強環(huán)境噪聲下船用耳罩語音增強仿真與驗證

楊理華，張翔鵬，劉麗濱，艾夏禹，楊軍

(1.海軍潛艇學院，山東 青島 266199；2.中國科學院噪聲與振動實驗室(聲學研究所)，北京 100190；3.中國科學院大學，北京 100049)

隨著經濟不斷發(fā)展，船舶貨運已成為遠洋貨源主要運輸方式，這些大型船舶動力裝置多為汽輪機或者柴油機，其工作噪聲較大[1]，嚴重影響船舶艙室通訊系統(tǒng)通信效率，嚴重影響船員生活和工作質量[2-3]。為分析艙室噪聲對船員溝通影響，有學者進行了相關研究[4-6]。此外，在飛機、艦艇等領域，噪聲對人員語音溝通效果等方面也有嚴重影響[7]。

針對上述強環(huán)境噪聲條件下語音通信問題，諸多學者開展語音增強研究[8-10]。本文以某船語音通信系統(tǒng)為例，針對其在動力設備艙室工作條件下，耳罩麥克風語音通信或傳送指令受到強環(huán)境噪聲干擾的實際問題，構建語音通訊系統(tǒng)物理架構和通信耳罩模型，并結合實際提出一種聯(lián)級型語音增強算法，分析步長因子和濾波階數(shù)等參數(shù)對系統(tǒng)影響，最終搭建試驗平臺并對所提算法進行實驗驗證。

1 某船用語音通信耳罩建模

某型船體結構見圖1，主要有指揮艙室、居住艙室、甲板和輪機艙室等區(qū)域。在指揮艙室和輪機艙室分別由船員通過語音通信系統(tǒng)，進行溝通交流或指令信息傳遞。當發(fā)動機及變速箱工作條件下，指揮艙室船員向輪機艙室傳遞指令，下達輪機工況轉換信息。輪機艙室船員收到指令信息后，在轉換工況前后都要向指揮艙室請求和反饋輪機運行情況。此時，輪機工作就會產生強烈的環(huán)境噪聲，嚴重影響輪機艙室船員用麥克風傳送回令信息質量，甚至導致無法有效溝通。

圖1 某型船體內部結構示意

在圖1所示船舶中，其通信系統(tǒng)中耳罩結構見圖2。主要部件包括耳弓、耳罩、揚聲器、音頻線等結構部件，麥克風主要采集船員指令語音信息，但同時也會采集到輪機艙室動力裝置噪聲，進而降低有效語音信號信噪比，影響語音通信系統(tǒng)通話質量。揚聲器部分左、右聲道，左耳和右耳為并聯(lián)關系，所有音頻線(或航空插頭)包括GND(地線)、麥克風、揚聲器。為應用語音增強技術解決該問題，需要對該耳罩結構進行改進，在左、右耳罩處分別放置傳聲器，并在耳罩外殼上開透聲小孔，采集不同方位環(huán)境噪聲，有利于實現(xiàn)語音增強技術實驗驗證，改進后通信耳罩音頻線(或航空插頭)包括GND(地線)、麥克風、揚聲器、左傳聲器、右傳聲器，其結構見圖3。

圖2 某船語音通信系統(tǒng)耳罩結構

圖3 某船語音通信系統(tǒng)耳罩改進型結構

2 聯(lián)級型語音增強算法分析

在復雜背景條件下，通過信號增強算法提升語音信號信噪比，降低背景噪聲污染，讓船員所接收更為純凈的語音信號。語音增強結構見圖4。通過自適應算法濾除環(huán)境噪聲，可獲得純凈語音信號，當系統(tǒng)最優(yōu)時e(n)將無限趨近于s(n)。

圖4 語音信號增強結構

在圖4中，自適應算法通過調整權值，實現(xiàn)噪聲信號x(n)最小均方誤差要求。其中，x(n)、d(n)和e(n)分別為參考信號、期望信號和誤差信號，均為離散時間序列。若濾波器長度為L，則n時刻輸出可表示為

