改進的變步長最小均方誤差電子耳蝸語音增強算法

徐文超,王光艷,陳 雷

天津商業大學 信息工程學院,天津 300134)(*通信作者電子郵箱xuwenchao@tjcu.edu.cn)

改進的變步長最小均方誤差電子耳蝸語音增強算法

徐文超*,王光艷,陳 雷

天津商業大學 信息工程學院,天津 300134)(*通信作者電子郵箱xuwenchao@tjcu.edu.cn)

針對外部強噪聲環境下電子耳蝸語音質量受損、適應性差等問題,提出了基于譜減法和變步長最小均方誤差(LMS)自適應濾波算法聯合去噪的改進方法,并以該方法構建了一個電子耳蝸前端語音預處理系統。利用變步長LMS自適應濾波算法輸出誤差的平方項來調節步長,采用步長值固定與變化相結合的方法,解決了自適應濾波算法收斂速度慢、穩態誤差大的問題,適應性得到提高,提高了語音信號通信質量。該系統以TMS320VC5416和音頻編解碼芯片TLV320AIC23B為核心,通過多通道緩沖串口(McBSP)和串行外設接口(SPI)實現了語音數據的高速采集和實時處理。實驗仿真和測試結果表明該算法消除噪聲性能好,信噪比在低輸入信噪比情況下提高約10 dB,語音質量感知評價(PESQ)分值也得到較大提高,能有效提高語音信號質量,且該系統性能穩定,能進一步提高耳蝸前端語音的清晰度和可懂度。

電子耳蝸;噪聲抑制;最小均方誤差;自適應濾波;語音增強

0 引言

環境中噪聲普遍存在,特性各異,語音信號在電子耳蝸傳輸中不可避免地受到噪聲干擾,尤其是周圍環境噪聲增強時,其語音信號受到污染,通信質量急劇下降,語音增強的目的就是為了去除背景噪聲,提高抗干擾能力,從帶噪語音信號中提取出有效的語音信號[1]。譜減法具有運算量小，可以有效衰減帶噪信號中噪聲的優點,但局限于處理平穩噪聲,而電子耳蝸背景噪聲多為非平穩噪聲。自適應濾波技術可以根據輸入信號和噪聲統計特性自動跟蹤輸入信號和噪聲的時間變化,并不斷更新濾波器參數,減小殘留噪聲達到最優的濾波效果。

近些年許多學者針對固定步長最小均方誤差(Least Mean Square error,LMS)自適應濾波算法的缺點進行了變步長LMS自適應濾波算法改進。文獻[2]提出的利用Sigmoid函數改進變步長算法,同時提高了收斂速度和跟蹤速度,獲得較小的穩態誤差,但誤差函數在曲線底部步長變化太大,不具有緩慢變化的特點；文獻[3]對測量噪聲的方差函數進行了改進,步長值能夠及時隨測量噪聲變化；文獻[4]利用反正切函數來調整步長值；文獻[5]在MVSS_LMS算法的基礎上,對誤差功率函數進行了改進。文獻[2-9]提出的算法均對步長值進行了改進,在收斂速度和穩態誤差性能方面都得到很大改善,但仍存在計算量太大、收斂速度慢和跟蹤性能不足等問題。

本文先后使用譜減法和變步長LMS自適應濾波算法聯合去噪的方法應用到電子耳蝸前端預處理系統中,對變步長LMS自適應濾波算法誤差函數的平方項進行|e(k)×e(k-1)|改進,暫態時步長值固定,穩態時步長值變化,提高了收斂速度的同時收斂精度得到提高,信號的信噪比(Signal-to-NoiseRatio,SNR)和語音質量感知評價(PerceptualEvaluationofSpeechQuality,PESQ)分值也得到較大提高。硬件系統以TMS320VC5416和TLV320AIC23B為核心,實現了語音信號的高速采集和實時處理,實驗測試結果表明該算法消除噪聲性能好,能有效提高語音信號質量,使刺激電極重構出純凈的聲音信號,證明了電子耳蝸前端預處理系統的可行性。

