[发明专利]一种用于分布式无线声传感器网络的语音增强系统

说明书

本发明公开了一种用于分布式无线声传感器网络的语音增强系统，具体包括：相位对齐模块、解析变换模块、小波变换模块、NPSD估计模块、MVDR滤波器模块、分布式算法迭代模块和小波反变换模块。采用该系统首先将每个节点的输入信号要和距离声源最远的那个节点相位对齐，对齐之后的每一路信号分别进行解析小波变换；然后，在小波域中估计NPSD，同时得到MVDR滤波系数；最终，通过分布式算法迭代模块得到每个节点麦克风的输出信号，对输出信号进行小波反变换并取实部获得时域信号。该系统的实现是由每个麦克风和其附近麦克风通过交换特定数据，使得所有麦克风的初始状态值经过迭代收敛到全局平均值完成的。

技术领域

本发明涉及语音信号处理技术领域，尤其涉及一种用于分布式无线声传感器网络的语音增强系统。

背景技术

在实际应用中，音频处理设备接收的音频信号经常受到各种噪声的干扰。干扰噪声会使设备性能下降，严重情况下，设备甚至无法正常工作。为了克服噪声的影响，人们提出了语音增强技术。由于基于单个麦克风的语音增强方法性能有限，可以利用空间信息的麦克风阵列语音增强方法获得重视。但是麦克风阵列也暴露了需要知道阵列几何信息，要有固定且规则的阵列结构等一些局限性。随着无线传感器技术的飞速发展，无线声传感器网络(WASN)的应用越来越广泛，如在会议室利用智能手机或笔记本电脑通过WiFi(或蓝牙)和音频接口构建出一个WASN。当WASN没有数据融合中心时，可以利用声传感器的无线通信功能进行数据传输实现语音增强。

现有技术中：Zeng等在文献[1]研究了分布式语音增强Gossip算法的使用，提出一种分布式延迟求和波束形成语音增强技术。该波束形成是在任意连接的WASN下，通过每个麦克风与其相邻的麦克风通信达到估计期望信号的目的。此技术通过异步更新数据和分布式求平均两种方法同时更新每个麦克风的数据，从而提高WASN分布式语音增强的性能。但是该方案的缺陷是由于只注重了分布式算法的实现，致使最终的结果虽然达到了全局最优解，但是该算法中的噪声功率谱密度(NPSD)估计利用的是频域已有算法，保证性能的前提下估计成本较高，当噪声环境恶劣时，估计准确率降低。NPSD的估计误差越大使输出结果的性能下降越多。

现有技术中：Sherson等在文献[2]提出了一种分布式最小方差算法，该算法不需要每个节点分享原始数据，在循环和非循环网络中都可以计算出最优波束形成的输出结果。NPSD由时变噪声场的协方差矩阵的低秩结构估计得到。该算法数据整体传输数量要比集中式算法少。在循环网络的任意拓扑结构下该算法的性能促进了最佳声学波束形成的使用。但是该方法的缺陷是：在快速变化的噪声场中，需要按块计算波束形成输出。在非循环网络中，分布式最小方差算法传输数据量相对较高。

现有技术中：Xiao等在文献[3]为了使NPSD估计更加精确从而提高现有波束形成最小方差无失真响应(MVDR)算法的鲁棒性，在阵列信号波束形成模型中提出了基于估计对角加载的MVDR算法。建立了基于用拉格朗日乘子求对角线加载补偿值的MVDR优化模型，并在矩阵理论的基础上推导出对角线加载补偿值的区间。通过实验方法也确定了区间中的最优对角加载值，并在稳定性和抑制干扰加性噪声方面有了一定提高。该算法是在均匀线性阵列模型中研究的MVDR波束形成，应用在分布式算法中不具有低复杂度特性。

发明内容

根据现有技术存在的问题，本发明公开了一种用于分布式无线声传感器网络的语音增强系统，具体包括：

相位对齐模块、将先后接收到的语音信号y_i”(k)进行相位平移形成同一时刻语音信号y′_i(k)；

接收所述相位对齐模块传送的语音信号y′_i(k)对该信号进行分帧加窗处理得到信号y_i(k)的解析变换模块，所述解析变换模块对每一帧信号y_i(k)进行解析变换、输出信号y_i；