下载文档原格式
龙源期刊网
基于麦克风阵列的声源定位系统
作者：陶巍刘建平张一闻
来源：《计算机应用》2012年第05期
摘要:推导出声音传播的近场模型，采用相位变换(Phase Transform,PHAT)作为加权函数的广义互相关算法（Generalized Cross Correlation,GCC）完成时延差估计，再采用基于数据关联的时延选择算法选择时延，最后使用到达时延差的算法估计声源方位，并在算法模型的基础上搭建了基于数字信号处理器（DSP）的声源定位硬件系统开发平台。
实验结果表明，在声音传播的近场模型下该系统角度估计误差不大于3°。
关键词：麦克风阵列；数据关联；声源定位；到达时延差；数字信号处理器
中图分类号: TN912.34文献标志码:A。
VISSONIC议朗数字阵列话筒会议系统方案()目录一、系统概述二、系统优点和特点三、系统连接图四、系统设备说明一、系统概述新闻中领导面前总要摆5个话筒,这不单只是为了备份,还形成了麦克风阵列,将两个或者两个以上麦克风对称放置于音源前方,起到增强指向性，消除噪音等作用，同时也增强可靠性.VISSONIC议朗基于麦克风阵列的特点和优点,开发了SONIC系列阵列话筒会议系统.麦克风阵列技术及一体化的麦克风提供了走廊式特征，该特征保证了说话者在大范围内活动都可以拥有高质量的声音。
在此范围内，说话者可以自由地移动，可以站立、坐下、转动头部、向前移动、离开麦克风装置，而不影响声音效果。
使用无声的触摸式麦克风按钮可以开启或关闭。
由于没有长长的鹅颈遮挡和更大的拾音范围, 让发言者拥有更大的自由度,没有麦杆正对的压迫感。
VISSONIC议朗阵列话筒会议系统作为新一代创新会议系统,独具优势,会议系统改造项目,未来项目规划的首选.VISSONIC议朗阵列话筒会议系统具有全向麦克风的远距离拾音优势,又有全向麦克风所不具备的本地扩音,中,大型会议系统集成能力,以及提供更高的语音清晰度. VISSONIC议阵列话筒会议系统与视频会议系统集成,具有先天的优势.VISSONIC议朗阵列话筒会议系统还提供嵌入式麦克风, 能很好的与无纸化会议系统,搭配使用.整套系统采用了议朗AUDIO-LINK全数字网络DSP会议系统技术及DANTE技术,使用全CAT5e布线,可过交换机。
二、系统优点和特点VISSONIC议朗的ARRA-TECH技术的话筒排列，其内部采用一系列特别校正的话筒振膜组成阵列，和其他阵列话筒最不同的是它独有的低音独立拾取，使传统的阵列话筒声音“薄”“尖”“弱”得问题得以有效的改善。
并配合最新的DSP处理电路，结合数字AEC,AGC,AFC的技术，具有“走廊型”拾音特性。
这相对于一般鹅颈话筒的“心型”指向特性是很大的提高。
基于麦克风阵列的声源定位研究X邵怀宗,林静然,彭启琮,居太亮,徐异凌(电子科技大学通信学院,四川成都 610054)摘 要 基于麦克风阵列的声源定位是有效声源提取的前提和基础,其技术在多媒体通信中得到了广泛的应用.讨论了基于麦克风均匀线阵和均匀圆阵的声源定位方法,并进行了仿真,其结果表明这两种模型均能有效地提取出声源的位置.并给出了算法的硬件实现的原理框图.关键词:麦克风阵列;声源定位;原理图=中图分类号>T P37 =文献标识码>A =文章编号>1672)8513(2004)04-0256-30 引言基于麦克风阵列的声源定位广泛应用于具有嘈杂背景的语音通信环境,如会场、多媒体教室、车载电话等,以提高通信质量.麦克风阵列语音的定位和分离处理与传统的阵列信号处理主要有以下几种不同:(1)传统的阵列信号处理处理的信号一般是有一个调制载波的窄带信号,如通信信号和雷达信号等,而阵列麦克风处理的语音信号没有载波,其频率分布大部分集中在300~3000H z 之间,是一个多频宽带信号;(2)传统的阵列处理技术一般处理的信号为平稳或准平稳信号,而麦克风阵列处理的信号通常为非平稳语音信号;(3)传统的阵列处理一般采用远场模型,而麦克风阵列处理要根据不同的情况选择远场模型还是使用近场模型;(4)在传统的阵列处理中,噪声一般为高斯噪声(包括白、色噪声),与信源无关.