鄧俊杰，孫 超

（西北工業(yè)大學(xué) 航海學(xué)院，陜西 西安 710072）

近幾十年來，語音增強(qiáng)技術(shù)得到了廣泛研究和發(fā)展。然而，直到今天，在實(shí)際聲場環(huán)境中，降低噪聲級、提高語音能懂度，仍然是一項(xiàng)富有挑戰(zhàn)性的任務(wù)。

基于麥克風(fēng)陣列的語音增強(qiáng)技術(shù)，充分利用了信號的空域信息，相比僅利用信號時(shí)域信息的單通道語音增強(qiáng)算法，能獲得令人更加滿意的改善效果，被廣泛應(yīng)用于電視電話會議、語音識別、語音增強(qiáng)、助聽器等設(shè)備中。迄今為止，人們已經(jīng)提出了許多基于麥克風(fēng)陣列的語音增強(qiáng)算法，典型的如延時(shí)-求和波束形成、最小方差無失真響應(yīng)（MVDR）波束形成、自適應(yīng)波束形成（ABF）等。在眾多算法中，Griffiths–Jim于1982年提出的廣義旁瓣相消器（GJGSC）[1]，因其結(jié)構(gòu)簡單、易于實(shí)現(xiàn)，成為了自適應(yīng)波束形成中最經(jīng)典也是目前使用最廣泛的一種語音增強(qiáng)算法。

但是，GJGSC也有其缺點(diǎn)。其一，它能夠有效消除相干噪聲，對非相干噪聲（如高斯白噪聲）或弱相關(guān)噪聲（如散射噪聲）卻無能為力。為此，Zelinski[2]提出基于維納（Wiener）濾波的多通道后置濾波器，Marro等人[3]對Zelinski后置濾波器進(jìn)行了深入研究，指出該濾波器的傳輸函數(shù)可由輸入信號的自相關(guān)和互相關(guān)功率譜獲得，從而使得Zelinski后置濾波器在多通道語音增強(qiáng)中得到普遍運(yùn)用；其二，GJGSC往存在語音信號對消現(xiàn)象，即產(chǎn)生了語音泄漏，人們?yōu)榇颂岢隽硕喾N穩(wěn)健算法[4]，改善了GSC在實(shí)際應(yīng)用中的性能。

文中將DFT調(diào)制子帶濾波器組同GSC相結(jié)合對語音信號進(jìn)行子帶濾波，不僅可以降低運(yùn)算量并且可以獲得更好的去噪效果。同時(shí)，算法將噪聲相關(guān)函數(shù)應(yīng)用于Wiener后置濾波器，從而更加有效地去除了GSC輸出語音中殘留的噪聲。文中首先簡單介紹了麥克風(fēng)陣列中廣泛采用的廣義旁瓣器（GSC）以及基于DFT調(diào)制子帶濾波器組，隨后對本文所提的語音增強(qiáng)算法作了較為詳細(xì)的敘述，最后以實(shí)驗(yàn)數(shù)據(jù)對該算法進(jìn)行測試，并得出結(jié)論。

1 子帶濾波器

圖1 所示為子帶濾波器組的結(jié)構(gòu)框圖，Hk（z）=0，1，…，K－1稱為分析濾波器組，Gk（z）=0，1，…K－1 稱為合成濾波器組，↑D和↓D分別是上、下采樣器。因?yàn)榇嬖诓蓸勇实淖兓?，子帶濾波器組也稱為多速率數(shù)字濾波器組。

子帶濾波的基本思想是將輸入的全帶信號進(jìn)行頻帶劃分，得到位于不同頻帶上的子帶信號，對其下采樣后再進(jìn)行子帶濾波處理，最后對濾波后的信號上采樣并進(jìn)行子帶信號重構(gòu)。對于一個(gè)自適應(yīng)濾波算法，設(shè)全帶濾波完成一次迭代的運(yùn)算量為 o（lp）或 o（lp2），由于以較低的速度更新較少的系數(shù)，相應(yīng)的子帶濾波運(yùn)算量為全帶的K/D2或K/D3其中，lp為濾波器長度。

圖1 子帶濾波器結(jié)構(gòu)框圖Fig.1 Sub-band filter structur

文獻(xiàn)[5]提出了一種基于DFT調(diào)制濾波器組的高效實(shí)現(xiàn)算法，該算法在允許濾器組存在相位畸變的前提下，通過獨(dú)立地最小化各個(gè)混迭成份的幅度，從而使得混迭畸變達(dá)到最小。根據(jù)該算法，得到如圖2所示的子帶分析濾波器組的幅頻響應(yīng)。其參數(shù)設(shè)置如下：濾波器長度lp=128，子帶數(shù)K=16，采樣因子D=8。由圖可知，經(jīng)該方法得到的濾波器組具有相同的主瓣級，且用較少的濾波器抽頭數(shù)，即可達(dá)到較低的旁瓣級（低于-80 dB）。另外，文獻(xiàn)[10]已經(jīng)證明，由該方法得到的分析－合成濾波器組處理后信號其畸變量（包括混疊畸變、幅度畸變和相位畸變）將能夠得到有效的控制和降低。

