一種基于分布式一致性和mvdr波束形成的分布式語音增強(qiáng)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及語音信號處理技術(shù)領(lǐng)域，尤其設(shè)及一種基于分布式一致性和MVDR的 分布式語音增強(qiáng)方法。
【背景技術(shù)】
[0002] 語音信號處理是現(xiàn)代通信、多媒體應(yīng)用和人工智能等領(lǐng)域的核屯、技術(shù)之一。在語 音采集過程中，由于環(huán)境噪聲、房間混響等影響，所獲語音音質(zhì)和清晰度會下降。語音增強(qiáng) 作為一種前置處理方案，是一種有效的抑制干擾的方法。
[0003] 在信息時代，信息獲取最重要和最基本的技術(shù)一-傳感器技術(shù)，也得到了很大 的發(fā)展。具有感知能力、計算能力和通信能力的無線傳感器網(wǎng)絡(luò)（WSN，WirelessSensor Networks)也隨之提出。無線傳感器網(wǎng)絡(luò)綜合了傳感器技術(shù)、嵌入式計算技術(shù)、分布式信息 處理技術(shù)和通信技術(shù)，能夠協(xié)作地實時監(jiān)測、感知和采集網(wǎng)絡(luò)分布區(qū)域內(nèi)的各種環(huán)境或監(jiān) 測對象的信息，并對該些信息進(jìn)行處理，獲得詳盡而準(zhǔn)確的信息，傳送到需要該些信息的用 戶。其中，如果處理對象針對的是聲音信號，那么此無線傳感器網(wǎng)絡(luò)也叫做無線聲傳感器網(wǎng) 絡(luò)（WirelessAcousticSensorNetworks,WASN)。無線聲傳感器網(wǎng)絡(luò)可W應(yīng)用于助聽器， (免提）語音通信系統(tǒng)，聲學(xué)檢測，環(huán)境智能等很多領(lǐng)域。
[0004] 在2012年8月27-31日的歐洲信號處理會議巧USIPC0 2012)的"Distributed GSCbeamformingusingtherelativetransferfunction"論文閒中，M.G.Shmulik等 提出了一種基于分布式廣義旁瓣抵消波束形成方法。該方法針對每個節(jié)點都和其它節(jié)點連 接的無線聲傳感器網(wǎng)絡(luò)，利用兩次廣義旁瓣抵消算法來實現(xiàn)分布式的語音增強(qiáng)。第一次是 每個節(jié)點單獨把自己所有的麥克風(fēng)收集到的語音信號利用廣義旁邊抵消算法實現(xiàn)一次語 音增強(qiáng)，之后把此次語音增強(qiáng)結(jié)果廣播傳輸?shù)狡渌泄?jié)點。第二次是每個節(jié)點利用其它 節(jié)點傳輸過來的語音增強(qiáng)信號，加上節(jié)點本身的增強(qiáng)信號，再次利用廣義旁瓣抵消算法來 增強(qiáng)。最后每個節(jié)點就可W獲得一致的語音增強(qiáng)效果。該方法利用全連網(wǎng)絡(luò)特性，在不存 在融合中屯、的情況下，實現(xiàn)了分布式的語音增強(qiáng)，增強(qiáng)效果也比較好，但存在的問題也較為 明顯；要求網(wǎng)絡(luò)中所有節(jié)點可W和其他節(jié)點直接通信，該限制了網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)；需要等 待所有節(jié)點接收到其他節(jié)點傳輸過來的信息，才可W進(jìn)行處理，該影響了算法的實時性，極 大消耗了網(wǎng)絡(luò)的能量。
[0005]在 2013 年IE邸信號處理期刊上的"DistributedLCMVbeamformingina wirelesssensornetworkwithsingle-channelper-nodesignaltransmission"論 文[2]中，A.Bertrand等人提出了 一種基于線性受限最小方差（LinearlyConstrained MinimumVariance,LCMV)的分布式語音增強(qiáng)方法。該方法和技術(shù)一類似，只是把語音增強(qiáng) 的算法替換為LCMV方法，并且傳輸信號的同時，還要傳輸受限矩陣。所W此方法可W在無 融合中屯、的情況下，獲得逼近有融合中屯、的波束形成結(jié)果，但是任然存在技術(shù)一存在的問 題。