1 算法原理分析

1.1 基本譜減法

算法原理分析如下:

假定s(k)為原始純凈的語音信號,n(k)為噪聲信號,y(k)為帶噪語音信號,則帶噪語音可表示為:

y(k)=s(k)+n(k)

(1)

將式(1)兩端信號y(k)、s(k)、n(k)進行傅里葉變換后有

Y(w)=S(w)+N(w)

(2)

將式(2)兩端進行取模后再平方,得到

|Y(w)|2=|S(w)|2+|N(w)|2+2Re[S(w)N*(w)]

(3)

式(3)兩端分別取數學期望,得到:

E(|Y(w)|2)=E(|S(w)|2)+E(|N(w)|2)+

2E{Re[S(w)N*(w)]}

(4)

由于假設s(k)和n(k)相互獨立,所以S(w)和N(w)相互獨立,且假定噪聲服從零均值高斯分布,即:

(5)

所以,可以得到

|Y(w)|2=|S(w)|2+|N(w)|2

(6)

噪聲模型基于寬平穩假設,可以根據發音前的無聲段來逼近發聲段的噪聲功率譜|N(w)|2,得到原始語音信號功率譜:

|S(w)|2=|Y(w)|2-|N(w)|2

即純凈語音信號的估計值為:

將估計后的語音信號相位譜去代替原始帶噪語音信號Y(w)的相位譜,再進行傅里葉逆變換即得到降噪后的語音時域信號。

1.2 自適應濾波算法

背景噪聲是不確定的隨機信號,自適應濾波器通過跟蹤信號的變化來調整濾波器結構和參數,使濾波器的特性隨語音信號和噪聲的變化而變化,使算法達到最優的濾波效果。自適應濾波算法最為關鍵的是求得噪聲的最佳估計,利用濾波器前一時刻的參數去調整后一時刻濾波器控制參數,即通過前一時刻獲得的誤差函數e(k)來控制濾波器參數[10-12]。自適應濾波算法原理框圖如圖1所示。

圖1 自適應濾波算法原理框圖

帶噪語音信號y1(k)由語音信號s(k)和噪聲信號N(k)表示,x(k)表示輸入參考噪聲,N1(k)和N(k)相關,N1(k)與s(k)不相關。自適應濾波算法分析如下:

e(k)=y1(k)-d(k)=s(k)+N(k)-d(k)

(8)

e2(k)=s2(k)+[N(k)-d(k)]2+ 2s(k)[N(k)-d(k)]

(9)

式(9)兩端分別進行數學期望后:

E[e2(k)]=E[s2(k)]+E[N(k)-d(k)]2+ 2E[s(k)·(N(k)-d(k))]

由于s(k)與N(k)不相關、s(k)與N1(k)不相關,所以有

2E[s(k)·(N(k)-d(k))]=0

(10)

得到

E[e2(k)]=E[s2(k)]+E[N(k)-d(k)]2

(11)

LMS自適應濾波器經過調整權系數后,可以得到非線性函數E[e2(k)]的極小值點,式(11)左端E[e2(k)]值取最小時,式(11)右端取值也為最小,即E[N(k)-d(k)]2的值也同時為最小,而E[s2(k)]的值不變,所以自適應濾波器的輸出d(k)可以表示為N(k)的最佳估計,系統輸出為:

e(k)=y1(k)-d(k)=s(k)+N(k)-d(k)

(12)

從而LMS自適應濾波器的輸出在最佳估計值d(k)最接近N(k)值時,有e(k)=s(k)。

1.3 變步長LMS自適應濾波算法改進

基本LMS自適應濾波算法的迭代關系式為:

e(k)=y1(k)-XT(k)W(k)

(13)

W(k+1)=W(k)+2μ0e(k)X(k)

(14)

