基于麥克風陣列的語音增強算法概述

丁 猛

（海軍醫學研究所，上海 200433）

基于麥克風陣列的語音增強算法概述

丁 猛

（海軍醫學研究所，上海 200433）

麥克風陣列語音增強技術是將陣列信號處理與語音信號處理相結合，利用語音信號的空間相位信息對語音信號進行增強的一種技術。文章介紹了各種基于麥克風陣列的語音增強基本算法，概述了各算法的基本原理，并總結了各算法的特點及其所適用的聲學環境特性。

麥克風陣列；陣列信號處理；語音增強

（一）引言

在日常生活和工作中，語音通信是人與人之間互相傳遞信息溝通不可缺少的方式。近年來，雖然數據通信得到了迅速發展，但是語音通信仍然是現階段的主流，并在通信行業中占主導地位。在語音通信中，語音信號不可避免地會受到來自周圍環境和傳輸媒介的外部噪聲、通信設備的內部噪聲及其他講話者的干擾。這些干擾共同作用，最終使聽者獲得的語音不是純凈的原始語音，而是被噪聲污染過的帶噪聲語音，嚴重影響了雙方之間的交流。

應用陣列信號處理技術的麥克風陣列能夠充分利用語音信號的空時信息，具有靈活的波束控制、較高的空間分辨率、高的信號增益與較強的抗干擾能力等特點，逐漸成為強噪聲環境中語音增強的研究熱點。美國、德國、法國、意大利、日本、香港等國家和地區許多科學家都在開展這方面的研究工作，并且已經應用到一些實際的麥克風陣列系統中，這些應用包括視頻會議、語音識別、車載聲控系統、大型場所的記錄會議和助聽裝置等。

文章將介紹各種麥克風陣列語音增強算法的基本原理，并總結各個算法的特點及存在的局限性。

（二）常見麥克風陣列語音增強方法

1.基于固定波束形成的麥克風陣列語音增強

固定波束形成技術是最簡單最成熟的一種波束形成技術。1985年美國學者 Flanagan 提出采用延時-相加（Delay-and-Sum）波束形成方法進行麥克風陣列語音增強，該方法通過對各路麥克風接收到的信號添加合適的延時補償，使得各路輸出信號在某一方向上保持同步，并在該方向的入射信號獲得最大增益。此方法易于實現，但要想獲取較高的噪聲抑制能力則需要增加麥克風數目，然而對非相干噪聲沒有抑制能力，環境適應性差，因此實際中很少單獨使用。后來出現的微分麥克風陣列（Differential Microphone Arrays）、超方向麥克風陣列（Superairective Microphone Arrays）和固定頻率波束形成（Frequency-Invariant Beamformers） 技術也屬于固定波束形成。

2.基于自適應波束形成器的麥克風陣列語音增強

自適應波束形成是現在廣泛使用的一類麥克風陣列語音增強方法。最早出現的自適應波束形成算法是 1972年由Frost提出的線性約束最小方差（Linearly Constrained Minimum Variance,LCMV）自適應波束形成器。其基本思想是在某方向有用信號的增益一定的前提下，使陣列輸出信號的功率最小。在線性約束最小方差自適應波束形成器的基礎上，1982年 Griffiths和 Jim提出了廣義旁瓣消除器（Generalized Sidelobe Canceller, GSC），成為了許多算法的基本框架（圖1）。

圖1 廣義旁瓣消除器的基本結構

廣義旁瓣消除器是麥克風陣列語音增強應用最廣泛的技術，即帶噪聲的語音信號同時通過自適應通道和非自適應通道，自適應通道中的阻塞矩陣將有用信號濾除后產生僅包含多通道噪聲參考信號，自適應濾波器根據這個參考信號得到噪聲估計，最后由這個被估計的噪聲抵消非自適應通道中的噪聲分量，從而得到有用的純凈語音信號。

如果噪聲源的數目比麥克風數目少，自適應波束法能得到很好的性能。但是隨著干擾數目的增加和混響的增強，自適應濾波器的降噪性能會逐漸降低。

3.基于后置濾波的麥克風陣列語音增強

1988年 Zelinski將維納濾波器應用在麥克風陣列延時—相加波束形成的輸出端，進一步提高了語音信號的降噪效果，提出了基于后置濾波的麥克風陣列語音增強方法（圖2）。基于后置濾波的方法在對非相干噪聲抑制方面，不僅具有良好的效果，還能夠在一定程度上適應時變的聲學環境。它的基本原理是：假設各麥克風接收到的目標信號相同，接收到的噪聲信號獨立同分布，信號和噪聲不相關，根據噪聲特性，依據某一準則實時更新濾波器權系數，對所接收到數據進行濾波，從而達到語音增強的目的。

圖2 結合后置濾波的固定波束形成器

后置濾波方法存在以下不足：首先，算法的性能受到時延誤差的影響，使增強后的語音信號有一定失真；其次，該方法對方向性的強干擾抑制效果不佳。后置濾波方法極少單獨使用，常與其他方法聯合使用。

