论文:麦克风阵列增强Speech Enhancement Based on the General Transfer Function GSC and Postfiltering

Posted 桂。

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了论文:麦克风阵列增强Speech Enhancement Based on the General Transfer Function GSC and Postfiltering相关的知识,希望对你有一定的参考价值。

作者:桂。

时间:2017-06-06  16:10:47

链接:http://www.cnblogs.com/xingshansi/p/6951494.html

原文链接:http://pan.baidu.com/s/1i51Kymp

omlsa代码:http://pan.baidu.com/s/1bpkvLVp

omlsa论文:http://pan.baidu.com/s/1i5j3Adv


前言

  这篇文章是TF-GSC的改进版。虽然TF-GSC对于方向性干扰的抑制效果不错,对于弥散噪声(diffuse noise,题外话:不同方向directional noise的均值,或者接近这种效果,可以理解为diffuse noise.)TF-GSC性能下降明显,如果diffuse noise还是non-stationary,性能下降就更严重了。本文的思路是在TF-GSC的基础上,引入postfiltering(后置滤波),文中提到了三种方法:两种基于single channel-1)mixture maximum;2)OMLSA;但如果噪声both diffused and nonstationary,基于single channel的方法不再适用,这时候方法3仍然有效:a  new multimicrophone postfilter method。

  本文主要梳理基于TF-GSC的multimicrophone postfilter method,由于涉及到OMLSA,所以先简单介绍。基于single channel的mix-max方法是单独使用,后面有时间另写文章整理。

一、OMLSA思想

  A-利用不存在概率的增强

首先回顾利用absence probability的思路

容易推理基于MMSE准则的估计器

如果考虑语音存在概率,则估计器扩展为

理论上的值为0,上式简化为

  B-语音不存在概率与最大似然准则估计器ML 结合

例如在语音增强一文中介绍的,基于最大似然准则的估计器为

从Y的概率密度形式

易知ML是基于语音存在的假设,结合语音存在概率,则基于ML准则的估计器为

对于)的计算可以利用贝叶斯准则

这里利用一个假设(也就是约束条件):噪声服从均值为0,方差相同的复高斯分布,此时容易证明噪声幅度服从瑞利分布(相位为均匀分布,且二者独立),

H1假设下,此时

关于的计算参考语音增强一文的最大似然估计。例如假设语音存在/不存在是等可能的,,此时完成了的估计:

其中是a posteriori SNR,a priori SNR。这个就是一般意义的参数估计了,在语音增强一文也给出了两个实现思路:1)Maximum-Likelihood Method;2)Decision-Directed Approach.至此也就完成了结合不存在概率的语音增强。

   C-语音不存在概率与最小均方误差估计器MMSE 结合

其实基本思路都是一样的:

然后是利用贝叶斯进行概率估计

不同点在于这里进行了转化

其中

其中,denotes the a priori probability of speech absence for frequency bin k.从而

与ML准则不同的是,只有噪声时,是噪声D的分布,而不是其幅度(其实如果是幅度,也有一套方法,感兴趣可以自己推导推导)。仍是高斯分布

H1时,且认为D与X不相关,易得

代入上面的估计器,有

其中就是,则.进一步求解条件概率

其中

参数估计的细节与ML中的估计思路一致。从而实现信号的增强:

G就是MMSE估计器

不同之处是里边的替换成。 

题外话:看看之前的参数估计与此处参数估计的联系

不得不佩服,这些理论的研究者真有一套。

   D-语音不存在概率与对数最小均方误差估计器Log-MMSE 结合(OMLSA)

原理与其他方法一致

X的估计器

可以进一步写为

其中就是语音增强一文中的对数MMSE估计器。这里要有一点不同了,这里的概率是指数形式,有学者研究这样的增强效果并不比直接LSA更好,所以对其变形

还是与其他方法类似:概率相乘的形式。这里的与MMSE中的一致。至此完成了LSA与语音不存在概率的结合。但这套理论比较粗糙,一些学者(原文见这里,P262)提出了不同的角度:只有噪声时,不再认为严格为0,而是接近0:

其中,第一项就是最开始的LSA与语音存在概率的原始结合,这就是optimally modified log-spectrum amplitude (OMLSA) estimator ,即

按作者的说法,OMLSA特别是对于低SNR比其他方法更有效。

  E-OMLSA中的参数估计

1-SNR估计

按原文的说法,虽然SNR估计理论上更漂亮,但实际效果并不好,因此直接对SNR的估计结果利用不存在概率:

需要注意的是:依赖于修正之后的SNR,而P(H1)则依赖修正之前的SNR

2-语音存在概率的估计

上面分析的各套打法,都是用的固定先验概率P(H0)和P(H1)也就是q、1-q.这里提供了两个思路。

思路一(逐个频点处理):Hard threshold

这里其实是基于ML准则的估计:

 更新公式

 c是常数,文中设定为0.1.

思路二(逐个频点处理):soft threshold

利用

得出更新公式

有的学者简化了操作

是门限,文中设定为0.8.得出更新公式

c按经验取0.98.此处的更新需要借助VAD,仅当存在语音时迭代更新。

在OMLSA原文中,作者提出了另外一种估计思路。

只是带宽不同,估计思路一致(本质上都是基于能量的估计)

其中

h是带宽不同的窗函数。Pframe按帧处理

从而

其中至此完成了语音存在概率的估计

加个后处理修正,也就是q=min(q,q_max):

3-噪声频谱的估计

这里用到的是the minima-controlled recursive-averaging (MCRA)算法,这里是一套方法,另起文章梳理

汇总一下OMLSA的思路

OMLSA算法思路

  1)大框架:利用统计模型中,log-MMSE的估计器;

  2)细节有三点:

    2.1)priori SNR:修正了估计方法;

    2.2)语音不存在概率:改进了估计方法;

    2.3)噪声频谱:利用MCRA方法估计;

语音增强模型、priori SNR的估计、语音不存在概率估计、噪声频谱估计:这是四块技术,每一块都有多种方法,OMLSA是一个综合算法,每一块技术都用了其中一套打法而已。

二、论文理论框架

 

全文主要是TF-GSC框架+post-filtering。

TF-GSC这篇博文已介绍

Post-filtering这篇博文已介绍。 

 

参考

  • Gannot, Sharon, and Israel Cohen. "Speech enhancement based on the general transfer function GSC and postfiltering." IEEE Transactions on Speech and Audio Processing 12.6 (2004): 561-571.
  • Loizou, Philipos C. Speech enhancement: theory and practice. CRC press, 2013.

以上是关于论文:麦克风阵列增强Speech Enhancement Based on the General Transfer Function GSC and Postfiltering的主要内容,如果未能解决你的问题,请参考以下文章

论文:麦克风阵列增强Microphone Array Post-Filtering For Non-Stationary Noise Suppression

张雪英部分论文集

如果扬声器远离麦克风,Google Speech/NAudio 会有很大的延迟

Microsoft Cognitive Speech-to-Text Service --- 选择麦克风

全球顶级语音技术比赛中获双料冠军,这家中国公司靠什么?

使用 Google Speech to Text API 从 Web 应用程序中的麦克风捕获实时音频 [关闭]