[0006]在 2015 年Elsevier信號處理期刊上的"Optimaldistributed minimum-variancebeamformingapproachesforspeechenhancementinwireless acousticsensornetworks"的論文中[3]，S.M.Golan提出了一種針對樹形拓?fù)渚W(wǎng)絡(luò)的分 布式語音增強(qiáng)方法。該方法在技術(shù)二的基礎(chǔ)上，把全連網(wǎng)路等效為樹形拓?fù)渚W(wǎng)絡(luò)，也就是信 息傳輸時具有方向性，不再是每個節(jié)點向所有節(jié)點傳輸，而是首先把網(wǎng)絡(luò)簡化，去掉能形成 環(huán)的結(jié)構(gòu)，進(jìn)而等效為一個類似生成樹的結(jié)構(gòu)，再把相連節(jié)點分為父節(jié)點和子節(jié)點，子節(jié)點 能接收父節(jié)點的信息和向父節(jié)點發(fā)送信息，父節(jié)點能接收子節(jié)點的信息和向子節(jié)點發(fā)送信 息。該樣信息傳輸時就能減少重復(fù)傳送和遠(yuǎn)距離傳送，使信息傳輸更高效，該有利于利用 LCMV波束形成算法實現(xiàn)分布式語音增強(qiáng)。此算法改進(jìn)了技術(shù)一和二存在的網(wǎng)絡(luò)拓?fù)湎拗迫?點，節(jié)點傳輸相比網(wǎng)絡(luò)直傳快很多，不過存在的缺點就是樹形拓?fù)渖杀容^麻煩，必須事先 知道網(wǎng)絡(luò)結(jié)構(gòu)，進(jìn)行預(yù)處理。

【發(fā)明內(nèi)容】

[0007] 根據(jù)現(xiàn)有技術(shù)存在的問題，本發(fā)明公開了一種基于分布式一致性和MVDR的分布 式語音增強(qiáng)方法，包括W下步驟：
[0008]S1;利用改進(jìn)的隨機(jī)聲傳感器網(wǎng)絡(luò)生成算法生成傳感器網(wǎng)絡(luò)節(jié)點的坐標(biāo)，計算節(jié) 點的連接矩陣、節(jié)點的度和節(jié)點臨近節(jié)點集合；
[000引 S2;利用S1中生成的傳感器網(wǎng)絡(luò)接收含噪語音信號，對每個節(jié)點接收的含噪語音 信號進(jìn)行MVDR預(yù)處理獲得語音預(yù)處理矩陣f(0)和噪聲預(yù)處理矩陣方(0);
[0010]S3;利用S1得出的節(jié)點的連接矩陣、節(jié)點的度和節(jié)點臨近節(jié)點集合和S2得出語音 預(yù)處理矩陣F(0)和噪聲預(yù)處理矩陣成(0)進(jìn)行分布式一致性迭代，使每個節(jié)點獲得一致的 MVDR語音增強(qiáng)時域的語音信號Zi(t)。
[0011] S1中具體采用如下方式；
[001引S11;在一個bXb平面上設(shè)計一個坐標(biāo)軸；
[0013]S12;產(chǎn)生節(jié)點坐標(biāo)：對于確定的網(wǎng)絡(luò)節(jié)點數(shù)N，在平面坐標(biāo)上隨機(jī)產(chǎn)生10*N個坐 標(biāo)，利用K均值聚類算法對該些坐標(biāo)進(jìn)行聚類，產(chǎn)生N個聚類中屯、，記下此時N個聚類中屯、 的坐標(biāo)（X。y;)，其中i= 1，2,…，N，即為節(jié)點坐標(biāo)；
[0014]S13;檢測所有節(jié)點是否存在邊，進(jìn)而得到節(jié)點連接矩陣A= [aj，1《i，j《N， 采用如下公式（1)確定網(wǎng)絡(luò)節(jié)點gi與gj是否存在一條直接相連的邊，若概率大于0. 5,則 節(jié)點Vf與V濟(jì)在邊，并使au= 1，否則不存化使au= 0 ;
[00巧]
(1)
[0016] 其中；k為常數(shù)，e為網(wǎng)絡(luò)平均節(jié)點度參數(shù)，l(i，j)表示節(jié)點&與gj.之間的幾何距 離，L為網(wǎng)絡(luò)拓?fù)鋱D中所有節(jié)點幾何距離的最大值，a和P為調(diào)節(jié)網(wǎng)絡(luò)特性的參數(shù)，范圍為 (〇，1]，a決定長邊和短邊的比例，0決定網(wǎng)絡(luò)的度數(shù)；