步長因子μ0可控制濾波器的自適應速度和穩定性能。式(13)中W(k)為時刻k的濾波器權向量,式(14)表示抽頭權向量更新公式。降低步長因子μ0的大小,可以減少穩態失調噪聲,算法收斂變慢,提高算法的收斂精度,但是會降低算法的收斂和跟蹤速度,所以采用變步長LMS自適應濾波算法[13-15]。近些年一些學者相繼提出了幾種變步長LMS自適應濾波算法,如基于正弦函數、反正切函數、箕舌線函數的變步長LMS自適應濾波算法。本文如式(15)所示的步長公式進行了改進：

μ(k)=β(1-exp(-α|e(k)|2))

(15)

將|e(k)×e(k-1)|代替輸出誤差的平方項e2(k)來調節步長,調整后為：

μ(k)=β(1-exp(-α|e(k)e(k-1)|))

(16)

以此來提高算法對不相關噪聲的抑制能力,并且將步長公式采取固定和變化相結合的方法,在暫態時采用固定值μ1,且μ1的取值范圍應滿足收斂條件:λMAX>μ1>0,λMAX為輸入信號x(k)的自相關矩陣R的最大特征值,在穩態時采用變化的步長值β(1-exp(-α|e(k)e(k-1)|)),即步長公式為:

(17)

由譜減法處理后得到純凈語音信號s(k),然后進行改進的變步長LMS自適應濾波算法處理。算法迭代過程中,將所處理語音段以濾波器長度進行分段,分別計算每段自相關矩陣R的λMAX,找出其中最大值；然后N0的大小根據所處理語音信號長度和LMS自適應濾波算法收斂到穩態解反復實驗后適當選取。如果迭代次數k

輸出誤差的平方項e2(k)調整為|e(k)×e(k-1)|后算法分析:

LMS自適應濾波器的輸出誤差項:

e(k)=y1(k)-XT(k)W(k)

(18)

期望得到的理想信號y1(k):

y1(k)=XT(k)W*(k)+ξ(k)

(19)

ξ(k)與輸入噪聲無關,為零均值的獨立干擾項,W*(k)為自適應濾波器時變的最優權矢量。

令ψ(k)表示權系數的偏差矢量:

ψ(k)=W(k)-W*(k)

(20)

則可以得到

e2(k)=[ξ(k)-XT(k)ψ(k)]2

(21)

將式(21)代入式(17),步長公式μ(k)中則會出現ξ2(k)項,將使得自適應算法得到最優解變得困難；而且步長μ(k)不能夠準確反映自適應算法收斂前的自適應狀態,只能在最優解范圍內上下變化,如果波動較大則會出現較大的失調。將誤差的平方項e2(k)調整為|e(k)×e(k-1)|后,

|e(k)×e(k-1)|=ψT(k)x(k)ξ(k-1)+

ψT(k)x(k)xT(k-1)ψ(k)+ξ(k)xT(k-1)ψ(k)+ξ(k)ξ(k-1)

(22)

其中：ξ(k)是均值為0的噪聲,且ξ(k)和x(k)不相關。所以有

E[e(k)×e(k-1)]=E[ψT(k)x(k)xT(k-1)ψ(k)]

(23)

從式(23)可看出,采用|e(k)×e(k-1)|調整步長后,ξ2(k)項對步長μ(k)的影響可以忽略,減小了ξ(k)對μ(k)的影響,噪聲基本可以忽略,濾波器自適應狀態能得到更準確的反映,使權系數更加接近最優值;而且由于不同的變步長LMS自適應濾波算法計算復雜度關鍵區別為步長因子的計算時間,本文的變步長公式計算簡單,只用了少量的乘法運算,降低了所需要的計算量。

