趙一煒

（張河灣蓄能發(fā)電有限責(zé)任公司，河北 石家莊 050300）

1 噪聲抵消技術(shù)的研究現(xiàn)狀

噪聲抵消是指利用信號(hào)處理技術(shù)，將噪聲干擾中的信號(hào)進(jìn)行提取，由于信噪比低，信號(hào)帶寬較大所以存在一定的難度，人們一直在探索一些好的途徑來解決此類問題。目前，噪聲（干擾）抵消的主要信號(hào)處理技術(shù)可基于線性系統(tǒng)和非線性系統(tǒng)分為兩大類。線性系統(tǒng)包括時(shí)域方法、空間域方法和頻域方法，其中時(shí)域方法要有迭加平均技術(shù)，它是對(duì)時(shí)域信號(hào)多次迭加取平均以求得信號(hào)，其算法誤差較大；相比較而言，頻域的處理方法比較豐富，包括匹配濾波，卡爾曼濾波、維納濾波、高階譜方法、相位匹配和自適應(yīng)濾波等。可以看出頻域方法均為濾波方法，而且這些濾波方法均是使系統(tǒng)誤差最小的最佳濾波方法。從噪聲中提取信號(hào)的各種方法中，維納濾波是一種最基本的方法，它就是最小均方誤差準(zhǔn)則下的最佳線性濾波方法。由于維納濾波器的電路較難實(shí)現(xiàn)，在維納濾波理論的基礎(chǔ)上發(fā)展了一種基于狀態(tài)空間方法的最佳線性遞推濾波方法，稱為卡爾曼濾波。它是在對(duì)系統(tǒng)及其統(tǒng)計(jì)特性做了某些在實(shí)際應(yīng)用中相對(duì)廣泛的假設(shè)之后，給出了一套最佳線性濾波的遞推算法，并且可以應(yīng)用到非平穩(wěn)隨機(jī)過程中去，從而獲得了極廣泛的應(yīng)用。但要設(shè)計(jì)以上兩種濾波器必須信號(hào)和噪聲的統(tǒng)計(jì)特性（數(shù)學(xué)期望、相關(guān)函數(shù)）有先驗(yàn)知識(shí)，而在實(shí)際中，常常無法預(yù)先知道這些統(tǒng)計(jì)特性或者它們是隨時(shí)間變化的，從而實(shí)現(xiàn)不了最優(yōu)濾波。為此，從60年代開始研制另一種從原理上說是全新的濾波器結(jié)構(gòu)，即采用自適應(yīng)噪聲抵消方法來消除混入信號(hào)中的觀測(cè)噪聲，達(dá)到濾波的目的。自適應(yīng)濾波器可以實(shí)現(xiàn)參數(shù)的自動(dòng)調(diào)節(jié)，在設(shè)計(jì)時(shí)只需要很少的或根本不需要任何關(guān)于信號(hào)和噪聲的先驗(yàn)知識(shí)就可以完成，正因?yàn)樗哂羞@些優(yōu)點(diǎn)，所以發(fā)展很快，現(xiàn)已廣泛應(yīng)用于抑制信號(hào)中的噪聲干擾，例如，語音系統(tǒng)中的回波抵消，胎兒心電圖中干擾信號(hào)濾波，自適應(yīng)線譜增強(qiáng)以及通信信道的自適應(yīng)均衡等。

基于非線性系統(tǒng)噪聲（干擾）抵消方法主要有混沌與分形方法和人工神經(jīng)網(wǎng)絡(luò)方法。其中，由于神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的自學(xué)習(xí)和自適應(yīng)能力，所以已經(jīng)成為對(duì)各類信號(hào)進(jìn)行加工處理的一種有用工具。利用神經(jīng)網(wǎng)絡(luò)方法可以完成從有噪聲信號(hào)空間到無噪聲信號(hào)空間的一種映射，它利用多層網(wǎng)絡(luò)結(jié)構(gòu)，將各層網(wǎng)絡(luò)權(quán)系數(shù)進(jìn)行奇異值分解，大奇異值對(duì)應(yīng)于信號(hào)，小奇異值對(duì)應(yīng)于噪聲，而小奇異值對(duì)神經(jīng)元起抑制作用，這樣噪聲便得到了抑制，經(jīng)過多層網(wǎng)絡(luò)的作用，最終起到抵消噪聲的作用。神經(jīng)網(wǎng)絡(luò)的缺點(diǎn)是學(xué)習(xí)算法的收斂速度很慢，通常要上千步迭代或更多，甚至?xí)霈F(xiàn)不收斂的情況。以上所描述的各種噪聲抵消方法各具特色，受到了國(guó)內(nèi)個(gè)學(xué)者的廣泛重視和研究，發(fā)展都極為迅速。

