率參數(shù)估計(jì)(如MUSIC)和波束形成參數(shù)估計(jì)(如MVDR)方法在抗噪性方面的不足,利用陣列信號(hào)的稀疏性將信號(hào)稀疏分解算法應(yīng)用于聲源定位,通過實(shí)驗(yàn)仿真驗(yàn)證了該算法在低信噪比情況下有較好的魯棒性,而且能夠?qū)ο喔尚旁催M(jìn)行定位估計(jì)；基于稀疏分解的聲源定位算法是通過不同的方位參數(shù)建立原子庫,并通過全局搜索尋找最佳原子,這樣導(dǎo)致了該算法復(fù)雜度較高,計(jì)算

3、量大,針對這一問題,使用基于近場扇區(qū)劃分的匹配追蹤算法,大大的減少了MP分解算法的計(jì)算量,為MP分解算法應(yīng)用于實(shí)時(shí)系統(tǒng)提供了可能。
　　 第三,研究了近場自適應(yīng)波束形成算法,使用麥克風(fēng)陣列近場模型將傳統(tǒng)MVDR波束形成算法應(yīng)用于近場環(huán)境,針對MVDR波束形成算法穩(wěn)健性方面的不足,研究了近場穩(wěn)健MVDR波束形成(RCB)算法,使得MVDR波束形成算法具有對導(dǎo)向矢量誤差和有限樣本效應(yīng)的雙重魯棒性。
　　 第四,結(jié)合聲源定位算