基于麦克风阵列的多通道语音增强技术利用多通道接收信号的时域、频域、空域等多重特征对目标和非目标分量进行估计,通过波束形成算法实现对目标信号的增强和对干扰和噪声的抑制。最小方差无失真响应(Minimum Variance Distortionless Response,MVDR)波束形成器是常用的理论最优波束形成器,但是在实际应用过程中因不可避免的阵列模型误差而带来性能的严重下降。因此,本文基于智能人机交互嘈杂场景,针对远场小阵列由阵元测量误差和理论传播模型误差而带来的实际性能恶化问题进行了深入研究。具体研究内容如下:(1)针对MVDR波束形成器在实际应用中因阵列模型误差导致算法性能下降的问题,提出了基于盲估计和特征分解的误差修正算法。通过采用聚类分析的方法对麦克风阵列观测信号进行分类,得到目标类和噪声类协方差矩阵的估计,同时通过加入历史协方差矩阵信息对协方差矩阵进行实时训练。通过对估计得到的目标信号的协方差矩阵进行特征分解,并将主特征向量作为目标信号导向矢量的无偏估计。鸡尾酒会实验证明,本文提出的误差修正算法有效避免了阵列模型误差带来的影响,提升了波束形成器的语音增强性能和稳健性。(2)基于本文提出的误差修正算法和MVDR波束形成器架构,提出了改进的线性约束自适应波束形成算法,进一步提升波束形成器对干扰和背景噪声抑制水平。实验证明,结合协方差矩阵和导向矢量修正结果,通过对干扰源施加陷零约束,对背景噪声施加白噪声增益约束,实现了对输出信噪比、信干比的进一步改善。(3)针对实际智能音箱工程应用和产品化需求,搭建了基于ARM处理器的自适应多通道实时语音增强系统。设计实现针对系统实时性、鲁棒性的优化策略,包括:基于语音信号能量的唤醒词检测和基于信号能量的标记策略;基于浮点运算单元的加速策略;基于高级单指令多数据引擎的加速方法;基于Open MP的并行程序设计技术等。此外,为改善系统功耗问题,设计实现了两级自适应休眠优化策略。实验结果表明,本文的实时性优化措施显著降低了系统处理时延,低功耗设计能够显著降低系统功耗。综上所述,本文针对传统波束形成算法实际性能降级的问题,提出基于盲估计和特征分解的自适应误差修正算法。针对远场小阵列等典型的智能人机交互嘈杂场景,构建和实现了改进的线性多约束自适应波束形成算法,成功提升了波束形成器在实际应用中的目标信号增强效果、实时性和鲁棒性。本文的研究成果为在智能人机交互等多通道语音增强应用中提升语音增强性能和系统稳健性提供了一定的理论依据和工程实现的指导。