(1)

定義參考信號矢量和濾波器權系數(shù)矢量為

W=[w1,w2,…,wL]T

(2)

X(n)=[x(n),x(n-1),…,x(n-L+1)]T

(3)

則式(1)可以表示為

y(n)=XT(n)W=WTX(n)

(4)

第n時刻的誤差信號為

e(n)=d(n)-y(n)=d(n)-WTX(n)

(5)

假設參考信號和期望信號均為平穩(wěn)各態(tài)遍歷過程，則均方誤差為

J(n)=E(e2(n))=E(d2(n))-2PTW+WTRW

(6)

式中：P和R分別為互相關矩陣和自相關矩陣。

P=E(d(n)X(n))

(7)

R=E(X(n)XT(n))

(8)

對均方誤差求導可得到梯度矢量為

(9)

令▽(n)=0可獲得最佳權矢量，可表示為

W0=R-1P

(10)

該解一般稱為維納解，是基于梯度算法的最優(yōu)解。此時，可得到最小均方誤差為

(11)

上述過程計算最優(yōu)權值系數(shù)W0時，需要計算自相關矩陣R和互相關矩陣P。若濾波器階數(shù)較高時運算量較大，這兩個矩陣很難直接獲取，一般用最陡下降法通過迭代方式獲得。最陡下降法核心是在每個時刻迭代調整濾波器權值向量，即每次通過權值修正項來更新濾波器權值，從而接近最優(yōu)解維納值。修正方向指向代價函數(shù)最陡下降方向，其值為最優(yōu)的更新值，從而使其以最快速度逼近最優(yōu)解，該方法可以避免復雜的逆矩陣運算，通過迭代來求維納解，依據最陡下降法可設權值迭代形式為

(12)

式中：迭代步長μ對算法收斂速度及穩(wěn)定性有直接影響；W(n)為n時刻濾波器抽頭系數(shù)；wε(n)為第n次迭代梯度矢量，對于給定初始抽頭系數(shù)W(0)，選擇適當μ值沿最陡下降方向讓W(n+1)無限逼近維納解。實際上，最陡下降法需精確知道每個方向上梯度向量，但誤差和輸入期望未知，故最陡下降法不能直接使用。自適應算法可在最陡下降法基礎上解決該問題，也可視為最陡下降法特例。其中，wε(n)可表達為

(13)

為減少迭代計算量，可以取瞬時值|e(n)|2作為均方誤差E{|e(n)|2}的瞬態(tài)估計值，若用瞬時值|e(n)|2替換式(13)中期望項E[e2(n)]可得：

w|e(n)|2=-2e(n)X(n)

(14)

W(n+1)=W(n)+μe(n)X(n)

(15)

由以上分析可知，最小均方算法流程為

1)初始濾波器權值系數(shù)：W=[00…0]T。

2)更新時間序列：n=1,2,…迭代計算濾波器權值系數(shù)。

3)更新濾波器輸出y(n)，計算輸出誤差e(n)。

在實際應用中，圖1所示為單麥克風語音增強，但在這種環(huán)境下若使用者所帶耳罩移動位置和方向，參考信號x(n)將隨之發(fā)生變化，進而影響控制效果。為提升該使用場景語音增強效果，可在使用者左右耳罩外殼處各放置一個傳聲器，用于同步采集環(huán)境噪聲，可在圖4所示基礎上增加一級語音增強，進一步提升語音增強效果，其結構框圖見圖5。其中，s(n)仍為有效語音信號，x1(n)或x2(n)為耳罩左聲道或右聲道處所采環(huán)境噪聲(仍為參考信號)，x1(n)與x2(n)之間有較強的相關性，d(n)為含噪聲語音信號(也稱為期望信號)，e1(n)、e2(n)分別為一級和二級殘差信號，通過兩級增強算法可有效獲得純凈語音信號。此外，該算法涉及兩個橫向FIR濾波器和自適應最小均方算法，所用算法原理相同，本節(jié)不再詳細推導。

