FastICA盲源分离算法的语音增强系统.doc

项目报告 题 目： 基于FastICA盲源分离算法的语音增强系统 学校： 指导教师： 组别： 本科组 应用类别： 控制系统类 平台： C2000 题 目： 基于FastICA盲源分离算法的语音增强系统 摘要（中英文） 基于FastICA盲源分离算法设计了一个语音增强算法，并移植到以DSP芯片TMS320F28335为核心的语音增强系统上。该系统实时增强语音,通过四元麦克风阵列采集空间中的声音信号，并通过内置语音增强算法将其中的语音源信号和噪声源信号分离，以抑制包括有同声道噪声在内的有源噪声，同时进一步抑制残余背景噪声。 A speech based on FastICA blind source separation algorithm. It has been transplanted to a speech enhancement system whose core component is DSP chip. This system enhances speech signals in real time. It samples sounds signals in the air using a microphone array and uses its embedded speech enhancement algorithm separates speech source signals and noise source signals, in order to suppress noise source signals including inference speech signals. There is also a further step that suppressing residual background noise after separation. 引言 语音增强是当前多媒体技术的一个重要课题。目前，基于谱减法、自适应滤波法、最小均方误差等等的传统语音增强算法的语音增强系统已经有了不少研究成果。 然而，在许多应用场合，语音增强系统要处理的噪声的一个重要来源是有源的噪声，即由一个源点发出的噪声，尤其是同声道噪声（目标语音信号外的语音信号）。由于现有的噪声算法大多是针对语音和同声道噪声以外的噪声的参数特征、统计特性等特点进行噪声抑制的，显然基于上述算法的语音增强系统对同声道噪声都无能为力。 为此，我们将设计一个对有源噪声，主要是同声道噪声的有更好抑制效果的语音增强系统作为目标。经过调查讨论，我们认为采用多个麦克风组成的麦克风阵列和盲源分离算法构成的语音增强系统，能达到我们的目的。 相比于单个麦克风和一般语音增强算法构成的语音增强系统，基于麦克风阵列和盲源分离算法的语音增强系统，有以下优点： 麦克风阵列其空间滤波作用本身起到一定的抑制背景噪声的作用 盲源分离算法能将麦克风阵列采集到混合信号中的分离出多路独立信号分量。在此基础上再使用LPC复倒谱(LPCC)参数特征等方法能将挑选出其中的目标信号分量，抑制有源噪声，达到语音增强的效果。而且盲源分离算法不依赖期望信号波达方向和阵列拓扑结构等先验知识，能满足应用要求。 目前盲源分离算法有很多，如最大似然估计法、独立分量分析法、联合对角化法等等。然而分析了各算法的时间复杂度和空间复杂度后，实际大部分难以在嵌入式上实时实现。而一种独立分量分析法——FastICA算法的时间复杂度和空间复杂度都不高，现有的DSP器件水平能够实现，且效果较好，所以我们选用FastICA算法作为本系统的盲源分离算法。将FastICA算法成功应用在语音增强并实现在嵌入式的移植，是我们要解决的问题。 系统方案 本系统的主要模块如下图-1所示： 图-1 麦克风阵列：由四个麦克风阵元（以下简称阵元）组成。每个阵元由麦克风及外围电路构成。 模数转换器：由模数转换芯片及外围电路构成，功能是将四个麦克风阵元的模拟信号转换为数字信号。 DSP模块：由DSP芯片、拓展Flash、拓展SRAM芯片、电压转换芯片和其外围电路构成。是本系统的核心部分，内含以FastICA盲源分离算法为核心的语音增强程序，功能是对模数转换器转换来的声音信号进行语音增强处理。 数模转换器：由数模转换芯片及外围电路构成，功能是将DSP