基于FDM算法的雙麥克風系統分析

范鳶春

【摘要】 在語音通信中，語音信號會不可避免地受到噪聲的干擾，強背景噪聲甚至會嚴重影響語音信號的質量。因此，在語音通信中必須采取先進的信號處理技術抵消背景噪聲、提高語音質量。本文提出一種基于FDM結合時域LMS的算法，并將此算法和傳統的ANC算法進行比較，分析了在不同背景噪聲下的性能，改進了雙麥克風系統性能。

【關鍵詞】 雙麥克風 ANC算法 FDM算法 系統仿真

Analysis of FDM Based Dual-Microphone System

Fan Yuanchun（Marvell Technology Hefei Branch， Anhui Hefei 230001， China）

Abstract In the voice communication， the voice signal could be inevitably affected by noise； strong background noise could even badly decrease the voice quality. So advanced signal processing should be used to cancel the background noise and improve the voice quality. This paper introduces a new approach which use FDM algorithm， compares with legacy ANC algorithm， analyzes the performance in different background noise， and improve the dual-microphone performance.

Keywords dual-microphone， ANC algorithm， FDM algorithm， system simulation

一、引言

任何系統都不可避免地受到噪聲的影響，如何有效地消除和抑制噪聲是多年來熱門的研究課題之一。噪聲抑制方法可以分為兩大類：被動噪聲抑制和主動噪聲抑制。隨著控制系統理論和數字信號處理技術的發展，主動噪聲抑制技術開始以自適應為主要研究方向。自適應噪聲抵消（Adaptive Noise Cancellation，ANC）技術是基于自適應濾波原理的一種擴展，它能從被噪聲干擾的環境中檢測和提取有用信號，抑制或衰減噪聲干擾，從而提高信號傳遞和接收的質量。

雙麥克風系統是消除語音通信中噪聲干擾的有效方法，其原理是一個輔助麥克風用于拾取背景噪聲，在主麥克風信號中減去噪聲干擾，盡可能從帶噪語音信號中提取純凈的原始語音。

二、系統框圖

圖1為傳統的ANC系統框圖， 它只有一個濾波器， 以輔麥克風輸入為參考信號，以主麥克風信號為期望信號。

這里筆者提出一種FDM（Finite Difference Method，有限差分）結合時域LMS（Least Mean Square，最小均方）的算法，簡稱為FDM方法。其基本原理描述如下：

采用FDM算法的系統如圖2所示，這里a和delay2理論上的值等于模型中的信號衰減和延時。實際使用時，這兩個值都可以通過預先校正的方法得到。由于存在校正誤差和分數采樣率延時情況，其實際值會與理論值有所偏差。對于幅度a，一般校正結果比較準確。而對于延時，由于在數字域內存在分數采樣率延時的問題，例如理論的信號延時為2.5個采樣率延時時， 模型中的delay1應向上取整選為3個采樣率延時。

圖2中的H（z）自適應濾波器的參考信號是FDM后的信號，期望信號為主麥克信號，在在噪聲段進行LMS系數計算和更新。

三、仿真分析

由前面的分析可知，理想情況下，經典的ANC當中的H（z）=H1（z）/H2（z）時，噪聲完全消除。FDM中由于添加了調制部分，理想的H（z）=H1（z）/（H2（z）-aH1（z））。下面將對不同的信噪比，對比ANC和FDM兩種方法的結果差異。

添加pink噪聲，不同信噪比下的含噪語音如圖3示。

3.1 ANC處理結果（圖4）

3.2 FDM處理結果（圖5）

從上面ANC和FDM結果對比看出，對不同的信噪比，采用FDM比ANC的噪聲壓制效果要好。另外在存在混響時，不論是ANC還是FDM，在低信噪比時都能部分恢復信號，但結果比不存在混響的時候差，高信噪比時結果理想。同時可以看出，用FDM時，在高頻部分的信號譜圖比ANC要好。

四、 結論

本文分析了傳統ANC系統結構，提出了一種FDM結合時域LMS的算法。通過系統仿真，比較了在不同信噪比下ANC 和FDM的仿真結果，分析結果表明FDM結果較優。

參 考 文 獻

[1] J.S. Lim and A.V. Oppenheim. Enhancement and bandwidth compression of noisy speech. Proceedings of IEEE， 1979， 67（12）：1586-1604

[2] S.Haykin， Adaptive Filter Theory， Fourth Edition. Beijing Publishing House of Electronic Industry， 2002

[3] Butterweck H J. Steady-state analysis of the long LMS adaptive filter [J]. Signal Processing， 2011， 91（4）：690-701

[4] Bryan Davis. Adaptive Noise Cancellation Using LMS and Optimal Filtering. University of Florida. 2003， 9（13）：23～30