基於遞迴類神經網路之麥克風嘯叫抑制系統

Recurrent Neural Network-based Microphone Howling Suppression

在使用卡拉OK系統唱歌時，常會因麥克風拿離喇叭太近，或是擴大機功率開太大，產生正回授而導致嘯叫，造成歌者跟聽眾都非常不舒服。一般處理麥克風嘯叫，常是利用移頻打斷共振，或是用帶阻濾波器做事後補救，但有可能會造成音質破壞。因此我們想改用適應性回授消除演算法，利用擴大機喇叭的輸入音源當參考訊號，來自動估算在不同空間環境、不同歌曲、不同訊雜比下，麥克風可能錄到的回授訊號，並在做訊號增益前先將其消除，以直接從源頭消除嘯叫發生的可能性。基於以上想法，在本論文中，實現了normalized least mean square（NLMS）的嘯叫消除演算法，尤其是進一步考慮擴音系統的非線性失真，提出基於recurrent neural network（RNN）的進階演算法。並在實驗時分別測試在時域或是頻域處理，與使用NLMS或是RNN，對不同曲風、不同環境空間響應情況下，不同演算法的收斂速度、計算量需求與嘯叫抑制效果。由實驗結果發現：（1）在時域實現收斂比較快，（2）在頻率可實現計算量小於時域，（3）RNN在收斂速度及突然變化的頻率消除上優於NLMS。