噪声消除技术

噪声消除技术（精选7篇）

噪声消除技术 篇1

中国石化催化剂长岭分公司某些设备噪声很大, 严重影响周围环境。

岳阳长岭设备研究所有限公司承担此项降噪任务后, 凌晨2点在各生活区测试噪声强度;深入现场查找噪声源和噪声传播途径;仔细分析噪声的频率特征, 出具了针对不同噪声类型详尽的噪声治理方案, 共对38台设备进行了降噪处理。在实施过程中, 给以中低频噪声为主的机组设备建造隔音间或隔音墙;给以高频噪声为主的真空泵群和风机进、排气口安装消声器;给因强振发出噪声的机组现场动平衡等。通过一系列的降噪组合治理, 收到了明显效果:噪声源得到控制;噪声传播途径被阻断;高频噪声平均降低了45dB, 中低频噪声下降了15dB以上。厂房内外及生活区的噪声大小符合国家卫生部和劳动总局颁布的《工业企业噪声卫生标准 (试行草案) 》的相关标准。

噪声消除技术 篇2

本文采用TSMC 0.18μm工艺设计了一种基于噪声消除技术、工作在3 GHz~5 GHz频段的CMOS超宽带、低噪声放大器。采用单端转差分的balun结构, 对LNA噪声进行优化。本文采用共栅管 (CG) 作为输入匹配, 共栅管与共源管并联实现噪声消除的目的, 并运用串联电感负载的办法提高高频增益, 实现了噪声消除与宽带的匹配。

1 共栅结构分析

UWB LNA的输入匹配电路由共栅管M1、L1、C1组成, 如图1所示。Cgs为M1管的栅源电容, Cd是M1管的漏极电容, Co是杂散电容。CMOS放大器的主要噪声来源于主放大器MOS管的沟道热噪声, 其噪声表达式为:

其中, RL是共栅管的负载电阻, RS是信号源阻抗, 假设 , 其噪声系数NF约为4 d B[3,4], 不能满足超宽带低噪声放大器的设计要求, 须针对其缺点对电路进行噪声优化。

该超宽带低噪声放大器的输入阻抗为[5]:

其中, gm是共栅管M1的跨导, ZL是M1的负载电阻, rds是M1的漏源电阻。由于ZL的阻值远远小于rds, 输入阻抗的实部表达式为:

2 噪声消除设计分析

2.1噪声消除技术

本文采用共栅管作为输入匹配, 有用信号经两条Cascode支路后幅度相同, 相位相反, 差分输出后增益加强。噪声信号经两条Cascode支路后幅度相同, 相位相同, 差分输出后噪声消除。

图2为共栅管输入匹配电路图, 输入电流iin可表达为输入电压与输入阻抗之比:

其中, 共栅管的输入阻抗匹配到信号源阻抗Rin, CG=RS=50Ω。流入负载的电流设为iR1:

由式 (7) 可得, 共栅管M1的放大倍数等于负载电阻R1与信号源阻抗RS之比。

采用常用的噪声消除技术设置原则优化共源管M1的栅宽值, 其值的大小与M3管的栅宽值大小有一定的比例关系, M1的跨导与M3的跨导也就有着对应的比例关系, gm (CS) =ngm (CG) 。负载则有相反的比例关系, 即RCG=n RCS。n值的选取根据电路的不同而有不同的设置。

在增益、输入匹配及噪声系数指标中做折中, n=4是较好的选择[6]。M1的跨导为gm, M2的跨导取值为4gm, 为了满足电路所需的平衡状态, 差分输出的两路应该有相同的放大倍数, 即:

式 (9) 表明, 差分输出后有用信号增强。

2.2 Balun-LNA Topology

图3所示为采用噪声消除技术设计的UWB LNA的完整电路图, 共栅管M1与共源管M3通过耦合电容C2并联, 其目的是加大增益及增强电路的隔离度, 同时能够有效减少M1管、M3管的Miller效应。M1与M2管组成了共源共栅结构, M3与M4组成了共源共栅结构, M5与Rf组成了电路的偏置电路。

有用信号经M1管后被同相放大, 即X节点与Y节点相位同相;有用信号经过M3管后被反相放大, 即X节点与Z节点相位反相。由于M1管与M3管应具有相同的放大倍数, 即Y节点与Z节点是幅度相同、相位相反的两个信号, 由差分电路输出后有用信号被增强。

对于MOS管的沟道热噪声信号而言, 经过共栅管M1的电流噪声在X节点与Y节点的相位相反。经过共源管M3的电流噪声在X节点与Z节点相位相反, 即Y节点与Z节点的噪声信号是幅度、相位相同的两个信号, 由差分电路输出后共模噪声得以消除。

3 仿真结果分析

本文基于TSMC公司的0.18μm标准工艺设计了超宽带低噪声放大器。图4~图7是S参数和噪声系数的仿真结果图。

由图4、图5可见, 在3 GHz~5 GHz频率范围内, 输入反射系数S11小于-11 d B, 输出反射系数S22小于-11.2 d B, 表明电路具有较好的输入、输出匹配特性, 能够有效减少信号的反射;反射隔离系数S12小于-60 d B, 表明电路的反相隔离度性能良好。由图6可见, 在3 GHz~5 GHz频率范围, 电路正向增益S21大于17.5 d B, L1与C1谐振位于低频点, 有效提高了输入阻抗特性和低频增益, 其中螺旋电感L1的品质因子Q在整个频率范围内均大于8;负载电路合理的选择能够有效提高电路的高频增益。由图7可见, 电路的最小噪声系数NFmin在3 GHz~5 GHz范围内小于2.4 d B, 且频率越高, 各种寄生效应越明显, 因此噪声系数恶化越严重。与其他文献LNA相比, 噪声系数达到了较优结果。

