检索结果

Select

1. 基于噪声抵消与波束形成的小阵语音增强

龙超, 曾庆宁, 罗瀛

计算机应用 2020, 40 (8): 2386-2391. DOI: 10.11772/j.issn.1001-9081.2019122106

摘要（382）

PDF （999KB）（288）

为了提高麦克风小阵的语音增强效果，将阵列抗串扰自适应噪声抵消（ACRANC）方法与波束形成（BF）方法相结合，提出了一种效果更好的小阵语音增强方法。首先，通过生成多个ACRANC子系统，获得多路增强语音信号；然后，通过所提的自适应模式控制（AMC）算法和延迟求和（DAS）波束形成方法进一步提高多路增强语音信号的增强效果。对提出的方法进行了计算复杂度估计，验证了所提方法可以通过普通芯片实时实现。实际环境下的实验结果也表明，所提方法的语音增强效果相较ACRANC方法有所提高，具有一定的优越性。

参考文献 | 相关文章 | 多维度评价

Select

2. 多噪声环境下双微阵列语音增强算法

罗瀛, 曾庆宁, 龙超

计算机应用 2019, 39 (8): 2426-2430. DOI: 10.11772/j.issn.1001-9081.2018122494

摘要（367）

PDF （772KB）（258）

为提高双微阵列语音增强系统在多噪声环境下的消噪性能，提出一种适用于双微阵列的改进广义旁瓣抵消器语音增强算法。根据双微麦克风阵列的结构特点，首先，用基于噪声互功率谱估计的改进相干滤波算法消除距离较远麦克风之间产生的弱相关噪声；然后，利用广义旁瓣抵消算法消除距离较近麦克风之间产生的强相关噪声；最后，通过基于最小值控制递归平均的子带谱减法有针对性地消除不同频带上的残留噪声。仿真实验表明，在多噪声环境下所提算法较现有的双微阵列语音增强算法取得了更好的感知语音质量评价得分，一定程度上改善了双微阵列语音增强系统对复杂噪声的抑制效果。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于双微阵列与卷积神经网络的语音识别方法

刘伟波, 曾庆宁, 卜玉婷, 郑展恒

计算机应用 2019, 39 (11): 3268-3273. DOI: 10.11772/j.issn.1001-9081.2019050878

摘要（469）

PDF （938KB）（286）

为解决噪声环境下语音识别率降低以及传统波束形成算法难以处理空间噪声的问题，基于双微阵列结构提出了一种改进的最小方差无畸变响应（MVDR）波束形成方法。首先，采用对角加载提高双微阵列增益，并利用递归矩阵求逆降低计算复杂度；然后，通过后置调制域谱减法对语音作进一步处理，解决了一般谱减法容易产生音乐噪声的问题，有效减小了语音畸变，获得了良好的噪声抑制效果；最后，采用卷积神经网络（CNN）进行语音模型的训练，提取语音深层次的特征，有效地解决了语音信号多样性问题。实验结果表明，提出的方法在经CNN训练的语音识别系统模型中取得了较好的识别效果，在信噪比为10 dB的F16噪声环境下的语音识别率达到了92.3%，具有良好的稳健性。

参考文献 | 相关文章 | 多维度评价

Select

4. 基于麦克风小阵的多噪声环境语音增强算法

马金龙, 曾庆宁, 胡丹, 龙超, 谢先明

计算机应用 2015, 35 (8): 2341-2344. DOI: 10.11772/j.issn.1001-9081.2015.08.2341

摘要（434）

PDF （591KB）（445）

针对助听器等设备在非平稳或多种噪声并存环境下使用效果急剧下降的问题,提出一种基于小尺寸麦克风阵的相干滤波广义旁瓣抵消(CF-GSC)语音增强算法。该算法结合麦克风阵采集信号的特点,对各阵元间采集时表现为弱相关的海浪、风扇等近似白噪声,以及采集时表现为强相关的点源信号及其他竞争噪声,分别利用相干滤波和传统广义旁瓣抵消(GSC)结构对弱相关与强相关噪声的良好滤除效果,结合语音活动检测(VAD)在噪声段进行联合处理。仿真实验表明在多类噪声存在环境下,该算法能取得相对改进的通道间相干函数滤波算法及传统广义旁瓣抵消算法2 dB左右的增强效果提升,同时能获得良好的话音可懂度。

参考文献 | 相关文章 | 多维度评价