基于麥克風(fēng)陣列的數(shù)字助聽(tīng)器語(yǔ)音增強(qiáng)技術(shù)*

戴紅霞，趙　力

(1.江蘇信息職業(yè)技術(shù)學(xué)院電子信息工程系，江蘇無(wú)錫214153;2.東南大學(xué)信息科學(xué)與工程學(xué)院，南京210096)

?

基于麥克風(fēng)陣列的數(shù)字助聽(tīng)器語(yǔ)音增強(qiáng)技術(shù)*

戴紅霞1*，趙力2

(1.江蘇信息職業(yè)技術(shù)學(xué)院電子信息工程系，江蘇無(wú)錫214153;2.東南大學(xué)信息科學(xué)與工程學(xué)院，南京210096)

摘要:針對(duì)噪聲和混響環(huán)境下的助聽(tīng)器用戶(hù)聆聽(tīng)上的困難，基于麥克風(fēng)陣列的數(shù)字助聽(tīng)器設(shè)計(jì)能夠很好的提高助聽(tīng)器在這種環(huán)境下的語(yǔ)音信噪比。本文研究了應(yīng)用麥克風(fēng)陣列進(jìn)行數(shù)字助聽(tīng)器語(yǔ)音增強(qiáng)處理技術(shù)，提出了一種基于粒子群優(yōu)化的改進(jìn)粒子濾波算法，它將語(yǔ)音增強(qiáng)問(wèn)題轉(zhuǎn)換為從帶噪語(yǔ)音中對(duì)純凈語(yǔ)音的估計(jì)過(guò)程，引入粒子群優(yōu)化的方法來(lái)產(chǎn)生建議分布，使降噪結(jié)果更接近純凈語(yǔ)音，從而得到更好的語(yǔ)音增強(qiáng)效果。

關(guān)鍵詞:麥克風(fēng)陣列;數(shù)字助聽(tīng)器;粒子濾波;語(yǔ)音增強(qiáng)

項(xiàng)目來(lái)源:國(guó)家自然科學(xué)基金項(xiàng)目(61273266，61375028)

語(yǔ)音增強(qiáng)是數(shù)字助聽(tīng)器算法的一個(gè)重要組成部分，其主要任務(wù)是抑制背景噪聲和干擾。助聽(tīng)器在目標(biāo)語(yǔ)音的實(shí)際拾取過(guò)程中，不可避免會(huì)受到外界環(huán)境噪聲和其他說(shuō)話(huà)人的干擾。如果干擾噪聲過(guò)強(qiáng)對(duì)收聽(tīng)者而言則會(huì)覺(jué)得刺耳乃至聽(tīng)不清目標(biāo)語(yǔ)音。針對(duì)這種情況，通常采用增強(qiáng)語(yǔ)音、去除背景噪聲的方法來(lái)改善數(shù)字助聽(tīng)器系統(tǒng)性能。

由于目標(biāo)聲源到麥克風(fēng)有一定的距離，麥克風(fēng)接收到的語(yǔ)音信號(hào)受到環(huán)境噪聲和干擾的影響很大。一般的基于單麥克風(fēng)的語(yǔ)音增強(qiáng)系統(tǒng)難以獲得較好的增強(qiáng)效果。麥克風(fēng)陣列由于利用了目標(biāo)信號(hào)、噪聲和干擾的空間信息?；邴溈孙L(fēng)陣列的數(shù)字助聽(tīng)器語(yǔ)音增強(qiáng)系統(tǒng)能提供更好的增強(qiáng)效果［5］。國(guó)外對(duì)于麥克風(fēng)陣列語(yǔ)音增強(qiáng)的研究取得了很多研究成果，而國(guó)內(nèi)類(lèi)似的研究很少。

麥克風(fēng)陣列的引入為數(shù)字助聽(tīng)器的語(yǔ)音增強(qiáng)打開(kāi)了一個(gè)嶄新的思路，它利用目標(biāo)語(yǔ)音和干擾在空間位置上的差異，以及各個(gè)麥克風(fēng)信號(hào)彼此之間的相關(guān)性，通過(guò)波束形成算法對(duì)來(lái)波方向上和語(yǔ)音分離的背景噪聲和干擾進(jìn)行抑制，從而增強(qiáng)語(yǔ)音，已逐漸成為語(yǔ)音增強(qiáng)領(lǐng)域研究的熱點(diǎn)。