在1.8 V电压下, 电路的功耗为12.5 m W。表1总结了本文所提出的超宽带、低噪声放大器与其他文献中设计的LNA的仿真对比结果。结果表明, 本文所设计的采用噪声消除技术的电路在增益、噪声系数、插入损耗及功耗方面较其他设计都有更好的效果。

根据噪声消除技术原理, 利用共栅管较容易实现输入匹配的特点, 采用差分输出电路的模式, 设计了一种在3 GHz~5 GHz频带内超宽带、低噪声放大器电路。本文对电路的设计原理和参数设计进行了定量分析。基于0.18μm CMOS工艺对电路进行仿真设计, 在3 GHz~5 GHz带宽内, 电压增益大于17 d B, 噪声系数低于2.7 d B;在1.8 V电源电压下, 电路功耗为12.5m W。与其他文献相比较, 所设计的低噪声放大器达到了较好水平。

参考文献

通过适当的电源旁路滤波消除噪声 篇3

对于高增益音频放大器,60Hz交流电源噪声是传统设计中必需面对的问题,电源抑制比(PSRR)即是针对这一问题定义的一项规格。PSRR定义为:

PSRR指标测试中还包含除60Hz以外的任何干扰频率,电源耦合的干扰程度可以通过受影响系统的PSRR以及干扰系统的电源噪声进行评估。

以下示例说明如何通过适当的电源旁路滤波来消除噪声干扰,图1所示为Vo IP系统的功能框图,由音频放大器提供语音放大,一个数字时钟用于时间显示。Vo IP通过以太网供电。MAX7221LED驱动器驱动数字时钟显示。把音频电路和数字时钟电路混合在一起后,在几英尺远的地方都可以从扬声器听到高频噪音。

在MAX7221的5V稳压电源上,数字噪声峰-峰值可达300mV,噪声频率大约为12kHz。这种噪声是由于4个LED复用驱动产生的。注意,如果音频和LED驱动电路采用单独电源供电,该噪声即可消失。在音频系统的12V输入电源上只有非常低的噪声。

在音频和数字电源分别采用一个三阶LCπ型低通滤波器(LPF),如图2所示。选择1mH电感,角频率设置为1kHz,则电容计算公式如下。

采用电源旁路电路后,高宽噪声即刻消失。

同样,电源耦合测量和电源旁路滤波也可应用到射频(RF)或图像采集系统。在射频系统中,发射端噪声往往会降低接收端性能;在图像采集系统中,CMOS摄像头传感器采用模拟电源供电,它对数字噪声非常敏感。设计时应采用旁路滤波,以消除发射电路或摄像头相关的数字电路所产生的噪声。

参考文献

设计减振装置消除车削振动及噪声 篇4

在金属切削加工过程中, 机床本身的调节环节把外界固定能源的能量转变为振动的交变力, 从而引起持续的周期性振动, 这种振动为自激振动, 又称为切削振动。切削振动是加工过程中刀具和工件之间产生的强烈自激机械振动, 如果不加以控制, 将会导致工件加工表面粗糙, 刀具寿命降低并产生噪声, 严重时使加工过程无法进行。

1 存在的问题

图1是我们众多民品生产中的一个零件。

该零件热处理后再进行后续的机械加工。其中有一道加工工序是将其外圆φ127 mm加工到φ111 mm, 总加工长度为340 mm, 如图2所示。

根据车间现有的加工设备, 此道车削加工工序被安排到仿形车床CE7120上进行。

该零件材料为50Si Mn VB, 一端的内部是很深的盲孔, 另外一端的内部也是盲孔。该零件毛坯经热处理后硬度值为38~42HRC, 属于较硬材质。加工之前零件的单边壁厚为16 mm, 此道工序加工后, 零件的单边壁厚为8mm, 由于零件的单边壁厚变得越来越薄, 从而产生了车削振动, 并伴随着非常刺耳的噪声。

2 分析及解决问题

虽然我们选择了合适的刀具材料和刀具参数, 同时将主轴转速、进给量和背吃刀量等切削参数选择在切削加工稳定区域内, 在一定程度上减小了切削振动, 但是还有切削振动产生, 并伴随噪声。

工件系统往往是产生自激振动的薄弱环节, 通过合理的装夹方式, 适当增加辅助支承, 可大大提高工件系统的刚度。

使用摩擦吸振也是一种最直接的抑制机床振动的方法。可把主振系统的振动能量转化为附加吸振系统的运动能量, 从而抑制主振部件的振动。

分析该零件的特殊结构, 零件的壁厚在切削过程中变得越来越薄, 零件本身的刚性减弱, 如果增加一个辅助支承, 则零件的刚性就会提高, 同时辅助支承与零件接触并摩擦, 这种摩擦吸振把主振系统的振动能量转化为附加吸振系统的运动能量, 从而可抑制主振部件的振动。为此设计了一种减振装置, 如图3所示。

1.底座2.顶轮3.气缸

1.减压阀2.手动阀3.调速阀4.气缸

图3中底座安装在仿形车床CE7120的床身下导轨上, 气缸及顶轮部分通过中间的安装板固定在底座上。气缸的顶出力通过减压阀可以调整, 顶轮的移动速度可以通过调速阀调节。气动原理图见图4。