1.4 系統語音增強算法實現

算法在CCS(CodeComposerStudio)集成開發環境下進行C語言改寫。系統軟件設計包括語音增強算法和語音數據輸入輸出兩部分,語音增強算法部分完成譜減法和LMS自適應濾波算法等功能,語音數據輸入輸出部分完成數據的采集、A/D和D/A轉換、數據的發送等功能。輸入輸出語音數據采樣速率為8 000Hz,CPU以幀的形式處理語音數據。

系統程序實現流程如圖2所示。系統上電后,將程序存儲器和數據存儲器中的數據引導至CPU的RAM中,首先進行硬件初始化,設置串口中斷寄存器和其他外部中斷源等,設置各個運行分支的運行標志,然后分幀進行各分支程序的處理。語音數據每接收滿一幀后執行語音增強算法模塊程序,每發送完一幀后,都將發送緩沖區新數據寫入發送寄存器。

圖2 系統程序實現流程

2 電子耳蝸前端語音增強系統硬件設計

硬件系統以TI公司的TMS320VC5416和音頻編解碼芯片TLV320AIC23B為核心構建,片外擴展了容量為8MB的AM29F800作為存儲數據和程序的Flash。TLV320AIC23B接收音頻模擬信號,經外部帶通濾波器、內部抗混疊濾波后進入A/D轉換模塊,將采樣信號轉換為16bit的串行數字信號,進入TMS320VC5416 的多通道緩沖串口(Muti-channelBufferedSerialPort,McBSP0)。TMS320VC5416完成語音增強算法處理后,數據再經McBSP0傳回TLV320AIC23B進行DA轉換、重構濾波,通過TPA4681功率放大模塊,最后經耳機輸出語音增強后的模擬音頻信號[16-17]。圖3是基于DSP的電子耳蝸前端語音增強系統硬件實現框圖。

圖3 語音增強系統硬件實現框圖

TLV320AIC23B通過芯片MODE管腳將控制接口設置為串行外設接口(SerialPeripheralInterface,SPI)方式,與TMS320VC5416的SPI進行通信,TMS320VC5416連續發送11個16位數據配置TLV320AIC23B的11個寄存器,對其進行初始化,設置工作狀態、時鐘模式、采樣速率等,輸入輸出信號增益由程序中修改dB值來調節音頻增益。TLV320AIC23B數據通信由DIN和DOUT和TMS320VC5416的McBSP0進行通信,將DigitalAudio-InterfaceModes配置為DSP模式(0X0043),TLV320AIC23B為主模式,提供時鐘源,產生串行時鐘信號和幀同步信號,由BCLK向CLKR、CLKX發送時鐘同步信號,FSX、LRCOUT分別向LRCIN、FSR發送幀同步信號。McBSP0為從模式,由SPCR1、SPCR2、XCR1、XCR2、PCR1、PCR2、RCR等寄存器配置,TLV320AIC23B發出的時鐘同步信號同步McBSP0 的收發器,進行數據的收發。McBSP0默認設置通信格式為16bit/字的單相位通信方式,數據無壓縮串行通信。

3 實驗仿真與測試結果分析

3.1Matlab仿真分析

為評估本文提出的改進后的語音增強方法的性能,利用Matlab在不同信噪比下進行測試,并與分別單獨使用譜減算法和本文改進后的算法進行對比,客觀測試方法將輸出信噪比SNR和語音質量感知評價PESQ作為評價語音質量的評價指標,輸出信噪比定義如下:

(24)

其中：k為采樣點數,N為被測語音信號的總長度,d(k)為語音增強算法處理后的信號,s(k)為原始純凈的語音信號。輸出信噪比能反映全局噪聲衰減、整體的語音質量情況。語音質量感知評價算法計算被測信號和參考信號的差異值，二者的差異值越小，得分就越高，得分取值范圍為[0.5, 4.5]，取值越高表明語音質量越好，可懂度越高。

