于春和，蘇 龍

(沈陽(yáng)航空航天大學(xué) 電子信息工程學(xué)院，沈陽(yáng) 110136)

?

基于GSC與譜減法的麥克風(fēng)陣列語(yǔ)音增強(qiáng)方法

于春和，蘇 龍

(沈陽(yáng)航空航天大學(xué) 電子信息工程學(xué)院，沈陽(yáng) 110136)

廣義旁瓣抵消器(GSC)算法是目前廣泛使用的一種麥克風(fēng)陣列語(yǔ)音增強(qiáng)方法，但在自適應(yīng)抵消模塊中不可避免地存在語(yǔ)音抵消，且對(duì)非相干噪聲的消噪能力很弱。針對(duì)GSC消噪能力弱，存在殘留背景噪聲的問(wèn)題，提出了一種基于改進(jìn)GSC與譜減法的麥克風(fēng)語(yǔ)音增強(qiáng)方法。該方法改進(jìn)了廣義旁瓣抵消器結(jié)構(gòu)中的自適應(yīng)算法，將固定步長(zhǎng)值變?yōu)榭烧{(diào)步長(zhǎng)值，避免了固定步長(zhǎng)選擇過(guò)大或過(guò)小帶來(lái)的語(yǔ)音抵消或語(yǔ)音消噪不足的問(wèn)題。后續(xù)與譜減法相結(jié)合，去除殘留噪聲獲得更加純凈的語(yǔ)音。實(shí)驗(yàn)仿真表明，該方法可有效抑制殘留背景噪聲的影響，提高語(yǔ)音的性噪比及可懂度。

麥克風(fēng)陣列；廣義旁瓣抵消器；譜減法；語(yǔ)音增強(qiáng)

在復(fù)雜的聲學(xué)環(huán)境中，各種各樣的干擾噪聲會(huì)嚴(yán)重影響期望語(yǔ)音信號(hào)的獲取，致使獲得的語(yǔ)音信號(hào)不再是純凈的語(yǔ)音信號(hào)。而如果干擾噪聲太大，通過(guò)麥克風(fēng)采集的信號(hào)往往模糊不清，影響了語(yǔ)音的可懂度。采用單麥克風(fēng)的語(yǔ)音增強(qiáng)系統(tǒng)也難以獲得令人滿意的增強(qiáng)效果，因此二十世紀(jì)八十年代麥克風(fēng)陣列語(yǔ)音增強(qiáng)技術(shù)應(yīng)運(yùn)而生。和單孤立麥克風(fēng)增強(qiáng)方法相比，麥克風(fēng)陣列利用了目標(biāo)信號(hào)，噪聲和干擾的空間信息，增強(qiáng)了期望方向的信號(hào)，抑制了其他方向的信號(hào)，所以能提供更好的增強(qiáng)效果[1]。

目前麥克風(fēng)陣列語(yǔ)音增強(qiáng)方法大體上可以分為三類：固定波束形成算法、自適應(yīng)波束形成算法和帶后置濾波器的固定波束形成算法，當(dāng)今主流還是以廣義旁瓣抵消器的自適應(yīng)波束形成算法為基礎(chǔ)。但是它存在著語(yǔ)音抵消與對(duì)非相干噪聲抑制能力弱的問(wèn)題[2-3]，為此，許多學(xué)者提出了改進(jìn)算法。文獻(xiàn)[4]提出了一種魯棒自適應(yīng)約束波束形成方法，來(lái)盡量減弱GSC自適應(yīng)波束形成中的語(yǔ)音抵消。文獻(xiàn)[5]提出采樣廣義奇異值分解，來(lái)減弱因多徑效應(yīng)而引起的語(yǔ)音泄露。文獻(xiàn)[6]提出一種基于維納濾波的多通道后置濾波器，來(lái)消除非相干噪聲和弱相干噪聲。文獻(xiàn)[7]提出了一種基于子帶GSC的語(yǔ)音增強(qiáng)算法，該方法應(yīng)用了DFT調(diào)制子帶濾波器組將語(yǔ)音信號(hào)分解到子帶進(jìn)行自適應(yīng)濾波，從而獲得更好的語(yǔ)音增強(qiáng)效果。文獻(xiàn)[8]提出了相干濾波與GSC相結(jié)合的小陣列語(yǔ)音增強(qiáng)算法，通過(guò)改進(jìn)的最小搜索算法估計(jì)出GSC處理后殘留噪聲的功率譜密度，然后利用相干濾波進(jìn)行再次增強(qiáng)。文獻(xiàn)[9]提出一種在GSC中引入可調(diào)波束形成器估計(jì)聲源方位以抑制背景噪聲的影響。

