麦克风阵列前端语音信号处理

【实例简介】
个人学习笔记，稍稍整理下
阵列波東形成技术 模型 最大信噪比 最小方差无失真响应滤波器 线性约束最小方差 广义旁瓣相消 基于阵列定位和跟踪技术 互相关方法 3.3.2广义互相关( 基于特征向量的方法 最小熵法 白适应特征向量分解法 自适应盲信号分离(, 空域线性预测法 语音信号预加重 算法 第五章 模型 高斯混合模型 隐马尔可夫模型 频率分析( )深度神经网络 第章信号处理 语音信号特点 在一段时间内 ),人的声带和声道形状是相对稳定的,可认为其特征是不 变的。语音可以分为周期性的浊音和非周期的清音。浊音和清音绎常在一个音节中同时出 现。浊音部分和音质关系密切,在时域上呈现岀明显的周期性,在频域上有共振峰结构,而 且大部分能量集中在较低频段内,是语音中人幅度高能量的部分;清音则具有明显的时域和 频域特征,类似于白噪声,能量较小,在强噪声中容易被掩盖,但在较髙信噪比时能提供较 多的信息。在语音增强中,可以利用浊音的周期性特征,采用梳状滤波器提取语音分量或者 抑制非语音信号,而清音则难以与宽带噪声区分, 加性噪声大致上有:周期性噪声、脉冲噪声、宽带噪声和同声道的其亡语音干扰等。 周期性噪声主要来源于发动机等周期性运转的机械,电气干扰,特别是电源交流声也 会引起周期性噪声,其特点是有许多离散的窄谱峰。脉冲噪声来源于爆炸、撞击和放电等, 表现为时域波形中突然出现的窄脉冲。宽带噪声的来源很多,包括热噪声、气流(风、呼 吸)噪声及各种随杋噪声源,量化噪声也可视为宽带噪声。平稳的宽带噪声,通常也可以λ 为宽带噪声。平稳的宽带噪声,通常也可以视为高斯白噪声。 语音增强算法大致分为四种:参数法、非参数法、统讣法和其它方法。 信号响应的意义 对于任何一个信号均可以使用冲击函数来表示,即: ∑()6( 数字信号处理的意义就是通过运算来达到处理的目的,设这种运算关系为: ]则输出信号()和输入信号()之间的关系指述为 =[()。 卷积推导 设系统输入()=6()系统的输出()的初始状态为零,这时系统输出用()表示 为 则称()为系统的单位脉冲响应。则对任意输入信号(),系统输出为: ()6( 根据叠加原理可得: ()∑()(-)∑()[6(-)利用系统时不变性,可得下式 6(-)=(-),因此可得: ()∑()o(-)=()*() 上述就是卷积公式的推导。 时域离散系统的输入输出描述法 描述一个系统可以不管系统内部的结构如何,将系统看成一个黑盒子,只描述系统的输 岀和输入之间的关系,这种描述法被成为输入输岀描述法。在模拟系统中使微分方程描述系 统的输入和输出之间的关系,在时域离散系统中使用差分方程描述系统的输入和输岀关系 点评:微分方程重在描述变化的趋势,差分方程的过程可以套用卷积的方法。 时域离散信号傅里叶变换(TFT, Discrete- Time Fourier Transform) 定义 上述ω的单位是弧度,范围是x。 其傅里叶反变换由如下公式得到: () 周期信号由傅里叶级数表示 傅里叶变换的一些性质 时域卷积,频域相乘;时域相乘,频域卷积 ∑|() 巴塞伐尔 定理信号的功率也可以在频域求 离散傅里叶变换( 将有限长时域离散信号变换到频域的变换,但变换的结果是对时域离散信号的频谱的等 问隔采样 定义 设序列()的长度为,定义()的点为 ()=[()=∑( 式中,成为离散傅里叶变换区间长度,要求 中 即可得 为书写简单,令 则可以简写为: ()=[()=∑()≤≤ 其反变换如下 ()=[()=-∑() 和之间的关系: 的主要性质 )线性性质 )隐含周期性 )循环移位性质 )有限长序列的循环移位 设序列()的长度为,对()以≥为周期进行周期延拓,得到: ()=() 定义()的循环移位序列为 ()=^(+)()=(+)() 上式表示将序列()以为周期进行周期延拓,再左移个单位取主值序列,就得到 ()的循环移位序列()。 