一种基于变张成广义子空间的多通道频域语音增强算法的制作方法

技术特征：
1.一种基于变张成广义子空间的多通道频域语音增强算法，其特征在于，包括以下步骤：s1，麦克风阵列采集多点带噪语音信号数据并得到多通道观测数据，布置麦克风阵列采集多点参考噪声信号，得到多通道噪声参考数据；s2，将带噪语音信号和参考噪声信号进行分帧处理并对每一帧加窗函数，并对加窗后的函数进行离散快速傅里叶变换；s3，将s2中进行离散快速傅里叶变换后的数据按照不同频带的多通道数据构建当前频带下协方差矩阵数据更新向量；s4，利用s3的更新向量更新不同频带下的协方差估计矩阵；s5，利用子空间追踪算法提取s4中更新后的协方差估计矩阵广义特征向量；s6，选择广义特征向量的数目构建变张成滤波器并对该子频带下的语音数据滤波；s7，将s6中滤波后的频域语音数据进行离散反傅里叶变换得到降噪后的纯净语音信号的时域估计。2.根据权利要求1所述的一种基于变张成广义子空间的多通道频域语音增强算法，其特征在于，s1中，麦克风阵列的布置阵元数目为m，采集n点带噪语音信号数据，得到多通道观测数据y
m
×
n
，多通道噪声参考数据v
m
×
n
。3.根据权利要求1所述的一种基于变张成广义子空间的多通道频域语音增强算法，其特征在于，s2的具体方法如下：将带噪语音信号和噪声信号进行大小一致的分帧操作，使加窗函数的长度一致；将加窗后的每个通道数据进行离散快速傅里叶变换并得到时频数据：y(k，n)＝[y1(k，n)y2(k，n)
…
y
m
(k，n)]＝x(k，n) v(k，n)其中，k为频带的索引，n为时间帧的索引，y1，y2，
…
，y
m
分别为麦克风1，
…
，m的时域观测数据经傅里叶变换后的频域数据，x为时域语音信号向量经傅里叶变换后的频域向量，v为参考噪声向量经傅里叶变换后的频域向量。4.根据权利要求3所述的一种基于变张成广义子空间的多通道频域语音增强算法，其特征在于，加窗函数的类型为凯塞窗或汉明窗。5.根据权利要求1所述的一种基于变张成广义子空间的多通道频域语音增强算法，其特征在于，s4的具体方法如下：利用更新向量迭代更新带噪语音信号的协方差矩阵：其中γ
y
为遗忘因子，k为频带的索引，n为时间帧的索引，为观测信号的频域协方差矩阵，y为观测信号的频域数据的新息向量，y
h
为观测信号的频域新息向量的复共轭转置；利用更新向量迭代更新参考噪声信号的协方差矩阵：其中
γ
v
为更新协方差矩阵的遗忘因子，其大小取值在(0，1)之间以追踪变化的协方差统计量；i为大小为m
×
m的单位矩阵；α更新协方差矩阵的中间变量；为噪声频域数据经过白化处理的向量；为噪声频域数据经过白化处理的向量的复共轭转置；为参考噪声的频域协方差矩阵的逆矩阵；v为参考噪声的频域数据向量；估计纯净信号的协方差矩阵：估计纯净信号的协方差矩阵：为参考噪声的频域协方差矩阵。6.根据权利要求5所述的一种基于变张成广义子空间的多通道频域语音增强算法，其特征在于，遗忘因子γ
y
用于追踪时变的协方差统计量，遗忘因子γ
y
的取值范围在0到1之间。7.根据权利要求1所述的一种基于变张成广义子空间的多通道频域语音增强算法，其特征在于，s5的具体方法如下：对q个权值向量进行独立更新并进行qr分解正交化：for q＝1，
…
，qendend为第q个归一化的权值向量；u
q
为第q个非归一化的权值向量；为参考噪声的频域协方差矩阵的逆矩阵；为纯净语音信号的频域估计协方差矩阵；为参考噪声的频域协方差矩阵的逆矩阵的转置；为第q个非归一化的权值向量复共轭转置；为q个归一化后的权值向量；u1，
…
，u
q
为非归一化的q个权值向量；对权值向量进行逆白化过程，得到广义特征向量的估计量：w1，
…
，w
q
为矩阵对的q个广义特征向量。8.根据权利要求1所述的一种基于变张成广义子空间的多通道频域语音增强算法，其特征在于，s6的具体方法如下：选取广义特征向量构造变张成滤波器：
其中，δ为对角加载因子，作用为使纯净信号的协方差矩为正定矩阵，为第q个广义特征向量的复共轭转置；w
q
为第q个广义特征向量；i为大小为m
×
m的单位阵第一个列向量。

技术总结
本发明公开了一种基于变张成广义子空间的多通道频域语音增强算法，本发明将时域的数据变换到频域，通过广义子空间追踪算法提取更新的信号协方差矩阵的广义特征向量构建变张成滤波器，该滤波器对频域数据不同子频带进行滤波处理，滤波后的信号取得了和纯净语音信号相近的统计量，取得了良好的滤波效果。本发明具有一定拓展性，可以协调语音输出信噪比和语音失真的平衡，同时可以应用在实时语音降噪处理场合。理场合。理场合。


技术研发人员：蔡浩源 陈捷 隆弢 陈龙 李文申
受保护的技术使用者：声耕智能科技(西安)研究院有限公司
技术研发日：2020.12.22
技术公布日：2021/9/16