A Dual-Microphone Speech Enhancement Algorithm Based on the Coherence Function

(A Dual-Microphone Speech Enhancement Algorithm Based on the Coherence Function) ¹

1.系统框图

系统框图如下，输入双通道信号分帧加窗、算个相干函数，就得到了滤波系数$G$,看起来好简单，那就看看它的详细过程

A. Definition of Coherence Function

输入带噪信号定义为：
$$y_i(m)=x_i(m)+x_i(m),i=1,2\text{\hspace{1em}(1)}$$

其中$i$为麦克风序号，$m$为采样点

$STFT$到时频域：
$$Y_i({\omega }_l,k)=X_i({\omega }_l,k)+N_i({\omega }_l,k),i=1,2\text{\hspace{1em}(2)}$$
其中${\omega }_l$为角频率,$k$为帧序号，下面的表示会省略掉$l和k$（for better clarity）

输入信号$y_1,y_2$间的复相干函数定义为：
$${\Gamma }_{y_1{y}_2}(\omega ,k)=\frac{{\varphi }_{y_1{y}_2}}{\sqrt{{\varphi }_{y_1{y}_1}{\varphi }_{y_2{y}_2}}}\text{\hspace{1em}(3)}$$
其中${\varphi }_{uu}$为$PSD$（power spectral density，${\varphi }_{uv}$为$CSD$（cross-power spectral density）
在远场模型下，一个确定的方向声源在两个麦克风$\theta$角方向入射，在两个麦克风处接收到的信号的理想相干函数可以表示为 ²
$${\Gamma }_{u_1{u}_2}(\omega )=e^{j\omega f_s(d/c)cos(\theta )}\text{\hspace{1em}(4)}$$
关于这个函数，咱们可以画个图验证以下，信号从双麦$45^o$入射，估计出来的相干函数和理想曲线（上式）的实部和虚部对比作图如下：

从图中可以看到，式（4）与实际是相符的，但是要注意，这个是无混响的模型（order=0），混响越重这个曲线偏离越大

B. Proposed Method Based on Coherence Function

假设噪声和信号不相关，则接收信号的CSD为目标信号的CSD和噪声信号CSD之和：
$${\Gamma }_{y_1{y}_2}={\Gamma }_{x_1{x}_2}+{\Gamma }_{n_1{n}_2}\text{\hspace{1em}(5)}$$
两边同时除以$\sqrt{{\varphi }_{y_1{y}_1}{\varphi }_{y_2{y}_2}}$，变成这样：
$${\Gamma }_{y_1{y}_2}(\omega ,k)=\frac{{\varphi }_{x_1{x}_2}}{\sqrt{{\varphi }_{y_1{y}_1}{\varphi }_{y_2{y}_2}}}+\frac{{\varphi }_{n_1{n}_2}}{\sqrt{{\varphi }_{y_1{y}_1}{\varphi }_{y_2{y}_2}}}\text{\hspace{1em}(6)}$$
同样假定接收信号的PSD为目标信号的PSD和噪声信号PSD之和，同时定义:
$$SN{R}_i=\frac{{\varphi }_{x_i{x}_i}}{{\varphi }_{n_i{n}_i}}\text{\hspace{1em}(7)}$$
　　因为麦克风间距比较小，可以大致认为两个麦克风处的$SNR$基本相同，这样一顿变变变，
接收信号的相干函数就变成了：
$${\hat{\Gamma }}_{y_1{y}_2}(\omega ,k)={\Gamma }_{x_1{x}_2}\frac{\widehat{SNR}}{1+\widehat{SNR}}+{\Gamma }_{n_1{n}_2}\frac{1}{1+\widehat{SNR}}\text{\hspace{1em}(8)}$$
　　看下这个公式，可以知道，当$SNR高（\to +\infty ）$时，${\hat{\Gamma }}_{y_1{y}_2}(\omega ,k)$主要受目标信号的相干函数影响，当$SNR低（\to 0）$时，${\hat{\Gamma }}_{y_1{y}_2}(\omega ,k)$主要受噪声信号的影响（其实这个结论不经过这一顿猛于虎的操作也能理解），
　　好了，接下来，就到最重要的一个分析公式了，将理想的相干函数（4）代入到（8）（欧拉公式替换）得到：
　　$${\hat{\Gamma }}_{y_1{y}_2}(\omega )=[cos(\omega \tau )+jsin(\omega \tau )]\frac{\widehat{SNR}}{1+\widehat{SNR}}+[cos(\omega \tau cos\theta )+jsin(\omega \tau cos\theta )]\frac{1}{1+\widehat{SNR}}\text{\hspace{1em}(9)}$$
　　其中$\tau =f_s(d/c)$，后面会根据（9）式的特定设计想要的增益函数

