可穿戴设备上的人声分离研究

人声分离是智能语音领域的一个重要技术,用于把混合在一起的说话人声分开分别加以识别。基于麦克风阵列多波束成形以及基于深度神经网络的人声分离算法有大量的研究。但此类算法往往需要较大算力和存储空间,难以满足嵌入式低功耗的要求。可穿戴设备一方面由于设备的小型化和低功耗,要求更低的资源消耗。另一方面其穿戴在使用者身上,空间关系相对固定,更便利于麦阵波束成形的实现。本文在一种可穿戴设备,智能胸牌上研究了一种人声分离算法,其在自适应波束成形算法架构上引入一种增强干扰语音抑制的算法,以较小的计算复杂度达到了有效分离语音的效果。

基于声源分离的麦克风阵列自动增益控制算法研究

典型的在线会议设备具备会议各方语音免提通话功能,参会者距离通话装置远近不一,要想保证发送语音有比较恒定的幅度,常常使用自动增益控制(Automatic Gain Control, AGC)算法。典型的AGC算法为了保持放大幅度的稳定,不会在短时间内剧烈起伏,而是会采用比较平滑缓变的基于麦克接收语音幅度包络来计算增益,因此常常造成远近说话人切换时不能及时响应语音幅度变化而导致一定时间内增益过大或过小,让远端参会者听不清或听到巨响。本文研究一种基于声源分离的AGC算法,在麦克风阵列中使用声源角度来建模并区分不同说话人,能够实时跟踪各声源语音幅度变化,并单独计算各自的AGC避免增益滞后,使得发送语音可以始终保持在最佳幅度。