基于FDM算法的双麦克风系统分析

范鸢春

【摘要】 在语音通信中，语音信号会不可避免地受到噪声的干扰，强背景噪声甚至会严重影响语音信号的质量。因此，在语音通信中必须采取先进的信号处理技术抵消背景噪声、提高语音质量。本文提出一种基于FDM结合时域LMS的算法，并将此算法和传统的ANC算法进行比较，分析了在不同背景噪声下的性能，改进了双麦克风系统性能。

【关键词】 双麦克风 ANC算法 FDM算法 系统仿真

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

任何系统都不可避免地受到噪声的影响，如何有效地消除和抑制噪声是多年来热门的研究课题之一。噪声抑制方法可以分为两大类：被动噪声抑制和主动噪声抑制。随着控制系统理论和数字信号处理技术的发展，主动噪声抑制技术开始以自适应为主要研究方向。自适应噪声抵消（Adaptive Noise Cancellation，ANC）技术是基于自适应滤波原理的一种扩展，它能从被噪声干扰的环境中检测和提取有用信号，抑制或衰减噪声干扰，从而提高信号传递和接收的质量。

双麦克风系统是消除语音通信中噪声干扰的有效方法，其原理是一个辅助麦克风用于拾取背景噪声，在主麦克风信号中减去噪声干扰，尽可能从带噪语音信号中提取纯净的原始语音。

二、系统框图

图1为传统的ANC系统框图， 它只有一个滤波器， 以辅麦克风输入为参考信号，以主麦克风信号为期望信号。

这里笔者提出一种FDM（Finite Difference Method，有限差分）结合时域LMS（Least Mean Square，最小均方）的算法，简称为FDM方法。其基本原理描述如下：

采用FDM算法的系统如图2所示，这里a和delay2理论上的值等于模型中的信号衰减和延时。实际使用时，这两个值都可以通过预先校正的方法得到。由于存在校正误差和分数采样率延时情况，其实际值会与理论值有所偏差。对于幅度a，一般校正结果比较准确。而对于延时，由于在数字域内存在分数采样率延时的问题，例如理论的信号延时为2.5个采样率延时时， 模型中的delay1应向上取整选为3个采样率延时。

图2中的H（z）自适应滤波器的参考信号是FDM后的信号，期望信号为主麦克信号，在在噪声段进行LMS系数计算和更新。

三、仿真分析

由前面的分析可知，理想情况下，经典的ANC当中的H（z）=H1（z）/H2（z）时，噪声完全消除。FDM中由于添加了调制部分，理想的H（z）=H1（z）/（H2（z）-aH1（z））。下面将对不同的信噪比，对比ANC和FDM两种方法的结果差异。

添加pink噪声，不同信噪比下的含噪语音如图3示。

3.1 ANC处理结果（图4）

3.2 FDM处理结果（图5）

从上面ANC和FDM结果对比看出，对不同的信噪比，采用FDM比ANC的噪声压制效果要好。另外在存在混响时，不论是ANC还是FDM，在低信噪比时都能部分恢复信号，但结果比不存在混响的时候差，高信噪比时结果理想。同时可以看出，用FDM时，在高频部分的信号谱图比ANC要好。

四、 结论

本文分析了传统ANC系统结构，提出了一种FDM结合时域LMS的算法。通过系统仿真，比较了在不同信噪比下ANC 和FDM的仿真结果，分析结果表明FDM结果较优。

参 考 文 献

[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