在减振装置图3中使用气缸可使顶轮上下移动, 不影响操作者上下料。气缸的顶出力可以调节, 不容易引发附加力, 不会造成工件变形。当顶轮与工件外圆接触时, 顶轮与工件之间产生摩擦, 把主振系统的振动能量转化为附加吸振系统的运动能量, 从而抑制主振部件的振动, 大大降低了噪声, 改善了生产环境。

3 经济效益

该套减振装置的使用, 有效抑制了切削振动, 提高了刀具的使用寿命和产品质量。由于切削振动, 原来使用的刀具一个切削刃只能加工2~3件工件。安装减振装置后, 切削振动大大减小, 刀具的一个切削刃可以加工5~6件工件, 提高了刀具的使用寿命。

未使用减振装置之前, 操作者必须带上耳塞;使用减振装置后噪声大幅度降低, 改善了生产现场环境, 有利于操作者的身体健康。

4 结语

该套减振装置在设计时就已考虑其通用性, 安装和维修也很方便, 制造成本低, 可以推广用于其它类似零件的加工过程中, 对于薄壁零件在加工时产生切削振动, 可以考虑增加该装置以减小切削振动, 提高刀具的使用寿命, 提高加工质量, 它将具有广泛的使用前景。

参考文献

[1]袁哲俊, 刘华明.刀具设计手册[M].北京:机械工业出版社, 1999.

噪声消除技术 篇5

随着科技的发展,工程信号处理在机械工程、土木工程等众多领域越来越重要。特定试验条件下不可能在每一次测试过程中都可通过硬件完全消除噪声。因此,数据采集后的降噪工作非常必要。近年发展起来的小波分析在信号降噪方面的独特优越性已经越来越被广大工程技术人员所认可。

目前已经构造出了许多小波函数,这给工程人员分解信号带来灵活性,同时也带来了一定的复杂性,并非所有小波函数都适合于工程振动信号分析。对于同一个信号,使用不同小波基所得到的小波谱是不同的。因此,同一个工程信号,使用不同的小波基降噪的效果肯定是不同的。

在使用小波信噪分离及故障诊断的过程中,广大学者意识到小波基的选择及在小波基选择后滤波参数的确定是影响小波使用效果的关键因素。在作者调研的资料中,大多数研究人员仅在某一方面的应用(如齿轮、轴承等的检测)中使用某种小波基或者指出在这个应用中如何选取小波基和相应的参数,缺少在各种振动信号分析中选择小波基及其参数的系统方法和原则。即使很多文献中提到了自适应小波分析,也只是在确定母函数之后,对固定母小波的伸缩平移参数或者加权系数进行的自适用选择,并没有涉及到小波基的选择问题[1]。目前在小波基的比较方面主要有以下几种典型代表。第一种是直接比较小波基的各种数学参数特性,第二种是选择某几个特定的小波基定性比较它们在某一方面应用中的效果差异,第三种是依赖传统的信息价值函数对小波基进行比较[2]。第一种情况的优点是希望从理论上根本解决小波基的选择问题,但由于小波的各种数学参数完全从数学的角度建立,具有一定的理论深度且很难同工程实际结合起来,因此这种比较标准一直没有完全建立。并且,即使从这个角度建立了评价方法,工程人员在使用时需要了解各种小波基的数学特性,这对于不熟悉小波理论的人来说会有很大的难度。第二种情形的优点是结合了工程实际,但是小波基的选取及应用过于片面。第三种情形的优点是希望通过较少的评价参数定量地比较各种小波基,但是实践证明传统的信息价值函数并不太适用[3]。因此,振动信号噪声消除中的小波基选择研究具有重要的理论价值和工程指导意义。

1评价指标与方法

在小波基的选择方面,本文通过小波方法处理信号的结果与理论比较的误差来判定小波基的好坏,并由此选定小波基。在比较的过程中,考虑典型的振动信号源和噪声源,找出各种小波基在滤波方面共性的规律。即通过对已知信号中掺入噪声信号,然后依次使用各种小波进行降噪,根据重构信号与原始信号的接近程度来比较小波基。

对于原始信号,结合振动工程中各种信号的特点,特选取如下几种信号源:单一频率的正弦信号、有两个频率正弦信号的叠加、多谐波叠加的信号及某测试信号;对于噪声,选取白噪声、低频窄带、高频窄带及单一频率的谐波。具体的信号源如表1所示。

表1的信号对于振动信号来说具有一定的覆盖面,理由如下:首先信号的种类比较典型,是振动信号中常见的信号,实际中的振动信号不外乎是这几种信号的组合或叠加,同时小波分析本身就满足线性叠加定理;其次,信号的幅值已经归一化;第三,信号的具体频率不会有太大的影响,因为信号的频率是相对于采样频率来说的,关键是看两者的比值,工程实际中,两者的比值均需满足采样定理,同时,表中给出的信号不会因为混迭而有影响,因为所有的信号是以数字的形式给出,只研究它的时域情况,即使频率混迭了,它毕竟还是特定频率的信号。

通过任意一种原始信号S与噪声相组合得到待研究的信号源SN,使用小波降噪的方法获得消噪信号S1,考虑到S1与S的整体和局部都可能存在着偏差,特提出以式(1)作为误差计算方法。