圖5 聯(lián)級型語音增強原理

3 語音增強仿真研究

根據圖5所示信號增強原理，取純凈語音信號、粉色環(huán)境噪聲信號對所述算法進行驗證，粉色噪聲由白噪聲低通濾波所得，用于模擬船用機械設備噪聲場景。其中，兩級自適應算法采用歸一化LMS算法、兩級濾波器階數(shù)一致，仿真時間為20 s，采樣頻率8 kHz。為分析不同條件下相關參數(shù)對語音增強的影響，濾波器分別采用40階和128階FIR濾波器，步長因子分別取0.002和0.04。

3.1 語音信號、環(huán)境噪聲及混合信號

語音信號、環(huán)境噪聲信號及疊加信號時域信圖和頻域圖，分別見圖6～9。

圖6 純凈語音信號

圖7 純凈語音信號語譜圖

圖8 粉色噪聲疊加語音信號

圖9 粉色噪聲語音信號語譜圖

由圖6、7可知，純凈語音信號在發(fā)音時信噪比較大，在頻譜上呈現(xiàn)寬譜特征，且0.5～1.0 kHz之間能量較為集中。由圖8、9可知，純凈語音信號和粉色噪聲混疊后，其時域信號中有效語音幾乎湮沒在粉色噪聲之中，而在頻譜上粉色噪聲能量主要集中在1 kHz之內頻段上，對麥克風采集的語音信號形成嚴重干擾。在該條件下，人耳很難分辨出真實語音信息。

3.2 步長因子變化分析

在加性粉色噪聲干擾下，取濾波器均為40階，步長因子分別為0.002和0.04，仿真時間為20 s，采樣頻率8 kHz，觀察步長因子對語音增強效果影響，具體見圖10～13。

圖10 語音增強后語音信號(步長因子0.002)

圖11 語音增強后語音信號語譜圖(步長因子0.002)

圖12 語音增強后語音信號(步長因子0.04)

圖13 語音增強后語音信號語譜圖(步長因子0.04)

由圖10、12可知，隨著步長因子增大語音增強收斂時間明顯縮短，在步長因子為0.002時，語音信號約在5 s后才得到有效還原，而步長因子為0.04時，語音信號約在0.5 s即可得到有效還原，語音增強速度得到顯著提升。由圖11、13語譜可知，步長因子0.002時，在1 kHz內存在顯著“拖尾”效應，也在約5 s后才得到抑制和衰減。步長因子0.04時，幾乎不存在這一問題，這說明該參數(shù)條件下語音增強取得了良好效果。因此，在一定條件下，語音增強速度和效果隨著步長因子增大而提升，但是步長因子太大將導致系統(tǒng)發(fā)散。

3.3 濾波器階數(shù)變化分析

在粉色加性噪聲干擾下，取步長因子為0.002，濾波器分別為40階和128階，仿真時間為20 s，采樣頻率8 kHz，觀察濾波器階數(shù)對語音增強效果影響，具體見圖14～17。

圖14 語音增強后語音信號(濾波器40階)

圖15 語音增強后語音信號語譜圖(濾波器40階)

圖16 語音增強后語音信號(濾波器128階)

圖17 語音增強后語音信號語譜圖(濾波器128階)

由圖14、16可知，隨著濾波器階數(shù)增大語音增強收斂速度明顯降低，濾波器為128階時，系統(tǒng)約在15 s后才有效還原原始信號。而濾波器為40階時，語音信號約在6 s即可得到還原，語音增強速度得到顯著提升。由圖15、17所示語譜圖來看，無論濾波器為40階或128階，在1 kHz內語音信號均存在明顯“拖尾”效應，但濾波器階數(shù)越大該效應越明顯，對系統(tǒng)控制效果不利影響也越大。因此，語音增強速度和效果隨濾波器階數(shù)增大而降低，這主要是濾波器階數(shù)越大計算與迭代時間越長，控制效果也相對越弱，實際應用過程中需要依據硬件控制器算力、采樣率、存儲空間等因素綜合選擇。

