1.基于协同非线性自适应滤波的麦克风阵列语音增强方法，其特征在于：具体包括以下步骤：

(1)将带噪语音信号为X(n)＝A(θ)S(n)+N(n)输入麦克风阵列，麦克风阵列对接收到的带噪语音信号进行时延估计和时延补偿，使各个麦克风通道中的信号在时间上是一致的，经过延时估计和延时补偿对齐后的各麦克风通道的带噪语音信号分别为x0(n)、x1T

(n)、……、xM‑1(n)，定义对齐后的带噪语音信号为：X(n)＝[x0(n),x1(n),…,xM‑1(n)] ，其中M为麦克风个数；

T

(2)将步骤(1)中对齐后的带噪语音信号X(n)＝[x0(n),x1(n),...,xM‑1(n)] 分成两部分进行处理，一部分利用线性滤波器通过LMP自适应算法对带噪信号的权值进行更新，再使用最速梯度下降法，将LMP自适应算法误差统计平均值用误差的瞬时值代替，可获得瞬时梯度估计为：

经过线性滤波器降

T

噪后的语音输出信号为：yl(n)＝Wl(n)X(n)其中Wl＝[wl0,wl1,...,wlM‑1]；

(3)另一部分的带噪语音信号先通过三角函数扩展进行展开得到函数链接的集其中Q是函数链接的数量，X(n)的每个元素作为参数传递给选定的函数集Φ，从而产生一个子向量gi,n, 子向量表示为：扩展缓冲区gn表示为：

所述扩展缓冲区是子向量的串联，每个子向量表示为gm(n)，m＝0,1,...,Me‑1，Me≥M是扩展缓冲区的长度；

使用输入缓冲器的第i个样本的三角扩展的一组通用函数链接为：其中p＝1,...,P是扩展指数，P是扩展阶数，j＝0,...,M‑1是函数链接指数，滤波器的权重向量 表示为：

权系数利用递推公式进行更新：

Wf(n+1)＝Wf(n)+2μef(n)X(n)，非线性滤波器的误差信号为：

经过非线性滤波器的语音输出信号为：(4)麦克风阵列语音输出y(n)取决于分别经过线性滤波器和非线性滤波器的语音输出，即y(n)＝yl(n)+λ(n)yf(n)，根据步骤(2)和(3)可得：M T

Wl∈R＝[wl0(n),wl1(n),...,wlM‑1(n)]其中，λ(n)是非线性滤波器的收缩参数，它可以保持或删除非线性滤波器的输出，通过非线性部分的误差信号的调整，可以调整收缩或混合参数，通过S形函数进行调整，从而完成通过麦克风阵列的带噪语音增强；所述步骤(1)中的带噪语音信号X(n)＝A(θ)S(n)+N(n)中的θ为目标信号的来波方向，A(θ)为目标信号的阵列流型，S(n)为目标语音信号，N(n)为方向性干扰噪声或是随机噪声。

2.根据权利要求1所述的基于协同非线性自适应滤波的麦克风阵列语音增强方法，其特征在于：所述步骤(2)中的LMP自适应算法的自适应系统代价函数为：p T p

J＝E[|e(n)|]＝E[|d(n)‑X(n) W(n)|]，且权值更新系数为：p‑1 p‑1

W(n+1)＝W(n)+pX(n)|e(n)| sign(e(n))＝W(n)+μX(n)|e(n)| sign(e(n))。

3.根据权利要求1所述的基于协同非线性自适应滤波的麦克风阵列语音增强方法，其特征在于：所述步骤(4)中的可调整λ(n)的S形函数为：

4.根据权利要求3所述的基于协同非线性自适应滤波的麦克风阵列语音增强方法，其特征在于：所述步骤(4)中计算λ(n)根据梯度下降规则a(n+1)＝a(n)+Δa(n)进行调整a(n)，其中Δa(n)来自归一化最小均方(NLMS)自适应的结果：其中， 是一个粗略的低通滤波估计的感兴趣信号的功率，参数β是一个平滑因子，确保γ(n)比任何滤波器组件更快地适应，a(n)的值的取值范围为[‑4，4]。