基于改進(jìn)粒子濾波的電力線載波通信語(yǔ)音增強(qiáng)*

崔恒志，王 翀

(江蘇省電力公司信息通信分公司，南京210090)

電力線載波機(jī)利用輸送電力的電纜線來(lái)傳送話音及數(shù)據(jù)(遠(yuǎn)動(dòng)信號(hào))，它在電力部門具有廣泛的應(yīng)用。根據(jù)有關(guān)約定，每4 kHz作為一個(gè)通道，高壓電力線在40 kHz～500 kHz的頻段內(nèi)共分成115個(gè)信號(hào)通道。電力線兩端的載波機(jī)利用兩個(gè)不同頻率的通道來(lái)發(fā)送本方和接受對(duì)方的信號(hào)。在一個(gè)通道內(nèi)只傳輸一路話音和(或)一路數(shù)據(jù)的載波機(jī)稱為單路載波機(jī)，而在一個(gè)通道內(nèi)傳輸多于一路話音或數(shù)據(jù)信號(hào)的載波機(jī)稱為多路載波機(jī)。單路載波機(jī)可以直接將模擬的話音信號(hào)和調(diào)制后的數(shù)據(jù)信號(hào)(通常采用FSK調(diào)制方式)合成一個(gè)4 kHz的信號(hào)通過(guò)功率放大后發(fā)送出去。多路載波機(jī)必須由話音/數(shù)據(jù)復(fù)接器將多路話音信號(hào)數(shù)字化壓縮后，與多路數(shù)據(jù)一起打包調(diào)制發(fā)送出去。

語(yǔ)音增強(qiáng)是電力線載波機(jī)的一個(gè)重要組成部分，其主要任務(wù)是抑制背景噪聲和干擾。電力線載波機(jī)在目標(biāo)語(yǔ)音的實(shí)際拾取過(guò)程中，不可避免會(huì)受到外界環(huán)境噪聲和其他說(shuō)話人的干擾。如果干擾噪聲過(guò)強(qiáng)對(duì)收聽者而言則會(huì)覺(jué)得刺耳乃至聽不清目標(biāo)語(yǔ)音。針對(duì)這種情況，通常采用增強(qiáng)語(yǔ)音、去除背景噪聲的方法來(lái)改善電力線載波機(jī)系統(tǒng)性能。在眾多語(yǔ)音增強(qiáng)方法中，譜減法［1-2］是最常用的。但是其處理的語(yǔ)音會(huì)產(chǎn)生音樂(lè)噪聲，而且在信噪比較低時(shí)殘留噪聲較大，不能得到很好的增強(qiáng)效果。另一類常見的語(yǔ)音增強(qiáng)方法是基于語(yǔ)音生成模型的方法，如卡爾曼濾波［3］。卡爾曼濾波的語(yǔ)音增強(qiáng)方法通過(guò)線性預(yù)測(cè)系數(shù)獲得干凈語(yǔ)音參數(shù)，并通過(guò)無(wú)語(yǔ)音幀獲得噪聲特性。當(dāng)噪聲是高斯過(guò)程時(shí)，卡爾曼濾波假設(shè)語(yǔ)音滿足高斯分布，因此在對(duì)實(shí)際非高斯分布的語(yǔ)音的方面有其局限性。因而粒子濾波器也被用于語(yǔ)音增強(qiáng)。Vermaak［4］等人在采用語(yǔ)音的時(shí)變自回歸(TVAR)基礎(chǔ)上，提出一種基于Rao-Blackwellized粒子濾波的語(yǔ)音增強(qiáng)方法。金乃高［5］等到人在Vermaak算法的基礎(chǔ)上通過(guò)子帶分解降低了Rao-Blackwellized粒子濾波中采樣空間的維數(shù)，達(dá)到減少計(jì)算量的目的。上述的兩種方法在語(yǔ)音增強(qiáng)上獲得了很好的效果，但是它們?cè)诮⒄Z(yǔ)音的TVAR模型時(shí)未考慮模型的穩(wěn)定性。此外，在選擇重要性采樣時(shí)將狀態(tài)的先驗(yàn)分布作為建議分布進(jìn)行狀態(tài)估計(jì)，不能很好地逼近實(shí)際的后驗(yàn)分布，影響了估計(jì)精度，同時(shí)也導(dǎo)致了粒子的退化。本文提出了一種改進(jìn)的基于粒子群優(yōu)化的粒子濾波算法來(lái)進(jìn)行語(yǔ)音增強(qiáng)，在分析語(yǔ)音信號(hào)TVAR模型的基礎(chǔ)上對(duì)語(yǔ)音建模，引入粒子群優(yōu)化的方法來(lái)產(chǎn)生建議分布，來(lái)近似估計(jì)未知狀態(tài)變量的后驗(yàn)分布。使降噪結(jié)果更接近純凈語(yǔ)音，從而得到更好的語(yǔ)音增強(qiáng)效果。

