1、現(xiàn)實生活中,人類能夠在復雜的環(huán)境下將注意力集中于感興趣目標的說話內容,語音分離的目的就是為了讓計算機也具備這種能力,即在眾多說話人背景下提取出感興趣的一個或多個說話人的語音。麥克風陣列在時域和頻域的基礎上增加了空間域,為語音分離算法提供了一個新的思路,就是根據(jù)聲源空間位置的不同對不同聲源進行分離。本文就是按這個思路進行語音分離算法的研究,主要工作概括如下:
　　 第一,分析了語音信號的特性和聲波傳播特性,在傳統(tǒng)陣列信號處理的基礎

2、上,研究了麥克風均勻線性陣列的近場、遠場信號模型。
　　 第二,針對基于麥克風陣列的高分辨率參數(shù)估計(如MUSIC)和波束形成參數(shù)估計(如MVDR)方法在抗噪性方面的不足,利用陣列信號的稀疏性將信號稀疏分解算法應用于聲源定位,通過實驗仿真驗證了該算法在低信噪比情況下有較好的魯棒性,而且能夠對相干信源進行定位估計；基于稀疏分解的聲源定位算法是通過不同的方位參數(shù)建立原子庫,并通過全局搜索尋找最佳原子,這樣導致了該算法復雜度較高,計算

3、量大,針對這一問題,使用基于近場扇區(qū)劃分的匹配追蹤算法,大大的減少了MP分解算法的計算量,為MP分解算法應用于實時系統(tǒng)提供了可能。
　　 第三,研究了近場自適應波束形成算法,使用麥克風陣列近場模型將傳統(tǒng)MVDR波束形成算法應用于近場環(huán)境,針對MVDR波束形成算法穩(wěn)健性方面的不足,研究了近場穩(wěn)健MVDR波束形成(RCB)算法,使得MVDR波束形成算法具有對導向矢量誤差和有限樣本效應的雙重魯棒性。
　　 第四,結合聲源定位算