本文提出基于改進(jìn)的GSC與譜減法相結(jié)合的麥克風(fēng)陣列語(yǔ)音增強(qiáng)方法。其基本思想是先對(duì)采集的麥克風(fēng)陣列語(yǔ)音信號(hào)進(jìn)行GSC處理，以消除相干噪聲對(duì)語(yǔ)音信號(hào)的影響，然后再把改進(jìn)的GSC輸出端的信號(hào)作為譜減法的輸入，進(jìn)一步消除殘留的背景噪聲，提高語(yǔ)音的質(zhì)量。文中對(duì)GSC和譜減法的原理和結(jié)構(gòu)進(jìn)行了詳細(xì)的闡述，并指出它們存在的不足，提出了相應(yīng)的改進(jìn)措施。

1 改進(jìn)的廣義旁瓣抵消器

廣義旁瓣抵消器是一種經(jīng)典的自適應(yīng)波束形成算法，也是目前廣泛使用的一種陣列語(yǔ)音增強(qiáng)方法。由Criffths和Jim在1982年提出[10],其主要由固定波束形成器、阻塞矩陣和自適應(yīng)噪聲抵消器三部分構(gòu)成。固定波束形成器一般由延遲求和波束形成器實(shí)現(xiàn)，主要目的是增強(qiáng)主瓣方向目標(biāo)信號(hào)，而抑制其他方向的噪聲信號(hào)；阻塞矩陣的目的是產(chǎn)生不含目標(biāo)語(yǔ)音的信號(hào)，為在自適應(yīng)干擾抵消器中抑制固定波束形成器中的噪聲提供參考信號(hào)；自適應(yīng)干擾抵消器一般使用歸一化最小均方實(shí)現(xiàn)，用以實(shí)現(xiàn)利用參考噪聲信號(hào)估計(jì)出固定波束輸出信號(hào)中的噪聲信號(hào)，然后從固定波束形成輸出信號(hào)中減去該估計(jì)信號(hào)，以實(shí)現(xiàn)目標(biāo)信號(hào)的增強(qiáng)[11]。GSC的結(jié)構(gòu)框圖如圖1所示。

圖1 GSC的結(jié)構(gòu)框圖

上圖中，各麥克風(fēng)接收信號(hào)經(jīng)過(guò)時(shí)延估計(jì)和時(shí)延τi補(bǔ)償后，使各通道輸出信號(hào)xi(n)在目標(biāo)方向上的語(yǔ)音信號(hào)是完全同相的。采用系數(shù)固定的固定波束形成器對(duì)輸入信號(hào)xi(n)進(jìn)行濾波，然后將濾波后的各通道信號(hào)相加求和，初步實(shí)現(xiàn)目標(biāo)語(yǔ)音的增強(qiáng)。

yc(n)=ATX

(1)

式中A=[a1,a2,…,am]T,X=[x1(n),x2(n),…,xm(n)]T。其中A為固定波束形成器的加權(quán)系數(shù)，X為各麥克風(fēng)接收到的到信號(hào)經(jīng)過(guò)時(shí)延補(bǔ)償τi后，得到的在目標(biāo)方向上完全同相的信號(hào)。信號(hào)通過(guò)阻塞矩陣后，目標(biāo)信號(hào)被去除，輸出信號(hào)只包含干擾和噪聲。要實(shí)現(xiàn)阻塞矩陣的輸出信號(hào)中只含有干擾和噪聲，要使阻塞矩陣中每一行上的元素之和為0，就可以保證輸出中不含目標(biāo)方向的語(yǔ)音信號(hào)。經(jīng)過(guò)阻塞矩陣處理后的信號(hào)如式(2)所示：

U=BX

(2)

(3)

由于bj彼此是線性獨(dú)立的，所以U最多有m-1個(gè)線性獨(dú)立組成元素，也就是說(shuō)，阻塞矩陣B的行數(shù)一定是m-1或更少[12]。一個(gè)經(jīng)常使用的符合式(3)條件的阻塞矩陣如式(4)所示。

(4)

設(shè)自適應(yīng)FIR濾波器的系數(shù)為wk(n)，k=1,2,…,m-1,則：

(5)