在麦克风阵列处理中噪声既有高斯噪声,也有非高斯噪声(如室内的空调风机的噪声,打字机发出的干扰噪声,碎纸机的声音,突然出现的电话铃声等),这些噪声可能和信源无关,也有可能相关.基于上述阵列处理不同和区别,因此给麦克风阵列信号处理带来了极大的挑战,实际中的声源多位于麦克风阵列的近场[1]范围内,因此用于远场定位的算法和模型必须进行改进后才能使用.本文针对这种情况研究并讨论了两种基于麦克风阵列的近场模型声源定位方法,并给出了仿真结果和基于DSP 的硬件实现框图.1 阵列信号处理模型在这里,我们只讨论近场情况下的麦克风阵列语音定位方法.图1是一个简单基于均匀线阵近场模型,声波在传播过程中要发生幅度衰减,衰减因子与传播距离成正比.近场模型和远场模型最主要的区别在于是否考虑麦克风阵列各阵元接收信号的幅度差别.在图1中,q 为麦克风阵元的个数,r 为声源到阵列中心(参考点)的距离,A 为声源与阵元连线之间的夹角,r n 为声源到阵元n 的距离,d n 为阵元n 到参考点的距离,$d 为相邻阵元间距.图2为均匀圆阵的近场模型.多个麦克风均匀地排列在一个圆周上,图1均匀线阵近场模型图2 均匀圆阵近场模型X收稿日期:2004-05-08作者简介:邵怀宗(1970~),男,四川人,副教授,博士,主要从事通信中的信号处理、语音阵列信号处理的研究.第13卷第4期2004年10月云南民族大学学报(自然科学版)Journal of Yunnan Nationalities U niversity(N atural Sciences Edition)V ol.13,N o.4O ct.2004就构成了一个麦克风均匀圆阵列(Uniform Cir -cular Array,以下简称U CA).UCA 任意两个相邻麦克风对应的圆周角为2P /M ,M 为麦克风的个数.如图3所示.图3 均匀圆周麦克风阵列当信源离麦克风阵列较近时,人们熟知的基于平面波前的远场模型不再适用,必须采用更为精确也更为复杂的基于球面波前的近场模型.声波在传播过程中要发生幅度衰减,其幅度衰减因子与传播距离成正比.信源到麦克风阵列各阵元的距离是不同的,因此声波波前到达各阵元时,幅度也是不同的.近场模型和远场模型最主要的区别在于是否考虑麦克风阵列各阵元因接收信号幅度衰减的不同所带来的影响.对于远场模型,信源到各阵元的距离差与整个传播距离相比非常小,可忽略不计;对于近场模型,信源到各阵元的距离差与整个传播距离相比较大,必须考虑各阵元接收信号的幅度差.下面讨论近场模型的具体形式.U CA 的近场模型如图2所示,以UCA 中心(圆心O)作为参考点,d 0表示信源S 与阵列中心的距离;A 为信源到U CA 平面的垂足,以OA 连线所在的半径为参考线;1号麦克风所在半径与OA 夹角为$U ,H 表示信号到达方向(SO 与参考线的夹角),d i (i =1,2,,,M )表示信源到第个麦克风的距离.2 算法在这里主要采用改进的Music 算法对近场声源进行定位,既考虑到麦克风阵列各阵元接收信号的相位差,又考虑到各阵元接收信号的幅度差,从而实现对声源的二维(或三维)定位.根据声源的方位信息,可以使用波束形成技术获得形成一个或多个波束指向感兴趣的声源,从而更好地去噪,完成对该声源信号的提取和分离.由于可以利用的方位信息是二维的,因此,相应的波束具有二维特性.即除了对某一方向的信号有增强作用外,还能对同一方向、不同距离的信号有选择作用,这对于背景噪声和回声消除是非常有用的.3 仿真结果311 单个信源仿真条件为:均匀线阵麦克风阵列,信源个数为1,且信源为2个频率的多频信号,其方位坐标为(A 1,r 1)=(60b ,120cm),信号表达式为s =2sin(2P @1000n Fs )+sin(2P @2000@n Fs),信噪比为10dB.通过改进的M usic 算法估计信源数目和方位,结果如图4所示.图4 信源数目和方位估计信源数目:1信源1:A 1=60b ,r 1=120cm由仿真结果可知,信源个数为1时,通过改进的Music 算法可以准确估计出信源数目和方位,根据此参数,使用波束形成技术可准确分离出信号.312 多个信源仿真条件为:均匀线阵麦克风阵列,信源个数为2,其方位坐标分别为(A 1,r 1)=(30b 70cm)和(A 1,r 2)=(100b ,100cm),即两信源位于距参考点不同距离的圆周上,到达方向也不同.