基于小波去噪的自適應波束形成算法研究

文小方,張玲華,高婉貞

(南京郵電大學 通信與信息工程學院，江蘇 南京 210003)

基于小波去噪的自適應波束形成算法研究

文小方,張玲華,高婉貞

(南京郵電大學 通信與信息工程學院，江蘇 南京 210003)

語音增強算法是數字助聽器的一項關鍵技術。廣義旁瓣抵消器自適應波束形成算法對受固定干擾源影響的目標語音有良好的消噪效果。針對廣義旁瓣抵消器自適應波束形成算法帶來的語音泄漏以及殘留噪聲問題，在分析語音泄漏原因的基礎上，引進了小波閾值去噪技術，提出了基于小波去噪的自適應波束形成算法。該算法在對原始語音進行小波閾值去噪后，將去噪后的語音信號通過GSC結構，從而得到輸出語音信號。因小波閾值去噪既能提高語音通過GSC結構前的信噪比，又能使通過GSC結構后的語音更加準確，一定程度上減少了語音的泄漏，降低了殘留噪聲的發生，提高了語音的辨識度。實驗結果表明，所提出的算法使得算法性能有所提高，從而達到了增強語音的目的。

廣義旁瓣抵消器；語音泄漏；小波閾值去噪；語音辨識度

0 引 言

隨著科技的不斷發展,人類的生活環境變得復雜起來。在各種通訊領域，如：手機通信、固定電話、助聽器等，語音信號都不可避免地受到各種噪聲的干擾，這些干擾降低了語音的質量[1]。因此需要用去噪來達到語音增強的效果。目前，語音增強方法有很多種，根據麥克風的數目可分為單麥克風系統和麥克風陣列系統[2]。現如今由于實際環境噪聲的復雜性，單麥克風系統已經無法實現很好的消噪效果。麥克風陣列信號[3]采用的是廣義旁瓣對消的思想：用“電子瞄準”的形式從聲源位置獲取高品質的語音信號，同時抑制其他聲音以及環境噪聲，具有很好的空間選擇性。目前關于語音增強的研究工作主要集中于麥克風陣列信號處理[4]，包括固定波束形成(Fixed Beamforming,FBF)、自適應波束形成[5]算法(Adaptive Beamforming,ABF)和帶有后置濾波器的波束形成算法。其中自適應波束形成算法又包括最小方差無失真響應(MVDR)波束形成算法、廣義旁瓣抵消器(GSC)結構的波束形成算法以及Hoshuyama的GSC結構波束形成算法。在實際應用中，GSC結構波束形成算法應用廣泛，由三個部分組成：固定波束形成器(FBF)、阻塞矩陣(Blocking Matrix,BM)、多輸入抵消器(Multiple-input Canceller,MC)。然而該算法在MC模塊存在殘留噪聲和語音泄漏問題。針對該問題，Hoshuyama曾提出了基于GSC結構的魯棒自適應約束波束形成(CCAF-NCAF)結構，以減少語音泄漏[6]；文獻[7]提出了一種多通道補償算法，對共振峰結構進行保護，同樣減少了語音泄漏。

為此，在對GSC結構原理進行分析的基礎上，圍繞語音泄漏的原因，提出在GSC結構處理前添加小波閾值去噪算法[8]。實驗結果表明，改進算法可以提高語音辨識率，改善語音質量，達到語音增強[9]的效果。

1 廣義旁瓣抵消器結構的自適應波束形成算法

廣義旁瓣抵消器[10]的波束形成器實際上是自適應波束形成的一般模型，該系統結構可以分為上下兩支路，即將算法分為三個模塊。該算法無論是理論研究還是工程應用中都很普及，因為GSC結構的波束形成算法中沒有線性約束，算法消噪效果較好。其算法模型結構如圖1所示。

圖1 廣義旁瓣抵消波束形成結構框架圖

GSC結構的基本原理如下：假設輸入原始語音信號有M路，上支路通過時延估計[11]得到信號的時延以及角度。對各路麥克風接收到的信號進行時延補償，使各路通道語音信號盡可能達到同步。再將陣列接收信號分別向兩個正交的子空間投影，上支路對各路信號進行加權求和，權重為a(θ0)，得到初步增強的語音信號，即d0(k)。

根據圖1可得：

(1)

(2)

(3)

X0(k)=B0X(k)

(4)

(5)