式中W=(w1(n),w2(n),…,wm-1(n))T，系統(tǒng)的最后輸出如式(6)所示

y(n)=yc(n)-ys(n)

(6)

由于目標(biāo)語(yǔ)音信號(hào)及干擾噪聲都包含在yc(n)中，ys(n)只包含估計(jì)出的干擾噪聲，這樣兩者相減就可以得到增強(qiáng)的語(yǔ)音信號(hào)。同時(shí)，還需要尋找濾波系數(shù)向量W，使系統(tǒng)的噪聲輸出功率最小。按照LMS自適應(yīng)濾波算法，其濾波系數(shù)向量W可用下列遞歸公式來(lái)計(jì)算，如式(7)所示

W(n+1)=W(n)-u▽(n)

(7)

式中u是一個(gè)控制算法收斂速度和穩(wěn)定性的正實(shí)數(shù)，稱之為自適應(yīng)收斂系數(shù)或步長(zhǎng)，▽(n)為算法的梯度矢量。而▽(n)又可以如式(8)所示：

(8)

式中E[y(n)2]表示取y(n)2的數(shù)學(xué)期望。要想精確計(jì)算出梯度▽(n)是非常難的一件事，一種粗略但是十分有效的計(jì)算▽(n)的方法是直接用y2(n)作為E[y2(n)]的估計(jì)值，即y2(n)≈E[y2(n)]，則

▽(n)=▽E[y(n)2]≈▽[y(n)2]=2y(n)▽[y(n)]

(9)

其中▽[y(n)]=▽[yc(n)-WT(n)U(n)]=-U(n)

(10)

則式(10)代入式(9)中，得：

▽(n)=-2y(n)U(n)

(11)

將式(11)代入式(7)中，得：

W(n+1)=W(n)+2uy(n)U(n)

(12)

式(12)就是GSC中濾波系數(shù)的自適應(yīng)調(diào)整公式。式(12)中步長(zhǎng)因子u的大小將影響整個(gè)GSC對(duì)噪聲的濾除能力。傳統(tǒng)的GSC算法步長(zhǎng)參數(shù)u是固定的，u越大，噪聲濾除的越多，但是相應(yīng)的語(yǔ)音泄露也越嚴(yán)重，濾波后的信噪比會(huì)減少，u越小，會(huì)導(dǎo)致殘留噪聲較多，所以實(shí)際中一般會(huì)選一個(gè)折中的u值。

式(9)表明，LMS算法實(shí)際上在每次迭代中，使用了粗糙的梯度估計(jì)值▽[y(n)2]來(lái)代替▽(n)，從而導(dǎo)致濾波系數(shù)向量W的調(diào)整路徑是不可能精確地沿著理想的最速下降路徑，因而濾波系數(shù)向量W調(diào)整過(guò)程是有噪聲的。但是，隨著時(shí)間的推移，濾波系數(shù)向量W不斷地調(diào)整，估計(jì)值也在不斷地改善，最終達(dá)到收斂值，收斂條件如式(13)所示。

(13)

式中λmax是E[U(n)UT(n)]的最大特征值。實(shí)際上濾波系數(shù)向量W不會(huì)收斂到理論上的最佳值，而是在最佳值的上下振蕩。LMS算法對(duì)u的要求不是特別高，也就是說(shuō)，只要u選擇合理，算法一般都能收斂。這說(shuō)明LMS算法具有很強(qiáng)的實(shí)用性，是一種相對(duì)簡(jiǎn)單、性能優(yōu)越的自適應(yīng)算法。

(14)

(15)

比較歸一化LMS算法的調(diào)整公式與標(biāo)準(zhǔn)LMS算法的調(diào)整公式，可以發(fā)現(xiàn)，標(biāo)準(zhǔn)LMS算法中的步長(zhǎng)參數(shù)u是固定的，而在式(15)中步長(zhǎng)參數(shù)是可調(diào)的，再加上歸一化LMS算法的收斂條件與輸入信號(hào)的特征值無(wú)關(guān)，使得歸一化LMS算法具有更快的收斂速度，計(jì)算量也與標(biāo)準(zhǔn)LMS算法相當(dāng)，因此，歸一化的LMS算法在實(shí)際中得到了廣泛的應(yīng)用。

2 基于改進(jìn)的GSC與譜減法的語(yǔ)音增強(qiáng)