圖2 分析濾波器組幅頻響應(yīng)Fig.2 Amplitude-frequency response of the analysis filter bank

2 基于子帶GSC的語音增強(qiáng)

基于收斂速度和去噪效果的考慮，本文提出了的基于子帶GSC的語音增強(qiáng)算法，其原理如圖3所示。將固定波束形成器（FBF）和阻塞矩陣（BM）的輸出進(jìn)行子帶分解，然后將下采樣后的子帶信號送入自適應(yīng)噪聲對消器（ANC）進(jìn)行子帶濾波，最后將處理后的信號上采樣后通過子帶合成濾波器，得到增強(qiáng)后的語音。為了去除增強(qiáng)后語音中的非相干噪聲成份，提高語音質(zhì)量，框圖中加入了Wiener后置濾波器。同時(shí)，為了降低增強(qiáng)后語音的失真，算法中加入語音活性檢測（VAD）用來標(biāo)識語音幀的成份類型，并僅在噪聲幀（VAD=0）時(shí)執(zhí)行Wiener后置濾波。

設(shè)由M個(gè)麥克風(fēng)組成的均勻線列陣接收到的語音信號經(jīng)延時(shí)估計(jì)和補(bǔ)償后為 xm（n），m=0，1，…，M-1，GSC 的主輸入采用簡單波束形成方法：

BM的輸出為：

圖3 系統(tǒng)框圖Fig.3 System structure

將 d（n）和 b（n）進(jìn)行子帶分解后的信號，分別作為ANC的主輸入和參考輸入，通過自適應(yīng)濾波算法，從主輸出中減去與參考輸入相關(guān)的成份，則可得到增強(qiáng)后的子帶語音信號。

考慮到BM信號存在語音泄漏，采用傳統(tǒng)LMS算法的GSC（GJGSC）將在語音輸出端產(chǎn)生失真，且泄漏越多，失真越大。本文采用范數(shù)約束自適應(yīng)濾波（NCAF）算法[4]，該算法通過對ANC的權(quán)值系數(shù)向量二范數(shù)進(jìn)行約束，可以有效減小目標(biāo)語音的對消發(fā)生，降低增強(qiáng)后語音的失真度。

令 dk（n）和 uk，m（n）分別為 d（n）和 b（n）經(jīng)分解得到的子帶信號（k=0，1，…，K-1，m=0，1，…，M-2）。 則第 k 個(gè) ANC 第 i次迭代的輸出為：

L為ANC抽頭個(gè)數(shù)

NCAF的權(quán)值迭代公式為：

β為迭代步長，Q為一閾值常數(shù)。

傳統(tǒng)的多通道Wiener濾波器，假定聲場環(huán)境為非相干噪聲場，這種情況在實(shí)際中很少遇到。文中將噪聲相干函數(shù)引入Wiener濾波器中，能夠更加有效去除經(jīng)GSC濾波后語音中的殘留噪聲。

通道 i和 j（i≠j）之（間的噪聲相干函數(shù)定義為[6]：

假定語音和噪聲不相關(guān)，且語音和噪聲在各通道上的自譜密度相等，則可得下式：

從以上兩式可得語音自譜密度的估計(jì)值為：

將φ?ss代入Wiener濾波器表達(dá)式中，可得濾波器傳輸函數(shù)為：

為了測量噪聲相干函數(shù)，算法中加入了語音活性檢測（VAD）[7]，并僅在噪聲幀（VAD=0）執(zhí)行后置濾波操作，后置濾波僅在噪聲幀進(jìn)行也可以減少增強(qiáng)后語音的失真。

