基于濾波器組的MCAF噪聲對消語音增強(qiáng)

黃 斌,申明軍,曾慶寧

摘 要:在自適應(yīng)噪聲對消語音增強(qiáng)系統(tǒng)中,為了更好地加快自適應(yīng)收斂速度,又不增加系統(tǒng)的計算復(fù)雜度,同時達(dá)到較好的增強(qiáng)效果,提出基于濾波器組的多通道自適應(yīng)濾波(MCAF)語音增強(qiáng);給出分析濾波器組與綜合濾波器組的原型濾波器設(shè)計的具體方法。自適應(yīng)濾波部分采用經(jīng)典的LMS算法,同時結(jié)合多通道自適應(yīng)濾波(MCAF),實現(xiàn)對含噪語音的處理,以達(dá)到增強(qiáng)效果。實驗結(jié)果表明,相對于傳統(tǒng)的子帶LMS算法,基于濾波器組的多通道自適應(yīng)濾波具有更好的性能,且加快了計算速度。

關(guān)鍵詞:濾波器組;多通道自適應(yīng)濾波;語音增強(qiáng);原型濾波器

中圖分類號:TN913文獻(xiàn)標(biāo)識碼:A

文章編號:1004-373X(2009)12-156-03

MCAF Noise Cancellation Speech Enhancement Based on Filter Banks

HUANG Bin,SHEN Mingjun,ZENG Qingning

(Information & Communication College,Guilin University of Electronic Technology,Guilin,541004,China)

Abstract:In adaptive noise cancellation speech enhancement system,in order to better speed up the convergence rate adaptive,not increase the complexity of the system,and to better enhance the effect,methods based on filter banks and the Multi-channel Adaptive Filtering (MCAF) speech enhancement are proposed.the specific design methods of analysis of filters and filter group prototype filter are given.The adaptive filtering part uses the classic LMS algorithm combination of Multi-channel Adaptive Filter (MCAF),realization of the noise to deal with to enhance the effect.The results show that,compared to the traditional sub-band LMS algorithm,based on the multi-channel filter banks adaptive filter has better performance,and accelerate pace of the calculation.

Keywords:filter banks;multi-channel adaptive filter;speech enhancement;prototype filter

0 引 言

現(xiàn)實生活中,語音總會受到外界環(huán)境噪聲的干擾而影響語音的通話質(zhì)量。嚴(yán)重情況下會將語音完全淹沒在噪聲中,使語音無法分辨。語音增強(qiáng)的目的就是從帶噪語音中提取盡可能純凈的原始語音。

關(guān)于信號的子帶分解[1,2],涉及多速率數(shù)字信號處理,在近年來有許多研究和發(fā)展。在信號的子帶分解中,存在著由于分析濾波器組的非理想特性引起的子帶信號混疊問題。為了避免混疊對自適應(yīng)濾波的影響,可以采用加入子帶間濾波的方法,也可采取在抽取時過采樣,即抽取的比率低于子帶數(shù)的方法。文章考慮后一種方案。

自適應(yīng)濾波[3-5]廣泛應(yīng)用于系統(tǒng)辨識、譜估計、回波抵消以及信道均衡等領(lǐng)域。最常采用的是利用自適應(yīng)算法調(diào)節(jié)的橫向濾波器,雖然結(jié)構(gòu)簡單,但具有很好的穩(wěn)健性。近年來,基于子帶分解的自適應(yīng)濾波[6,7],以其在提高收斂性能的同時,節(jié)省了一定的計算量,因而受到許多研究者的關(guān)注,已得到了若干有意義的結(jié)果?；谧訋Х纸獾淖赃m應(yīng)濾波是先由分解濾波器組抽取,輸入信號和參考信號進(jìn)行子帶分解,再將信號按頻帶劃分;然后在各個子帶上分別進(jìn)行自適應(yīng)濾波,再將子帶信號內(nèi)插后通過合成濾波器組得到最后的合成信號。由于對信號的抽取,使完成自適應(yīng)濾波所需的計算量得以減少;而由于在子帶進(jìn)行自適應(yīng)濾波,又使收斂性能有所提高。

1 濾波器組與子帶分解

1.1 信號的子帶分解

將信號進(jìn)行子帶分解的原理如圖1所示,x(n)為輸入信號;x∧(n)為理想重建輸出信號;y0(n),y1(n),…,yM-1(n)是分解在M個子帶上的信號。H0(z),H1(z),…,HM-1(z)和F0(z),F1(z),…,FM-1(z)分別是分解濾波器組和合成濾波器組的函數(shù);↓D 表示對信號的抽取,即下采樣,表明將輸入的數(shù)據(jù)每間隔D-1個輸出;↑D表示對信號的內(nèi)插,即上采樣,表明在每兩個輸入數(shù)據(jù)中插入D-1個0再輸出。

圖1 信號的子帶分解

1.2 濾波器組的設(shè)計[8]

