面向實時處理的自適應聲學語音信號處理.pdf

1、論文針對自適應聲學語音信號處理中的兩大熱點研究問題一自適應聲回波對消(AEC)和卷積混合語音盲信號分離(BSS)，基于實時處理考慮，進行了全面而深入的研究。自適應聲回波對消和卷積混合語音盲信號分離所面臨的處理對象是非平穩(wěn)的自相關性極強的語音信號，且描述傳播語音信號的聲學閉合空間的沖激響應通常長達數(shù)百毫秒。待處理信號的特性以及聲學通道的特性成為自適應聲回波對消和卷積混合語音盲信號分離進入實用化的巨大障礙。一方面，我們必須研究具有高性能的自

2、適應算法來達到聲回波對消和卷積混合盲分離的目的；另一方面，為了實時處理的目的，我們還必須盡量降低算法的計算復雜度。更為實際的是，以上兩個應用所面臨的聲學環(huán)境是時變的，因此對各種自適應算法的收斂速度以及動態(tài)跟蹤能力提出了更高的要求。然而，以上兩個方面的需求往往是相互矛盾的，兩者不可兼得。本研究的著眼點是基于實時處理的目的，探索構建有效的信號處理模型并研究出一些性能好、收斂速度快或自動跟蹤能力強的便于DSP實時實現(xiàn)的自適應算法。 論文

3、研究的另一個重要方面就是語音的卷積混合盲信號分離。所謂“盲”是指源信號不能被觀測且源信號混合的通道是未知的。盲信號分離就是根據(jù)觀測到的幾個獨立源信號的混合數(shù)據(jù)向量確定一個變換，以恢復出原始的源信號。對多源語音卷積混合信號進行盲分離，其主要問題是對語音進行卷積混合的聲學傳播通道的沖激響應長度通?？蛇_數(shù)百毫秒，所以用于盲分離的自適應濾波器的階數(shù)至少在一千階以上。于是自適應語音盲信號分離將面臨與自適應聲回波對消一樣的三大難題，即收斂速度問題、

4、穩(wěn)態(tài)失調問題以及計算復雜度問題?；诟唠A統(tǒng)計特性(HOS)的各種BSS自適應算法，其計算復雜度一般都非常高，特別是用于聲學語音卷積混合信號的盲分離時，因數(shù)值穩(wěn)定性等精度問題，很難達到預期的盲分離效果，更談不上用于實時處理應用。面對真實的聲學語音環(huán)境，為了達到實時處理的目的，論文研究立足于信號的二階統(tǒng)計特性(SOS)，對語音卷積混合的模型及相應的BSS自適應算法展開了深入的研究。 論文研究最后針對自適應多通道聲回波對消存在解的非唯一

5、性問題的癥結，探討了基于盲信號分離的多通道聲回波抑制的可行性，提出了一個基于盲信號分離的多通道聲回波抑制模型(MCAESM)。該MCAESM徹底避免了常規(guī)的多路聲回波對消方法中，因各路聲回波源信號間存在互相關性而導致的自適應濾波器解的非唯一性問題。提出的模型恰恰利用了這種互相關性，僅在房間中添加一個輔助麥克風就可以對各個主麥克風構成兩個獨立聲源、兩個麥克風、兩路盲信號分離輸出的回波抑制模型。整個模型的功效就建立在對各種信號的相關性檢測，