马子骥, 倪 忠, 余 旭

(湖南大学 电气与信息工程学院，湖南 长沙 410000)

0 引 言

与单麦克风降噪算法在时域和频域处理相比，基于多麦克风阵列的降噪算法可以充分利用空间滤波技术，对其他方向的噪声进行滤波处理，从而获得更好的降噪效果。Griffiths L J和Jim C W在文献[1]中提出了广义旁瓣对消器(generalized sidelobe canceller，GSC)方法，Gannot S在此基础上提出了基于传递函数(transfer function，TF)的GSC方法[2]。在处理平稳噪声时的效果很好，但在处理非平稳噪声时表现欠佳。文献[3,4]针对非平稳噪声，在后置滤波段利用最小控制递归平均(minima controlled recursive averaging,MCRA)算法估计。Israel Cohen对MCRA进行了改进，提出了一种改进的最小控制递归平均算法(improved MCRA,IMCRA)[5]，可在复杂环境,比如非平稳噪声、低信噪比条件下估计噪声。Cohen I 和 Berdugo B在文献[6]中将GSC和最佳修正对数谱幅度估计算法(optimally modified log spectral amplitude estimator，OM-LSA)结合，利用GSC的输出信号和参考噪声的相互关系进行后置滤波。Gannot S在此基础上进一步改进，用TF-GSC替代GSC，更好地适应复杂变换的噪声环境[7]。

本文算法在此基础上进一步改进，提高了语音存在概率估计的准确性，从而能更准确地更新噪声功率谱估计，提高了对噪声的抑制能力，并减少了语音损失。

1 基于TF-GSC的多麦克风后置滤波算法

多通道后置滤波的主要思想是利用TF-GSC自适应波束输出信号与参考噪声信号之比估计目标语音缺失概率，并更新噪声功率谱估计，最终通过OM-LSA方法获得较为纯净的目标语音信号。多通道后置滤波方法的结构框图如图1所示。

图1 多通道后置滤波算法原理框图

SY(t,ejω)=αs·SY(t-1,ejω)+(1-αs)·

(1)

ψ(t,ejω)=

(2)

式中M为文献[5,8]提出的非平稳噪声功率谱密度的最小控制递归平均(minima controlled recursive averaging,MCRA)估计。……