GSC結構算法中很關鍵的一部分就是阻塞矩陣的設計[12]，使Ba(θ0)=0，即必須滿足B0的每行元素之和為0，在這里選用常用的一個阻塞矩陣：

由于麥克風陣列位置的偏差，麥克風增益的不同，以及環境中存在混響、干擾，目標方向估計存在誤差等因素，使得在BM模塊中，阻塞矩陣只濾除了大部分的純語音信號，同時屏蔽了少部分的噪聲。在MC模塊中，存在部分的語音和參考噪聲混在一起。這樣就不可避免地導致參考噪聲不可能完全抵消原語音信號中混有的噪聲，因此最終的語音信號存在殘留噪聲和部分的語音泄漏，這也是GSC結構固有的弊端。文中直接選用語音庫一段比較純凈的語音，其中采樣頻率為16 kHz，在信噪比SNR=-5 dB的白噪聲環境下，原語音方向是0°，干擾源方向是30°，有方向估計誤差為3°條件下進行仿真實驗。

圖2是將原始語音通過GSC結構處理后得到的仿真圖。

其中，(a)是一段純凈的語音波形“中央革命根據地”；(b)是加入SNR=-5 dB的白噪聲；(c)是經過GSC結構處理后的波形，其中方向估計誤差為3°；(d)是因為目標方向估計誤差產生的泄露語音。

通過分析比較GSC結構處理前后的語音信號頻譜圖和語譜圖，找出語音泄漏的地方，以及GSC結構處理后輸出語音的受損程度，進而提出改進算法。

圖2 傳統GSC結構語音增強仿真圖

2 基于小波閾值去噪的自適應波束形成算法

為了能更有效地消除殘留噪聲，減少原語音的泄漏，提高語音的辨識度，提出在GSC結構處理前，對原始語音進行小波閾值去噪，信噪比有所提高，此時再將去噪后的語音信號通過GSC結構時，結果會更加準確，因此能有效消除殘留噪聲并且減少語音的泄漏。其關鍵是提高含噪語音的信噪比。算法主要分為五個部分：

(1)將含噪信號進行預處理，包括分幀、預加重、端點檢測。

(2)使用小波函數對信號進行多尺度分解，得出各尺度小波系數。常見的小波基有Haar小波基、db系列小波基、Coiflets小波基、Symlets小波基等。文中選取Symlets小波基。

(3)對各尺度小波系數進行閾值處理。

(4)利用小波逆變換重構語音信號。

(5)將小波閾值去噪后的語音信號通過GSC結構，得到最終輸出的語音信號。

原理框圖如圖3所示。

圖3 小波閾值去噪結構框圖

2.1 小波閾值去噪算法

Donoho提出的小波閾值去噪是目前工程運用中最廣泛的方法。由于有用信號和混有的噪聲經過小波變換后統計特性不一樣，即信號能量集中在一些大的小波系數中，而噪聲能量分散在整個小波域中。在小波域小波系數幅值大一點的對應有用信號，幅值小一點的對應噪聲信號。即經過小波分解后，噪聲系數小于信號系數。因此找到一個臨界值th為閾值，如果分解系數大于閾值，則主要由信號引起;反之，主要由噪聲引起[8]。把主要由信號引起的這一部分保留下來，用得到的小波系數進行小波重構，得到去除噪聲之后的信號[8]。傳統的小波閾值去噪方法[13]分為兩種：

(1)硬閾值法。

當小波系數絕對值小于閾值th時，則將其置為0；當小波系數絕對值大于等于閾值th時，則小波系數保持不變。

(6)

(2)軟閾值法。

當小波系數絕對值小于閾值th時，則將其置為0；當小波系數絕對值大于等于閾值th時，則取小波系數絕對值與閾值的差值。

(7)

在文獻[13]中，通過比較硬閾值法，軟閾值法以及提出的改進多項式插值法，發現改進多項式插值法消噪效果更佳。因此，文中選用改進多項式插值法：

(8)

(9)

通過式(9)可以看出,改進的多項式法在整個定義域內既連續也可導,避免了硬閾值法的不連續性,同時,在|Wj,k|>t的范圍內,由于Wi,j是無偏估計,因此改進的多項式法也同樣避免了軟閾值法的不足。

2.2 實驗與仿真

通過Matlab仿真實現文中改進算法，如圖4和圖5所示。

圖4 GSC結構處理后的語音以及語音泄漏

圖5 改進算法處理后的語音以及語音泄漏

經過圖4和圖5比較可知，小波閾值去噪相對傳統算法而言，提高了語音信號的信噪比，減少通過GSC結構產生的殘留噪聲，并且減少了語音泄漏。另外，在文獻[7]的基礎上，文中進行了聽力辨別試驗[14]。搜集200個含清輔音的詞語，如果聽力正常的試驗者能準確說出每個詞語，那么就能正確辨識。先將這150個詞語分別在信噪比為-5，-3，0，5的環境下通過GSC結構后，讓一組試驗者辨識；同理，將這200個詞語分別在同樣的信噪比情況下通過改進算法后，讓另一組試驗者辨識。兩組計算平均辨識率，如圖6所示。

由上述實驗可知，改進算法確實提高了語音的辨識度，改善了語音質量，達到了語音增強[15]的目的。

3 結束語

為達到提高語音增強算法的目的，將小波閾值去噪與GSC自適應波束形成算法進行了有機結合，提出了一種改進算法。該算法提高了通過GSC結構前語音信號的信噪比，使得通過GSC結構會更加準確，減少了殘留噪聲以及語音泄漏。實驗測試結果表明，改進算法提高了語音的辨識度和語音增強效果。

[1] 姚 瑤.基于小波分析的語音信號增強的研究[J].信息通信，2010，5(3):59-61.