3 實(shí)驗(yàn)仿真

文中仿真數(shù)據(jù)取自卡內(nèi)基·梅隆大學(xué)（CMU）實(shí)測麥克風(fēng)陣列語音數(shù)據(jù)庫[8]，該語音庫使用由15個(gè)麥克風(fēng)組成的線性嵌套式陣列，其中8號陣元為整個(gè)陣列的對稱中心，聲源即位于該陣元的正前方。該嵌套陣列排列方式為（假定陣元最小間距為d，9-16號陣元的排列方式可由對稱得知）：1、2號陣元間距為 4d，2、3、4號陣元間距為2d，4-8號陣元間距為d。錄音在一嘈雜的實(shí)驗(yàn)室內(nèi)進(jìn)行，為了獲取參考語音，一頭戴式麥克風(fēng)位于聲源近點(diǎn)。麥克風(fēng)陣列選用由第5-11號陣元所組成的標(biāo)準(zhǔn)線列陣，并使用數(shù)據(jù)庫中的an101-mtmsarrC3A組語音數(shù)據(jù)，聲源到陣列中心的距離為3 m，陣元間距4 cm，數(shù)據(jù)采樣率為16 kHz。參考語音與8號陣元上的語音波形如圖5所示。

圖4 參考語音與加噪語音波形圖Fig.4 Reference speech and noisy speech

采用分段信噪比（SegSNR）來評價(jià)語音的客觀質(zhì)量，它可以衡量語音時(shí)域波形的失真程度，其與主觀測試之間的相關(guān)系數(shù)為0.77，遠(yuǎn)高于一般信噪比的相關(guān)系數(shù)0.24。經(jīng)計(jì)算，加噪語音的SegSNR約7.124 7 dB。

圖5為采全帶GSC與子帶GSC增強(qiáng)后語音的波形圖，經(jīng)全帶GSC增強(qiáng)后語音的SegSNR為12.669 4 dB，經(jīng)子帶增強(qiáng)后語音的SegSNR為13.694 8 dB，SegSNR提高了1 dB。仿真中，基于全帶的GSC經(jīng)過大約2000次收斂，而基于子帶的GSC經(jīng)過1000次就已收斂，收斂速度提高了一倍。

圖5 全帶GSC與子帶GSC增強(qiáng)后語音波形Fig.5 Enhanced speech with full band GSC and sub-band GSC

圖6為采用Zelinski后置濾波器與使用文中所用后置濾波器增強(qiáng)后語音的波形圖，其分別SegSNR為13.917 3 dB和16.951 8 dB，SegSNR獲得了3 dB提升。若噪聲的為已知，即Γ已知，則其改善將得到進(jìn)一步提升。

圖6 不同后置濾波器時(shí)增強(qiáng)語音波形Fig.6 Enhanced speech with different pos-filter

4 結(jié)束語

文中提出了一種基于子帶濾波的GSC語音增強(qiáng)算法，并應(yīng)用了改進(jìn)的Wiener后置濾波方法，達(dá)到更好的去噪效果。在噪聲場未知時(shí)，需通過VAD檢測并僅在噪聲幀內(nèi)進(jìn)行Wiener后置濾波，故此時(shí)算法在很大程度上依賴于VAD的檢測精度（精度越低則增強(qiáng)后語音失真越大）。在實(shí)際聲場中（比如室內(nèi)環(huán)境），一般可以先在沒有語音的情況下獲得噪聲相干函數(shù)，然后運(yùn)用此算法進(jìn)行語音增強(qiáng)。此時(shí)，則不再需要VAD檢測并且能夠得到更好去噪效果。

[1]Griffiths L J，Jim C W.An alternative approach to linearly constrained adaptive beamforming[J].IEEE Bans.Antennas Propag，1982（30）:27-34.

[2]Zelinski R.A microphone array with adaptive post-filtering for noise reduction in reverberant rooms[J].Proc.of ICASSP-88，1988（5）:2578-2581.

[3]Marro C C，Mahieux Y Y，Simmer K U，et al.Analysis of noise reduction and dereverberation techniques based on microphone arrays with postfiltering[J].IEEE Trans.Speech Audio Process，1998（6）:240-259.

[4]Hoshuyama O，Sugiyama A，Hirano A.A robust adaptive beamformer for microphone arrays with a blocking matrix using constrained adaptive filters[J].Signal Processing，IEEE Transactionson，1999，47（10）:2677-2684.

[5]de Haan，J M，Grbic N，et al.Filter bank design for subband adaptive microphone arrays[J].Speech and Audio Processing，IEEE Transactions，2003，11（1）:14-23.

[6]McCowan I A，Bourlard H.Microphone array post-filter based onnoisefieldcoherence[J].SpeechandAudioProcessing，IEEE Transactions，2003，11（6）:709-716.

[7]王月，曲百達(dá)，李金寶，等.一種改進(jìn)的基于頻帶方差的端點(diǎn)檢測算法 [C]//中國控制與決策學(xué)術(shù)年會論文集，2007：301-303.

[8]Tom Sullivan.CMU Microphon array Database[EB/OL].（1996）.Http://www.speech.cs.cmu.edu/databases/micarray/cmu_tms_multimic.tar.gz.