基于麥克與壓電裝置的綜合降噪研究

楊舜堯

(阜新高等專科學校，遼寧阜新123000)

【應用研究】

基于麥克與壓電裝置的綜合降噪研究

楊舜堯

(阜新高等專科學校，遼寧阜新123000)

麥克風序列是在特定方向上提高一種聲音效果的有效方式，然而這種方式在有回響的音樂廳中效果甚微，為此提出一種新的聲音分割的方法，將壓電裝置加載到樂器本身，把壓電裝置所產生的信號作為調節器，進而確定放置收聽麥克的位置．這種方法首先估算壓電設備產生信號的頻率，從麥克發出的聲音過濾后，頻率的特性發生了改變，以便使頻率控制在估算的頻率成分范圍內．該方法是一種動態分離的方法，可以將信噪比提高到8.7 dB．

壓電裝置；匹配濾波器；麥克風序列；綜合降噪

0 引言

當演奏樂器的時候，樂器的音量是不一樣的，需要放大柔和樂器的音量來聽清聲音[1]．這種情況下，就需要將特定演奏樂器的聲音從其他聲音中提取出來．延遲相加型麥克風陣列是從某一方向上提取一種聲音的有效方法之一．然而，這需要很多的麥克才能有效地減少噪聲，而且這種方法在音樂廳中還不是提取聲音的有效手段．再者，這種傳統的方法不能把來自同一方向的信號和噪聲進行分離．ICA利用獨立的聲音源進行聲音的分離，然而，這不適用于非平穩的聲音[2]．二元掩膜的方法也是提取聲音的有效手段，但是它需要兩只麥克從不同的位置獲得信號和噪聲的能量，而在音樂廳很難把麥克風放在合適的位置上．二元掩膜法在信號和噪聲頻率疊加的情況下也是不適用的[3]．本文采用麥克與壓電拾音相結合的綜合降噪方法，首先估算了信號的頻率成分，信號來自于壓電裝置拾音器，然后對來自麥克風的聲音進行了過濾，以便去適應估算的聲音頻率成分．除對本文所提出的算法進行說明外，并演示了部分算法的仿真結果．

1 提出方法

1.1 麥克風與壓電拾音相結合的降噪方法

在本文的方法中，利用了一對麥克風和壓電拾音器，拾音器是由陶瓷材料做成的．當壓電裝置失真的時候，電壓就在壓電裝置表面產生[4]．利用這一屬性，壓電裝置被當做拾音器來使用，感知器樂本身發生的變化．從壓電拾音裝置中產生的信號與觀眾聽到的信號的頻譜有所不同，但是與器樂演奏的聲音有著相同的頻率成分，只是因為拾音器檢測到了樂器的整體變化，這種變化是由樂器所發出的震動產生的[5]．

圖1顯示了本方法的流程，利用麥克風和壓電拾音器提取目標樂器的聲音．把x(t)和y(t)分別定義為由麥克風與壓電裝置在時間t所產生的信號，分別表述如下[6]：

(1)

(2)

其中，*代表卷積；S(t)代表由目標樂器產生的信號；ni(t)代表第i個噪聲，或者說其他背景噪聲;m1(t)和m2i(t)分別代表從信號聲音源和第i個噪聲源到麥克風的沖擊響應；p1(t)和p2i(t)分別代表信號聲音源和第i個噪聲源到壓電拾音器的沖擊響應[7]．本文首先把時域信號x(t)和y(t)轉換成頻域信號X′(τ,ω)，Y′(τ,ω),其中時間t變為τ，ω為角頻率，利用短時傅里葉變換經過行轉換，公式如下：

(3)

(4)

S′(τ,ω)和N′(τ,ω)分別代表是s(t)和ni(t)的復合頻譜[8]．M1(ω)和M2i(ω)分別代表與信號和噪聲相關的模擬麥克風的轉換函數．P1(ω)和p2i(ω)分別代表與信號和噪聲相關的模擬壓電拾音器的轉換函數，目的是從x(t)中提取m1(t)*s(t)．

本文首先解釋了信號與噪聲不相交的情況．假設信號和噪聲的頻率分量是不相交的，描述如下：

S(τ,ω)Ni(τ,ω)=0 (?ω,l)

(5)

如果目標樂器的聲音不能與其他樂器的聲音產生共鳴，那么在y(t)中包含的噪聲可以假設為0．這種假設描述如下：

P2i(ω)Ni(τ,ω)=0 (?ω,l)