多速率信號處理[9]系統(tǒng)在語音和圖像的壓縮、去噪、尺度變換和自適應(yīng)濾波等很多領(lǐng)域都有著重要的應(yīng)用。通常的設(shè)計要求系統(tǒng)滿足完全重構(gòu)或是幾乎完全重構(gòu)的條件。在這種情況下,子帶信號中允許有一定的混疊存在,這可以通過選擇合適的綜合濾波器組來消除。最先考慮的是采用一個原型濾波器的結(jié)構(gòu),分析與綜合濾波器的Fourier變換互為共軛[10]。設(shè)分析與綜合濾波器組的原型濾波器分別為H(z)與G(z),即有H(z)=G(z)*。所有分析濾波器都可以從式(1)得到:

hm(n)=h(n)W-mnM蹾m(z)=H(zWmM)(1)

式中:WM=e-j2π/M,m=0,1,2,…,M-1。同樣,綜合濾波器可由式(1)得到:

gm(n)=g(n)W-mnM蹽m(z)=G(zWmM)(2)

理想的濾波器組是一組帶通濾波器,具有標(biāo)準(zhǔn)的中心頻率ωm=2π(m/M)和帶寬2π/M。其中m=1,2,…,M-1。一種直接設(shè)計原型濾波器的方法是設(shè)計一低通濾波器,通帶中心在ω=0處。下面設(shè)計一個原型濾波器。

設(shè)Hd(z)為原型分析濾波器的期望頻率響應(yīng),定義為:

Hd(ejω)=e-jωτH,ω∈Ωp(3)

式中:Ωp=[-ωp,ωp]為通帶范圍;τH是原型分析濾波器組期望的群延時即為整個濾波器組的延時。讓式(1)最小:

εh=12ωp∫ωp-ωp|H(ejω)-Hd(ejω)|2dω(4)

式中,h=[h(0)h(1)…h(huán)(Ln-1)]T。將式(4)變?yōu)?

εh=αh+βh(5)

式中:αh為通帶內(nèi)響應(yīng)誤差;βh為帶內(nèi)失真,定義:

αh=12ωp∫ωp-ωp|H(ejω)-Hd(ejω)|2dω=

12ωp∫ωp-ωp{|H(ejω)|2-2Re[H*d(ejω)H(ejω)]+

|Hd(ejω)|2}dω(6)

βh=12π∫π-π∑Dd=1|H(ejω/DWdD)|2dω(7)

其中WD=e-j2π/D。原型分析濾波器的沖擊響應(yīng)為:

H(z)=∑nh(n)z-n=hTφh(z)(8)

其中:

φh(z)=[1,z-1,…,z-Lh+1]T(9)

式(9)中,Lh為濾波器長度,將式(3)與式(9)代入式(6),可得:

αh=12ωp∫ωp-ωp{hTφh(ejω)φHh(ejω)h-

2Re[ejωτHhTφHh(ejω)]+1}dω(10)

其中(?)H表示共軛轉(zhuǎn)置。上式重寫如下:

αh=hΤAh-2hTb+1(11)

式中:A為Lh×Lh的矩陣,即:

A=12ωp∫ωp-ωp[φh(ejω)φHh(ejω)]dω

可由Ai,j=sin[ωp(j-i)]ωp(j-i)來計算;b是Lh×1的向量,可由bi=sin[ωp(τH-i)]ωp(τH-i)計算。其中,i,j=0,1,2,…,Lh-1。

帶內(nèi)失真可以重寫如下:

βh=12π∑Dd=1hT

[∫π-πφh(ejω/DWdD)φHh(ejω/DWdD)dω]h(12)

寫成向量形式為:

βh=hΤCh(13)

其中:

C=12π∑Dd=1∫π-πφh(ejω/DWdD)φHh(ejω/DWdD)dω

可由:

ci,j=φ(j-i)sin[π(j-i)/D]/π(j-i)

來計算,這里的φ(n)=D∑∞k=-∞δ(n-kD)-1。

則式(5)可表示為:

εh=hT(A+C)h-2hTb+1(14)

原型分析濾波器的設(shè)計問題變?yōu)樽罴褑栴},即:

hopt=argminh{hT(A+C)h-2hTb+1}(15)

計算結(jié)果如下:

(A+C)h=b,即h=(A+C)-1b(16)

文中選取子帶分解個數(shù)為M=8,抽取因子為D=6,濾波器長度Lh=Lf=96。圖2給出了原型分析濾波器的幅頻圖;圖3為分析濾波器組的幅頻特性圖。

圖2 原型濾波器的幅頻特性

圖3 分析濾波器組的頻響特性

2 子帶自適應(yīng)濾波

2.1 結(jié)構(gòu)框圖

基于濾波器組子帶分解的MCAF結(jié)構(gòu)如圖4 所示。將輸入信號x(n)和參考信號ns(n)分別進(jìn)行子帶分解,利用分析濾波器組hm(n),m=0,1,2,…,M-1,將輸入的寬帶信號分解到M個子帶,并對每個子帶的信號以因子D進(jìn)行抽取(D

