Page 139 - 《应用声学》2020年第6期

第 39 卷 第 6 期 田玉静等： 语声通信降噪研究 933

ˆ y(n) = c(n) ∗ x(n)
0 引言
= c(n) ∗ [h(n) ∗ a n + v(n)]
语声是人类通过发声器官发出 [1] 、具有特定意 = a n + h ISI (n) ∗ a n + c(n) ∗ v(n)
义、用来进行信息交换的声音，是人类相互沟通最重 , a n + ˆv(n), (2)
要的工具。信息交换往往需要远距离传输，信号在
其中，h ISI (n) ∗ a n 是 ISI 残留；c(n) ∗ v(n) 为附加噪
传输过程中信道弥散造成码间串扰 (Inter-symbol
声，通过运用中心限定定理，卷积噪声 ˆv(n) 可用高
Interference, ISI)，同时受到噪声污染。自适应均衡
斯白噪声模拟，且a n 与 ˆv(n)是统计独立的，则a n 的
技术 [2] 能消除 ISI，进行噪声控制，有效提高信号质
最小MSE估计z(n)为
量，但在语声通信系统应用中要预先得到期望信号，
z(n) = E{a n |ˆy(n)|} , ˜φ[ˆy(n)]. (3)
对系统进行训练，这是不切实际的，所以不得不采用
盲均衡 [3] 。自适应盲均衡算法能在信道畸变相当严 नݽ
重的条件下不借助训练信号序列，仅根据信道输出
信号序列统计特性来获得信道响应信息，补偿期望 ஝૶8 kHz
᧔ನѬࣝ
响应序列信息，通过自适应均衡算法消除 ISI 和噪
声。自适应盲均衡技术研究在语声通信、数字通信、 ᣒฉ൤̔
16QAMូ҄
无线通信系统中具有深远意义。
࠵ฉӊ̄൓ܙूᣥѣ
自适应盲均衡算法能有效消除 ISI 补偿信号畸 LTIη᥋h↼n↽
变，但其噪声控制效果不佳。小波包分析能利用听 ࠵ฉԦԫ૱
٪ܦV↼n↽ ᧘౞ηՂ
觉掩蔽特性，降低噪声，拟合听觉感知，恢复语声细
节信息，有效提高语声通信保真度。本文将自适应 16QAMଌஆܫေ ଏᘉ᫠ϙѦ஝
۳ࣜവલᣥѣ ߕฉጇ஝ܫေ
盲均衡技术引入语声通信系统与小波包掩蔽阈值
降噪算法联合使用，形成了一种语声通信基带噪声 զᝀલՌᒭ
ᒭᤠऄካข ᄯکᛦካข
控制新方法。文中分析了两种自适应盲均衡算法。 ᤠऄፇག᫠ϙ
e↼n↽
常数模 (Constant modulus algorithm, CMA) 盲均 ∼ Barkࡇए
ϕ↼S↽
衡算法算法简单、收敛性好，得到了广泛应用，但 త͖ಞ
хኖڀ૿
其在干扰噪声严重的传输情况下均衡信号失真严
重。改进算法降低了稳态误差，在最小化均方误差 ˀ߹Л
ѼхᜉᎶ ࠵ฉӊԫ૱
(Mean squared error, MSE) 下，获得 ISI 与噪声抑
制间的最佳平衡；在强干扰噪声下，有效提高误码 ໚ฉᣥѣ
ᄯکᛦ໚ฉᝍូᣥѣ
率，减少信号失真，算法的有效性和稳健性都有所增
强。仿真研究表明，在语声信号ISI和畸变严重情况 图 1 语声通信系统降噪新方法
下，该方法在白噪声及有色噪声的不同噪声环境中 Fig. 1 A new method of noise reduction in speech
都具有稳定的降噪能力，消噪同时可获得汉语普通 communication system
话良好的听觉效果。 由于 a n 是非高斯分布，ˆy(n) 为非线性函数，则
先验误差为
1 自适应盲均衡算法
e(n) = ˜φ[ˆy(n)] − ˆy(n), (4)
L
自适应盲均衡滤波器结构见图 1 虚线框部分。 ∑
∗
ˆ y(n) = c (n − 1)x(n − k)
k
自适应盲均衡算法 [4] 如下：设 a n 为输入序列，信
k=−L
道系统函数为 h(n)，均衡器系数初始估计值为 c(n)， H
, c (n − 1)x(n), (5)
假定信道和均衡器脉冲响应的卷积分解为
式 (5) 为均衡输出。由此导出盲均衡的先验随机梯
h(n) ∗ c(n) = δ(n) + h ISI (n), (1) 度算法：
其中，h ISI (n)是产生ISI的分量，均衡器输出为 c(n) = c(n − 1) + µx(n)e (n), (6)
∗