1　數(shù)字助聽(tīng)器中麥克風(fēng)陣列語(yǔ)音增強(qiáng)的原理

在高度嘈雜和混響環(huán)境下，數(shù)字助聽(tīng)器對(duì)于目標(biāo)聲源的準(zhǔn)確定位和獲取一直都是提高助聽(tīng)器言語(yǔ)信噪比的關(guān)鍵所在。麥克風(fēng)陣列接收到的信號(hào)不僅有直接到達(dá)的目標(biāo)語(yǔ)音，還有目標(biāo)語(yǔ)音經(jīng)過(guò)反射、衍射等其他路徑到達(dá)的部分即混響，不管處于室內(nèi)室外，目標(biāo)聲源位于麥克風(fēng)陣的近場(chǎng)遠(yuǎn)場(chǎng)都會(huì)有這種效應(yīng)，具體環(huán)境下強(qiáng)度可能不同。同樣對(duì)于噪聲源也是如此［4］。典型的干擾和混響環(huán)境示意圖如圖1(a)所示。

麥克風(fēng)陣列通過(guò)對(duì)拾取的多路語(yǔ)音信號(hào)進(jìn)行分析與處理，使陣列形成的波束方向圖主瓣對(duì)準(zhǔn)目標(biāo)語(yǔ)音，“零點(diǎn)”指向干擾源以抑制干擾信號(hào)，從而盡可能地獲取目標(biāo)語(yǔ)音。其中波束方向及波束主瓣寬度與麥克風(fēng)的間距、麥克風(fēng)數(shù)目、麥克風(fēng)的擺放位置、聲源入射角及采樣頻率緊密相關(guān)。波束的形成不僅消除了使用單個(gè)麥克風(fēng)時(shí)需人工調(diào)節(jié)麥克風(fēng)指向性問(wèn)題，而且可以使輸出語(yǔ)音的信噪比大幅度提高，從而無(wú)需人工干預(yù)亦可獲得高質(zhì)量的語(yǔ)音［4］。利用麥克風(fēng)陣列獲取目標(biāo)語(yǔ)音信號(hào)示意圖如圖1(b)所示。

由上述可見(jiàn)麥克風(fēng)陣列數(shù)字助聽(tīng)器系統(tǒng)較之單麥克風(fēng)數(shù)字助聽(tīng)器系統(tǒng)具有許多優(yōu)點(diǎn)，和單個(gè)麥克風(fēng)相比，麥克風(fēng)陣列在時(shí)頻域的基礎(chǔ)上增加了一個(gè)空間域，對(duì)來(lái)自空間不同方位的信號(hào)進(jìn)行空時(shí)頻聯(lián)合處理。因此，麥克風(fēng)陣列可以彌補(bǔ)單個(gè)孤立的麥克風(fēng)在噪聲處理、聲源定位跟蹤、語(yǔ)音提取分離等方面的不足，能夠廣泛應(yīng)用于各種具有嘈雜背景的語(yǔ)音通信環(huán)境。麥克風(fēng)陣列數(shù)字助聽(tīng)器研究是數(shù)字助聽(tīng)器發(fā)展的新方向，具有廣闊的市場(chǎng)應(yīng)用前景。

圖1　

2　基于粒子濾波的麥克風(fēng)陣列語(yǔ)音增強(qiáng)技術(shù)

粒子濾波，是一種用蒙特卡羅(Monte-Carlo)模擬實(shí)現(xiàn)遞歸貝葉斯濾波的方法，其關(guān)鍵思想是用一組帶有相關(guān)權(quán)值的隨機(jī)樣本的加權(quán)和來(lái)表示后驗(yàn)概率密度?；诹Ｗ訛V波的麥克風(fēng)陣列聲源定位與跟蹤方法.該方法在粒子濾波框架下，將無(wú)混響影響的語(yǔ)音建立信號(hào)作為觀測(cè)信息，通過(guò)計(jì)算麥克風(fēng)陣列波束形成器的輸出能量來(lái)構(gòu)建似然函數(shù)，同時(shí)考慮語(yǔ)音信號(hào)不同頻率成分在聲源定位中的作用，利用分層采樣方法提高粒子的采樣效率。實(shí)驗(yàn)結(jié)果表明，該方法具有理想的聲源跟蹤能力及抗噪聲與抗混響能力。