圖4 濾波器組子帶分解的多通道自適應(yīng)濾波

2.2 計算的復(fù)雜度估計

對于一個自適應(yīng)濾波算法,如果全帶濾波器的長度為Lf,設(shè)完成一次迭代的運(yùn)算量為Lf (或L2f ,根據(jù)不同的自適應(yīng)算法而異)數(shù)量級,則利用相應(yīng)的子帶自適應(yīng)濾波。由于以較低的速度更新較少的系數(shù),相應(yīng)的自適應(yīng)部分的運(yùn)算量為原來的M/D2(或M/D3)[11]。

3 實驗仿真與結(jié)果

輸入的純凈語音信號與帶噪信號如圖5所示。

圖5 純凈語音信號與輸入信號

信號采樣率為8 kHz,信噪比SNR為-10 dB,分析濾波器組的幅頻特性如圖3所示,子帶分解個數(shù)為M=8,抽取因子為D=6,分析綜合濾波器長度Lh=Lf=96階,下分支多通道自適應(yīng)(MCAF)濾波器采用FIR濾波器,長度N=56階,LMS算法步長在0.1時最佳。圖6給出全帶LMS算法與濾波器組下的子帶LMS算法增強(qiáng)效果。由圖可見,后者的收斂速度更快。圖7給出兩者與輸入信號的信噪比增益圖。

圖6 傳統(tǒng)子帶LMS算法與濾波器組的子帶分解LMS算法

圖7 信噪比增益圖

4 結(jié) 語

研究基于濾波器組的多通道自適應(yīng)濾波,由于分解濾波器組的非理想特性,有必要采取子帶間濾波。但在濾波器組近似理想特性時,可以降低子帶間濾波器的階數(shù),以節(jié)省計算量。在這方面進(jìn)一步的研究應(yīng)包括更優(yōu)濾波器組的選擇,多帶分解的情況等;使得在輸入信號頻譜特性很差(起伏很大,或有零點(diǎn)),即自相關(guān)矩陣的特征值很分散的情況下,能有效地提高自適應(yīng)濾波的收斂性能,并減少計算量?；跒V波器組的語音增強(qiáng)結(jié)構(gòu),通過將自適應(yīng)部分的寬帶輸入信號分解到各個子帶,加快了自適應(yīng)部分的收斂速度。實驗結(jié)果表明,相對基于傳統(tǒng)子帶LMS語音增強(qiáng)系統(tǒng)來說,該系統(tǒng)有更快的收斂速度,且增強(qiáng)后的語音信噪比約有3~4 dB的提高。

參考文獻(xiàn)

[1]Papoulis E V Stathaki T.New Structures for Adaptive Filtering in Subbands Based on Transmultiplexers [J].IEEE International Acoustics,Speech and Signal Processing,2002:1 557-1 560.

[2]Hu Wen,Farooq O,Datta S.Wavelet-based Sub-space Features for Face Recognition[J].IEEE Image and Signal Processing,2008:426-430.

[3]Allred D J,Heejong Yoo Krishnan,Huang V,et al.LMS Adaptive Filters Using Distributed Arithmetic for High Throughput[J].IEEE Trans.2005:1 327-1 337.

[4]Griesbach J D,Lightner M,Etter D M.Basis Expansion Adaptive Filters for Time-varying System Identification [J].IEEE Signals,Systems and Computers,2000:1 489-1 493.

[5]Deng G.Partial Update and Sparse Adaptive Filters [J].IET Signal Processing,2007:9-17.

[6]Patnaik S,Patnaik Y,Upadhya A.RLS Algorithm-based Sub-band Decomposition for Low Memory Multimedia Applications[J].Advanced Communication Technology,2006:20-22.

[7]Larson L O,de Haan J M,Claesson I.A New Subband Weight Transform for Delayless Subband Adaptive Filtering Structures[J].IEEE Digital Signal Processing.2002:201-206.

[8]Ma X J,Xie X M,Shi G M,et al.A Simple Design of M-channel FIR Wavelet-like Filter Bank[J].IEEE Intelligent Signal Processing and Communication Systems,2007:474-477.

[9]Xu Lijun,Han Jun.Cancellation of Harmonic Interference Using Multi-Rate Signal Processing Techniques[A].IEEE Instrumentation and Measurement Technology Conference[C].2006:1 392-1 396.

[10]Wilbur M R,Davidson T N,Reilly J P.Efficient Designing of Oversampled NPR GDFT Filter Banks [J].IEEE Trans.on Signal Processing,2004,52(7):1 962-1 974.

[11]Wei Liu,Stephan Weiss,Lajos Hanzo.Subband Adaptive Generalized Sidelobe Canceller for Broadband Beamforming[A].Proceedings of the 11th IEEE Workshop on Statistical Signal Processing[C].2001:591-594.