或者

其中N为信号的长度,,γd1为整体偏差因子(γd1≥0),γd2为极值偏差因子(γd2≥0),另外,γd1+γd2=1。

此处不妨称e为重构相对误差,ρ为重构因子。

式(1)中的向量欧氏距离反映消噪信号S1与原始信号S的整体偏差,距离max(|S-S1|)反映消噪信号S1与原始信号S的局部偏差。一般来说,整体偏差大,局部偏差可能大;局部偏差大,整体偏差也可能大;同时,公式中的欧氏距离是在除以后(代表两向量的整体偏差在每个点上平均分配多少)才与局部偏差max(|S-S1|)相加,因此本文对于两者在重构相对误差中的权重γd1、γd2各取0.5。当然γd1、γd2的调整会影响整体偏差大与局部偏差在总偏差中的地位。

这一组公式的价值在于通过向量的两种距离保证消噪信号同原始信号间的整体偏差和局部偏差都能够充分暴露出来。如果计算出的ρ越大,则选用该种小波基进行信噪分离的效果愈好。

对于重构因子,只是在小波基选择的研究过程中使用,在实际信号分析中并不需要,而且也不可能计算出来,这是因为理想的信号S根本就不可能知道。因此本文尽可能考虑各种情况下的信噪分离,从中总结出适合于振动分析的小波基,以满足工程需要。

比较时,依次掺入20%的噪声信号,可以使用置零法或者默认阈值法进行比较。为了统一比对尺度,在每一种小波基的情况下,将参与比较的信号均分解到第五层。

2信噪分离中各种情况下重构因子的计算

由于目前大多研究人员都使用Matlab中的小波控件工具箱对信号进行小波分析[4],故本文所选的小波基均来自Matlab所提供的各种小波,表2为各种小波基序号对照表。

根据提出的信噪分离指标及公式,使用程序,调整适当的参数,计算出各种情况下的重构因子,根据各种情况下的重构因子数值作出如下各图(图1、图2、图3、图4)以便于比较。

3信噪分离中小波基的比较

通过比较可以发现,无论是何种信号,在干扰噪声为高频窄带的情况下,重构的效果最好,次之为白噪声,接着为50 Hz干扰、低频窄带。这是因为在降噪过程中,一般情况下噪声的频带高于信号的频带,噪声的能量越是集中在较高的频带,消噪的效果愈好,重构因子的数值表现越大。然而如果信号的频带和噪声的频带有交迭,则滤波的时候如果简单地置零,则可能噪声得到很好消除,但信号的高频损失过多;另一方面信号的高频虽得到保留,但噪声没有很好地消除。这种情况下,对于具体的工程来说,如果对于高频的部分不感兴趣(包括噪声及原始信号中的高频成分)可以将信号向低频空间作多层分解后置零处理;如果对于信号的高频部分也感兴趣,例如方波,若按照前述处理则在消去噪声的同时会过多地抑制方波中的高频成分,致使重构的方波波形在跃变时为平滑过渡,有失真现象。这种情况下使得重构误差中的极值误差明显上升,导致重构因子的减小,这也是方波信号混有白噪声情况下重构因子反而表现为不大的原因。下面提出的修正方法有效地解决了这个问题。

由于信号和噪声在每一个空间中所占的比例不同,高频噪声空间,噪声占多数,则应该非常突出的才可以不为零,在低频空间中,信号占主导,则特别小的才置零[5]。根据这个思想,各个空间上使用特定的阈值进行修正处理。本文给出了信号源为方波且噪声为白噪声情况下使用这种方法的效果(见图3)。可以看出使用修正算法后效果明显提高。

由于消噪的非线性,导致不同的噪声级情况下的重构因子有所差别,但在同一种噪声级的情况下不同的小波基之间仍然具有可比性。信号的强度对同一种小波基的重构因子影响不大。无论从消噪后波形的视觉效果还是从计算得到的重构因子都可以看出不同的小波基对于消噪效果有着很大的影响。

4结论

通过分析可得以下结论:

1)单谐波信号源,无论是什么噪声,双正交第三系列以上的小波效果均较好,db系列中10阶以上的小波较好,同时sym中的5～8阶较好。

2)双谐波信号源,无论是什么噪声,双正交第三系列中的bior3.3、bior3.5、bior3.7、bior3.9小波效果均较好,db系列中的10阶以上尤其是db11、db14、db17小波效果好;coif中coif4、coif5及sym中的sym5、sym7小波效果较好。

3)方波信号源,双正交第一、二系列中的bior1.1、bior1.3、bior1.5、bior2.2等小波效果均较好,db系列中的10以上尤其是db11、db14、db15、db17小波效果好,同时sym中的sym4、sym6、sym7较好。与单谐波、双谐波信号源挑选出的小波基相比,除了db系列中相同外,其余不同,总的来说,这主要是由于信号的特点和小波的特点决定的。前两种信号源,信号光滑,而所挑出的基恰好具有这些特点,而方波这种有突变的信号源挑出的小波基恰相反。

4)鉴于前三种典型的信号源的结果可以推断出db系列中10阶以上的小波、双正交第三系列以上及sym系列中的诸如sym6、sym8小波在实际应用中的效果可能较好,而对于某实测信号恰如此(见图4)。

对于小波基的评判是一项系统而复杂的工作,本文只在各种小波降噪效果定量比较方面迈出很小的一步。相信在不久的未来经过广大科技工作者共同的努力,一定会对小波的评判建立一套完善的方法,从而使小波在工程中发挥更大的作用。