[2] 洪 鷗.麥克風陣列語音增強技術及其應用[J].微計算機信息，2006，22(1-1):142-144.

[3] 徐 進，趙益波,郭業才.一種新的麥克風陣列自適應語音增強方法[J].應用科學學報，2015，33(2):187-193.

[4] Cornelis B,Doclo S,Tim V D B,et al.Theoretical analysis of binaural multi-microphone noise reduction techniques[J].IEEE Transactions on Audio,Speech,and Language Processing,2010,18(2):342-355.

[5] McCowan I A, Moore D C, Sridharan S. Near-field adaptive beamformer for robust speech recognition[J].Digital Signal Processing,2002,12(1):87-106.

[6] Hoshuyama O,Sugiyama A,Hirano A.A robust adaptive be-amformer for micro-phone arrays with a blocking matrix using constrained adaptive filters[J].IEEE Transactions on Signal Processing,1999,47(10):2677-2684.

[7] 高婉貞，張玲華,曹旭來,等.基于GSC結構的多通道語音補償算法研究[J].南京郵電大學學報:自然科學版，2014，34(4):51-56.

[8] 吳光文，王昌明,包建東,等.基于自適應閾值函數的小波閾值去噪方法[J].電子與信息學報，2014，36(6):1340-1347.

[9] Lallouani A, Gabrea M, Gargour C S.Wavelet based speech enhancement using two different threshold based denoising algorithms[C]//Canadian conference on electrical and computer engineering.[s.l.]:[s.n.],2004:315-318.

[10] Gannot S,Cohen I.Speech enhancement based on the general transfer function GSC and postfiltering[J].IEEE Transactions on Speech and Audio Processing,2004,12(6):561-571.

[11] Rui Y,Florencio D.Time delay estimation in the presence of correlated noise and reverberation[C]//IEEE international conference on acoustics,speech,and signal processing.[s.l.]:IEEE,2004:133-136.

[12] Nordebo S,Claesson I,Nordholm S.Adaptive beamforming: spatial filter designed blocking matrix[J].IEEE Journal of Oceanic Engineering,1994,19(4):583-590.

[13] 李海東，李 青.基于閾值法的小波去噪算法研究[J].計算機技術與發展，2009，19(7):56-58.

[14] 楊 琳，張建平,顏永紅.單通道語音增強算法對漢語語音可懂度影響的研究[J].聲學學報，2010，35(2):248-253.

[15] Fukane A R,Sahare S L.Enhancement of noisy speech singnals for hearing aids[C]//International conference on computational intelligence & communication networks.[s.l.]:[s.n.],2011:648-652.

Investigation on Adaptive Beamforming Algorithm with Wavelet Denoising

WEN Xiao-fang,ZHANG Ling-hua,GAO Wan-zhen

(College of Telecommunication & Information Engineering,Nanjing University of Posts and Telecommunications,Nanjing 210003,China)

Speech enhancement algorithm is a key technique in digital hearing aid.The Generalized Sidelobe Canceller (GSC) adaptive beamforming algorithm can effectively remove the fixed interference source noise in the target speech.Aimed at the residual noise and speech leakage problems caused by the generalized sidelobe canceller adaptive beamforming algorithm,on the basis of analysis on the reasons for speech leakage and introduction of wavelet threshold denoising technology,the adaptive beamforming algorithm based on wavelet denoising has been proposed.After the denoising of wavelet threshold value has employed to deal with original speech,the outputs of audio signal through GSC structure obtained.Since wavelet threshold,value denoising can improve the SNR of the speech signal effectively and can reduce speech leakage with certain content,and enhance the speech recognition.The experimental results show that performance of the improved algorithm and the effects of speech enhancement have been achieved.

generalized sidelobe canceller;speech leakage;wavelet threshold denoising;speech recognition

2016-06-16

2016-10-19 網絡出版時間：2017-04-28

江蘇省教育自然科學研究重大項目(13KJA510003);江蘇高校優勢學科建設工程資助項目(PAPD)

文小方(1991-)，女，碩士研究生，研究方向為現代語音處理與通信技術；張玲華，教授，博士生導師，通信作者,研究方向為語音處理與現代語音通信技術、無線通信中的信號處理。

http://kns.cnki.net/kcms/detail/61.1450.TP.20170428.1702.026.html

TP301.6

A

1673-629X(2017)06-0169-04

10.3969/j.issn.1673-629X.2017.06.035