信噪比为10dB.通过改进的Music 算法估计信源数目和方位,结果如图5所示.同样说明改进的Music 算法正确地估计出了信源的数目和方位.313 均匀圆阵的初步仿真结果仿真条件是,信源1位于(112m,120b ),信源2位于(015m,60b ),其SNR=5dB.仿真结果如图6所示.257第4期 邵怀宗,等:基于麦克风阵列的声源定位研究图5 信源数目和方位估计(信源数目:2)信源1:A 1=30b ,r 1=70cm; 信源2:A 2=100b ,r 1=100cm图6 基于均匀圆阵的声源定位A 1=120b ,H 1=112m; A 2=60b ,H 2=015m图7 系统设计图仿真结果表明,基于圆阵列的模型同样可以有效的给声源定位,这为后续的波束形成和语音提取提供了有效依据.4 系统软硬件实现方案实现上述算法需要一个多通道的信号处理硬件平台,但目前国内没有类似的产品.因此,我们自主开发了一款基于TM SC3206711的阵列语音信号处理通用平台,它能满足大多数情况下阵列语音实时处理的要求.图7为系统设计方案.通过多通道AD 前端,系统能够同时采样多达12路的语音信号;采样信号通过T I DSP 特有的M cBSP 串口送入TM S320C6711中进行处理;处理完的信号通过DA 还原语音;CPLD 完成整个系统的逻辑控制,以便更好的解放DSP 进行数据处理;通过EM IF 接口外扩的SDRAM 是为了满足大数据量的需要.5 结论前面的仿真结果表明,该文提出的算法达到了如下的性能指标:定位距离:半径2米;受限于麦克风阵列的灵敏度,目前的定位距离不是系统的上限;定位精度:角度的定位精度为?10b ,距离的定位精度为?10cm ;刷新率:2次/s,即每秒钟更新2次.定位正确率:角度的定位正确率在90%以上,距离的定位正确率在70%以上;即对角度的定位误差有90%以上的概率落在以内,对距离的定位误差有70%以上的概率落在以内.(该项研究获得/2003~2004年度T I-DSP 大奖赛0中国赛区算法组第二名).参考文献:[1] KEN NEDY R.Broadband nearfield beamforming using a radial beampattern transfo rmation[J].IEEE T r ans on Signal Pr ocess,1998,46(8):2147-2156.[2] ASA NO F,A SOH H,M AT SU I T.Sound Source L ocalization and Separ atio n in N ear Field[J].I EI CE T rans on Fundamental,2000,E83-A(11):2286-2294.[3] SA LT ZM AN H,ST AV IS G.A dual beam planar antenna for Janus type Doppler navigation systems[R].IRE International Con -vention Record,1958(6):240-247.[4] HA RM AN CI K.Relat ionships between adaptive minimum variance beamforming and optimal source lo calization[J].IEEET rans on Sig nal Pr ocess,2000,48(1):56-59.(下转第267页)258云南民族大学学报(自然科学版) 第13卷参考文献:[1] 赵凯华,陈熙谋.电磁学[M]1第2版.北京:高等教育出版社,1991.188.[2] M O ON P,SPEN CER D E 1Field T heory Handboo k,I ncluding Coordinate Systems,Differential Equat ions,and T heir Solutions2nd[M ]1N ew Yor k:Springer-Verlag ,1988.40-44.