[发明专利]基于对数谱估计的LCMV频率不变波束形成语音增强算法

说明书

本发明公开了一种基于对数谱估计的LCMV频率不变波束形成语音增强算法，其特征在于，包括如下步骤：一、利用线性约束最小方差频率不变波束形成算法无失真接收语音信号并对语音信号进行空域滤波；二、利用优化修正对数谱估计算法抑制与理想信号来自同一方向的残余噪声。本发明利用线性约束最小方差频率不变波束形成算法无失真接收语音信号的特性并对接收信号进行空域滤波；当瞬时干扰和语音来自同一方向时，利用OM‑LSA噪声估计算法，准确跟踪输入中快速变化的信号，能够有效地估计瞬态信号的功率谱，进而抑制瞬时干扰；实验仿真表明该算法具有较好的鲁棒性，能有效地瞬态抑制干扰和背景噪声，达到语音增强的目的。

技术领域

本发明涉及阵列信号处理方法，尤其涉及一种基于对数谱估计的LCMV频率不变波束形成语音增强算法。

背景技术

语音是人类日常生活中进行信息交换使用最广泛的工具，但在实际环境中，语音总会受到环境噪声的干扰，降低语音质量，所以有必要对被噪声干扰的语音信号进行去噪处理，即语音增强。其应用领域非常普遍，如：数字移动电话、远程电视电话会议、为听力障碍者降低背景干扰、声音识别等都要用到这项技术。

70-80年代，经典的语音增强算法有：维纳滤波法、谱减法、Malah和Ephraim提出的基于最小均方误差估计的短时幅度谱方法(Minimum Mean-Square Error，MMSE)。但这些经典算法用于非平稳噪声场景下时，语音增强效果会受到很大影响，2001年Baruch Berdugo通过利用子带中的语音存在概率函数，对平均功率谱值进行估计，提出最佳修正对数谱幅度语音估计方法(Optimally-Modied Log-Spectral Amplitude，OM-LSA)和最小控制递归平均噪声估计方法(Minima Controlled Recursive Averaging，MCRA)，并应用于非平稳噪声情景中。2003年，Israel Cohen对平滑参数进行改进，调整信号存在概率提出了一种改进的最小控制递归平均方法(Improved Minima Controlled Recursive Averaging，IMCRA)，并应用在非平稳噪声环境下条件下。2012年Israel Cohen将OM-LSA算法进行扩展，提出一种抑制瞬态干扰和为平稳噪声的语音增强算法。随着麦克风阵列信号处理的发展，波束形成算法越来越多地被应用到语音增强算法中，王东霞，曾庆宁，Weiss等诸多学者将宽带波束形成技术用于语音增强方面，如混响抑制、低信噪比情况下语音增强、声源定位等，Benesty和S.Siva Priyanka在最新研究成果中对波束形成用于语音增强算法的发展历程做了综述，并且对各种算法进行了仿真对比，为以后的研究奠定了基础。

发明内容

发明目的：针对现有技术存在的问题，本发明的目的在于提供一种将波束形成算法与对数谱估计算法相结合的基于对数谱估计的LCMV频率不变波束形成语音增强算法，利用线性约束最小方差频率不变波束形成算法无失真接收语音信号的特性并对接收信号进行空域滤波；当瞬时干扰和语音来自同一方向时，利用OM-LSA噪声估计算法，准确跟踪输入中快速变化的信号，能够有效地估计瞬态信号的功率谱，进而抑制瞬时干扰。

技术方案：一种基于对数谱估计的LCMV频率不变波束形成语音增强算法，其特征在于，包括如下步骤：

步骤一、利用线性约束最小方差频率不变波束形成算法无失真接收语音信号并对语音信号进行空域滤波；

步骤二、利用优化修正对数谱估计算法抑制与理想信号来自同一方向的残余噪声，达到语音增强的目的。

所述步骤一中，麦克风阵列响应最优权向量w_opt的获取步骤如下：

(1.1)将线性约束最小方差波束形成问题表示为：