参考文献

[1]郭亚.振动信号处理中的小波基选择研究.合肥:合肥工业大学硕士论文,2003

[2]陈志奎.工程信号处理中的小波基和小波变换分析仪系统研究.重庆:重庆大学博士论文,1998

[3]秦叶,陈新度.小波基的选择与振动信号分析.广东工业大学学报,1997;14(2):57—60

[4]胡昌华,张军波.基于MATLAB的系统分析与设计——小波分析.西安:西安电子科技大学出版社,2000

噪声消除技术 篇6

数字摄像机(Digital Video Camcorder)是一种用来录制和存储图像(包括视频、影片和照片等)的设备,目前作为家庭数码设备已迅速普及。但在摄像头快速或慢速缩放(zooming)时均产生较大声噪,回放视频时对主观听觉造成较大影响。因此需要研究一种高质量语音降噪算法,用于消除机械声噪,同时避免语音损伤。

语音降噪技术已被研究很长时间,其目的在于提高噪声环境下语音的质量和可懂度,目前主流的语音降噪解决方案包括单通道及传声器阵列方法。单通道算法主要有:谱减法[1](Spectrum Subtraction)、维纳滤波法[2](Wiener Filter)、盲信号分离[3](Blind Signal Separation)等,近来的研究将人耳听觉感知技术引入研究[4],此外语音和噪声的先验知识可以进一步提高和增强系统的性能[5]。

谱相减法将频域带噪语音功率谱减去噪声功率谱得到语音功率谱估计,开方后为语音幅度估计,加入相位信息后恢复到时域处理。该算法结构简单,易于实现,但增强后语音含有明显的类似音乐的残留噪声。

维纳滤波是利用平稳随机过程的相关特性和频谱特性对混有噪声的信号进行滤波的方法。设维纳滤波器的输入为含噪声的随机信号,对期望输出与实际输出之间的差值求均方,即为均方误差。均方误差越小,噪声滤除效果就越好。噪声为非平稳随机过程时效果较差。

盲信号分离指在源信号和信道未知的情况下,只利用观测信号来提取源信号的方法。如果源信号是统计独立的,通常采用独立分量分析(Inpendent Component Analysis,ICA)方法来处理;否则可添加如非负性、稀疏性、光滑性等限制来使得信号分离问题得以解决。盲信号分离在信号源数目大于传感器数目时可对混合信号进行有效分离。

传声器阵列是指由两个或多个传声器按照一定的几何结构排列而成的阵列。传声器阵列语音增强方法包括时延相加波束形成(Delay&Sum Beamforming)、自适应波束形成(Adaptive Beamforming)、一阶差分传声器阵列(First-order Differential Microphone)等。

最早的传声器阵列语音增强方法是Flanagan在1985年提出的DSB(Delay&Sum Beamforming)方法[6],通过对各通道信号给予不同延时,使得期望方向上的语音对齐并相加求平均得到输出,在单目标声源偏离波束最大增益方向时会引起语音失真。

传统自适应波束形成(Adaptive Beamforming)对注视方向信号的频响固定,约束条件没有消噪能力。因此S.Fischer提出具有自适应约束值的多通道语音增强方法[7]。这种方法对于注视方向上信号的约束条件自适应,随着接收信号特性的变化而变化,可以消除部分相干噪声和非相干噪声。O.L.Frost提出线性约束最小方差波束形成(Linearly Constrained Minimum Variance)算法[8]。此外,L.J.Griffith和C.W.Jim提出旁瓣抵消算法(Generalized Sidelobe Canceller)[9]将LCMV中带约束的最优化问题转变为不带约束的最优化问题,进而简化了优化问题的求解过程。

G.W.Elko提出一阶差分传声器阵列技术[10]。该方法的最大波束指向阵列的轴向,并在噪声方向形成波束零点,从而去除干扰噪声。

2 传声器阵列数学模型

传声器阵列通过在空间放置多个传声器,当语音和周围环境信息被多个传声器聚集时,可以在期望方向上有效地形成一个波束去拾取波束内的信号,并消除波束外的噪声,从而达到同时提取声源和抑制噪声的目的。

2.1 波动方程

声源在空气中传播的波动方程为

式中:∇2为拉普拉斯算子,x(t,r)表示时间t和位置r处的声压,c为声速[11]。

球坐标系下,该方程解为

式中:A为声波的幅度。波动方程给出了特定频率的声波传播到空间任一点处的声压强度,其相移和幅度都是传播距离的函数。

2.2 带噪声源模型

设v={vm}(m=0,1,…,M-1)表示第m个传声器的位置,这里vm=(xm,ym,zm),则每个传声器的方向图为Ηm=(f,p),其中p代表声源坐标,f代表频率。传声器对之间的时延为

式中:c为声速。因此坐标为p的声源到第m个传声器的信号为

式中:S为声源信号,Nm为噪声。噪声模型如下

式中:pn为第n帧信号的噪声源位置,λN(pn)为空间非独立相关噪声变量,λNC为独立不相关噪声变量分量。

3 基于传声器阵列的机械噪声消除算法

传声器阵列固定波束形成器在滤波器设计完成后就不再变动,然而在某些环境下,信号和噪声的统计特性是随时间变化的,这就需要利用自适应的波束形成方法来处理。自适应波束形成基于最小方差无畸变响应(Minimum Variance Distortionless Response)准则,其原理是在保证期望方向信号不变的条件下,使阵列的输出功率到达最小来抑制噪声。因此需要获取一个M×1维向量W(ω)作为权重,使得W H(ω)X(ω)为S(ω)的最佳估计。波束形成使得W H(ω)X(ω)的噪声成分最小化,此时注视方向增益为1。W(ω)可由以下优化问题求出