2 噪聲抵消方法的比較

噪聲抵消可以看作是一種從有噪聲信號(hào)空間到無噪聲信號(hào)空間的影射。通過對(duì)前人在噪聲抵消方面的研究的學(xué)習(xí)和總結(jié)，現(xiàn)以語音信號(hào)為例，列舉幾種語音增強(qiáng)的方法并對(duì)其性能進(jìn)行比較。目前應(yīng)用的語音增強(qiáng)方法主要有基于噪聲特性的自適應(yīng)噪聲抵消法、頻譜減法，基于語音產(chǎn)生模型的線性濾波法、梳狀濾波法、自相關(guān)法，還有基于語音模型和噪聲模型的卡爾曼濾波法。介紹如下：

（1）頻譜減法。頻譜減法是利用噪聲的統(tǒng)計(jì)平穩(wěn)性以及加性噪聲與讀音不相關(guān)的特點(diǎn)而提出的一種語音增強(qiáng)方法。這種方法沒有使用參考噪聲源，但它假設(shè)噪聲是統(tǒng)計(jì)平穩(wěn)的，即有語音期間噪聲掁幅譜的期望值與無語音間隙噪聲的振幅譜的期望值相等。用無語音間隙測(cè)量計(jì)算得到的噪聲頻譜的估計(jì)值取代有語音期間噪聲的頻譜，與含噪語音頻譜相減，得到語音頻譜的估計(jì)值。當(dāng)上述差值得到負(fù)的幅度值時(shí)，將其置零?？梢钥闯鲱l譜減法的主要思想是認(rèn)為：含噪語音在噪聲平均功率以上的部分就是語音功率，其余則認(rèn)為是噪聲功率。這種顯然忽略了噪聲和語音的隨機(jī)特性。在含噪語音的功率譜中，噪聲平均功率以上部分并非全是語音，其中肯定有不少加性噪聲成分存在，其下部分則也必有語音成分存在。因此，這種方法對(duì)提高語音信噪比十分有限，而且還會(huì)引起語音的失真。特別是在低信噪比時(shí)，這種方法很難提高語音質(zhì)量，更難提高語音可懂度。

（2）線性濾波法。線性濾波法主要是利用了語音的產(chǎn)生模型。對(duì)于受加性穩(wěn)態(tài)白噪聲干擾的語音信號(hào)來說，語音的頻譜右以根據(jù)語音的產(chǎn)生模型近似地用含噪語音來預(yù)測(cè)得到。而噪聲頻譜則用其期望值來近似。這樣得到了語音和噪聲近似的頻譜后就可得到濾波器，即

由此濾波器可使語音得到增強(qiáng)。線性濾波法不僅用到了噪聲的統(tǒng)計(jì)知識(shí)，還用到了部分語音知識(shí)，但顯然這些知識(shí)都是一種近似的代替。因此這種方法對(duì)提高語音信噪比和可懂效果十分有限。特別是當(dāng)信噪比較低時(shí)，對(duì)語音參數(shù)的預(yù)測(cè)誤差明顯增大，從而增強(qiáng)效果就不明顯，并且當(dāng)噪聲不是白噪聲時(shí)，按照語音的產(chǎn)生模型就很難準(zhǔn)確預(yù)測(cè)語音參數(shù)。因此對(duì)有色噪聲線性濾波方法就能難以應(yīng)付。

（3）梳狀濾波法。梳狀濾波法是利用了語音的頻譜特征，即諧波性。從眾多語音的頻譜結(jié)構(gòu)可以看出：語音頻譜特別是元音部分具有明顯的諧波特征。當(dāng)語音受到寬帶噪聲干擾時(shí)，各諧波的間隙之間則基本上都是噪聲成分。只要知道基頻就可以把諧波之間的噪聲成分完全濾掉，這時(shí)濾波器只要設(shè)計(jì)成1組諧波頻率處的帶通濾波器即可。這個(gè)方法的主要缺點(diǎn)是必須已知通信語音的基頻，而當(dāng)信噪比較低時(shí)，音基頻的確定變得十分困難。另外，因?yàn)檫@種方法完全沒有考慮諧波本身被噪聲干擾的情況，即使已知語音的基頻，其降噪能力也有限。假定諧波所占的頻帶總寬度與其諧波間隙的頻帶總寬度相當(dāng)，那么很明顯，梳狀濾波的降噪量約為總噪聲量的一半，即抑噪能力僅為3dB。另外這種方法對(duì)輔音的損傷比較大。由于輔音不一定存在諧波特性，其頻帶可能較寬，因此用梳狀濾波器不僅不能增強(qiáng)輔音，還會(huì)損傷輔音。