[3] 白洪波1两带电半椭球壳之间的相互作用[J].大学物理,1999,11(18):22-24.[4] 王竹溪,郭敦仁1特殊函数论[M ]1北京:北京大学出版社,2001.565-5681[5] 郭硕宏.电动力学[M ].第2版.北京:高等教育出版社,1999.57-60.Rescarch on the direction of the polarization field strength in the Dielectric ellipsoid base on the ellipsoidal coordinatesKANG Dong(College of Applied Nuclear Technology and Automation Engineering,Cheng du U niversity of Technology ,Cheng du 610059,China)Abstract :Calculated the included angle value of polarization vector with the external field vector in the dielec -tric ellipsoid,hold that the directions of them are not always strict antiparallel 1Key words :dielectric ellipsoid;ellipsoidal coordinates;polarization field strength(责任编辑:杨多立)(上接第258页)Study on localization for speech based on microphone arraySHAO H ua-i zong,LIN Jing -ran,PENG Q-i cong,JU Ta-i liang ,XU Y-i ling(School of Communication,U niversity of Electronic Science and Technology,Chengdu 610054,China )Abstract :Speech sources localization based on m icrophone array is the basic for extraction of the interesting speech source,w hich is applied broadly in multimedia communication.In this paper,the methods for speech sources localization based on uniform linear array and on uniform circular array are discussed,and their dig ital simulation have been taken.The simulation results show that they can effectively extract the localization of speech source.The hardw are scheme to implement these algorithms have been given in this paper.Key words :m icrophone array;speech sources localization;hardw are scheme(责任编辑:高 飞)267第4期 康 东:电介质椭球内极化场强方向的研究。
《基于麦克风阵列的语音增强研究》篇一一、引言随着智能设备的广泛应用，语音交互技术在日常生活与工作场景中越来越重要。
其中，麦克风阵列技术的出现与进步为语音增强提供了新的解决方案。
麦克风阵列通过多个麦克风的协同工作，能够有效地提高语音信号的接收质量，降低环境噪声的干扰。
本文将基于麦克风阵列的语音增强技术进行深入研究，探讨其原理、应用及未来发展趋势。
二、麦克风阵列技术原理麦克风阵列是由多个麦克风组成的系统，通过信号处理技术对多个麦克风的信号进行加权、合并和滤波等操作，以实现语音信号的增强。
