Курсовая работа (т): Фильтрация речевых сигналов в условиях воздействия акустических шумов

Фильтрация речевых сигналов в условиях воздействия акустических шумов

Введение

Окружающий акустический шум является мощным мешающим фактором, снижающим качество работы систем цифровой речевой связи. При этом падает как разборчивость речи, так и ее качество, выражаемое в терминах естественности звучания, узнаваемости голоса и т.д. Помимо эффекта маскирования речи шумом, одной из основных причин такого снижения является сильный рост искажений при прохождении зашумленной речью преобразования в устройстве низкоскоростной компрессии речи (вокодере). В частности, для низкоскоростных (0.6-4 кбит/с) параметрических вокодеров, снижение качества становится заметным для отношений сигнал/шум (ОСШ) на входе менее +15…+20 дБ, вследствие возрастания числа ошибок в оценке параметров модели синтеза речевого сигнала на основе анализа текущей речи. Нижний предел для ОСШ, при котором речь становиться неразборчивой, лежит около 0…+3 дБ, в зависимости от типа вокодера, вида шума и способа измерения ОСШ.

Так как частотные спектры акустического шума и речи перекрываются, набор линейных методов фильтрации, приводящих к повышению ОСШ для речи на входе вокодера, ограничен. К ним можно отнести пространственную фильтрацию с помощью направленных микрофонных систем и предварительную частотную фильтрацию входного сигнала, формирующую АЧХ для узкополосных (0.3-3.4 кГц) систем связи. Первые методы имеют самостоятельное значение, они лишь отодвигают наступление порога понижения ОСШ на входе вокодера в конкретной ситуации, но на сам порог не влияют. Вторые методы не эффективны, так как имеют постоянные среднестатистические параметры фильтрации, не учитывающие динамики спектральных характеристик конкретных шумовых и речевых сигналов.

В условиях квазистационарных аддитивных статистически независимых от речи акустических шумов для улучшения ОСШ речевых сигналов широко применяются шумопонижающие устройства (ШПУ), построенные на основе нелинейных адаптивных алгоритмов очистки речи от шумов. Чаще всего они строятся с использованием различных кратковременных преобразований сигнала, оценки компонент шума и речи в преобразованной области, подавления компонент шума с последующим обратным преобразованием очищенного сигнала во временную область. Обработка ведется по кадрам длительностью 10-30 мс. Используются следующие преобразования: дискретное преобразование Фурье (ДПФ), дискретное косинусное преобразование, вейвлет-преобразование, преобразование Карунена-Лоева и др.

Наиболее распространены алгоритмы на основе ДПФ с обработкой кратковременного спектра амплитуд сигнала в частотной области следующими методами: спектрального вычитания; Винеровской фильтрации; статистических оценок амплитуд речевого сигнала по критерию максимального правдоподобия или минимума среднеквадратической ошибки. В настоящее время, наиболее развит метод статистических оценок значений логарифма спектра амплитуд речевого сигнала по критерию минимума среднеквадратической ошибки (MMSE-LSA), дополненный статистической оценкой вероятности присутствия речи в шуме.

Считается, что для людей с нормальным слухом адаптивные алгоритмы очистки речи от шумов на основе методов спектрального вычитания увеличивают субъективное качество очищенной речи, повышают ее ОСШ, снижают утомляемость при длительном прослушивании, но не способны повысить ее разборчивость по сравнению с разборчивостью исходной речи в шумах.

1.      Общие сведения о шумах и адаптивной фильтрации речевого сигнала

Регистрация, анализ и обработка аудиоинформации являются одним из важнейших факторов при проведении мероприятий по организации информационной безопасности. При этом зачастую возникает необходимость обработки аудиосигнала с целью повышения его качества и разборчивости. При проведении слухового контроля или получении магнитофонных записей речевого сигнала в реальных условиях на этот сигнал воздействуют различные помехи, которые снижают качество полезного (речевого) сигнала, в том числе и его разборчивость, вплоть до срыва связи. Задача снижения уровня помех с целью восстановления смысла сообщения для ряда практических ситуаций крайне актуальна.

Воздействие помех на полезный сигнал упрощенно может быть представлено на следующих моделях. На рис. 1.1 представлена модель воздействия аддитивных шумов на речевой сигнал, т.е. шум складывается с полезным сигналом. Эта модель соответствует ситуации, когда запись производится на открытом пространстве и в качестве помех могут быть шум ветра, уличные и строительные шумы и т.д.