語音數據采用夜間實驗室環境下錄制的標準女生聲音作為語音信號源,錄制信號源語速正常,在信道輸出端加入高斯白噪聲,將語音和噪聲按比例線性疊加成生成不同信噪比(-5dB,0dB,5dB,10dB)的帶噪信號分別進行降噪處理,語音信號采樣速率為8kHz,采樣精度為16bit量化,λMAX最大約為2.55,N0=200,對帶噪信號使用漢明窗進行分幀,并且每幀512個采樣點,幀間疊加128個采樣點。SNR=0 dB時的處理結果如圖4所示,可看出不同算法的提升效果。

圖4 SNR=0 dB時實驗仿真結果

為了進一步驗證本文改進后算法的實驗效果,表1列出了語音信號在加入白噪聲后不同信噪比下分別使用三種算法降噪處理后的輸出信噪比和PESQ得分。

表1 不同信噪比下降噪處理后性能對比

從圖4的實驗效果中可以得到:本文提出的譜減法和變步長LMS自適應濾波聯合去噪的方法在信噪比0 dB時降噪效果比基本譜減法要更加明顯,可較好地還原語音信號,有效去除語音信號的噪聲成分。由表1中仿真結果顯示,本文方法信噪比得到了進一步提高,低輸入信噪比情況下提高約10 dB,PESQ仿真結果得分有較大的提高,增強后的語音質量要優于分別單獨使用其他兩種算法,尤其是在低信噪比情況處理后語音更為清晰,表明本文改進方法對提高語音質量有一定的效果,達到了算法的目的。

3.2 硬件系統測試效果分析

完成算法Matlab仿真測試后,在DSP硬件系統進行測試效果分析,驗證算法的有效性。測試中將含噪語音信號通過帶通濾波后輸入TLV320AIC23B音頻輸入端,經過A/D轉換后進入TMS320VC5416,在CCS集成開發環境下進行實時仿真測試。通過菜單選項View→Graph→Time/Frequency進入圖形觀察窗口,在窗口Graph Property Dialog中設置語音段的起始地址、顯示數據長度等參數。運行后在圖形顯示窗口顯示波形如圖5所示。其中圖5(b)為加入白噪聲后含噪信號(信噪比為0 dB)。

圖5 語音增強前后信號對比

通過對比圖5可知,本文采用的改進算法有效地降低了語音信號的噪聲成分,取得明顯降噪效果,實時測試結果接近于Matlab仿真效果,系統可以可靠地進行語音信號實時處理。系統語音輸出端通過功率放大模塊后接入耳機進行主觀聽覺測試,語音信號中的噪聲成分明顯減弱,聽覺明顯清晰,可以較好地應用于電子耳蝸前端預處理系統中。

4 結語

本文將譜減法和變步長LMS自適應濾波算法聯合去噪的方法應用到電子耳蝸前端預處理系統中,算法處理上對步長值采用固定和變化相結合的方法,收斂速度和收斂精度得到提高,降低了自適應濾波算法的穩態失調噪聲,權系數更加接近最優值。系統硬件以TMS320VC5416和TLV320AIC23B為核心,通過多通道緩沖串口McBSP0和SPI進行數據通信和命令控制,實現了語音信號的高速采集和實時處理,系統運行穩定可靠。大量實驗測試結果表明,本文算法應用于電子耳蝸前端預處理系統中能有效抑制含噪語音信號的噪聲成分,信噪比和PESQ分值有較大的提高,可以獲得更多可懂度的聲音信息,明顯提高了電子耳蝸的抗噪性能。

References)

[1] 胡航.現代語音信號處理[M]. 北京:電子工業出版社, 2014:15-20.(HU H. Modern Speech Signal Processing[M]. Beijing: Publishing House of Electronics Industry, 2014:15-20.)

[2] 覃景繁, 歐陽景正.一種新的變步長LMS自適應濾波算法[J]. 數據采集與處理, 1997, 12(3): 171-172.(QIN J F, OUYANG J Z. A novel variable step size LMS adaptive filtering algorithm based on sigmoid function[J]. Journal of Data Acquisition & Processing, 1997, 12(3): 171-172.)

