何 礼 周 翊 刘宏清

(重庆邮电大学通信与信息工程学院, 重庆 400065)

1 引言

近年来，自动语音识别技术的飞速发展催生了一系列语音应用，例如：手机、智能音箱、助听器和电话会议系统等。为了保证上述设备在复杂声学环境下运行的鲁棒性，这些设备通常配有噪声消除算法。这些算法分为基于单个麦克风的单通道噪声消除算法[1]和基于麦克风阵列的多通道噪声消除算法。很多单通道噪声消除算法依赖于语音活动检测，只适合平稳噪声，对非平稳噪声鲁棒性不好。麦克风阵列基于多个麦克风，在时频域的基础上进一步获得空间域信息。因此，与只用时频信息进行噪声消除的单麦克风方案相比，麦克风阵列通常具有更好的性能，因而得到了广泛应用。

波束形成器是麦克风阵列噪声消除算法的核心。它可设计成固定波束形成器，如延迟求和波束形成器、超指向性波束形成器；也可设计成基于某个优化准则的自适应波束形成器，如线性约束最小方差、最小方差无失真响应(Minimum Variance Distortionless Response, MVDR)、最小均方误差和最大信噪比[2]。这些现有的技术解决方案通常依赖于扩散场声音相干性的模型，从而区分观测信号中由目标语音主导的时频点和由背景噪声主导的时频点。然而这些解决方案并不适用于噪声环境中干扰声源存在的情况。另外，单独的波束形成器并不总是能够达到理论上的效果，波束形成处理后的输出信号中仍然保留了期望信号方向及波束旁瓣上的残留背景噪声，因此通常会在波束形成后采用单通道后置滤波技术对残留噪声进一步消除。……