头相关传递函数测试新方法

正头相关传递函数(Head-related transfer function,HRTF)描述了自由声场的声波从声源发出传播到双耳的过程中由于人体反射和散射引起的信号频谱改变。HRTF在双耳定位、虚拟声像合成以及串音消除的研究中发挥着重要的作用。在有关HRTF的研究工作中,HRTF数据库的获取是一个重要的问题。HRTF是高度个性化的。为了使得测试数据具有足够的空间分辨率,需要在一系列的仰角和方位角进     

子带t分布的快速独立向量分析在语声盲源 分离中的应用*

为了提高独立向量分析算法在盲语声分离任务中的分离性能,降低算法计算复杂度,并改善目前尚未完全解决的顺序模糊性的问题,该文提出一种基于子带t分布的快速独立向量分析算法。在声源模型方面,该算法首先利用语声信号重尾分布的特性,假设声源概率密度函数服从t分布,同时采用子带建模的方法来增强同一声源相邻频点的高阶依赖性,进而减轻频点间的顺序不一致问题。在空间模型方面,该算法采用秩1更新的方式估计声源信号,避免矩阵求逆操作和分离矩阵的估计,从而降低计算复杂度。实验结果表明,与现有的基于独立向量分析的盲源分离算法相比,该算法能够在相同的迭代次数下取得更优的语声分离性能。     

基于卡尔曼滤波的低复杂度去混响算法*

在电话会议、智能音箱等应用场景下，传声器往往处在声源的远场。混响信号的存在会掩蔽后续到达的直达声信号，降低传声器接收信号的语音质量，以及语音识别系统的准确识别率。多通道线性预测算法是一种经典的盲去混响算法，但该算法往往具有较高的计算复杂度。本文提出了一种简化的卡尔曼滤波更新算法，通过对角化卡尔曼滤波器状态向量误差协方差矩阵，降低了自适应多通道线性预测去混响算法的复杂度。通过与现有分块对角简化算法对比发现，本文提出的简化算法在保证语音质量的同时，进一步降低了原卡尔曼滤波算法的复杂度。     

次声管道降噪滤波器优化设计

提出了基于声学响应模型与群差分进化算法的次声管道降噪滤波器优化设计方法,在理想条件和工程实践两种情景下设计了管道滤波器的结构参数并仿真分析了降噪性能表现。结果表明:（1）理想条件下的设计结果在约0.1～0.8 Hz的频带内取得了5 dB以上的降噪性能提升,最大提升达到12 dB。（2）工程实践情景的设计结果在各种环境风速中最大可以取得约3dB的性能提升。（3）大风速条件的优化设计可应用于环境风速未知或变化较大的场景。分析结果表明所提设计方法可以有效设计管道滤波器,优化设计的管道滤波器在降噪性能上优于传统管道滤波器。      

一种用于主动降噪耳机的权重滤波误差信号滤波-x最小均方算法*

针对传统FxLMS算法前馈自适应主动降噪耳机系统因果性条件不足时在宽带噪声环境中产生的高频噪声抬升问题,该文引入权重滤波误差信号FxLMS算法用于抑制高频噪声的抬升,但该算法带来了低频降噪量不足问题。因此,进一步提出将固定系数混合控制器与权重滤波误差信号FxLMS算法结合,在解决高频噪声抬升问题的同时,保证了良好的低频降噪量。基于DSP平台实现了提出的主动降噪耳机方案。实验证明,该方案针对宽带和单频等噪声都取得了较好的降噪效果。     

一种基于虚拟传感的无需误差传声器的自适应有源降噪方法*

该文基于虚拟传感技术引入了一种用于耳机的无需误差传声器的自适应有源降噪方法。该算法仅使用一个参考传声器实现了一种前馈和反馈自适应算法结合的有源降噪算法,提高了有源降噪稳定性,简化了耳机硬件结构。利用DSP平台实现了该文提出的方案,并通过实验验证了其良好的降噪性能和实用价值。     

矢量泰勒级数特征补偿的说话人识别

将矢量泰勒级数(Vector Taylor Series,VTS)特征补偿算法应用于说话人识别,给出了卷积噪声方差的近似闭式解,构建了联合快速估计卷积噪声和加性噪声均值和方差的框架。该算法可在无需失配环境先验信息的前提下,直接从失配语音中估计出卷积噪声和加性噪声的均值和方差,实现对环境失配的补偿。实验结果表明,在信道变化较大的无线信道下,卷积噪声方差的补偿最高可降低误识率3.24%.提升了系统的识别性能。在存在加性噪声的无线信道下,与基于线性失真模型的特征映射算法和倒谱均值减算法相比,本文算法可分别最大降低49.65%和68.06%的误识率,适合于信道变化较大的失配环境补偿。     

基于Transformer编码器的合成语声检测系统

自动说话人认证系统是一种常用的目标说话人身份认证方案,但它在合成语声的攻击下表现出脆弱性,合成语声检测系统试图解决这一问题。该文提出了一种基于Transformer编码器的合成语声检测方法,利用自注意力机制学习输入特征内部的长期依赖关系。合成语声检测问题并不关注句子的抽象语义特征,用参数量较小的模型也能得到较好的检测性能。该文分别测试了4种常用合成语声检测特征在Transformer编码器上的表现,在国际标准的ASVspoof2019挑战赛的逻辑攻击数据集上,基于线性频率倒谱系数特征和Transformer编码器的系统等错误率与串联检测代价函数分别为3.13%和0.0708,且模型参数量仅为0.082 M,在较小参数量下得到了较好的检测性能。     

低复杂度的盲源分离和去混响联合优化方法

提出了一种低复杂度的基于加权预测误差(WPE)的独立低秩矩阵分析(ILRMA)方法。与现有的WPE-ILRMA方法把预测矩阵当成一个整体来处理不同,所提方法将预测矩阵展开来推导代价函数,利用不同声源的混合滤波器和分离滤波器之间的正交性简化代价函数的优化过程,进而以更低的计算复杂度对混合信号去混响。通过利用解耦预测矩阵和分离滤波器之间的关系,所提方法将维数较大的矩阵求逆转化为维数较小的矩阵求逆,从而取得了比WPE-ILMRA方法更低的计算复杂度。在最大似然框架下推导了所提方法的代价函数,并采用坐标梯度下降算法来估计参数。实验结果表明,所提方法能以更低的计算复杂度和更高的稳定性取得与WPE-ILRMA方法相似的分离性能。