[0017] S14 ;求出所有節(jié)點的度，其中節(jié)點Vi的度dh(gi)為；
[0018]
(2)
[0019] S15 ;求出所有節(jié)點的臨近節(jié)點集合，其中節(jié)點gi的臨近節(jié)點集合Ci為：
[0020] (gjGG|au= 1}。 （3)
[0021] S2中具體采用如下方式；
[0022] S21.對每個節(jié)點接收的含噪語音信號進(jìn)行短時傅里葉變換，得到含噪語音短時傅 里葉系數(shù)Yi;
[0023]S22.計算每個節(jié)點的聲傳輸函數(shù)Hi;
[0024] 令聲源與第i個節(jié)點的距離為中，則衰減系數(shù)為1/di，延時Ti為Qi/c化，其 中C為聲速，故聲傳輸函數(shù)為
[00巧]
(8)
[0026]S23.估計每個節(jié)點接收信號的噪聲功率譜《；
[0027] 對于噪聲譜估計單元，利用直接譜估計算法，并對多帖噪聲譜估計平均，本發(fā)明采 用前T。帖（T。= 5)，則第i個節(jié)點接收信號的噪聲功率譜f估計為
[0028]
(9)
[0029]S24.利用每個節(jié)點的聲傳輸函數(shù)&分別對每個節(jié)點的含噪語音短時傅里 葉系數(shù)Yi和噪聲噪聲功率譜f進(jìn)行MVDR預(yù)處理，對每個節(jié)點的含噪語音短時傅里葉 系數(shù)Yi進(jìn)行MVDR預(yù)處理的得到語音預(yù)處理結(jié)果^^(0)=^乂.2^.，對每個節(jié)點的噪聲 噪聲功率譜《進(jìn)行MVDR預(yù)處理噪聲預(yù)處理結(jié)果而(0)=巧作72巧，故語音預(yù)處理矩陣 F(0) =巧(0)戈(0)，...，F(xiàn)w(0)f，噪聲預(yù)處理矩陣旁(0) =扔(0)，馬(0)，...，馬(0)]r，其中上 標(biāo)表示取共輛操作，（?）T表示轉(zhuǎn)置操作。
[0030] S3中具體采用如下方式；
[003。 S31 ;利用S1中得出的節(jié)點的連接矩陣、節(jié)點的度和節(jié)點臨近節(jié)點集合計算平均 Metropolis權(quán)算法的權(quán)矩陣W;設(shè)權(quán)矩陣為W= [Wy]，l《i，j《N，利用S1得出的節(jié)點連 接矩陣，節(jié)點的度和臨近節(jié)點集合，則基于平均Metropolis權(quán)算法的權(quán)矩陣為
[0032]
(10)
[003引其中；0是一個很小的正數(shù)，為權(quán)衡因子；
[0034] S32;利用權(quán)矩陣W和S2中得出語音預(yù)處理矩陣f(0)和噪聲預(yù)處理矩陣方(0)進(jìn) 行分布式一致性迭代，直到收斂，得到收斂后的每個節(jié)點的MVDR波束形成語音增強(qiáng)結(jié)果 z,(/)；
[00巧]S33 ;迭代完畢后，對每個節(jié)點的MVDR波束形成語音增強(qiáng)結(jié)果之,(〇進(jìn)行短時傅里 葉反變換，就可W得到增強(qiáng)后的時域的語音信號Zi(t)。
[0036] S32中具體采用如下方式；令迭代次數(shù)為t，第i個節(jié)點的第t次迭代的結(jié)果為 如)和馬(0，構(gòu)成矩陣為抑)=巧(0,E的，…，皆的]和辦(0 =[馬(0,馬(0，...，歷w(0]，整 個分布式算法的迭代過程如下：
[0037] S32 (1);初始化迭代次數(shù)t= 0 ;
[003引 S32 (2):在每個節(jié)點，利用權(quán)矩陣W和語音預(yù)處理矩陣F(0)和噪聲預(yù)處理矩陣 成(0)，迭代計算f的，和第i個節(jié)點的第t次迭代的MVDR波束形成語音增強(qiáng)結(jié)果 卽)；
[0042] 832(3);如果迭代次數(shù)t超過預(yù)先設(shè)置的迭代次數(shù)闊值，則是(/)收斂，此時的 式(/)即為最后的MVDR波束形成語音增強(qiáng)結(jié)果；否則使t一t+1，返回到步驟S32 (2)。
[0043] 步驟S32(2)中迭代時，利用的是網(wǎng)絡(luò)節(jié)點通信進(jìn)行信息共享迭代，節(jié)點通信過程 如下