將粒子濾波的思想運(yùn)用到數(shù)字助聽(tīng)器麥克風(fēng)陣列語(yǔ)音增強(qiáng)中在國(guó)內(nèi)外研究的并不是很多，基于粒子濾波的麥克風(fēng)陣列信號(hào)處理可以為助聽(tīng)器提供良好的目標(biāo)聲源定位能力從而提高助聽(tīng)器在惡劣環(huán)境下的言語(yǔ)信噪比。粒子濾波方法成熟的體系結(jié)合麥克風(fēng)陣列信號(hào)處理可以為數(shù)字助聽(tīng)器語(yǔ)音增強(qiáng)算法設(shè)計(jì)提供很好的研究方向與背景。

3　語(yǔ)音信號(hào)建模

語(yǔ)音信號(hào)xt和帶噪的觀測(cè)信號(hào)yt的模型可表示如下:

則語(yǔ)音信號(hào)模型可以表示為

在模型中的線(xiàn)性觀測(cè)系數(shù)αt的時(shí)變特性描述最簡(jiǎn)單的方法也是使用高斯移動(dòng)模型描述，即

式中: Ip為p階單位矩陣。至此語(yǔ)音信號(hào)的模型已經(jīng)完整定義了。上述所有的N(x;μ，σ2)均指變量x服從均值μ、方差σ2的高斯分布，未加說(shuō)明的高斯分布均值為0。

信噪比是衡量針對(duì)寬帶噪聲失真的語(yǔ)音增強(qiáng)算法的常規(guī)方法。假設(shè)y(n)表示帶噪信號(hào)，s(n)表示其中的純凈語(yǔ)音信號(hào)，s(∧n)表示相對(duì)應(yīng)的增強(qiáng)信號(hào)，所有這些信號(hào)都假設(shè)是能量信號(hào)，則時(shí)域誤差信號(hào)為:

誤差能量是:

純凈語(yǔ)音信號(hào)的能量是:

信噪比定義為:

4　基于PSO-EPF粒子濾波的語(yǔ)音增強(qiáng)算法

基于語(yǔ)音參數(shù)模型的語(yǔ)音增強(qiáng)問(wèn)題可以歸結(jié)為從帶噪語(yǔ)音y1:t={ y1，y2，…，yt}中估計(jì)純凈語(yǔ)音x1:t= {x1，x2，…，xt}的貝葉斯濾波問(wèn)題，在此，我們利用粒子濾波器來(lái)實(shí)現(xiàn)對(duì)非線(xiàn)性非高斯序列的實(shí)時(shí)跟蹤。

選取語(yǔ)音模型狀態(tài)為

假設(shè)語(yǔ)音參數(shù)滿(mǎn)足一階馬爾可夫隨機(jī)過(guò)程

則上述狀態(tài)變量的轉(zhuǎn)移概率密度為

系統(tǒng)的觀測(cè)模型為

以下是基于改進(jìn)粒子濾波的語(yǔ)音增強(qiáng)的算法流程:

(1)初始化

設(shè)置粒子數(shù)目N，指定N個(gè)初始權(quán)重，從先驗(yàn)分布p(X0)中采集粒子，其中，再設(shè)置粒子初速度X =給定初始值為常量;設(shè)置慣性權(quán)重λ，速度調(diào)節(jié)參數(shù)η，求解初始時(shí)刻全局最優(yōu)解

(2)重要性采樣

①調(diào)整粒子的速度和位置

②根據(jù)EKF算法對(duì)每個(gè)粒子狀態(tài)進(jìn)行更新，即在EKF算法重要性采樣中將EKF算法重要性采樣中狀態(tài)k時(shí)刻的狀態(tài)估計(jì)改為

