自适应控制技术在语音增强中的应用.docVIP

自适应控制技术在语音增强中的应用研究 摘要：采用自适应控制技术原理，设计自适应滤波器，并估计出通过该滤波器的噪声最佳值，然后从带噪语音中减去该估计值，得到纯净语音信号，实现自适应语音增强效果。 关键词：自适应控制；噪声最佳值；带噪语音。 0 引言 自适应滤波器的算法有很多，有Widrow等提出的基于LMS（Least Mean Square）最小均方误差准则的算法及改进算法，有基于最小二乘法准则的RLS算法等。LMS较RLS算法收敛速度慢，但算法简单，计算量小得多（LMS计算量∝N，RLS计算量∝N2，其中N为滤波器加权系数个数），因而易于实现，已被广泛使用。 自适应噪声对消是由自适应滤波器来完成的。自适应滤波器在输入信号和噪声的统计特性未知或变化的情况下，能调整自身参数，以达到最佳滤波效果。自适应滤波器最常用的算法是1965年Widrow提出的横向结构LMS算法，该算法运算量小，易于实现。自适应滤波采用FIR滤波器，从带噪语音中减去噪声的最佳估值，得到纯净的语音。根据LMS准则来调整滤波器系数的方法中，关键问题是如何得到噪声的最佳估值，使估计出的噪声与实际噪声最接近。 1 噪声最佳值的估计 实现噪声最佳值的估计是利用噪声对消法原理。噪声对消法在实际中有很大的应用。比如坦克车内的噪声很大，坦克车手要与指挥员通话，若用平时普通的耳机和话筒，就会影响通话的质量；现在已经研制出的设备就很好地克服车内噪声的影响，它就应用了噪声对消原理。类似的还有，在飞机驾驶舱内飞行员与地面之间的联络。在飞行编队中飞行员之间的联络等场合，噪声对消也已经成功地得以应用。鉴于噪声对消法在实际中的应用效果，在条件具备的工作环境中，噪声对消法是首选。 1.1 噪声对消法 噪声对消法的基本原理是从带噪语音中减去噪声。这一原理的关键是如何得到噪声的复制品。如果可以用两个话筒（或多个话筒）的采集系统，一个采集带噪语音，另一个（或多个）采集噪声，则这一任务比较容易解决。图1给出了双话筒采集系统的噪声对消法原理框图。图中带噪语音序列y(n)和噪声序列d(n)经傅里叶变换后得到频谱分量和，经数字滤波后与相减，然后加上带噪语音频谱分量的相位，再经过傅里叶反变换恢复为时域信号。在强背景噪声时，这种方法得到很好的消噪声效果[1]。 图1 双话筒采集系统的噪声对消法原理框图 以下三式是完整的噪声对消法原理公式： （1） （2） （3） 噪声对消法可以用于平稳噪声，也可以用于准平稳噪声。采用噪声对消法时，两个话筒之间必须要有相当的隔离度，但采集到的两路信号之间不可避免地会有时间差，因此实时采集到的两路信号中所包含的噪声段是不同的，回声及其他可变衰减特性也将影响所采集噪声的“纯净性”。因而，采集到的噪声必须经过数字滤波器，以得到尽可能接近带噪语音中的噪声。通常，这就需要采用自适应滤波器，使相减噪声与带噪语音中的噪声一致。 2自适应控制滤波原理 在未知统计特性环境下处理观测信号或数据，要获得所期望结果时，利用自适应滤波器可以获得令人满意的解，其性能远超过用通用方法设计的固定参数的滤波器。 自适应滤波器是这样的处理器，它在统计特性未知或统计特性变化时，能够调整自己的参数，以满足某种最佳准则的要求，当输入信号的统计特性未知时，自适应滤波器调整自己参数的过程称为“学习”过程;而当输入过程的统计特性变化时自适应滤波器调整自己参数过程称为“跟踪”过程。 自适应滤波器由参数可调的数字滤波器和自适应算法两部分组成，数字滤波器既可以是FIR数字滤波器也可以是IIR数字滤波器。在维纳滤波器理论发明的早期，人们使用FIR滤波器。而现在更多的人还使用FIR滤波器。FIR滤波器是固有稳定的，因为它的结构只包含正向通路。换句话说，在FIR滤波器中，输入与输出交互作用的机理只有一个，即通过正向通路从滤波器输入到滤波器输出。正是这种信号传输形式，限制了FIR滤波器的脉冲响应是有限域的。另一方面，IIR滤波器同时兼有正向通路和反馈通路。反馈通路的存在，意味着滤波器输出的一部分有可能返回到输入端。显而易见，除非通过特别设计，滤波器内部反馈可能产生不稳定，导致滤波器震荡。当滤波器为自适应时，本身就有不稳定的问题，如果再组合IIR滤波器的不稳定问题，事情将变得更为复杂，更难处理。因此，在自适应滤波器应用中，一般采用FIR滤波器。 实际上自适应滤波器是一种能够自动调节本身参数的特殊维纳滤波器，在设计时不需要 事先知道关于输入信号和噪声的统计特性的知识，它能够在自己的工作过程中逐渐“了解” 或估计出所需要的统计特性，并以此为