基于Transformer的多麦克风融合降噪算法

多麦克风融合降噪技术旨在降低来自多种麦克风(声学麦克风、光学麦克风、骨传导麦克风)的语音噪声,提高信噪比,从而适应不同环境。针对传统多麦克风融合降噪算法在提取不同通道特征时效果不理想的问题,提出了一种基于Transformer的多麦克风融合降噪算法。该算法有3个主要步骤,首先采用多头注意力机制使每个通道能够学习到不同的权重,更好地学习通道间的空间特征;其次将获得的通道特征以及原始特征输入到Transformer模型中,生成时域滤波器;最后通过一维卷积操作获得每个通道增强后的语音数据。实验结果表明,提出的算法能够达到更好的降噪效果。

基于多麦克风阵列的枪声定位算法研究

针对战场狙击手威胁日益增加的严峻现实,提出一种基于多麦克风阵列的枪声定位算法,利用空间上随意摆放的多个正四面体麦克风阵列,对爆破波到达各阵列阵元的时延差进行双加权最小二乘算法,对枪声位置进行初步估计,并用一致性算法对多个定位结果进行数据融合。该方法克服了TDOA定位算法无法剔除多径效应引起的错误时延估计的缺点。通过仿真证明算法具有较高的精度,且增大了测量范围。

基于QR和子带分解的GSVD多麦克风语音增强方法研究

在GSVD(Generalized Singular Value Decomposition)多麦克风语音去噪方法中引入子带和QR(Orthogonal-Triangular Decomposition),从而提高了矩阵的分解速度.改进的方法由于对输入信号进行抽取和正三角分解的预处理,降低了计算复杂度.实验结果表明了改进方法的有效性和可行性.

一种基于多扬声器和多麦克风超声波多目标追踪方案

针对基于视觉和基于射频信号被动式目标追踪存在的不足,文中设计了一种基于多扬声器和多麦克风超声波多目标追踪方案,该方案可追踪多个目标位置,实现隔空滑动、旋转等手势操作,且无需额外部署硬件设备,有效弥补了触摸屏交互方式的不足,提高了用户与智能设备之间的交互体验。

基于阵列算法下多麦克风降噪分析

噪声是语音信号中难以避免的主要干扰,直接影响语音质量。本文立足于对列阵算法的认识,从固定波束形成算法、近场波束形成算法和子空间算算法三个方面,阐述了阵列算法在多麦克风降噪中的应用,以更好地降低噪声对多麦克风的干扰。

工业噪声环境下多麦状态空间模型语音增强算法

在协同作业的工业环境中进行语音通信时,语音往往会淹没于工业噪声中,致使语音通信的有效性受到影响。针对这种工业噪声下的语音环境,提出了一种采用多麦克风的卡尔曼语音增强算法。该算法简化了状态空间模型(SSM)中的差分方程以降低复杂度,每个采样点实时得到去噪信号从而增强了实时性。另外,为了进一步简化复杂度,还利用最小二乘原则来对语音进行增强。实验中采用了公开数据库的语音信号和工厂噪声信号来模拟多麦下的带噪语音,将所提算法与传统算法进行了对比。实验结果表明,所提算法的输出语噪比(增强后的语音与残留噪声之比)优于传统算法约2 dB,而运行时间仅不到传统算法的2%,且延迟时间仅是毫秒级。