其中,Q(ω)=E[Nc(ω)NcH(ω)],Nc(ω)=H(ω)S(ω)+N(ω),这里Q(ω)为Nc(ω)的协方差矩阵,包含干扰信号源及传感器的位置信息,从观测信号估计而得;Nc(ω)为附加噪声(包括反射噪声和其他噪声)。d为信号传播所引起的衰减和延迟。

上述的优化问题可简化为

4 基于传声器阵列的机械噪声消除算法

笔者提出一种改进的子带后处理语音增强算法,低频部分采用一种新的维纳滤波法,高频部分采用最小均方误差算法。

维纳滤波定义带噪语音信号为y(n)=x(n)+d(n),其中x(n)和d(n)分别代表干净语音和加性噪声。在传统维纳滤波的基础上引入先验信噪比ξk来减少音乐噪声。则其增益函数定义为

式中:k代表第k个频率点。

用decision-directed方法[2]可以光滑先验信噪比ξk的估计值,来消除音乐噪声,其方法如下:

估计第m帧的ξk(m)

式中:光滑常数α=0.98,X̂k(m-1)为第m-1帧的增强后信号谱,Yk(m)和Dk(m)为带噪语音和估计噪声谱信号。

第m帧增强后的信号谱为

为了克服上述维纳滤波算法在高信噪比时增益过大引起畸变的问题,提出新的增益函数如下

式中:k1和k2为常数系数。

最小均方误差估计算法可以有效抑制背景噪声并提高信噪比。该算法假设噪声为平稳加性高斯噪声并已知噪声谱和语音谱估计,对背景噪声谱进行估计并在带噪语音信号中对噪声进行抑制。最小均方误差估计为

式中:Âk为增强后语音谱;C为常数;γk为从噪声估计谱和带噪语音谱而得的后验信噪比;Rk为带噪语音谱;M(υk)为合流超几何函数,k为第k个谱分量。并有

式中:ξk表示从噪声估计谱而得的先验信噪比,其计算公式为

这里λx(k)=E[|Xk|2],λd(k)=E[|Dk|2]

最小均方误差估计算法流程图如图1所示。

本文中的语音端点检测算法采用子带频谱熵算法。语音激活检测的目的在于从数字语音信号中区分出语音信号和非语音信号。早期采用基于能量和过零率的方法可以准确地区分语音信号和噪声,但现实中的语音常常被较大的环境噪声所污染[12]。首先将每帧语音的频谱划分成若干个子带,计算出每个子带的频谱熵,然后把相继若干帧的子带频谱熵经过一组顺序统计滤波器获得每帧的频谱熵,根据频谱熵的值对输入的语音进行分类。

5 实验结果及结论

本实验的数据采集设备为基于美国国家仪器(NI)的同步传声器语音采集系统,该系统目前为多个国家863项目提供数据库。实验设置如图2所示,目标声源为一段约60 s的男性英语纯净语音,位置处于传声器阵列的注视方向;噪声源为约6 s的某型号摄像机镜头缩放噪声,通过左或右两个音箱反复播放,其位置如图2所示;录制环境为5 m×3 m×2 m普通会议室,录制过程中声源和传声器阵列位置不变。

如图3所示为原始带噪声语音信号与本文提出的算法处理后的语谱图,其平均增益为16 dB。由语谱图可知,该方法在噪声段的抑制能力非常明显;主观听力测试表明语音段机械噪声略可感知,但不影响可懂度。

基于传声器阵列的研究和应用是阵列信号处理的一个新领域,具有重要的现实意义。实验表明,本文采用的传声器阵列最小方差无畸变响应波束形成法及MMSE后处理方案,可较好地处理摄像机镜头缩放产生的机械噪声,信噪比提高明显。相对于单通道或传声器阵列系统而言,本文的语音增强系统更加适用于机械噪声处理场景,具有很好的实用性。

摘要：数字摄像机的摄像头在缩放时产生较大声噪,回放时主观听觉十分明显,因此需要研究一种高质量语音降噪算法,用于消除机械声噪,同时避免产生语音畸变。通过分析传声器阵列及带噪声源的数学模型,构建了一套基于传声器阵列的语音降噪系统,针对机械噪声的统计特性,利用最小方差无畸变响应波束形成法对非注视方向的噪声进行滤波,采用子带后处理法进一步降噪。该算法在保证稳定性的前提下降低了语音降噪处理的复杂度并提高信噪比;提出一种新的单通道维纳滤波函数,降低了信号低频部分的畸变。实验语音数据均在普通会议室采集,新的增强算法增益为16dB,主观听觉可懂度较好。实验结果证明,该系统可作为理想的语音降噪设备应用于摄像机录制过程中。

关键词：语音信号处理,数字摄像机,机械噪声,噪声消除,传声器阵列

参考文献

[1]张丽艳,殷福亮.一种适用于混响环境的麦克风阵列语音增强方法[J].信号处理,2009(5):720-723.

[2]RICHARD C H,RICHARD H,JESPER J.Forward-Backward decisiond irected approach for speech enhancement[C]//Proc.Int.WorkshopA coust.Echo and Noise Control(IWAENC).Eindhoven,Netherlands:[s.n.],2005:109-112.

[3]冶继民,张贤达,朱孝龙.信源数目未知和动态变化时的盲信号分离[J].中国科学,2005,35(12):1277-1287.

