Page 67 - 201901

第 38 卷 第 1 期 郭颖等： 偏度最大化多通道逆滤波语声去混响研究 63

考虑固定声源到传声器的距离d，改变RT 60 的大小， 则相比于峰度准则最小滤波器阶数也有明显的下
评价不同混响强度下的算法去混响性能。以下实验 降；采用联合估计的 MSJE 方法可以进一步减少滤
中帧长N 取512 (32 ms)，步长µ设为 e −9 。 波器阶数。滤波器阶数越少，算法的计算复杂度也
会降低。
2.1.2 混响抑制性能分析
为了评估本文算法的混响抑制性能，这里采
3
用直达 -反射路径能量比 (Direct-to-reverberation
2
z/m ratio, DRR) 和主观语声质量评估 [20] (Perceptual
1
evaluation of speech quality, PESQ) 作为衡量指
0
4 标，用于比较本文方法和 Gillespie 等 [11] 提出的峰
3 4
2 2 度最大化多通道逆滤波语声去混响方法 (以下简称
1 x/m
y/m
0 0 峰度算法)。DRR可以用公式(20)进行计算：
 
图 2 传声器位置示意图 n d +n 0 2
∑
Fig. 2 Diagram of the microphone position  h (n) 
 
 n=n d −n 0 
 ,
2.1.1 滤波器阶数选择 DRR = 10 lg  n d −n 0 ∑ 
∞
 ∑
h (n) + h (n)
 2 2 
滤波器的阶数 L 理论上应与混响时间 (RIR 的
n=0 n=n d +n 0
样本点数) 对应，即 L = RT 60 (s) × f s (Hz)，其中采 (20)
样率 f s = 16000 Hz。混响时间越长，滤波器长度也 其中，直达信号在第 n d 个采样点到达，直达路径
相应的增加。而且，滤波器阶数增加会导致计算复 的能量用冲激响应峰值周围 8 ms (即 n 0 = 128 个
杂度增加；滤波器阶数增加，逆滤波后信号的延迟也 采样点) 的信号能量计算。因此，DRR 通过直达路
会增加 (RIR 与逆滤波器的卷积会使逆滤波后的冲 径能量与反射路径的总能量的比值来计算。图 3 为
激响应与原 RIR 之间存在近似 L 的延迟)。因此滤 RT 60 = 1 s 时，测试语声信号在 0∼4 kHz 部分的语
波器阶数的选择应该在理论值的基础上，结合实际 谱图及逆滤波后的房间脉冲响应。
效果选择尽量小的值且能保证逆滤波的性能。本文 本文研究的方法均为在房间脉冲响应未知情
通过实验验证，给出一定混响时间范围的最小滤波 况下的多通道盲逆滤波算法，这里给出房间脉冲响
器阶数。文献 [14] 给出了单通道线性预测残差偏度 应仅为了分析和比较逆滤波的结果。从图 3 中的语
逆滤波算法的最小滤波器阶数。表1 给出本文提出 谱图可以看出，对于 RT 60 = 1 s 混响时间比较长的
的MLPRS和MSJE算法的最小滤波器阶数。 情况，已有的多通道峰度准则方法表现一般。而用

本文提出的多通道偏度准则方法 (图 3(c)，图 3(d))
表 1 不同混响时间下的滤波器阶数选择
语谱图的模糊程度明显下降，模糊的频谱结构变得
Table 1 Selection of filter order for differ-
清晰，采用联合估计的多通道偏度算法表现出了更
ent reverberation times
好的结果。从房间脉冲响应的逆滤波结果来看，三
RT 60 /ms 种方法逆滤波后的RIR均有比较明显的单一峰值。
算法类型
100∼500 600∼900 1000∼1500 图4给出了本文提出算法在不同混响时间下的
单通道偏度 2000 4000 6000
平均 DRR 及PESQ得分。在混响时间较短时，基于
多通道峰度 1000 2000 3000
峰度的方法与本文提出的基于偏度的方法结果相
MLPRS 1000 1500 2000
近；而当混响时间较长时，本文提出的基于偏度的方
MSJE 800 1000 1500
法要明显优于基于峰度的方法，且随着混响时间的
对比本文方法和已有的单通道偏度准则方法， 增加，这种优势会越明显。且本文提出的 MSJE 在
利用多通道数据可以有效减少滤波器阶数，而且算 不同混响时间下的DRR整体优于MLPRS。
法对滤波器阶数的选择不敏感；同时，采用偏度准 比较本文提出的两个算法与峰度算法的PESQ