На рис. 1.2 представлена модель воздействия аддитивных и мультипликативных помех. В этом случае до поступления в приемник (ухо человека) информации аддитивная смесь (речевой сигнал плюс акустический шум) проходит по тракту передачи, имеющему частотнозависимую передаточную характеристику. Таким образом, аддитивная смесь претерпевает дополнительные мультипликативные искажения: смесь домножается на резонансы передаточной характеристики тракта (сворачивается с импульсной характеристикой тракта «Н»). Эта модель соответствует записи сигнала в помещении или передаче сигналов по радио и телефонным трактам.

Задача устранения или снижения уровня аддитивных и мультипликативных помех осложняется вариативностью характеристик акустических помех (шумы ветра, листвы, проходящего мимо транспорта, музыки и т.п.) и трактов передачи (говорящий человек ходит по комнате, поворачивает голову и т.д.). Таким образом, для эффективного устранения искажений речевого сигнала необходимо, чтобы устройство, выполняющее эту функцию, постоянно отслеживало изменения характеристик помех во времени и постоянно корректировало свою импульсную характеристику в соответствии с этими изменениями. Такими возможностями обладают устройства, использующие адаптивную фильтрацию с целью выделения помехи, точнее ее оценки, с последующей ее компенсацией в смеси полезного сигнала и помехи.

Искаженный сигнал может быть представлен в виде одноканального сигнала, т.е. в виде смеси полезного сигнала и помехи (зашумленный речевой сигнал - ЗРС), или в виде двухканального сигнала, когда помимо основного канала - ЗРС, присутствует и опорный канал, сигнал в котором максимально близок к помехе, присутствующей в ЗРС.

По виду представления входного сигнала различают одноканальные и двухканальные устройства адаптивной фильтрации. Упрощенные блок-схемы одно- и двухканальных устройств представлены на рис. 1.3 и 1.4, соответственно, где представлены адаптивный фильтр, или процессор, состоящий из двух блоков: трансверсального фильтра (для вычисления оценки шума ) и процессора КЛП (для вычисления импульсной характеристики фильтра или вектора коэффициентов линейного предсказания ) и отдельного сумматора для вычисления результата компенсации .

В процессоре КЛП значения  вычисляются таким образом, чтобы предсказанное на момент времени  значение  компенсировало шумовую составляющую  с минимальным остатком. Значения ,  и  вычисляются на каждом периоде дискретизации. Настройка на полную компенсацию шумовой составляющей осуществляется не мгновенно, а за определенное время (время адаптации), которое регулируется с помощью коэффициента адаптации .

Рис. 1.3

При наличии только одноканального сигнала компенсация производится по схеме на рис. 1.3. В этом случае опорный сигнал формируется из ЗРС. По этой схеме могут быть уменьшены аддитивные шумы, имеющие периодические составляющие (например, шумы различных моторов, двигателей, музыки и т.п.), а также может быть уменьшено влияние мультипликативных помех, в том числе и реверберационных искажений.

Для осуществления компенсации шума в двухканальном сигнале используется схема адаптивной фильтрации, представленная на рис. 1.4, где по основному каналу поступает ЗРС, а по опорному - только шум , коррелированный с шумом  в ЗРС. Регулируемая задержка предназначена для компенсации акустической задержки сигнала, возникающей в одном из каналов (на рис. 1.4 показана компенсация задержки в основном канале). При наличии соответствующего сигнала в опорном канале по этой схеме можно с той или иной эффективностью скомпенсировать практически любые аддитивные шумы.

Рис. 1.4

В обоих вариантах представления входного сигнала адаптивная фильтрация осуществляется по одной и той же процедуре. В цифровом адаптивном фильтре на каждом периоде дискретизации производится вычисление  проекций  вектора  и вычисление свертки  с входным сигналом. В результате этого на -ый момент времени для исходного сигнала  определяется значение выходного сигнала , где скомпенсирована помеховая составляющая.