(6)

因此，能夠利用壓電拾音器來采集目標信號的各頻率分量的功率，估算出目標信號的頻率分量的組成，描述如下：

(7)

X′(τ，ω)代表用本方法處理后的信號，τ,ω是X′(t)通過快速傅里葉變換轉化的函數．

事實上，盡管壓電拾音器可能帶有一定的噪聲，可是噪聲的功率足夠小．因此，可以假設信號和噪聲滿足以下條件：

|P2i(ω)Ni(τ，ω)|

(8)

?ω|P1S(τ，ω)|≠0→|S′(τ，ω)|>th

(9)

th代表門限值，等式(8)說明從壓電拾音器產生的信號中帶有噪聲，噪聲的功率比門限值th要小，而在等式(9)中信號的功率要大于門限值．在這種情況下，就可以根據以下等式提取出信號：

(10)

在音樂會中，會演奏很多樂器，和弦音經常相互覆蓋， 等式(5)就不能滿足這種情況．為此，本文提出的方法變換結果如下，這樣就可以在一定程度上減少噪聲．

(11)

1.2 短時平滑噪聲的減少方法

等式(11)中的處理方法，是根據Y(τ，ω)的值來進行頻域轉換的．這種轉換在每種頻率分量上都產生了噪聲，因此這種轉換要逐步進行．為了實現平滑轉換，加入一種換算系數a(τ，ω)，如下：

X′(τ，ω)=a(τ，ω)·X(τ，ω)

(12)

a(0,ω)=1

其中，0

如圖2、圖3所示，a(τ，ω)以指數方式增加或者減少．d和r分別決定著函數a(τ，ω)隨時間常量的上升和下降．d越小，噪聲減少得越快；r越大，信號通過得越快．需憑借經驗決定參數d和r，以便取得令人滿意的高質量聲音．

本文方法輸出的結果x′(t)是經過X′(t)快速傅里葉變換獲得的，描述如下：

x′(t)=F-1[X′(τ，ω)]=F-1[a(τ，ω)·X(τ，ω)]≡G[x(t)]

(13)

其中，F-1代表快速傅里葉變換，G( .)代表本文方法所代表的函數．

2 實驗

2.1 實驗仿真

為了定量地衡量本文所提出的方法，做了兩種仿真實驗，分別是計算信噪比和信號失真比率．實驗準備了一組數據，是由麥克風和壓電拾音裝置所記錄的，把這組數據分別叫做麥克風采集數據和壓電拾音數據．把古箏的聲音作為有用信號，把其他樂器當做噪聲，包括電吉他、電貝司和鼓所產生的噪聲．在同樣由信號和噪聲混合、并應用混響控制來模擬有回聲的環境下，獲得麥克風數據．通過信號和用比較分析法所獲得的噪聲，并在應用均衡控制來模擬壓電拾音器的失真情況下，獲取壓電拾音信號．表1顯示了快速傅里葉變換的參數設置．

接下來進行仿真實驗來計算信噪比(SNR)．分別定義SNRO為處理之前的值，SNRp為處理之后的值，描述如下：

(14)

(15)

其中：s(t)和n(t)分別代表模擬麥克風數據的信號和噪聲；T代表數據的長度；G[s(t)]和 G[n(t)]分別代表采用本文方法計算的結果，這種結果是在僅能利用信號和噪聲的情況下得出的．如表2所示，SNR信噪比提高了8.7 dB．定義SDRm為SDR處理之后的值，SDRm描述如下：

(16)

以SDR定義作為參考，把模擬壓電感應數據信號的SNR作為SNRp．SNRp描述如下：

(17)

p(t)是在離散時間t的范圍內，以模擬壓電感應數據為信號的函數．不能輕易地比較這些值，因為p(t)實際上不是由s(t)計算而來的．在本文中，要確定p(t)的值，以便于s(t)和p(t)在聲學水平上具有相同的響度．表3顯示了實驗的結果．

表1 FFT參數窗口大小(kHz)重疊率窗口抽樣頻率(kHz)204870%升余弦44.1 表2 仿真環境中的SNR信噪比(dB)SNR0SNRpSNR-2.56.2表3 仿真環境中的SDR信號失真比(dB)SDRmSDRpSDR15.340.44

2.2 對參數的考慮

為了量化計算參數th、d和r的測試結果，計算了SNR和SDR的相關性，圖4、圖5和圖6分別顯示了在不同th、d和r的情況下，SDR和SNR的效果圖．圖中縱坐標標識的是SNR和SDR的衰減分貝值，這些圖顯示了SDR和SNR之間是此消彼長、相互抵消的關系．確定參數，以便獲取高質量的聽覺信號，th=4，d=0.95，r=0.1.