基于GSC算法的經(jīng)典自適應(yīng)波束形成器，對(duì)相干噪聲雖具有較強(qiáng)的抑制能力，但是對(duì)非相干噪聲抑制能力還不如固定波束形成算法。要解決這個(gè)問(wèn)題，可以對(duì)GSC模塊輸出的信號(hào)進(jìn)行再次濾波，以消除殘留的非相干噪聲。其整體流程框圖如圖2所示。

圖2 整體流程框圖

基本譜減法的主要思想是從帶噪語(yǔ)音的頻譜估值中減去噪聲頻譜估值，從而得到純凈語(yǔ)音的頻譜估值[13]。這種方法沒(méi)有使用參考噪聲源，但它的前提是噪聲信號(hào)和語(yǔ)音信號(hào)是互不相關(guān)的以及背景噪聲相對(duì)語(yǔ)音信號(hào)來(lái)說(shuō)是近似穩(wěn)態(tài)的。利用人的聽覺(jué)特性對(duì)語(yǔ)音信號(hào)譜的幅度敏感，而對(duì)語(yǔ)音信號(hào)譜的相位不敏感，直接把噪聲幅度譜從帶噪語(yǔ)音幅度譜中減去，得到增強(qiáng)語(yǔ)音幅度譜，并將帶噪語(yǔ)音的相位近似作為增強(qiáng)語(yǔ)音的相位，從而實(shí)現(xiàn)語(yǔ)音增強(qiáng)。

設(shè)語(yǔ)音信號(hào)的時(shí)間序列可以表示為x(n)，通過(guò)加窗和分幀處理后，可得到第i幀語(yǔ)音信號(hào)xi(m)，每一幀語(yǔ)音信號(hào)的幀長(zhǎng)為N。對(duì)任何一幀語(yǔ)音信號(hào)xi(m)做DFT變換后，可以表示為：

(16)

然后對(duì)Xi(k)的每個(gè)分量求相應(yīng)的幅值和相位，幅值用|Xi(k)|表示，相位可以表示為：

(17)

在譜減法中要把這兩組數(shù)保存下來(lái)。

已知前導(dǎo)無(wú)話段(噪聲段)時(shí)長(zhǎng)為IS，對(duì)應(yīng)的幀數(shù)為NIS，則可以求出噪聲段的平均能量值為：

(18)

(19)

式中a、b的和是常數(shù)，a稱為過(guò)減因子，b稱為增益補(bǔ)償因子。

(20)

噪聲段的平均譜值為：

(21)

這種改進(jìn)方式相比前面的譜減法，差別是引入λ這個(gè)參數(shù)。若λ=1則是幅度譜減法，若λ=2則是功率譜減法。這種譜減法較為靈活，它有三個(gè)調(diào)節(jié)系數(shù)a、b和λ。通過(guò)這三個(gè)系數(shù)，可以在噪聲抑制，殘留噪聲衰減和語(yǔ)音失真之間達(dá)到最好的折中。

(1)過(guò)減因子a(a>1)。在進(jìn)行譜減法操作時(shí)，a控制減去的噪聲譜量。a越大，則可以使殘留噪聲的衰減越大，但是同時(shí)也會(huì)造成語(yǔ)音失真較大；a越小，則噪聲衰減的程度也小，但是語(yǔ)音失真較少。

(2)增益補(bǔ)償因子b(0

(3)指數(shù)參數(shù)λ。通過(guò)調(diào)節(jié)λ可以獲得各種譜相減形式。

譜減參數(shù)a，b和λ的選擇是譜減法的核心問(wèn)題[15]。實(shí)際上，在低信噪比條件下減小語(yǔ)音失真和降低剩余噪聲不可兼得，只能在兩者之間達(dá)到最好的折中，提高可懂度。譜減法的原理框圖如圖3所示。

圖3 譜減法原理框圖

3 實(shí)驗(yàn)仿真及結(jié)果分析

為了驗(yàn)證本文提出方法的語(yǔ)音增強(qiáng)性能和效

果，利用了MATLAB對(duì)上述方法進(jìn)行了仿真實(shí)驗(yàn)。在仿真實(shí)驗(yàn)中，麥克風(fēng)陣列由4個(gè)麥克風(fēng)組成的間距d=0.5的均勻線性陣，目標(biāo)聲源位于第一號(hào)陣元的正前方，距離第一號(hào)陣元的距離為2.5 m，噪聲源位于第四號(hào)陣元的正前方，距離第四號(hào)陣元的距離為2.5 m，噪聲來(lái)自于noisex-92數(shù)據(jù)庫(kù)。

