低信噪比下无线声传感网络采样率偏移估计方法

现有的采样率偏移(Sampling Rate Offset,SRO)估计算法在低信噪比条件下性能严重下降.为了解决这个问题,本文提出一种基于子带二次互相关函数的频率滑动窗二次互相关(Frequency Sliding Double-Cross Correlation Processing,FS-DXCP)算法.该方法使用频域滑动窗口构建无线节点观测信号间的子带二次互相关函数矩阵,进而利用奇异值分解来自适应地消除低信噪比频段对二次互相关函数估计的影响,最后搜寻二次互相关函数的极大值点获得SRO的估计.计算机仿真实验表明:在信噪比为-5 dB时,所提方法的采样率频偏平均估计误差为4.21百万分率(part per million,ppm),这比现有的DXCP-PHAT算法的估计误差降低了约8.17 ppm.所提算法有效提升了低信噪比条件下采样率频偏的估计精度.

分布式无线声传感网加权预测误差语声去混响方法

室内混响会严重降低语声质量,因此在室内语声通信中对混响的抑制显得尤为重要。针对无线声传感网,该文提出一种基于加权预测误差的分布式自适应去混响算法。通过调整传统递归最小二乘算法,所提出的分布式加权预测误差算法仅需利用一路相同的参考信号和其他节点的本地输出而非全部信号,便可实现最优输出,从而大幅度降低节点间传输的通道数与各节点内滤波器维度。在无线声传感网的仿真实验中表明,该分布式算法可在提供更快的收敛速度和更高的鲁棒性的同时,实现与集中式算法相当的去混响性能。

复高斯混合模型分布式语音分离方法研究

本文研究空域协方差矩阵初始化对复高斯混合模型下的分布式语音分离性能的影响。在不同节点的接收信号向量条件独立性假设前提下,推导出一种逐节点迭代更新所有接收信号向量对应的空域协方差矩阵和后验概率等参数的方法;基于此,本文提出用基于到达角度的导向矢量的相关矩阵初始化每个节点对应的空域协方差矩阵;同时,为保证不同节点能协同工作,提出了一个基于到达角度自聚类的方法,以实现在不同节点上选出同一个说话人的到达角度组合。实验结果表明,本文提出的分布式语音分离算法及其初始化方法在保证分离性能的同时,大幅度降低了集中式算法所需的计算复杂度,而且避免了排序问题。