⑤粒子權(quán)值更新。

(3)重采樣

消除權(quán)值較小的粒子，復(fù)制權(quán)值較大的粒子，當(dāng)滿(mǎn)足重采樣條件時(shí)，獲得N個(gè)隨機(jī)樣本，從近似服從分布p(X0: t|y1: t)為每一個(gè)再采樣之后的樣本粒子賦給相同的權(quán)值，即:當(dāng)i=1，2，…，N，有=1/N。 (4)計(jì)算t時(shí)刻目標(biāo)狀態(tài)的后驗(yàn)概率估計(jì)Xt=

(6) t = t+1，返回重要性采樣步驟，遞推估計(jì)下一時(shí)刻的目標(biāo)狀態(tài)的后驗(yàn)概率

5　系統(tǒng)整體架構(gòu)與硬件設(shè)計(jì)

助聽(tīng)器自適配系統(tǒng)主要包含三個(gè)要素:助聽(tīng)器、患者和自適配平臺(tái)。系統(tǒng)工作流程為:助聽(tīng)器根據(jù)算法參數(shù)處理輸入聲音，并輸出處理后的聲音給用戶(hù);用戶(hù)接收助聽(tīng)器輸出的聲音并按照其主觀標(biāo)準(zhǔn)進(jìn)行評(píng)價(jià);評(píng)估的結(jié)果反饋給自適配優(yōu)化模型進(jìn)行參數(shù)的優(yōu)化調(diào)整，并返回給助聽(tīng)器。

本文設(shè)計(jì)的助聽(tīng)器自適配系統(tǒng)的硬件構(gòu)成如圖2所示。各模塊具體參數(shù)與指標(biāo)如下: (a)麥克風(fēng):一路駐極體麥克風(fēng)/耳機(jī)接口，用于語(yǔ)音信號(hào)采集、處理和回放; (b)語(yǔ)音編解碼模塊:采用CS5368高速音頻語(yǔ)音編解碼芯片; (c)核心微處理器模塊:采用Samsung公司出品，業(yè)界廣泛使用的S5PV210微處理器; (d)外部接口:串口、音頻接口以及其他接口; (e)存儲(chǔ)模塊:本地存儲(chǔ)或者通過(guò)計(jì)算機(jī)接口存儲(chǔ)在計(jì)算機(jī)上; (f)揚(yáng)聲器:將經(jīng)過(guò)處理的音頻信號(hào)轉(zhuǎn)換為可以感知的聲信號(hào); (g)人機(jī)交互模塊:使用PDA或智能手機(jī)用于反饋患者信息，并通過(guò)無(wú)線(xiàn)方式反饋給A8處理器。

圖2　系統(tǒng)硬件結(jié)構(gòu)圖

在平臺(tái)設(shè)計(jì)中，語(yǔ)音編解碼模塊和核心處理模塊相對(duì)比較重要。語(yǔ)音編解碼模塊采用Cirrus Logic公司推出的一款模擬數(shù)字音頻轉(zhuǎn)換器集成芯片CS5368，完成8路差分模擬輸入信號(hào)的同步采樣。核心處理模塊主要包含內(nèi)部時(shí)鐘模塊、FPGA采集模塊和信號(hào)處理模塊。FPGA采集模塊主要用于實(shí)現(xiàn)模數(shù)轉(zhuǎn)換芯片的采樣控制、采樣數(shù)據(jù)的串并轉(zhuǎn)換處理以及數(shù)據(jù)的緩存和傳輸;信號(hào)處理模塊主要完成采樣數(shù)據(jù)的處理和各種算法的實(shí)現(xiàn);時(shí)鐘模塊則負(fù)責(zé)為各個(gè)模塊提供準(zhǔn)確的時(shí)鐘信號(hào)。設(shè)計(jì)中采用ASIC+FPGA的設(shè)計(jì)理念，其好處在于利用FPGA的并行處理能力，提高數(shù)據(jù)的吞吐率;同時(shí)保證ASIC只負(fù)責(zé)信號(hào)的運(yùn)算處理，提高系統(tǒng)的運(yùn)算效率。