3.4 固定系數(shù)和濾波器階數(shù)分析

綜上可知，取步長因子為0.04，自適應濾波器為40階，仿真時間為20 s，并在10 s時開啟語音增強，采樣頻率8 kHz，觀察語音信號增強效果，具體見圖18～19。

圖18 語音增強信號時域變化

圖19 語音增強信噪比變化

由圖18可知，在步長因子為0.04，自適應濾波器為40階時，t=10 s時刻之前，語音信號幾乎完全湮沒在粉色環(huán)境噪聲之中，而在開啟語音增強后獲得了較為純凈的語音信號。由圖19可知，系統(tǒng)信噪比得到明顯增強，約提升30 dB，這說明音增強能獲取更為純凈的語音信號，這為船用通訊耳罩改進提供了理論基礎。實際應用中，除步長因子、濾波器階數(shù)、控制器算力、存儲空間等因素外，使用者嘴部麥克風所采語音信號及兩個參考噪聲信號強度，也將影響語音增強效果。

4 語音增強試驗

為驗證所提語音增強算法，搭建噪聲控制驗證平臺，開展強噪聲條件下信號增強驗證工作。設備包括有源音響、控制器、麥克風增強耳罩、測試人工頭、信號調理及測試系統(tǒng)。

根據圖5所示語音增強框架，參考語音增強仿真效果，取步長因子為0.02、濾波器階數(shù)為1 024，采樣頻率為10 kHz。以某船艙室噪聲為激勵，由控制電腦播放，并在測試電腦上啟動測試系統(tǒng)采集信息(記t=0時刻)，t=10 s由人工頭播放語音信息(麥克風采含噪語音)，30 s開啟語音增強，50 s采樣結束，試驗效果見圖20、21。

圖20 語音增強過程時域圖

圖21 語音增強過程頻譜圖

圖20為某船艙室噪聲經船用通信耳罩結構傳遞后，人工頭左耳內部數(shù)據采集麥克風處噪聲。在t=0 s時開始記錄環(huán)境噪聲信號，在t=10 s時記錄環(huán)境噪聲和語音混合信號，由圖20可知混合后語音信號幾乎完全湮沒在環(huán)境噪聲中。在t=30 s開啟語音信號增強，所選參數(shù)可迅速實現(xiàn)強環(huán)境噪聲下語音信號增強，具體見圖21，t=30 s時刻開啟語音增強后，時域環(huán)境噪聲迅速得到抑制和衰減，環(huán)境噪聲中線譜信號(500～1 500 Hz)幾乎完全被消除，語音信號信噪比得到有效增強。此外，含噪語音信號頻譜特征呈現(xiàn)明顯線譜特征，說明語音信號受環(huán)境噪聲干擾十分嚴重，而在開啟語音增強后，穩(wěn)定語音信號頻譜變化較為平緩，其中線譜成分影響明顯受到抑制。因此，本文所提麥克風語音信號增強算法具有良好語音增強效果，可為工程樣機研制提供技術參考和借鑒。

5 結論

1)強環(huán)境噪聲對麥克風語音通訊效果影響較大，嚴重降低有效語音信號信噪比，影響系統(tǒng)語音通訊質量，甚至無法有效通信。

2)通過聯(lián)級型語音信號增強，可以有效降低強環(huán)境噪聲對語音信號干擾，但步長因子和濾波器階數(shù)等參數(shù)選取要結合實際，才能有效發(fā)揮控制器算力并獲得最優(yōu)控制效果。

3)以某船艙室環(huán)境噪聲為背景，實驗表明語音增強能夠有效抑制環(huán)境噪聲，特別是對中低頻線譜噪聲衰減效果較好，能顯著解決語音信號湮滅在環(huán)境中的困境，提升語音通訊質量和效果，可為后期船用通訊系統(tǒng)耳罩改進提供技術依據。