盲源多通道辨识与等化用于基于卷积传递函数的去混响和降噪
摘要：语音去混响和降噪中的盲信道识别和多通道均衡问题研究 研究了语音去混响和降噪中的盲信道识别和多通道均衡问题。由于长脉冲响应具有近公共零点，在时域跨相关方法中不适用于盲房间冲激响应识别。将跨相关方法扩展到短时傅里叶变换（STFT）域，其中时间域冲激响应通过具有更少系数的卷积传递函数（CTF）近似表示。由于过采样的STFT产生的CTF会出现公共零点问题。我们提出利用过采样信号和关键采样的CTF来识别CTF，这是在信号频率混叠和CTF公共零点问题之间的一个很好的折衷方案。此外，还提出了对CTF进行归一化，以消除子带之间的增益歧义。在STFT域中，通过使用识别的CTF进行多通道均衡，利用了语音信号的稀疏性。我们提出通过最小化源信号的$ell\_1$-范数来进行逆滤波，同时通过放松$ell\_2$-范数适应误差来约束麦克风信号和估计源信号与CTF的卷积。该方法的优点是可以通过放松$ell\_2$-范数来减少噪声，并且可以自动设置容限，与噪声功率相对应。实验结果证实了该方法在高混响水平和强噪声条件下的效果。
作者：Xiaofei Li, Radu Horaud and Sharon Gannot
论文ID：1706.03652
分类：Sound
分类简称：cs.SD
提交时间：2018-10-15