抑制风噪声的频点离散值加权GCC-PHAT时延估计算法

摘 要：针对麦克风阵列使用GCC-PHAT算法估计信号到达时差对加性噪声敏感，以及基于信噪比估计的连续值加权GCC-PHAT算法无法消除环境中类似风噪声的变化噪声干扰的情况，提出了一种抑制风噪声的频点加权GCC-PHAT算法。通过分析已有算法的不足，新算法选择使用离散频点加权，并通过信号频点间相干性量化值和时域关联性计算权值，去除风噪声干扰频点；同时估计声源信号活跃度，调整算法运算量。实验表明，与已有的GCC-PHAT算法相比，新算法能有效消除风噪声对估计结果的干扰，同时降低运算负载。

TP391

A

10.16157/j.issn.0258-7998.173520

中文引用格式：乔健，王建明. 抑制风噪声的频点离散值加权GCC-PHAT时延估计算法[J].电子技术应用，2018，44(3)：72-76，80.

英文引用格式：Qiao Jian，Wang Jianming. GCC-PHAT time difference estimation algorithm based on binary frequency weight with suppressing wind noise[J]. Application of Electronic Technique，2018，44(3)：72-76，80.

0 引言

准确定位声源是移动设备进行听觉场景分析的首要步骤，其结果对后续混合声源分离、声源辨识、语音识别有直接影响。延时求和波束形成^[1]技术在进行声源定位时已被广泛使用，需要使用信号到达麦克风阵列中不同麦克风的时间差值(Time Difference Of Arrival，TDOA)。而相位变换广义互相关(Generalized Cross Correlation-Phase Transform，GCC-PHAT)算法具有很短的判决时延和较好的跟踪能力，适用于低混响环境，是常用的TDOA估计算法。

1 互相关算法估计信号时差

1.1 场景声学模型

设声源信号在存在加性噪声的混响环境中传播，由麦克风阵列接收。加性噪声由背景噪声和风噪声组成。风噪声是一种特殊的非平稳噪声，由麦克风薄膜表面湍流产生，导致接收信号产生严重畸变。背景噪声在声学环境中近似为远场声源产生的弥漫性噪声。声源信号与风噪声及背景噪声等加性噪声不相关。

设n为信号时域采样序号，m为阵列中麦克风编号，s(n)为声源信号，h_m(n)是声源到麦克风m之间的房间系统冲击响应序列，w_m(n)表示风噪声，b_m(n)为背景噪声信号。背景噪声不需要考虑混响，则麦克风m接收信号y_m(n)表示为：

1.2 频点加权GCC-PHAT算法

接收信号在整个时间域上非平稳。利用接收信号短时平稳特性，通过短时傅里叶变换，将分帧后信号变换到时频域分析^[5]。选择长度为N的海宁窗h(n)对接收信号分帧，减小信号帧间频率截断效应。设信号帧间步进长度为ΔN个采样间隔，则接收信号第l帧表示为y_m(lΔN+n)，其傅里叶变换结果为：

2 离散值频点加权GCC-PHAT算法

2.1 离散频点权值

VALIN J M等人提出的频点连续权值计算基于先验信噪比(Signal-to-Noise Ratio，SNR)估计。频点k对应的连续权值为：

式中，为MCRA算法所得噪声功率谱估计。

连续权值是关于信噪比的单调函数，值域为[0，1]，用soft mask表示，取值如图1所示。

风噪声由麦克风表面的湍流产生，不同麦克风间风噪声频点无相干性。但对于同一声源信号，阵列中麦克风的接收信号在各频点上都具有高相干性。引入相干谱值(Magnitude Squared Coherence，MSC)，对信号各频点间相干性大小进行量化：

式中，P_m1m2、P_m1m1、P_m2m2分别为麦克风m1、m2信号的互功率谱密度和自功率谱密度。

MSC值反映了不同信号在频点k上的相干程度。如图2所示，对于近场平稳声源的两路信号，在信号存在频率范围内，MSC值在1附近，而在风噪声存在的低频区域，MSC值始终分布在0附近。图3为包含风噪声的1帧信号MSC取值。在风噪声存在的低频范围，信号各频点处0≤MSC≤1，且包含噪声成分越多，MSC取值越小。风噪声频率范围外信号各频点MSC接近1。但背景噪声间也具有相干性^[7]，其MSC取值满足式(8)，其中d_m1m2为麦克风之间距离。因此使用相干差异消除风噪声干扰前需要预先消除背景噪声。

分析不同类型信号发现，只有无噪声干扰的近场平稳声源信号，各频点间MSC值始终接近1。其余信号频点MSC取值在[0，1]内。因此可以利用信号间频点的相干值检测噪声，并通过加权方式只保留信号中未受干扰频点。上述结论数学表达如式(9)所示，其中θ_wind为相干值阈值。