Подстройка (адаптация к внешним условиям) вектора  осуществляется на принципах оптимизации по критерию минимума среднего значения модуля выходного сигнала. При получении вычислительного алгоритма адаптации используется математический аппарат оптимальной фильтрации. Сходимость алгоритма осуществляется по методу наискорейшего спуска, причем, для упрощения вычислений используется стохастическая аппроксимация градиента по Уидроу-Хопфу.

В одноканальном варианте для обработки ЗРС используется алгоритм адаптивной dеcоnvоlution («развертки»), а в двухканальном - адаптивной компенсации. Принципиальное отличие вариантов обработки заключается в формировании входных сигналов, которые используются в последующей вычислительной процедуре. В одноканальном варианте оба входных сигнала (основной и опорный) формируются из одного входного сигнала, при этом исходный входной сигнал является основным, а опорный формируется из исходного с помощью единичной задержки. В двухканальном варианте основной и опорный сигналы реально существуют и непосредственно используются в последующей вычислительной процедуре.

Следует отметить некоторые моменты, полезные для практической работы с одноканальным сигналом. В пределе, адаптация  происходит до полной декорреляции входного сигнала, т.е. до получения на выходе «белого» шума. При этом не имеет значения за счет каких помех спектральная огибающая входного сигнала имеет неравномерности: за счет аддитивных помех с «окрашенным» спектром или за счет свертки с резонансами тракта передачи. Это касается и самого речевого сигнала, который является продуктом свертки голосового и шумового источников возбуждения с импульсной характеристикой артикуляторного тракта, т.е. при неудачном выборе скорости адаптации, которая регулируется с помощью коэффициента адаптации m, можно не только скомпенсировать помеху, но и значительно исказить речевой сигнал.

2.      Цифровые методы фильтрации речевых сигналов

Речевые сигналы, с которыми приходится иметь дело на практике, всегда в той или иной степени зашумлены. В тех случаях, когда шум имеет значительную интенсивность, его наличие может существенно исказить результаты обработки, анализа или распознавания речи. В целом ряде других случаев, например, при анализе зашумленных записей в криминалистических целях или восстановлении аудиозаписей в архивах, задача очистки сигнала от шума носит самостоятельный характер и является единственной целью работы. Поэтому разработка методов очистки сигнала от шума является весьма актуальным направлением исследований. К настоящему времени разработано очень большое количество различных методов цифровой обработки зашумленных речевых сигналов.

Основным типом шумов, для представленных методов, является аддитивный шум.

В целях упорядочения рассмотрения методов очистки сигнала от шума целесообразно произвести их классификацию. Основным признаком, по которому будут классифицироваться алгоритмы, является характер или тип тех закономерностей, которые служат основой для выделения речевого сигнала из смеси с шумом. В качестве вспомогательного признака будет использоваться классификация по типу того математического или алгоритмического аппарата, который использован для фильтрации. Подобная классификация, конечно, весьма условна, так как многие из рассматриваемых методов нельзя безоговорочно отнести к какой-либо одной категории. Как правило, одни и те же методы используют одновременно различные принципы, и в этом случае можно говорить лишь о преимущественном влиянии какой-либо концепции.

С учетом сделанного замечания можно выделить следующие группы методов цифровой обработки зашумленных речевых сигналов:

- методы адаптивной компенсации помех;

-       методы, основанные на использовании математических моделей речевых сигналов во временной области (например, авторегресионная модель речевого сигнала и рекуррентные алгоритмы оценки параметров и речевого сигнала);

-       методы, основанные на использовании математических моделей речевых сигналов в частотной области (оценивание минимальной среднеквадратической ошибки, марковские модели сигнала и шума);

-       методы, основанные на использовании спектральных характеристик шума (вычитание амплитудных спектров, Винеровская фильтрация);

-       методы, основанные на использовании моделей искусственных нейронных сетей;

-       методы, основанные на моделях восприятия речи человеком.

Адаптивные компенсаторы помех

Этот класс методов цифровой обработки зашумленных сигналов основан на использовании, помимо собственно зашумленного сигнала, который подлежит очистке, также одного или нескольких опорных сигналов - сигналов, которые коррелированны с шумовым сигналом и некоррелированные (или слабо коррелированные) с полезным сигналом, подлежащим выделению. С помощью опорных сигналов формируется сигнал, который является оценкой помехи. Этот сигнал затем вычитается из зашумленного сигнала и результат этой операции рассматривается как оценка не зашумленного сигнала.