4.基于近場波束形成的麥克風陣列語音增強

當聲源位于麥克風陣列近場（即陣列的入射波是球面波）情況下，聲波的波前彎曲率不能被忽略，如果仍然把入射聲波作為平面波考慮，采用常規的波束形成方法來拾取語音信號，那么麥克風陣列系統輸出效果會很不理想。解決這個問題最直接的方法就是根據聲源位置和近場聲學的特性，對入射聲波進行近場補償，但是這種方法需要已知聲源位置，這在實際應用中難以滿足。由于近場聲學的復雜性，目前有關近場波束形成麥克風陣列語音增強方法的研究相對較少。

5.基于子空間的麥克風陣列語音增強

子空間方法的基本思想是計算出信號的自相關矩陣或協方差矩陣，然后對其進行奇異值分解，將帶噪聲語音信號劃分為有用信號子空間和噪聲子空間，利用有用信號子空間對信號進行重構，從而得到增強后的信號。由 Asano等提出的基于相干子空間的麥克風陣列語音增強方法是一種典型的子空間方法。該方法首先將語音信號劃分到不同頻帶，然后在每個頻帶再利用空間信息，進行子空間處理。

基于子空間的麥克風陣列語音增強方法雖然降噪性受噪聲場是否相關影響較小，在相干和非相干噪聲場中均有一定的消噪效果，但是由于計算量較大，實現實時處理具有一定困難。

6.基于盲源分離的麥克風陣列語音增強

在很多實際應用中，信號源情況和信道的傳遞參數都很難獲取，盲源分離技術（Blind Source Separation,BSS）就是在這種需求下提出的。盲源分離是根據輸入源信號和干擾的統計特性，從傳感器陣列接收到的混合信號中提取出各個獨立分量的過程。法國學者Herault.J和Jutten.C在信源與信道先驗條件未知的情況下，利用人工神經網絡分離出了有用信號，開創了盲源分離的先河。目前為止，已有許多學者將盲源分離技術應用于麥克風陣列語音增強。

經過二十多年來國內外學者的不斷深入研究，盲源分離技術已經取得了巨大的進步和發展，對盲信號分離問題的研究己經從瞬時混迭模型擴展成為線性卷積模型和非線性瞬時混迭模型，然而由于盲源分離仍屬一個新興的研究方向，理論上還不成熟，這類方法一般運算量大，全局收斂性和漸進穩定性有待加強，距離實際應用有一段距離。

7.其他方法

90年代以來，一些學者將各種信號處理算法與麥克風陣列技術相融合，各種語音增強算法不斷涌現，諸如倒譜分析、小波變換、神經網絡、語音模型等方法已經在語音信號處理領域得到應用。雖然這些方法從不同角度對語音增強系統的性能進行了不同程度的改善，但大多計算量龐大，不適合時變性較強的聲學環境，而且在需要實時處理的場合，對硬件的要求也將大大提高。

近年來國內一些高校，如清華大學、大連理工大學、電子科技大學、西安電子科技大學等也做了一些關于麥克風陣列技術的研究工作，取得了一定的研究成果。張麗艷等提出一種改進的麥克風陣列倒譜域語音去混響方法，改善混響環境下的語音質量。崔瑋瑋等提出一種基于一階差分麥克風陣列的實時噪聲譜估計和抵消方法，提高輸出信噪比的同時降低了計算量。曾慶寧等將陣列交叉串擾信號的自適應噪聲抵消方法應用于麥克風陣列語音增強，適用于在多種噪聲環境中實時實現。

（三）結論

語音信號增強是諸如智能控制、辦公自動化、多媒體消費品等領域的關鍵技術之一，將麥克風陣列技術應用于語音增強，能夠取得傳統單麥克風難以達到的增強效果。語音信號作為一種寬帶的非平穩信號，在傳輸過程中不可避免地會受到各種噪聲的干擾，所以采用麥克風陣列系統時需滿足在一個比較寬的聲域范圍抑制各種噪聲干擾，減少語音的失真，同時也要降低系統成本和計算時間，以達到較好的實時性和實用性。在實際應用中應根據具體的使用環境的噪聲特性，設計合適的麥克風陣列結構，選擇最佳的算法及其具體的實現形式。

[1] Flanagan J L, Johnston D J, Zahn R, et al. Computer-steered microphone arrays for sound transduction in large rooms[J].Journal of Acoustical Society of American,1985,78(5).

[2] O.L.Frost.An algorithm for linearly-constrained adaptive array processing[J].Proc.IEEE,1972,60(8).

[3] L. J. Griffiths, C. W. Jim. An alternative approach to linearly constrained adaptive beamforming[J]. IEEE Trans.On Antennas and Propagation. 1982,30(1).

[4] Khalil F, Jullien J P, Crilloire A. Microphone array for sound pickup in teleconference systems[J].Audio Engineering Society,1994,42( 9).

[5] 張麗艷,等.一種適用于混響環境的麥克風陣列語音增強方法[J].信號處理,2009,25(5).

TN911.7

A

1008-1151(2011)03-0029-02

2010-12-30

丁猛（1983－），男，海軍醫學研究所研究實習員。