2.3 半真實環境下的試驗

本文計算了半真實環境下的數據中的SNR和SDR，在不同時刻由真實環境下麥克風和壓電拾音器所記錄的數據，并與噪聲復合的數據，二者形成了半真實環境下的數據．信號是古箏的聲音，噪聲包括鼓、電貝司和電吉他．人為設置參數th和r．表4和表5顯示了SNR和SDR．SNR提高了4.72 dB，而SDR提高的數值不止9.7 dB．

表4 SNR在半真實模擬環境中的值信噪比(dB)SNR0SNRpSNR1.95.8表5 SDR在半真實模擬環境中的值信噪比(dB)SDRmSDRpSNR9.21.08

2.4 真實環境下的試驗

利用本方法在真實數據環境下進行了試驗．數據是在實驗環境下由麥克風記錄的．如圖7所示．當演奏古箏的時候，在麥克風位置的聲壓達到83～93 dB．當用揚聲器來播放同樣的聲音，在相同的麥克風位置上，聲壓達到85～90 dB．聲壓的大小是由聲量計所測得的．盡管不能計算SNR和SDR，但是，能獲得聲學仿真環境下，相同水平的SNR．

3 結論

在本文中，關注壓電裝置的特點，并研究了由壓電裝置與麥克相結合的降噪特性．本文所提出方法的優點總結如下：

(1)即使在噪聲和信號來自于同一方向的情況下，依舊可以使用本文提出的方法．

(2)應用本文的方法，在仿真試驗中，SNR提高了8.7 dB，SDR提高了13.64 dB．

在今后的實際應用中，我們可以把這種方法應用在實時的系統中，并優化系統的參數設置，目的是發展時域處理的過程，例如帶通濾波器，而不是去減少頻域處理過程．

[1]涂悅.基于內容的音頻分類技術及其在多媒體檢索中的應用[D].廣州：華南理工大學，2012．

[2]韓圣龍.基于內容的音頻音樂自動分析和檢索技術研究[J].情報科學，2007，(3)：36-38．

[3]徐國慶,張彥鐸,王海暉,等.樂音旋律識別研究[J]. 武漢工程大學學報，2007，(2):65-69．

[4]朱軍,胡文波.貝葉斯機器學習前沿進展綜述[J].計算機研究與發展，2015，(1)：16-26．

[5]葉蕾．語音信號壓縮感知關鍵技術研究[D].南京：南京郵電大學，2014．

[6]謝智鵬.聲音事件識別中的有效特征提取方法研究[D].合肥：中國科學技術大學，2016．

[7]張康榮.基于盲源分離的設備故障音檢測算法與應用[D].濟南：山東大學，2016．

[8]林勝義．語音通信系統的頻帶擴展技術研究[D].廣州：廣東技術師范學院，2016．

(審稿人 關維國 鄧景茹，責任編輯 王 巍)

Research on the reduction of integrated noise reduction based on mike and piezoelectric devices

YANG Shun-yao

(Fuxin Higher Training College，Fuxin Liaoning 123000)

A microphone array is an effective way to improve sound effect in a particular direction. However, it has little echo effect in the musical hall. This paper presents a new method of sound segmentation, which installs the piezoelectric devices on the instrument itself. The signal generated by the piezoelectric device is regarded as a regulator. The regulator is composed of a matched filter sound, which determines the listening position placed in mike. This method firstly estimates the frequency component of the signal generated from the piezoelectric device. The frequency characteristics of the filter are changed from the sound emitted by Mike, so as to improve the signal-to-noise ratio (SNR) of the signal in the range of the estimated frequency components. This method is a dynamic separation method which can increase the signal-to-noise ratio to 8.7 db.

piezoelectric device；matched filter；microphone sequence; the reduction of integrated noise

2016—12—10

楊舜堯(1981-)，男，遼寧阜新市人，講師，主要從事通信與信息系統方面研究．

TN912

A

1008-5688(2017)01-0069-05