6　實(shí)驗(yàn)仿真與結(jié)果分析

在實(shí)驗(yàn)中，分別利用EKF算法、PF算法、PSOEPF算法對(duì)帶噪語(yǔ)音信號(hào)進(jìn)行增強(qiáng)，進(jìn)行100次蒙特卡羅仿真。采用的語(yǔ)音材料為自己錄制，純凈語(yǔ)音為女聲“人盡其才，團(tuán)結(jié)合作”，噪聲為錄制的生活噪聲，時(shí)長(zhǎng)為2.5 s，語(yǔ)音和噪聲信號(hào)經(jīng)8 kHz采樣、16 bit量化為數(shù)字信號(hào)，并在計(jì)算機(jī)中按一定比例混合生成不同信噪比的帶噪語(yǔ)音，其信噪比變化范圍為0 dB到10 dB。使用的粒子濾波的粒子數(shù)為200，在實(shí)驗(yàn)中，TVAR模型的階數(shù)為10，如圖所示:圖3為純凈的語(yǔ)音信號(hào)，圖4為帶噪的語(yǔ)音信號(hào)，其初始信噪比為0.09 dB。

圖3　純凈語(yǔ)音信號(hào)

圖4　帶噪語(yǔ)音信號(hào)

在以上語(yǔ)音的基礎(chǔ)上，使用MATLAB在PC上進(jìn)行仿真實(shí)驗(yàn)，來(lái)比較帶噪語(yǔ)音通過(guò)EKF算法、PF算法、PSO-EPF算法一次語(yǔ)音增強(qiáng)后的波形圖。

由圖5～圖7可知，使用PSO-EPF算法處理后的帶噪語(yǔ)音信號(hào)與純凈語(yǔ)音信號(hào)最為接近，也說(shuō)明了它語(yǔ)音增強(qiáng)的效果最好。

圖5　EKF算法處理后的語(yǔ)音信號(hào)

圖6　PF算法處理后的語(yǔ)音信號(hào)

圖7　EPF-PSO算法處理后的語(yǔ)音信號(hào)

下面從信噪比角度來(lái)說(shuō)明，在不同的信噪比下，各種算法的語(yǔ)音增強(qiáng)效果如表1所示。

表1　不同信噪比下的語(yǔ)音增強(qiáng)效果

從表1可以看出，對(duì)于帶噪語(yǔ)音信號(hào)，3種算法都能在一定程度上增強(qiáng)語(yǔ)音信號(hào)，表明TVAR模型可以很好描述語(yǔ)音信號(hào)的變化特性。而PSO-EPF算法對(duì)TVAR模型參數(shù)的估計(jì)能力比PF算法、EKF算法要有更好的效果，從而也具有更強(qiáng)的濾波降噪、增強(qiáng)語(yǔ)音的能力。

由前文可知，粒子數(shù)目對(duì)粒子濾波器的估計(jì)性能有很大的影響，因此選擇不同的粒子數(shù)來(lái)進(jìn)行100次蒙特卡羅仿真，對(duì)帶噪語(yǔ)音進(jìn)行語(yǔ)音增強(qiáng)，輸入信噪比設(shè)定在0.09 dB，增強(qiáng)效果如表2所示。

表2　不同粒子數(shù)目下的語(yǔ)音增強(qiáng)效果

由表2可見(jiàn)，隨著粒子數(shù)目的增加，經(jīng)過(guò)PF算法和PSO-EPF算法進(jìn)行語(yǔ)音增強(qiáng)后，語(yǔ)音信號(hào)的信噪比得到增強(qiáng)，對(duì)TVAR模型參數(shù)的估計(jì)更加準(zhǔn)確，但是增加粒子數(shù)目的同時(shí)，也使得計(jì)算量增大。所以，我們?cè)谶x擇語(yǔ)音增強(qiáng)算法時(shí)，要協(xié)調(diào)好粒子數(shù)目和SNR的關(guān)系，以便可以達(dá)到最好的語(yǔ)音增強(qiáng)效果。