则有如下结论: 设序列()的长度为,其循环移位序列为 ()=()() )=[() ()=[() 短时傅里叶变换(, 针对平稳信号的变换,语音信号在长时间跨度上不平稳,但其每个 时间 段内可看成是平稳的。 定义 °,()是输入信号,()是分析窗口 (-)是纤过时域翻转并右移个采样点。类似于,离散定义如下 )2()=∑()( 其含义是在时域用窗函数截取信号,对截取部分的信号进行傅里叶变换,即在时刻 得到时刻该段信号的傅里叶变换,不断移动,即可得到不同的傅甲叶变换,将这些傅里 叶变换组合起来即得(o) 计算 在计算()和滤波器()卷积效率较高。 的基木思想是将()分段,将分段后的每段与()卷积 ()= 是任意的分段长度 ()=∑(-) ()=∑(-)()=∑ )*()=∑ 数字滤波器 的最大优点是可以实现线性相位滤波。 线性相位 设 的单位脉冲响应()的长度为,则其频响函数为 ()=∑() 将(“)表示成如下形式 e(a) 式中,(a)是O的实函数,如果满足0(o)a则相位满足线性关系 线性相位对时域和频域的约束 )=∑ O0展开可得: ∑()(0-(o)=(a)((o)-(o) 系数偶对称。 窗函数设计 其设计思想是使用 逼近希望的滤波特性。 基本方法 )构造希望逼近的频响函数(“) <)≤丌 )求出()。对(°)进行变换 元 )加窗得到 的单位脉冲响应() 如果要满足线性相位,窗函数同样需要满足线性相位。 频域自适应滤波的主要原因是,时域自适应滤波器需要很长的脉冲响应来处理同样长的 回声持续时间。 第一章重采样算法 信号重采样 假设信号是连续时间信号,则以=为问隔对信号采样,采样后信号为 ,是整数,是采样周期,根据佘奎斯特采样定理,当是带限信号,且其频 带范在±之间,这时采样并不会导致频谱混叠,采样率=/,设是的 傅里叶变换,则有0=°。可以假定 根据香农定理,根据 重构的公式如下 此处, 仝 以下仅讨论在(=/),仅讨论方程是整数倍情况下的 当新的采样率小于原始时,低通滤波截止频率必须是新采样率的二分之一,即 对于理想的低通滤波,则有: 前面的增益因子保持通带内单位增益。 函数 全丌丌的波形如下: 图 函数波形 公式用卷积公式表示为: 该卷积过程可看成是函数的平移叠加,每个函数对应于一个采样点,并且幅 度被采样点调制过,所有函数加在一起是原始信号。 值为零的地方位于整数处 (除)。这意味着 时刻(对应于一个采样点),为和的唯一贞献是采样信号 函数是理想低通滤波器,实际使用时会加窗处理。 音频重采样 在音频上,常常遇到重采样问题,如将 以及音源之间的转换,通 常这一过程被称为 )。采样率转换的基本思想是扣取和内插。从 信号角度看,音频重釆样是滤波。滤波函数的窗口大小以及插值函数一旦被确定,其重采样 的性能也就确定了。 抽取可能引起频谱混叠,内插则产生镜频。通常在抽取前将抗混叠滤波,在内插后加抗 镜像滤波。在语音识别里所需要的语音信号采样率实际上由其 )训练模型决定的。 重采样过程 设音频信号的原始采样率是,新的釆样率是,原始信号长度是,则新采样率下 信号的长度满足如下关系: 对每个离散时间值: 则实值的值为: 为在原始采样问隔的情况下,要进行插值的位置 确定两个加权系数的值,利用第二步计算得到的值,求两个权值。选择恰当的权 值,才能让线性差值所要插取的值更加接近插值点的理想幅度值,让和分别代表两个 重采样权值 根据两个权值,估计插入点的具体幅度值 +十 上采样会产生镜频,下采样会产生混叠。为了消除镜频和混叠,就需要将信号通过低通 滤波器。上采样时,产生的镜频通过低通滤波器去除;下采样时,为了防止产生混叠,先通 过低通滤波器进行处理 【实例截图】
【核心代码】