1TVAR模型

實(shí)際語(yǔ)音信號(hào)處理中最常用的模型是自回歸模型 AR(Autoregressive)［6］，e(n)為激勵(lì)信號(hào)，H(n)為全極點(diǎn)濾波器。該模型稱為p階自回歸模型或AR(p)模型，其傳輸函數(shù)為:

假設(shè)語(yǔ)音和噪聲信號(hào)相互無(wú)關(guān)，干凈語(yǔ)音信號(hào)x(n)可以描述為一個(gè)由白噪聲信號(hào)驅(qū)動(dòng)、全極點(diǎn)線性自回歸過(guò)程，將式(1)寫成時(shí)域表達(dá)式，即:

式(2)中，p為AR模型的階數(shù)，{a(i)為AR模型的系數(shù)，u(n)為零均值且方差為的高斯白噪聲。由式(2)可知，當(dāng)前的測(cè)量值可以用過(guò)去的p個(gè)樣本來(lái)進(jìn)行預(yù)測(cè)，對(duì)于上述模型的參數(shù)估計(jì)通常使用的是線性預(yù)測(cè)分析的方法。首先對(duì)語(yǔ)音進(jìn)行分段處理，當(dāng)非平穩(wěn)的段總是會(huì)出現(xiàn)，此時(shí)利用非平穩(wěn)的信號(hào)模型，如TVAR模型，就可以對(duì)語(yǔ)音信號(hào)進(jìn)行更好的跟蹤，提供更加接近真實(shí)的估計(jì)。

TVAR模型可以認(rèn)為是普通AR模型的擴(kuò)展，其參數(shù)是時(shí)變的［7］。這其中包括激勵(lì)源參數(shù)和聲道模型參數(shù)，它們?cè)诙虝r(shí)間間隔內(nèi)時(shí)變，為了更有效地描述語(yǔ)音信號(hào)的非平穩(wěn)特性將式(2)改寫成TVAR模型，即:

在此引入一個(gè)對(duì)數(shù)域偏差φut=lg()，并假設(shè)其變化規(guī)律滿足高斯移動(dòng)模型，則激勵(lì)噪聲的似然函數(shù)為在此，，α是小于1的系數(shù)。對(duì)于TVAR系數(shù)at(i)也采用高斯隨機(jī)移動(dòng)模型則有:

2 語(yǔ)音信號(hào)建模

語(yǔ)音信號(hào)xt和帶噪的觀測(cè)信號(hào)yt的TVAR模型如下:

式中，αt=(α1，t，α2，t，…，αp，t)T為t時(shí)刻p維的 AR系數(shù)矢量;et和vt為高斯白噪聲，方差分別為σ2et和也是時(shí)變的。這樣可以得到xt的條件概率密度為

觀測(cè)值yt的似然函數(shù)可以用均值為xt，方差為的正態(tài)分布加以描述

令Xt=(xt，…，xt-p+1)T，Yt=(y1:t)，定義系統(tǒng)矩陣

則語(yǔ)音信號(hào)模型可以表示為

為了描述噪聲{eti}和{vti}序列的時(shí)變特性，引入一個(gè)對(duì)數(shù)域的偏差，其對(duì)數(shù)域偏差的變化規(guī)律為高斯隨機(jī)移動(dòng)模型，即

這樣，TVAR模型中的線性觀測(cè)系數(shù)αt的時(shí)變特性描述最簡(jiǎn)單的方法也是使用高斯移動(dòng)模型描述，即

Ip為p階單位矩陣。至此語(yǔ)音信號(hào)的TVAR模型已經(jīng)完整定義了。上述所有的N(x;μ，σ2)均指變量x服從均值μ、方差σ2的高斯分布，未加說(shuō)明的高斯分布均值為0。

信噪比是衡量針對(duì)寬帶噪聲失真的語(yǔ)音增強(qiáng)算法的常規(guī)方法。假設(shè)y(n)表示帶噪信號(hào)，s(n)表示其中的純凈語(yǔ)音信號(hào)，s(^n)表示相對(duì)應(yīng)的增強(qiáng)信號(hào)，所有這些信號(hào)都假設(shè)是能量信號(hào)，則時(shí)域誤差信號(hào)為:

誤差能量是:

純凈語(yǔ)音信號(hào)的能量是:

信噪比定義為:

3 基于PSO-EPF粒子濾波的語(yǔ)音增強(qiáng)算法

基于語(yǔ)音參數(shù)模型的語(yǔ)音增強(qiáng)問(wèn)題可以歸結(jié)為從帶噪語(yǔ)音y1:t={y1，y2，…，yt}中估計(jì)純凈語(yǔ)音x1:t={x1，x2，…，xt}的貝葉斯濾波問(wèn)題，在此，我們利用粒子濾波器來(lái)實(shí)現(xiàn)對(duì)非線性非高斯序列的實(shí)時(shí)跟蹤。

選取語(yǔ)音模型狀態(tài)為

假設(shè)語(yǔ)音參數(shù)滿足一階馬爾可夫隨機(jī)過(guò)程p(Xt|Xt-1，Xt-2，…，X0)=p(Xt|Xt-1)

則上述狀態(tài)變量的轉(zhuǎn)移概率密度為

系統(tǒng)的觀測(cè)模型為

以下是基于改進(jìn)粒子濾波的語(yǔ)音增強(qiáng)的算法流程:

(1)初始化

設(shè)置粒子數(shù)目N，指定N個(gè)初始權(quán)重，從先驗(yàn)分布p(X0)中采集粒子，其中，再設(shè)置粒子初速度，令=1/N;給定初始值 Δ^X0為常量;設(shè)置慣性權(quán)重λ，速度調(diào)節(jié)參數(shù)η，求解初始時(shí)刻全局最優(yōu)解pg0

(2)重要性采樣

①調(diào)整粒子的速度

②根據(jù)EKF算法對(duì)每個(gè)粒子狀態(tài)進(jìn)行更新，即在EKF算法重要性采樣中將EKF算法重要性采樣中狀態(tài)k時(shí)刻的狀態(tài)估計(jì)改為③求粒子集的均值和方差分別為和;

t;

⑤粒子權(quán)值更新

(3)重采樣

消除權(quán)值較小的粒子，復(fù)制權(quán)值較大的粒子，當(dāng)滿足重采樣條件時(shí)，獲得N個(gè)隨機(jī)樣本，從近似服從分布p(X0:t|y1:t)為每一個(gè)再采樣之后的樣本粒子賦給相同的權(quán)值，即:當(dāng)i=1，2，…，N，有=1/N。

(4)計(jì)算t時(shí)刻目標(biāo)狀態(tài)的后驗(yàn)概率估計(jì)Xt

(5)求解當(dāng)前時(shí)刻全局最優(yōu)解。

(6)t=t+1，返回重要性采樣步驟，遞推估計(jì)下一時(shí)刻的目標(biāo)狀態(tài)的后驗(yàn)概率。

圖1 純凈語(yǔ)音信號(hào)

4 實(shí)驗(yàn)仿真與結(jié)果分析

在本次實(shí)驗(yàn)中，分別利用EKF(Extended Kalman Filtering)算法、PF(Particle Filtering)算法、PSO-EPF(Particle Swarm Optimization-Extended Particle Filtering)算法對(duì)帶噪語(yǔ)音信號(hào)進(jìn)行增強(qiáng)，實(shí)驗(yàn)中，我們進(jìn)行100次蒙特卡羅仿真。實(shí)驗(yàn)中采用的語(yǔ)音材料為自己錄制，純凈語(yǔ)音為女聲“人盡其才，團(tuán)結(jié)合作”，噪聲為錄制的生活噪聲，時(shí)長(zhǎng)為2.5 s，語(yǔ)音和噪聲信號(hào)經(jīng)8 kHz采樣、16 bit量化為數(shù)字信號(hào)，并在計(jì)算機(jī)中按一定比例混合生成不同信噪比的帶噪語(yǔ)音，其信噪比變化范圍為0～10 dB。使用的粒子濾波的粒子數(shù)為200，在實(shí)驗(yàn)中，TVAR模型的階數(shù)為10，圖1為純凈的語(yǔ)音信號(hào)，圖2為帶噪的語(yǔ)音信號(hào)，其初始信噪比為0.09 dB。

圖2 帶噪語(yǔ)音信號(hào)

在以上語(yǔ)音的基礎(chǔ)上，使用MATLAB在PC上進(jìn)行仿真實(shí)驗(yàn)，來(lái)比較帶噪語(yǔ)音通過(guò)EKF算法、PF算法、PSO-EPF算法一次語(yǔ)音增強(qiáng)后的波形圖(圖3～圖5)。由圖3～圖5可知，使用PSO-EPF算法處理后的帶噪語(yǔ)音信號(hào)與純凈語(yǔ)音信號(hào)最為接近，也說(shuō)明了它語(yǔ)音增強(qiáng)的效果最好。