實(shí)驗(yàn)中語(yǔ)音信號(hào)和噪聲信號(hào)均按照8 kHz，16 bit量化。實(shí)驗(yàn)算法中的闡述，相關(guān)參數(shù)設(shè)置如下：GSC中自適應(yīng)濾波器的階數(shù)為32，正的實(shí)數(shù)標(biāo)度因子φ取1,β取40；在譜減法中，加Hamming窗，窗長(zhǎng)為200，窗重疊為60%，幀長(zhǎng)取窗函數(shù)長(zhǎng)，過(guò)減因子a取4，增益補(bǔ)償因子b取0.001，指數(shù)參數(shù)λ取2。

第一個(gè)實(shí)驗(yàn)是從語(yǔ)音的時(shí)域和頻域角度來(lái)驗(yàn)證算法的消噪能力。圖4在背景噪聲為白噪聲，信噪比(SNR)為0 dB環(huán)境下，算法處理前后的時(shí)域圖和時(shí)頻圖。從圖中可以看出，經(jīng)本文算法處理后的殘余噪聲有所減弱，語(yǔ)音信號(hào)波形更接近純凈語(yǔ)音信號(hào)波形，同時(shí)處理后的時(shí)頻圖更接近純凈語(yǔ)音信號(hào)的時(shí)頻圖。通過(guò)主觀聽辨測(cè)試也可以證明本文算法是有效的，不僅提高了人耳的舒適度，也增加了語(yǔ)音的可懂度。

圖4 背景噪聲為白噪聲、SNR=0 dB環(huán)境下處理前后時(shí)頻圖

第二個(gè)實(shí)驗(yàn)驗(yàn)證在不同信噪比環(huán)境下，算法的消噪能力，這里選用的背景噪聲為白噪聲。處理結(jié)果如圖5所示。從圖中可以看出，帶噪語(yǔ)音信噪比越低，本文算法處理后的效果越好，隨著帶噪語(yǔ)音信噪比的不斷提高，傳統(tǒng)GSC算法處理后的效果越來(lái)越接近本文算法，但是本文算法始終優(yōu)于傳統(tǒng)的GSC算法。

圖5 背景噪聲為白噪聲、SNR=0 dB環(huán)境下處理前后時(shí)頻圖

第三個(gè)實(shí)驗(yàn)中，分別在f16(F16座艙噪聲)、babble(餐廳內(nèi)嘈雜噪聲)、factory(工廠車間噪聲)、volvo(車內(nèi)噪聲)、pink(粉紅噪聲)以及m109(坦克內(nèi)部噪聲)5種噪聲環(huán)境下，初始信噪比為0dB,分別使用GSC和本文算法進(jìn)行消噪。其結(jié)果如表1所示。從表1可以看出，在帶噪語(yǔ)音信噪比為0 dB時(shí)，無(wú)論在什么噪聲場(chǎng)情況下，本文提出的算法的消噪能力均優(yōu)于傳統(tǒng)的GSC算法。其中本文算法對(duì)volvo的消噪能力更為明顯，比GSC算法提高信噪比約8.5 dB，其次是pink噪聲，比GSC算法提高信噪比約5.3 dB，對(duì)babble的消噪能力較弱，比GSC算法提高信噪比約0.9 dB。

表1 不同類型背景噪聲環(huán)境下語(yǔ)音增強(qiáng)結(jié)果比較

4 結(jié)論

本文以麥克風(fēng)陣列為例，提出一種基于改進(jìn)的廣義旁瓣抵消器和譜減法的麥克風(fēng)陣列語(yǔ)音增強(qiáng)方法。通過(guò)廣義旁瓣抵消器對(duì)目標(biāo)語(yǔ)音進(jìn)行初步增強(qiáng)，濾除相干噪聲和部分弱相干及背景噪聲，然后通過(guò)譜減法濾波，濾除殘留的噪聲，提高語(yǔ)音的信噪比及可懂度。本文在不同信噪比、不同的噪聲環(huán)境下，都進(jìn)行了仿真實(shí)驗(yàn)，都能獲得比較滿意的增強(qiáng)效果，說(shuō)明了該方法的可行性。

[1]栗曉麗，傅豐林.基于子帶TF-GSC麥克風(fēng)陣列語(yǔ)音增強(qiáng)[J].電子科技，2008，21(2)：33-36.