不同于连续频点权值计算基于单路信号，新权值计算同时基于2路信号，则式(3)可以表示为：

2.2 预增强信号

由于噪声先验概率比为单调函数，根据Bayes最小风险代价判决准则，MCRA算法使用信号功率谱与其局部最小值的比值S_r(l，k)与固定阈值δ比较，判决频点是否包含信号分量，计算信号存在概率。但是固定阈值δ仅适用于平稳噪声情况，对包含非平稳噪声情况判决不敏感。根据信号频率分布特性：风噪声分布在中低频率区域，中高频部分为包含背景噪声的声源信号，新算法选择如下分段阈值δ(k)：

2.3 算法运算负载分析

移动设备计算资源有限，对算法实时性也有要求，故必须考虑算法运算量。对于包含M个麦克风的阵列，使用频点加权GCC-PHAT算法估计TDOA，信号每帧均需要执行M次FFT和M(M-1)/2次IFFT操作。为简化分析，假设傅里叶正、逆变换运算量相同，则M个麦克风的阵列估计TDOA运算量记为(M²+M)/2次运算，复杂度为O(M²)，故随着阵列中麦克风个数增加，算法运算量快速上升。

3 实验结果分析与对比

3.1 实验参数

本部分将在不同测试条件下比较不同频点加权GCC-PHAT算法性能。表1给出算法对应参数。为确保时频变换后获取接收信号全部频率成分，设置f_s为48 000 Hz；接收信号每帧包含的采样点数N对应信号时长在20 ms~30 ms，窗序列设置为相同长度；为保持平稳信号帧间的连续性，设帧步进ΔN=N/2，即帧间50%重叠；c为20 ℃、101.1 kPa条件下声速；ε是接近0的小数，避免实际应用中式(11)结果溢出；判决阈值θ_wind、θ_D、θ_min取值依据多次实验结果确定。根据表1中参数，算法引入延迟Δl·ΔN/f_s=32 ms。在人机语音交互中，这种量级的时间延迟可以忽略。

基于IMAGE方法^[9]，计算尺寸为10 m×8 m×3.5 m的混响房间模型的冲激响应序列。选择一段7 s的语音作为目标声源信号，卷积冲激序列模拟信号的混响效果。目前没有语料库提供相应的风噪声信号，需要通过实验采集。信号采集使用一对匹配全指向拜亚动力MM1麦克风，模拟气流由空气压缩机产生。以房间一角作为坐标原点建立直角坐标系，声源及麦克风位置见表2。i、j、k为x、y、z轴单位向量。

3.2 算法性能指标

3.3 结果分析

图7为上述实验条件中使用不同权值的GCC-PHAT算法估计TDOA结果统计。实验结果表明，不加权和使用连续权值的GCC-PHAT算法估计值统计峰值均在τ_c(Delay=-3)处，对应位置声源为麦克风表面湍流。只有使用wind mask权值加权的GCC-PHAT算法估计结果集中分布在τ_t(Delay=-18)附近，对应位置为目标声源，满足应用要求。

4 结论

参考文献

[1] BADALI A，VALIN J M，MICHAUD F，et al.Evaluating real-time audio localization algorithms for artificial audition in robotics[C].IEEE/RSJ International Conference on Intelligent Robots and Systems，2009，IROS 2009，IEEE，2009：2033-2038.

[2] VALIN J M，MICHAUD F，ROUAT J.Robust localization and tracking of simultaneous moving sound sources using beamforming and particle filtering[J].Robotics and Autonomous Systems，2007，55(3)：216-228.

[3] COHEN I，BERDUGO B.Noise estimation by minima controlled recursive averaging for robust speech enhancement[J].IEEE Signal Processing Letters，2002，9(1)：12-15.

[4] 夏丙寅，鲍长春.适应噪声强度突变的噪声估计加速方法[J].信号处理，2013，29(10)：1336-1345.

[5] 宋知用.MATLAB在语音信号分析与合成中的应用[M].北京：北京航空航天大学出版社，2013.

[6] NELKE C M，VARY P.Measurement, analysis and simulation of wind noise signals for mobile communication devices[C].2014 14th International Workshop on Acoustic Signal Enhancement(IWAENC)，IEEE，2014：327-331.

[7] NELKE C M，VARY P.Dual microphone wind noise reduction by exploiting the complex coherence[C].Proceedings of Speech Communication，11.ITG Symposium，VDE，2014：1-4.

[8] LOIZOU P C.语音增强-理论与实践[M].高毅，肖莉，邓方，译.成都：电子科技大学出版社，2012.

[9] 武晓光，郭天文.基于房间冲激响应的声学模型的建立和仿真[J].微电子学与计算机，2014(4)：56-59.

乔 健，王建明

(南京工业大学 计算机科学与技术学院，江苏 南京211816)