圖3 EKF算法處理后的語(yǔ)音信號(hào)

圖4 PF算法處理后的語(yǔ)音信號(hào)

圖5 EPF-PSO算法處理后的語(yǔ)音信號(hào)

下面從信噪比角度來(lái)說(shuō)明，在不同的信噪比下，各種算法的語(yǔ)音增強(qiáng)效果如表1所示。

表1 不同方法和信噪比的語(yǔ)音增強(qiáng)效果

從表1可以看出，對(duì)于帶噪語(yǔ)音信號(hào)，3種算法都能在一定程度上增強(qiáng)語(yǔ)音信號(hào)，表明TVAR模型可以很好描述語(yǔ)音信號(hào)的變化特性。而PSO-EPF算法對(duì)TVAR模型參數(shù)的估計(jì)能力比PF算法、EKF算法要有更好的效果，從而也具有更強(qiáng)的濾波降噪、增強(qiáng)語(yǔ)音的能力。

由前文可知，粒子數(shù)目對(duì)粒子濾波器的估計(jì)性能有很大的影響，因此我選擇不同的粒子數(shù)來(lái)進(jìn)行100次蒙特卡羅仿真，對(duì)帶噪語(yǔ)音進(jìn)行語(yǔ)音增強(qiáng)，輸入信噪比設(shè)定在0.09 dB，增強(qiáng)效果如表2所示。

表2 不同粒子數(shù)的語(yǔ)音增強(qiáng)效果

由表2可見，隨著粒子數(shù)目的增加，經(jīng)過(guò)PF算法和PSO-EPF算法進(jìn)行語(yǔ)音增強(qiáng)后，語(yǔ)音信號(hào)的信噪比得到增強(qiáng)，對(duì)TVAR模型參數(shù)的估計(jì)更加準(zhǔn)確，但是增加粒子數(shù)目的同時(shí)，也將使得計(jì)算量增大［8］。所以，我們?cè)谶x擇語(yǔ)音增強(qiáng)算法時(shí)，要協(xié)調(diào)好粒子數(shù)目和SNR的關(guān)系，以便可以達(dá)到最好的語(yǔ)音增強(qiáng)效果。

5 結(jié)論

由于傳統(tǒng)的基于粒子濾波語(yǔ)音增強(qiáng)算法不能很好地逼近實(shí)際的后驗(yàn)分布，影響了估計(jì)精度，同時(shí)也導(dǎo)致了粒子的退化。對(duì)此本文提出了一種基于粒子群優(yōu)化的改進(jìn)粒子濾波算法，它將語(yǔ)音增強(qiáng)問(wèn)題轉(zhuǎn)換為從帶噪語(yǔ)音中對(duì)純凈語(yǔ)音的估計(jì)過(guò)程，引入粒子群優(yōu)化的方法來(lái)產(chǎn)生建議分布，使降噪結(jié)果更接近純凈語(yǔ)音，從而得到更好的語(yǔ)音增強(qiáng)效果。

［1］Hu H T，YuC.Adaptive Noise Spectral Estimaton for Spectral Subtraction Speech Enhancement［J］.Signal Processing，IET，2007，1(9):156-163.

［2］王振力，張雄偉.基于分?jǐn)?shù)階譜相減的語(yǔ)音增強(qiáng)方法［J］.電子信息學(xué)報(bào)，2007，29(5):1096-1100.

［3］Kalman R E.A New Approach to Linear Filtering and Prediction Problem Trans［J］.ASME J Basic Engineering，1960，82:34-45

［4］Vermaak J，Andrier C，Doucet A.Paticle Methods for Bayesian Modeling and Enhancement of Speech Signals［J］.IEEE Transactions on Speech and Audio Processing，2002，10(3):173-185.

［5］金乃高，殷福亮.基于子帶粒子濾波的一種語(yǔ)音增強(qiáng)方法［J］.通信學(xué)報(bào)，2006，27(4):23-28.

［6］Lim J S，Oppenheim A V.A11—Pole Mmodeling of Degraded Speech［J］.IEEE Transactions on Acoustics，Speech and Signal Processing，1978，26(3):197-210.

［7］Grenier Y.Time—Dependent ARMA Modeling of Nonstationary Signals［J］.IEEE Transactions on Acoustics，Speech and Signal Processing，1983，1(4):899-911.

［8］趙力.語(yǔ)音信號(hào)處理［M］.北京:機(jī)械工業(yè)出版社，2010.