下面来分析下噪声在不同位置时的情况：

• $\theta =90^o$
  当干扰在双麦正前方的时候，看式(4)，cos(90)=0，因此这个时候，噪声产生的相干函数之为1，为实数，没有虚部，看式(9)，可以知道，这个时候只有当语音存在的时候，${\hat{\Gamma }}_{y_1{y}_2}(\omega )$才有虚部（这个特点在这里好像并没有起到什么作用？），因此，这种情况下，增益函数就应该抑制相干函数实部为1的信号，如是，提出增益函数如下：
  $$G_1(\omega ,k)=1-{\left|\begin{array}{c}real({\hat{\Gamma }}_{y_1{y}_2}(\omega ,k))\end{array}\right|}^{P(\omega )}\text{\hspace{1em}(10)}$$
  这个函数的曲线如下³:

　　从这个曲线图来看，当输入接近1的时候，$G_1$的值很小，起到抑制作用，同时，指数系数$P$能够控制衰减量的大小。

• $90^o<\theta \le 180^o$
  　　上面$\theta =90^o$咱们看的是相干函数的实部特点，这里$90^o<\theta <180^o$的时候，干扰信号的相干函数也是有虚部的，那就看下带噪信号相干函数的虚部有什么规律
  　　由（9）可以直接写出${\hat{\Gamma }}_{y_1{y}_2}(\omega )$的虚部表达式如下：
  　　$$imag[{\hat{\Gamma }}_{y_1{y}_2}(\omega )]=sin(\omega \tau )\frac{\widehat{SNR}}{1+\widehat{SNR}}+sin(\omega \tau cos\theta )\frac{1}{1+\widehat{SNR}}\text{\hspace{1em}(11)}$$
  　　当$\widehat{SNR}高（\to +\infty ）$时，${\hat{\Gamma }}_{y_1{y}_2}(\omega ,k)$主要受目标信号的相干函数影响，当$\widehat{SNR}低（\to 0）$时，${\hat{\Gamma }}_{y_1{y}_2}(\omega ,k)\approx sin(\omega \tau cos\theta )$，即主要受噪声的影响，
  　　根据前面假定的$\omega <\pi ,fs=16000$，麦间距为20mm左右，因此$\tau =fs\ast d/c也是小于1$，这样的条件下$sin(\omega \tau cos\theta )$恒小于0的，这就揭示了一个现象：当噪声占主要成分时，相干函数虚部为0的概率就更大。
  　　这里也举两个极端的例子，
  　　当$\theta =180^o$时，若$imag[{\hat{\Gamma }}_{y_1{y}_2}]<0$，根据式（11）可以得到$\widehat{SNR}<1（0dB）$，而
  　　当$\theta =90^o$时，这是上面已经讨论过的一种情况，此时若还需要$imag[{\hat{\Gamma }}_{y_1{y}_2}]<0$，则根据（11）式得到$\widehat{SNR}<0$，而由$\widehat{SNR}$的定义（7）可以知道$\widehat{SNR}$是恒为正的，因此这也的确不属于这里讨论的范围。
  　　综上讨论，当$90^o<\theta \le 180^o$时，增益函数设计为：
  　　$$G_2(\omega ,k)=\{\begin{array}{c}\begin{array}{rl}& mu,imag[{\hat{\Gamma }}_{y_1{y}_2}(\omega )]<Q(\omega )\\ & 1,otherwise\end{array}\end{array}\text{\hspace{1em}(12)}$$

最终的增益函数：
　　讨论了$\theta =90^o$和$90^o<\theta \le 180^o$的两种情况，最后得到的增益函数为
　　$$G(\omega ,k)=G_1(\omega ,k)\ast G_2(\omega ,k)$$
当一个滤波器激活的时候另一个滤波器接近1，因此两个滤波器相互并不影响
最后实现的时候还根据不同频段的特点分频段处理，详细内容可以看看作者论文中的分析

看看处理前后的区别：


这篇论文中的方法输出音频幅度为变小一些，但放大点可以看到对$90^o$的干扰抑制还是很明显的
References:

---

1. Yousefian, N., & Loizou, P. (2011). A Dual-Microphone Speech Enhancement Algorithm Based on the Coherence Function. IEEE Transactions on Audio, Speech, and Language Processing. ↩︎

2. M. Brandstein and D. Ward, Microphone Arrays: Signal Processing Techniques and Applications. Berlin, Germany: Springer Verlag,2001（p.32） ↩︎

3. N. Yousefian, K. Kokkinakis, and P. C. Loizou, “A coherence-based algorithm for noise reduction in dual-microphone applications,” in Proc.Eur. Signal Process. Conf. (EUSIPCO’10), Alborg, Denmark, Aug.
   2010, pp. 1904–1908 ↩︎