其基本原理包括声源定位、波束形成以及干扰噪声的抑制等。
声源定位技术是指确定声音来源方向的技术，是麦克风阵列的关键技术之一。
通过计算声波到达各个麦克风的传播时间差、强度差等信息，可以估算出声源的方向和位置。
波束形成技术则是根据声源定位的结果，将多个麦克风的信号进行加权合并，形成一个指向声源方向的波束，从而提高对声源方向上语音信号的接收灵敏度。
而干扰噪声的抑制则是通过滤波、降噪等技术降低环境中的噪声干扰，提高语音信号的信噪比。
三、基于麦克风阵列的语音增强技术基于麦克风阵列的语音增强技术主要包括以下几种：1. 波束形成算法：通过声源定位技术确定声源方向后，采用波束形成算法将多个麦克风的信号进行加权合并，形成一个指向声源方向的波束，从而提高对声源方向上语音信号的接收质量。
2. 噪声抑制技术：通过滤波、降噪等技术降低环境中的噪声干扰，提高语音信号的信噪比。
其中，基于麦克风阵列的噪声抑制技术可以更好地适应不同环境下的噪声干扰。
3. 回声消除技术：在语音通信过程中，由于各种原因可能会产生回声干扰。
基于麦克风阵列的回声消除技术可以通过多个麦克风的协同工作，实时检测并消除回声干扰，提高语音通信的质量。
四、应用领域基于麦克风阵列的语音增强技术在多个领域得到了广泛应用：1. 智能音箱：智能音箱通过多个麦克风的协同工作，实现远距离、高灵敏度的语音识别与交互。
《基于麦克风阵列的语音增强研究》篇一一、引言随着人工智能技术的快速发展，语音识别和语音交互技术已成为人们日常生活和工作中不可或缺的一部分。
然而，在复杂多变的实际环境中，语音信号常常受到各种噪声的干扰，导致语音质量下降，进而影响语音识别的准确性和语音交互的体验。
因此，如何有效地进行语音增强，提高语音质量成为了一项重要的研究课题。
基于麦克风阵列的语音增强技术作为一种有效的解决方法，受到了广泛的关注。
二、麦克风阵列的基本原理麦克风阵列是由多个麦克风按照一定规则排列组合而成的系统。
其基本原理是通过多个麦克风的协同作用，利用声波到达不同麦克风的相位差和幅度差，实现对声源的定位和跟踪。
同时，通过信号处理技术，可以有效地抑制噪声，提高语音的信噪比（SNR），从而实现语音增强的目的。
三、基于麦克风阵列的语音增强技术1. 阵列几何设计与优化阵列几何设计是麦克风阵列系统设计的重要环节。
合理的阵列几何设计可以有效地提高声源定位的准确性和语音增强的效果。
目前，常见的阵列几何形状包括线性阵列、平面阵列和立体阵列等。
此外，还可以根据实际应用场景的需求，进行定制化的阵列几何设计和优化。
2. 声源定位与跟踪技术声源定位与跟踪技术是麦克风阵列系统实现语音增强的关键技术之一。
通过声源定位与跟踪技术，可以确定声源的位置和运动轨迹，从而实现对声源的实时跟踪和定向增强。
目前，常用的声源定位与跟踪算法包括基于时延估计的方法、基于波束形成的方法等。
3. 噪声抑制与语音增强算法噪声抑制与语音增强算法是麦克风阵列系统实现语音增强的核心部分。
通过噪声抑制算法，可以有效地抑制环境中的各种噪声，提高语音的信噪比。
同时，通过语音增强算法，可以进一步提高语音的质量和清晰度。
常见的噪声抑制与语音增强算法包括谱减法、维纳滤波器、最小均方误差等。
四、实验与分析为了验证基于麦克风阵列的语音增强技术的有效性，我们进行了大量的实验和分析。
实验结果表明，通过合理的阵列几何设计和优化、声源定位与跟踪技术以及噪声抑制与语音增强算法的协同作用，可以有效地提高语音的信噪比和识别率，从而提高语音交互的体验。
《基于麦克风阵列的语音增强研究》篇一一、引言随着科技的快速发展，语音技术得到了广泛的关注和应用。
麦克风阵列技术的引入，使得语音增强的研究变得尤为重要。
语音增强技术能够有效地提高语音信号的信噪比，从而提高语音识别的准确率。
本文将探讨基于麦克风阵列的语音增强技术的研究现状、方法及挑战。
二、麦克风阵列技术概述麦克风阵列是由多个麦克风组成的系统，通过收集声源的信号并进行分析，可以实现对声源的定位和语音信号的增强。
麦克风阵列技术具有较高的空间分辨率和抗干扰能力，能够有效地抑制噪声和干扰信号，提高语音识别的准确率。