（4）自相關(guān)法。自相關(guān)法是利用語音時(shí)域小型特征，即相關(guān)性來增強(qiáng)語音信號(hào)的。在語音信號(hào)中，元音和濁音都具有明顯的周期性，它的R(0)相關(guān)函數(shù)也具有周期性。而噪聲一般是無規(guī)則的，它的自相關(guān)函數(shù)自開始很快地衰減,因此含噪語音的相關(guān)函數(shù)基本上就是噪聲中語音的相關(guān)函數(shù)。由于語音的相關(guān)函數(shù)與語音信號(hào)本身具的相同的頻率成分，只是其幅度近似為語音信號(hào)怕同謀的平方值，因此只要對(duì)含噪語音的自相關(guān)值作適當(dāng)?shù)奶幚砭涂蓮脑肼曋刑崛〕稣Z音信息。自相關(guān)法的主要缺點(diǎn)是對(duì)語音信息的損傷較大。一方面語音信號(hào)畢竟與其自相關(guān)信號(hào)有很大的不同，雖然能用數(shù)學(xué)的方法加以校準(zhǔn)，但這種校準(zhǔn)也是有限的。另一方面，輔音的持續(xù)時(shí)間較短，且周期性又很差，清輔音幾乎不存在周期性，故自相關(guān)法對(duì)輔音幾乎不產(chǎn)生增強(qiáng)效果，這就進(jìn)一步加深了語音的失真度。另外含噪語音的信噪比越低，其相關(guān)性越弱，信噪比的提高就越小。由實(shí)驗(yàn)知，當(dāng)信噪比低于約－9dB時(shí)，自相關(guān)法效果變差。

（5）卡爾曼濾波法。為了獲得較好的語音增強(qiáng)效果，必須盡可能地了解噪聲和語音的信息，以卡爾曼濾波器為主體的語音增強(qiáng)方法正是建立在噪聲模型和語音模型的基礎(chǔ)上。噪聲和語音都可以認(rèn)為是一個(gè)由高斯白噪聲驅(qū)動(dòng)的、具有適當(dāng)階數(shù)的自回歸AR模型。一般看來，這種方法似乎是一個(gè)較好的語音增強(qiáng)方法，得實(shí)際也存在不少問題：①語音和非語音的判別問題，當(dāng)信噪比很低時(shí)判別非常困難；②噪聲必然會(huì)對(duì)語音參數(shù)的估計(jì)產(chǎn)生影響，特別信噪比較低時(shí)，語音估計(jì)參數(shù)就難以保證有足夠的精確度；③整修過程的計(jì)算復(fù)雜性也較大，難以實(shí)時(shí)實(shí)現(xiàn)。

（6）自適應(yīng)噪聲抵消法。就目前而言，帶自適應(yīng)濾波器的自適應(yīng)噪聲抵消法對(duì)含噪語音的增強(qiáng)效果最好。因?yàn)檫@種方法比其也方法多用了1個(gè)參考噪聲作為輔助輸入，從而獲得了比較全面的關(guān)于噪聲的信息，因而能得到更好的降噪效果。特別是在輔助輸入噪聲與語音中的噪聲完全相關(guān)的情況下，自適應(yīng)噪聲抵消法能完全排除噪聲的隨機(jī)性，徹底地抵消語音中的噪聲成分，從而無論在信噪比SNR（Signal to Noise Ratio）方面還是在語音可懂度方面都能獲得較大的提高。自適應(yīng)濾波器的噪聲抵消器工作原理實(shí)質(zhì)上為以均方誤差E[e2(n)]或方差e2(n)最小為準(zhǔn)則，對(duì)噪聲n(n)進(jìn)行最優(yōu)增強(qiáng)語音的目的。隨著理論性能研究的不斷深入，應(yīng)用日趨廣泛。

3 結(jié)語

從各種噪聲抵消方法的比較中可知，自適應(yīng)噪聲抵消方法的性能最優(yōu)。這種方法不需要知道任何信號(hào)的先驗(yàn)知識(shí)。雖說與其他噪聲抵消方法相比這種方法最為理想，但這種方法也有其不可回避的缺點(diǎn)，那就是輔助輸入的獲得在某些情況下比較困難，這就限制了其應(yīng)用范圍，這還有待于今后不斷研究與改進(jìn)。