[2]Joerg Bitzery，Klaus Uwe Simmerz，Karl Dirk Kammeyery.Theoretical noise reduction limits of the generalized sidelobe canceller(GSC)for speech enhancement[C].IEEE International Conference on Acoustics，Speech and Signal Processing，Phoenix，AZ，USA，March,1999：2965-2968.

[3]Huang Y，Chen J，and Benesty J.Immersive audio schemes[J].IEEE Signal Processing Magazine,2011，28(1)：20-32.

[4]Hoshuyamao，Sugiyama A,Hirano A.A robust adaptive beamformer for microphone arrays with a blocking matrix using constrained adaptive filters[C].IEEE International Conference on Acoustics,Speech and Signal Processing,Atlanta,USA,1996:925-928.

[5]宋輝,劉加.基于廣義奇異值分解的通用旁瓣消除算法[J].數(shù)據(jù)采集與處理,2011,26(3):241-246.

[6]Zelinski R.A microphone array with adaptive post-filtering for noise reduction in reverberant rooms[J].Proc of ICASSP88,1988(5):2578-2581.

[7]鄧俊杰,孫超.一種基于子帶GSC的語(yǔ)音增強(qiáng)算法[J].電子設(shè)計(jì)工程,2013,21(5):173-179.

[8]張正文,湯敏慎,尹波.相干濾波與廣義旁瓣相消器結(jié)合的小陣列語(yǔ)音增強(qiáng)算法[J].河南科技大學(xué)學(xué)報(bào)(自然科學(xué)版),2015,36(3):38-42.

[9]李躍蘭,周躍海,童峰,等.采樣可調(diào)波束形成器的GSC麥克風(fēng)陣列語(yǔ)音增強(qiáng)方法[J].廈門大學(xué)學(xué)報(bào)(自然科學(xué)版),2013,52(2):186-189.

[10]Griffiths L,Jim C W.An alternative approach to linearly constrained adaptive beamforming[J].IEEE Transactions on Antennas and Propagation,1982,30(1):27-34.

[11]楊立春,錢沄濤.基于相干性濾波器的廣義旁瓣抵消器麥克風(fēng)小陣列語(yǔ)音增強(qiáng)方法[J].電子與信息學(xué)報(bào),2012,34(12):3027-3033.

[12]胡曙輝.麥克風(fēng)陣列語(yǔ)音增強(qiáng)算法研究[D].西安：西安電子科技大學(xué),2009:18-20.

[13]徐巖,王春麗.語(yǔ)音增強(qiáng)技術(shù)及其應(yīng)用[M].北京：科學(xué)出版社,2014:59-66.

[14]宋知用.MATLAB在語(yǔ)音信號(hào)分析與合成中的應(yīng)用[M].北京：北京航空航天大學(xué)出版社,2013:184-195.

[15]沈圓圓,顧濟(jì)華,陶智,等.基于人類聽覺(jué)系統(tǒng)的多頻帶語(yǔ)音增強(qiáng)[J].計(jì)算機(jī)工程與應(yīng)用，2011,47(21):145-148.

(責(zé)任編輯：劉劃 英文審校：林嘉)

Speech enhancement method based on the GSC and spectral subtraction for microphone array

YU Chun-he,SU Long

(College of Electronic Information Engineering，Shenyang Aerospace University，Shenyang 110136，China)

Generalized Sidelobe Canceller(GSC)algorithm is a widely used microphone array speech enhancement method,but there is inevitably speech offset in adaptive noise cancellation module,and GSC′s noise cancellation capability againstnon-coherent noise is weak.With particular reference to the weakness and the presence of residual background noise,this paper proposed a combination of GSC and spectral subtraction speech enhancement method.In this method,the adaptive algorithm in the structure of the generalized sidelobe cancellation was improved,and the fixed step size was changed into a variable step sizeto avoidtoo large or too smallfixed step size,which brings problems of speech offset or inadequate speech noise cancellation.Combined with spectral subtraction,the method removes the residual noise to obtain a purer voice.The simulation results show that this method can effectively suppress the influence of the residual background noise and improve speech-noise ratio and intelligibility of speech.

microphone array;GSC;spectral subtraction;speech enhancement

2015-07-08

于春和(1976-)，男，遼寧沈陽(yáng)人，副教授，主要研究方向：信號(hào)獲取與處理，E-mail：2643909528@qq.com。

2095-1248(2015)05-0080-06

TP912.3

A

10.3969/j.issn.2095-1248.2015.05.012