[4]VIRAG N.Single channel speech enhancement based on maskingp roperties of the human auditory system[J].IEEE Trans.Speech,AudioP rocess.,1999,7(2):126-137.

[5]吕勇,方元.基于最小频带能量的变噪声电平语音增强[J].电声技术,2006(12):47-51.

[6]FLANAGAN J L.Computer-steered microphone arrays for soundt ransduction in large rooms[J].Journal of Acoustic Society of America,1985,78(5):1508-1518.

[7]FISCHER S,SIMMEr K U.Beamforming microphone arrays for speecha cquisition in noisy environments[J].Speech Communication,1996,20(3):215-227.

[8]FROST O L.An algorithm for linearly constrained adaptive arrayp rocessing[C]//Proc.the IEEE.[S.l.]:IEEE Press,1972,60(8):926-935.

[9]GRIFFITHS L J,JIM C W.An alternative approach to linearlyc onstrained adaptive beamforming[J].IEEE Trans.Antennas Propagation,1982,30(1):27-34.

[10]ELKO G W,PONG A T N.A simple adaptive first-order differentialm icrophone[C]//Proc.IEEE workshop on Applications ofS ignal Proc.Audio and Acoustics.New Paltz,NY,USA:[s.n.],1995:169-172.

[11]RAYKAR V C.Three-dimensional position calibration of audio sensorsa nd actuators on a distributed computing platform:US,7035757[P].2006-04-25.

噪声消除技术 篇7

干涉型光纤水听器远程传输系统[1,2]中,传输光纤受到振动、弯曲和温度变化等环境因素的影响时,长度和折射率等参数将发生随机变化。这些参数变化随着传输距离的增加而逐步累积,最终在系统中引入强的背景噪声。对于光纤长度和折射率变化引入的传输噪声,已有较多的研究。Kirkendall等[3]指出大幅度应力作用在传输光纤上引起光纤长度变化,将在非平衡干涉仪中引入的相位调制噪声;Kersey等[4]使用庞加莱球描述了传输光纤中双折射引入的偏振噪声;Garoszewicz等[5]使用琼斯矩阵法研究了输入偏振态变化引入的噪声;吴悦峰等[6]研究了当法拉第旋转角有偏差时,引导光纤偏振态扰动在干涉仪中引人相位噪声。光纤传感系统常用的噪声抑制方法之一是使用参考探头获得系统噪声,再与传感探头进行噪声相减。Kersey等[7]通过相减法消除了激光器频率抖动导致的相位噪声,Henrik等[8]抑制了光纤长度变化在双脉冲中引入的多普勒噪声。噪声相减法是基于系统中参考探头与传感探头噪声完全一致的原理,但已有研究结果[4,5,6]均表明,扰动传输光纤引入的噪声不仅与输入偏振态有关,还与光纤干涉仪信号光和参考光的偏振态有关,而干涉仪或探头获得的噪声仅仅是部分相关的。因此直接相减法对传输噪声的抑制效果往往不能令人满意。

自适应噪声消除[9]的优势是通过自适应算法调整滤波器系数,可实现系统噪声的最佳估计,从而达到最优的噪声消除效果。经过几十年的发展,自适应噪声消除已经在通信、雷达等领域得到了广泛应用。近年来它也开始应用于光纤传感领域,例如减小光纤陀螺信号随机漂移[10,11]、抑制光纤矢量水听器光源和电路噪声[12]等。本文将自适应噪声消除法使用到光纤水听器远程传输系统中,设计合理的光学系统和滤波器算法,对光纤传输噪声进行了滤除。实验上采用归一化最小均方误差(NLMS)算法分别实现了6 km传输光纤中偏振噪声和相位调制噪声的较好抑制,并完整保留了传感探头的信号。

1 基本原理

适用于光纤水听器系统的自适应噪声消除原理如图1所示。

图1中,自适应噪声消除系统的输入信号由参考信号u(n)和基本信号d(n)组成。其中u(n)由声压和加速度不敏感的参考探头获得,它仅包含系统的相位噪声φnr(n)。基本信号d(n)由传感探头获取,它包含系统相位噪声φnp(n)和探头接收外界传感信号获得的信息φs(n)。如果将光源噪声、电路噪声、远程传输的散射噪声及非线性效应等进行有效抑制,扰动传输光纤引入的干扰即占系统噪声主要成分。在此条件下,φnr(n)和φnp(n)主要为具有一定相关性的传输噪声。由此相关性,φnr(n)经自适应滤波W(n)处理后可得到对φnp(n)的估计,即φnr(n)。φnr(n)与d(n)相减的误差信号e(n)再通过某种算法对W(n)进行反馈控制,使φnr(n)逐步逼近φnp(n)。经多次迭代处理后,最终的误差信号e(n)即为传感探头消除噪声后,信号φs(n)的最优估计。

实现自适应对消的滤波器算法有多种,其中NLMS算法在收敛速度和梯度噪声等方法都有一定优势,并且计算简单,因此得到了广泛应用。其算法为[13]

对n=0,1,2…,计算:

其中:µ为自适应步长,通常0<μ<1,M为滤波器阶数,调节µ和M可改变滤波器的收敛速度和误差。u(n)=[u(n),u(n-1),…,u(n-M+1)]T为由时刻n和滤波器阶数M确定的M1抽头参考输入矢量。W(n)=[w0(n),w1(n),…,wM-1(n)]T是滤波器的权矢量。其中T为转置,*为复共轭。式(1)中输入矢量u(n)经滤波处理后得到某时刻的输出y(n),式(2)中y(n)与基本信号d(n)相减,得到误差信号e(n)。式(3)由最小均方误差算法导出,通过e(n)对滤波器W(n)进行控制,最终得到使E[e(n)]2最小的误差信号e(n),同时e(n)也为d(n)去除了相关噪声后的信号。