7　結(jié)論

目前在數(shù)字助聽(tīng)器中，麥克風(fēng)陣列的技術(shù)得到日益廣泛的應(yīng)用。使用這種技術(shù)的原因來(lái)自幾個(gè)方面:首先，在有噪聲的環(huán)境下助聽(tīng)器在增強(qiáng)目標(biāo)語(yǔ)音信號(hào)幅度時(shí)也增強(qiáng)了噪聲的幅度;其次，在有混響時(shí)助聽(tīng)器不僅增強(qiáng)了直接到達(dá)的語(yǔ)音信號(hào)也增強(qiáng)了后來(lái)經(jīng)過(guò)反射后到達(dá)的語(yǔ)音;再者，助聽(tīng)器的輸出反饋會(huì)削弱助聽(tīng)器的頻率響應(yīng)。因此一個(gè)優(yōu)異的助聽(tīng)器不僅能增強(qiáng)幅度，而且要提高信噪比、減小混響影響并消除反饋。由于傳統(tǒng)的基于粒子濾波語(yǔ)音增強(qiáng)算法不能很好地逼近實(shí)際的后驗(yàn)分布，影響了估計(jì)精度，同時(shí)也導(dǎo)致了粒子的退化。對(duì)此本文提出了一種基于粒子群優(yōu)化的改進(jìn)粒子濾波算法，它將語(yǔ)音增強(qiáng)問(wèn)題轉(zhuǎn)換為從帶噪語(yǔ)音中對(duì)純凈語(yǔ)音的估計(jì)過(guò)程，引入粒子群優(yōu)化的方法來(lái)產(chǎn)生建議分布，使降噪結(jié)果更接近純凈語(yǔ)音，從而得到更好的語(yǔ)音增強(qiáng)效果。

參考文獻(xiàn):

［1］Hu H T，Yu C.Adaptive Noise Spectral Estimaton for Spectral Subtraction Speech Enhancement［J］.Signal Processing，IET，2007，1(9) : 156－163.

［2］王振力，張雄偉.基于分?jǐn)?shù)階譜相減的語(yǔ)音增強(qiáng)方法［J］.電子信息學(xué)報(bào)，2007，29(5) : 1096－1100.

［3］Kalman R E，A New Approach to Linear Filtering and Prediction Problem［J］.Trans ASME J Basic Engineering，1960，82: 34－45.

［4］Vermaak J，Andrier C，Doucet A.Paticle Methods for Bayesian Modeling and Enhancement of Speech Signals［J］.IEEE Transactions on Speech and Audio Processing，2002，10(3) : 173－185.

［5］金乃高，殷福亮，王冬霞，等.基于子帶粒子濾波的一種語(yǔ)音增強(qiáng)方法［J］.通信學(xué)報(bào)，2006，27(4) : 23－28.

［6］Lim J S，Oppenheim A V.A11-Pole Modeling of Degraded Speech ［J］.IEEE Transactions on Acoustics，Speech and Signal Processing，1978，26(3) : 197－210.

［7］Grenier Y.Time-Dependent ARMA Modeling of Nonstationary Signals［J］.IEEE Transactions on Acoustics，Speech and Signal Processing，1983，3l(4) : 899－911.

戴紅霞(1970－)，女，1991年6月獲蘇州大學(xué)工學(xué)院電子工程系無(wú)線(xiàn)電技術(shù)專(zhuān)業(yè)工學(xué)學(xué)士學(xué)位，2006年10月獲東南大學(xué)信號(hào)與信息處理專(zhuān)業(yè)工學(xué)碩士學(xué)位，現(xiàn)任江蘇信息職業(yè)技術(shù)學(xué)院電子信息工程系教授，研究方向?yàn)殡娮优c通信、信息與信號(hào)處理等。

Research on Wireless Voice Communication of GSM Multifunctional Base Station

LIU Hui，WAN Guojin*
(College of Information Engineering，Nanchang University，Nanchang 330031，China)

Abstract:Voice communication function is realized for a multifunctional base station working on GSM networks based on its ability to induce cell phones to work on it.Firstly，voice services system is designed for the station.Then，the function of transferring original voice to voice sending bursts is added to it.Lastly，the station induces a cell phone to work on it to test the voice function.Eventually，the voice communication function with the ability to handle call exception is implemented according to functional and performance requirements of the station.Besides，compared with commercial base station，some improvements have been done.Measured results confirm that the station can send voice to a cell phone working on it.

Key words:GSM multifunctional base station; voice communication function; voice services; voice sending bursts; handle call exception

中圖分類(lèi)號(hào):TN912.34

文獻(xiàn)標(biāo)識(shí)碼:A

文章編號(hào):1005－9490(2015) 03－0606－05

收稿日期:2014－06－24修改日期:2014－07－17

doi:EEACC: 6002; 6220M10.3969/j.issn.1005－9490.2015.03.027