[3] 倪錦根, 李峰.一種新的變步長最小均方自適應濾波算法[J]. 信息與電子工程, 2008, 6(1):10-13.(NI J G, LI F. A novel variable step-size LMS adaptive filtering algorithm[J]. Information and Electronic Engineering, 2008, 6(1):10-13.)

[4] 朱斌, 馬艷.一種新的變步長LMS算法分析[J].計算機仿真, 2008, 25(9):93-95.(ZHU B, MA Y. Performance analysis of a novel variable step size LMS algorithm [J]. Computer Simulation, 2008, 25(9):93-95.)

[5] 任志釗, 徐建成, 閆永鵬. 一種改進的變步長LMS自適應濾波算法及性能分析 [J]. 計算機應用研究, 2011, 28(3):954-956.(REN Z Z, XU J C, YAN Y P. Improved variable step size LMS adaptive filtering algorithm and its performance analysis [J]. Application Research of Computers, 2011, 28(3): 954-956.)

[6] 高榕, 張仕凱, 李靖, 等.自適應濾波器消除語音信號中混合噪聲[J]. 河南科技大學學報(自然科學版), 2012, 33(4):42-45.(GAO R, ZHANG S K, LI J, et al. Adaptive filter to eliminate mixed noise in speech signal [J]. Journal of Henan University of Science & Technology (Natural Science), 2012, 33(4):42-45.)

[7] 彭軍, 王忠.基于多窗譜相關加權語音增強[J].計算機仿真, 2011, 28(3):142-145.(PENG J, WANG Z. Correlation weighting enhancement of speech based on multitaper spectrum [J]. Computer Simulation, 2011, 28(3):142-145.)

[8] 高鷹, 謝勝利.一種變步長LMS自適應濾波算法及分析[J].電子學報, 2001, 29(8): 1094-1097.(GAO Y, XIE S L. A variable step size LMS adaptive filtering algorithm and its analysis [J]. Acta Electronica Sinica, 2001, 29(8): 1094-1097.)

[9] 華強, 夏哲雷, 祝劍英.一種改進的變步長LMS 自適應濾波算法及仿真[J]. 中國計量學院學報, 2012, 23(3):304-308.(HUA Q, XIA Z L, ZHU J Y. A modified variable step size LMS adaptive filtering algorithm and its simulation [J]. Journal of China University of Metrology, 2012, 23(3):304-308.)

[10] 代少升, 馬東鴿. 基于DSP的語音信號自適應濾波系統的設計與實現[J]. 重慶郵電大學學報(自然科學版), 2011, 23(4):432-435.(DAI S S, MA D G. Design and realization of the voice signal self_adaptive filtering system based on DSP[J]. Journal of Chongqing University of Posts and Telecommunications (Natural Science Edition), 2011, 23(4):432-435.)

[11] DAWSON P W, MAUGER S J, HERSBACH A A. Clinical evaluation of signal-to-noise ratio based noise reduction in nucleus cochlear implant recipients[J]. Ear and Hearing, 2011, 32(3): 382-390.

[12] DERAKHSHAN N, AKBARI A, AYATOLLAHI A. Noise power spectrum estimation using constrained variance spectral smoothing and minima tracking[J]. Speech Communication, 2009, 51(11):1098-1113.

[13] MACHEREY O, DEEKS J M, CARLYON R P. Extending the limits of place and temporal pitch perception in cochlear implant users [J]. Journal of the Association for Research in Otolaryngology, 2011, 12(2): 233-251.

[14] SUN Y B, HU Y L. Communication mechanism based on test platform for cochlear chip[J]. Computer Measurement & Control, 2013, 21(12):3309-3313.

[15] 王瑜琳, 田學隆, 高雪利.自適應濾波語音增強算法改進及其DSP實現[J].計算機工程與應用, 2015, 51(1):208-212.(WANG Y L, TIAN X L, GAO X L. DSP realization of modified speech enhancement algorithm based on adaptive filters [J]. Computer Engineering and Applications, 2015, 51(1):208-212.)