2 实验及结果分析

为测试自适应滤波对光纤水听器传输噪声消除的效果,实验模拟了外界环境对传输光纤的扰动,并编写NLMS算法对各种噪声分别进行了滤除。具体实验结构如图2所示。

图2中,光源为波长1 550 nm的低噪声窄线宽光纤激光器[14]。光源输出接隔离器(ISO1)防止后续光路中反射光返回光源。传输光纤为6 km单模SM-28光纤,光纤绕在直径25 cm盘上,敲击光纤或者抖动光纤可使传输光偏振态变化产生偏振噪声。长度5m的单模光纤缠绕在压电陶瓷(PZT1)上,给PZT1加信号拉伸传输光纤可产生相位调制噪声。由于PZT1上光纤为单模,驱动PZT1也会产生部分偏振噪声。传输光纤末端加隔离器,防止后续光路返回光进入传输光纤。参考水听器(SR)和基本水听器(SP)均由臂差10 m的非平衡迈克尔逊干涉仪制成。干涉仪以法拉第镜(FRM)做反射端面以抑制偏振衰落[6],法拉第镜角度误差在1o以内。SR和Sp均为声压探头,且SR的声压灵敏度比SP低40 d B。SP的信号臂2 m光纤绕在PZT2上,可模拟声信号的产生。两水听器同时置于声屏蔽罐中,隔离外界信号对它们的影响。水听器的两路干涉信号经光电转换后,由两个A/D同时采集。系统采用相位产生载波内调制解调(PGC)[15]以消除相位衰落。解调后参考和传感探头的相位信息分别作为参考和基本信号,并通过NLMS自适应滤波程序进行处理,最终得到去除噪声后的传感信息。

实验分两部分进行。首先敲击传输光纤使光纤偏振态受到强烈扰动以产生偏振噪声,并在传感探头的PZT2上加1 k Hz正弦信号,模拟声信号的产生。采集并解调相位后得到参考探头和传感探头的时域信号如图3所示。

从图3中可以看出,敲击传输光纤在两路探头中同时引入了相似的随机偏振噪声,噪声幅度约0.01 rad。根据噪声的频率和幅度,以及两路信号中噪声的差异,并考虑自适应滤波噪声与收敛速度之间的平衡,设置NLMS滤波器参数µ=0.01,阶数M=100进行自适应噪声消除,其频谱如图4所示。为评估滤波效果,图4还给出了原始的参考和基本信号,以及将两信号直接相减的噪声抑制结果。

图4中,纵坐标。从图中看出,敲击光纤在参考和传感探头中引入的偏振噪声主要在700 Hz以下。由于两探头的噪声幅度有较大的差异,因此将它们直接相减后仍有较大的噪声残余,如在600 Hz附近残余噪声在5 d B以上。而NLMS算法有较好的噪声抑制效果,尤其在噪声较强的100 Hz和600 Hz附近,噪声抑制最大达20 d B。并且自适应噪声消除后,传感探头中1 k Hz仿真信号没有明显变化。

其次在传输光纤PZT1上加500 Hz正弦调制,引入相位调制噪声和少量偏振噪声。并且在传感探头中PZT2上加1 k Hz正弦信号,模拟声信号的产生。20次测量后得到两探头在500 Hz处的噪声幅度的变化如图5所示。

图5中,纵坐标。从图中看出,传输光纤中相位调制引入的噪声幅度在-80 d B附近波动,参考探头的噪声波动约5 d B,传感探头的波动约7 d B。分析原因,该波动主要由少量非稳定的偏振变化引起,由于它由相位调制引起,因此将它归入相位调制噪声。同时,相位调制噪声幅度较大,比系统本底噪声(-100 d B)高约20 d B。由于噪声信号为连续信号,且幅度较大,因此适当增加NLMS滤波器的阶数,设置为M=150。为保证滤波后有较小的噪声,步长仍然为µ=0.01。经过20次处理的平均结果与直接相减法的结果进行比较,其频谱如图6所示。

从图6中看出,NLMS算法对500 Hz处噪声的抑制达20 d B,基本消除了相位调制噪声和少量偏振噪声的影响,并且传感探头中1 k Hz仿真信号没有明显变化。图中还可以看出,由于参考探头和传感探头在500 Hz处噪声幅度的差异,直接相减法的噪声抑制效果比自适应滤波差约6 d B,并且在其余频段噪声频谱比系统本底噪声高约5 d B。分析原因为直接相减加倍了其余频段不相关的噪声。因此自适应滤波在噪声消除方面有明显的优势。

3 结论

论文针对光纤水听器远程传输系统,提出用自适应噪声消除方法对传输光纤引入的偏振和相位调制噪声进行抑制。实验中搭建系统,模拟了光纤受到外界扰动引入的传输噪声,使用参考探头获取与传感探头相关的传输噪声。利用该相关性,通过自适应NLMS滤波从参考噪声中得到了传感探头噪声的最优估计,从而实现了传感探头噪声的抑制。实验结果表明,NLMS算法对冲击传输光纤引入的宽带噪声和大幅度、单频噪声都有较好的抑制效果,并且滤波后完整保留了传感探头中的信号。实验同时证明,自适应噪声消除的结果明显优于直接相减法的噪声抑制效果。