三、基于麦克风阵列的语音增强方法1. 波束形成技术波束形成是麦克风阵列中常用的语音增强技术。
通过调整各个麦克风的权重和相位，使得阵列的输出在特定方向上形成波束，从而增强该方向的语音信号。
常见的波束形成方法包括延迟求和波束形成和最小方差无畸变响应波束形成等。
2. 盲源分离技术盲源分离技术是一种基于统计模型的语音增强方法。
该方法通过估计语音信号和噪声信号的统计特性，将混合信号分离成原始的语音信号和噪声信号。
基于麦克风阵列的盲源分离技术可以进一步提高语音增强的效果。
3. 深度学习技术深度学习技术在语音增强领域得到了广泛的应用。
通过训练深度神经网络模型，可以有效地提取语音信号中的特征信息，并抑制噪声和干扰信号。
基于麦克风阵列的深度学习语音增强方法可以提高语音识别的准确率，并具有良好的鲁棒性。
四、实验与结果分析为了验证基于麦克风阵列的语音增强方法的有效性，我们进行了实验研究。
实验中采用了不同的噪声环境，包括室内、室外、嘈杂环境等。
通过对比不同方法的实验结果，我们发现基于麦克风阵列的波束形成技术和深度学习技术能够有效地提高语音识别的准确率，并具有良好的抗干扰能力。
此外，我们还发现结合盲源分离技术和麦克风阵列技术可以进一步提高语音增强的效果。
五、挑战与展望尽管基于麦克风阵列的语音增强技术取得了显著的成果，但仍面临一些挑战和问题。
《基于麦克风阵列的语音增强研究》篇一一、引言随着智能设备的广泛应用，语音交互技术在人机交互中占据了越来越重要的地位。
其中，麦克风阵列技术的应用，使得语音识别系统的性能得到了显著提升。
基于麦克风阵列的语音增强技术，可以有效地提高语音信号的信噪比，从而改善语音识别的准确率。
本文将针对基于麦克风阵列的语音增强技术进行深入研究，并探讨其在实际应用中的效果。
二、麦克风阵列技术概述麦克风阵列是指将多个麦克风按照一定的几何结构排列在一起，通过信号处理技术对多个麦克风的信号进行融合，以实现空间滤波、语音定位和语音增强等功能的技术。
其基本原理是利用不同位置麦克风的信号差异，通过算法处理，实现噪声抑制、回声消除等效果。
三、基于麦克风阵列的语音增强方法（一）波束形成波束形成是麦克风阵列中常用的一种语音增强方法。
其基本思想是通过加权求和的方式，将指向目标方向的信号加强，同时抑制来自其他方向的干扰噪声。
波束形成的算法包括相位变换法、最小方差法等。
（二）盲源分离盲源分离是一种利用多个麦克风的信号对音频信号进行源分离的技术。
其基本思想是将不同位置的麦克风信号进行时间-空间变换，通过多通道线性系统来分离出各个音频源的信号。
盲源分离方法可以有效地去除非目标方向的干扰噪声，提高语音识别的准确率。
（三）噪声抑制噪声抑制是麦克风阵列中常用的另一种语音增强方法。
其基本思想是通过估计和消除噪声信号来提高语音信号的信噪比。
常用的噪声抑制方法包括基于频谱减法、基于子空间方法的噪声抑制等。
四、实际应用效果分析在实际应用中，基于麦克风阵列的语音增强技术能够有效地提高语音信号的信噪比和识别率。
通过使用波束形成算法，能够明显抑制非目标方向的噪声和干扰信号，提高目标方向上的语音清晰度。
同时，通过盲源分离和噪声抑制等算法的应用，可以进一步提高语音识别的准确率。
此外，基于麦克风阵列的语音增强技术还可以应用于多语种、多环境下的语音识别系统中，以适应不同的应用场景和需求。
基于麦克风阵列声源定位的发展历程及关键技术摘要:回顾了基于麦克风阵列的声源定位系统的发展历程,对声源定位关键技术进行了讨论,分析了现有算法并对各算法的优缺点进行比较,文章的最后对麦克风声源定位技术的难点进行了概述,为进一步研究麦克风阵列信号处理奠定基础。
关键词:麦克风阵列关键技术信号处理1 发展历程早在20世纪70、80年代,就已经开始将麦克风阵列应用于语音信号处理的研究中,进入90年代以来,基于麦克风阵列的语音信号处理算法逐渐成为一个新的研究热点[1]。
1985年Flanagan将麦克风阵列引入到大型会议的语音增强中,并开发出很多实际产品。
1987年Silverman将麦克风阵列引入到语音识别系统,1992年又将阵列信号处理用于移动环境下的语音获取,后来将其应用于说话人识别。
1995年Flanagan在混响环境下用阵列信号处理对声音进行捕获。