[16] 陳勇, 田金鵬, 劉燕平. 一種新的變步長LMS自適應濾波算法[J]. 電子測量技術, 2015, 38(4):27-31.(CHEN Y, TIAN J P, LIU Y P. New variable step size LMS adaptive filtering algorithm [J]. Electronic Measurement Technology, 2015, 38(4):27-31.)

[17] 陳兆嶺, 劉國海, 楊晨星. 提高諧波電流檢測性能的LMS/LMF自適應濾波器[J]. 儀器儀表學報, 2014, 34(5):1036-1042.(CHEN Z L, LIU G H, YANG C X. LMS/LMF adaptive filter for harmonic current detection performance improvement [J]. Chinese Journal of Scientific Instrument, 2014, 34(5):1036-1042.)

This work is partially supported by the National Natural Science Foundation of China (61401307), the Tianjin Research Program of Application Foundation and Advanced Technology (14JCZDJC32600), the Youth Research Foundation of Tianjin University of Commerce (150111), the National College Students’ Innovation and Entrepreneurship Training Program (201610069085).

XU Wenchao, born in 1981, M. S., experimentalist. His research interests include pattern recognition, intelligent control.

WANG Guangyan, born in 1975, Ph. D., associate professor. Her research interests include speech signal processing.

CHEN Lei, born in 1980, Ph. D., associate professor. His research interests include blind signal processing, intelligent computing.

Speech enhancement algorithm based on improved variable-step LMS algorithm in cochlear implant

XU Wenchao*, WANG Guangyan, CHEN Lei

(College of Information Engineering, Tianjin University of Commerce, Tianjin 300134, China)

In order to improve the quality of speech signal and adaptability of cochlear implant under strong noise background, an improved method was proposed based on the combination of spectral subtraction and variable-step Least Mean Square error (LMS) adaptive filtering algorithm, and a speech enhancement hardware system for cochlear implant was constructed with this method. Concerning the problem of slow convergence rate and big steady-state error, the squared term of output error was used to adjust the step size of variable-step LMS adaptive filtering algorithm; besides, the combination of fixed and changed values of step was also considered, thus improved the adaptability and quality of speech signal. The speech enhancement hardware system for cochlear implant was composed of TMS320VC5416 and audio codec chip TLV320AIC23B, high-speed acquisition and real-time processing of voice data between TMS320VC5416 and TLV320AIC23B were realized by the interface of Muti-channel Buffered Serial Port (McBSP) and Serial Peripheral Interface (SPI).The Matlab simulation and test results prove that the proposed method has good performance in eliminating noise, the Signal-to-Noise Ratio (SNR) can be increased by about 10 dB in the case of low input SNR, and Perceptual Evaluation of Speech Quality (PESQ) score can be also greatly enhanced, the quality of the voice signal is improved effectively, and the system based on the proposed algorithm has stable performance which further improves the clarity and intelligibility of voice in cochlear implant.

cochlear implant; noise suppression; Least Mean Square error (LMS); adaptive filtering; speech enhancement

2016- 09- 14;

2016- 12- 27。 基金項目:國家自然科學基金資助項目(61401307);天津市應用基礎與前沿技術研究計劃項目(14JCZDJC32600);天津商業大學青年科研基金資助項目(150111);國家級大學生創新創業訓練計劃項目(201610069085)。

徐文超(1981—),男,河北衡水人,實驗師,碩士,主要研究方向:模式識別、智能控制; 王光艷(1975—),女,河北邯鄲人,副教授,博士,主要研究方向:語音信號處理; 陳雷(1980—),男,河北唐山人,副教授,博士,主要研究方向:盲信號處理,智能計算。

1001- 9081(2017)04- 1212- 05

10.11772/j.issn.1001- 9081.2017.04.1212

TP391.4

A