曾金芳 陈达 张钰 李友明

摘 要：在信號处理领域，室内环境下的混响语音盲分离一直以来都是一个重点与难点，主要是由于混合系统存在的混响和回声严重影响了语音质量，从而降低了算法分离效果。因此，本文提出了一个应对算法，由麦克风采集到室内混响语音混合信号后，对该混合信号进行两阶段去混响处理：首先通过设计一个逆滤波器来抑制早期混响或增大信号混响能量比，再采用谱减法来消除回声；然后将处理过的时域卷积混合语音信号通过短时傅里叶变换转化为频域各个频点的瞬时混合形式，用IVA算法分离混合语音信号，最终恢复为时域语音信号。实验表明，该方法可以有效提高室内混响环境下的语音盲分离效果。

关键词：去混响；盲源分离；频域分离；时域卷积

*基金项目：湖南省自然科学基金（2018JJ3486）

0 引言

盲源分离（blind source separation， BSS）是指当源信号参数和信号混合模型都未知时，基于输入源信号的统计特性，将源信号从观测信号分离出来的过程。盲源分离技术先后应用于文本数据挖掘、语音信号处理、地球物理信号处理等多个领域[1-3]。

独立分量分析[4]（independent component analysis， ICA）算法是解决盲源分离问题的一个常用且高效的算法。然而，在真实的室内环境中，由于室内存在的混响和回声，接收器接收得到的信号一般都不是线性混合的，而是卷积混合的。因此通常采用频域ICA算法进行分离。频域ICA算法是通过短时傅里叶变换（short-time fourier transform， STFT）将混合信号由时域的卷积混合转到频域各个频点的瞬时混合，再使用ICA算法进行分离。……