1996年Silverman和Brandstein开始将其应用于声源定位中,用于确定和实时跟踪说话人的位置[2]。
目前麦克风阵列系统已有许多应用,其中在民用上包括视频会议、语音识别、车载系统环境、大型场所的会议记录系统以及助听装置等;军用上包括声纳系统对水下潜艇的跟踪及无源定位直升机和其他发声设备上。
在国外,很多著名的公司和研究机构,如IBM,BELL等,正致力于麦克风阵列的研究和产品,而且已经有了一些初期产品进入市场[3]。
这些产品已经应用到社会生活的各个场合并体现出了极大的优越性。
遗憾的是,在国内,到目前为止还没有自主产权的麦克风阵列产品。
因此,研究我国自主的基于麦克风阵列的语音处理算法和技术具有重要的意义。
我国一些企业、研究所和高校做了大量的相关工作,但是目前对声源定位的研究才算刚刚起步。
2 声源定位关键技术基于麦克风阵列的声源定位是指用麦克风拾取声音信号,通过对麦克风阵列的各路输出信号进行分析和处理,得到一个或者多个声源的位置信息,其使用的关键技术有以下几个方面。
基于麦克风阵列的语音增强系统设计朱兴宇;万洪杰【摘要】Due to the limitation of intense noise interference and difficult to restore signals of those the speech enhancement system has in near field speech environment, we design and implement a microphone array-based speech enhancement system. The novel designed system hardware adopts low-power consideration, and supports up to twelve channels' speech acquisition simultaneously. Meanwhile, it uses a novel approach to deal with noises, which adopts a way integrating the adaptive difference pulse code modulation ( ADPCM) with Kalman filtering algorithm but processing separately. MATLAB simulations and practical tests in closed near field environment are carried out. Results demonstrate that the system performance is stable and reliable, it can clearly augment speech quality, and achieve multi-channel speech enhancement in short distance.%针对目前在近场语音环境中语音增强系统噪声干扰大、难以清晰还原信号等局限性,设计并实现一种基于麦克风阵列的新型语音增强系统.系统硬件设计新颖,采用低功耗设计,最大支持12路语音信号同时采集,同时对噪声的处理采用自适应差分脉冲编码调制和卡尔曼滤波算法相结合分开处理的新型方式.通过Matlab仿真和封闭近场环境下的实际测试,结果表明该系统性能稳定可靠,可以提高语音清晰度,实现短距离的多路语音增强.【期刊名称】《计算机应用与软件》【年(卷),期】2013(030)003【总页数】4页(P240-243)【关键词】语音增强;麦克风阵列;数字信号处理器;自适应差分脉冲编码调制;卡尔曼滤波【作者】朱兴宇;万洪杰【作者单位】北京化工大学信息科学与技术学院北京100029【正文语种】中文【中图分类】TP368.10 引言在车载系统、电话会议与多媒体会议等非手持式的智能语音通信系统中，由于受到环境噪声、混响以及干扰等因素的影响，麦克风拾取的语音信号质量较差，而这将直接影响到语音编码及语音识别系统的性能［1］。
