融合基頻信息的雙麥克風(fēng)定向噪音抑制的系統(tǒng)及方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及噪音抑制的系統(tǒng)和方法，具體設(shè)及一種融合基頻信息的雙麥克風(fēng)定向 噪音抑制的系統(tǒng)及方法。
【背景技術(shù)】
[0002] 基于語音的人機(jī)交互技術(shù)是人與人、人與計(jì)算機(jī)最便捷、自然的交互方式。隨著智 能手機(jī)、語音識(shí)別等相關(guān)產(chǎn)品技術(shù)的發(fā)展，市場(chǎng)對(duì)語音降噪相關(guān)技術(shù)的需求越來越迫切。而 用戶在使用智能語音相關(guān)產(chǎn)品的同時(shí)，目標(biāo)語音通常伴隨著一些噪音，比如在家居環(huán)境下 電視、音響設(shè)備的聲音，運(yùn)些噪音限制了智能語音的效果與用戶體驗(yàn)。本專利發(fā)明的技術(shù)正 是基于運(yùn)項(xiàng)需求，通過信號(hào)處理，有效過濾掉相關(guān)噪音，確保語音信號(hào)的純凈度，提高語音 交互的用戶感知與體驗(yàn)。
[0003] 常規(guī)的基于噪音能量估計(jì)的方法，通常需要對(duì)噪音類型進(jìn)行限制，必須能量時(shí)不 變的平穩(wěn)信號(hào)，才能有一定的噪音抑制效果。此外，由于語音譜也被破壞，不能提高后續(xù)語 音識(shí)別相關(guān)技術(shù)的準(zhǔn)確率。采用麥克風(fēng)陣列的beanrforming技術(shù)，需要準(zhǔn)確估計(jì)用戶方位 信息，或者需要用戶必須站在某個(gè)固定的位置，限制了其應(yīng)用的靈活性。本項(xiàng)發(fā)明采用了計(jì) 算聽覺場(chǎng)景分析技術(shù)，可W有效抑制真實(shí)環(huán)境下的非平穩(wěn)定向噪聲，并且只需要兩個(gè)麥克 風(fēng)，對(duì)用戶方位信息并無特殊要求，應(yīng)用更為靈活。
[0004] 對(duì)現(xiàn)有的降噪技術(shù)和市場(chǎng)上的語音降噪類產(chǎn)品進(jìn)行仔細(xì)的對(duì)比和分析，可發(fā)現(xiàn)現(xiàn) 有的降噪技術(shù)技術(shù)或者只能抑制某一類噪音，或者對(duì)噪音的處理效果不佳，有很大的噪音 殘留，不能提高語音識(shí)別的準(zhǔn)確性，或者對(duì)麥克風(fēng)的數(shù)量有嚴(yán)格要求，使用并不靈活。比較 詳細(xì)的比較如下所示： 陽0化]W譜減法（spectralsubtraction)為代表的語音增強(qiáng)技術(shù)，對(duì)噪音的平穩(wěn)性有嚴(yán) 格要求，只能有效處理白噪聲或者其他能量變化緩慢的噪音信號(hào)；語音信號(hào)通常也會(huì)被誤 減，語音扭曲很大，降噪后語音感知質(zhì)量差、可懂度并未提高，由于語音扭曲會(huì)導(dǎo)致語音識(shí) 別率進(jìn)一步下降。
[0006] Wbeanrforming為代表的麥克風(fēng)陣列處理技術(shù)，需要4個(gè)或者更多的麥克風(fēng)才能 達(dá)到相對(duì)良好的降噪效果，需要知道用戶方位的先驗(yàn)信息，對(duì)于定向噪音抑制性能有限。
[0007] W主成分分析為代表的盲源分離技術(shù)，在理想無混響或者混響較弱的情況下，效 果良好，但是真實(shí)家居環(huán)境應(yīng)用下，混響通常很強(qiáng)，導(dǎo)致性能下降；通常聲源的數(shù)量，不能多 于麥克風(fēng)的數(shù)量，比如W雙麥克風(fēng)為例，如果噪音源超過一個(gè)（用戶聲源也要計(jì)算），會(huì)導(dǎo) 致性能下降；此外過高的時(shí)間開銷也是限制其應(yīng)用的重要原因。

【發(fā)明內(nèi)容】

[0008] 針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明公開了一種融合基頻信息的雙麥克風(fēng)定向噪音抑制 的系統(tǒng)及方法。 陽009] 本發(fā)明的技術(shù)方案如下：
[0010] 一種融合基頻信息的雙麥克風(fēng)定向噪音抑制系統(tǒng)，包括主聲音信號(hào)輸入設(shè)備和輔 助聲音信號(hào)輸入設(shè)備，所述輔助聲音信號(hào)輸入設(shè)備距離聲源的距離遠(yuǎn)于主聲音信號(hào)輸入設(shè) 備滿包括：
[0011] 單通道語音信號(hào)分離模塊，包括恢復(fù)語音信號(hào)中的諧波的缺失成分的模塊；
[0012] 雙通道語音信號(hào)分離模塊，包括構(gòu)造優(yōu)化目標(biāo)和最優(yōu)濾波器，所述最優(yōu)濾波器用 于計(jì)算系統(tǒng)在保證語音信號(hào)無扭曲的條件下抑制噪音； 陽〇1引輸出模塊；
[0014] 所述主聲音信號(hào)輸入設(shè)備的輸出端連接單通道語音信號(hào)分離模塊，單通道語音信 號(hào)分離模塊的輸出端和輔助聲音信號(hào)輸入設(shè)備的輸出端都連接雙通道語音信號(hào)分離模塊； 雙通道語音信號(hào)分離模塊的輸出端連接輸出模塊，所述輸出模塊輸出可識(shí)別文本。
[0015] 其進(jìn)一步的技術(shù)方案為，其特征在于，所述單通道語音信號(hào)分離模塊包括諧波結(jié) 構(gòu)缺失成分恢復(fù)模塊，具體包括：
[0016] 聽覺譜計(jì)算模塊，計(jì)算聽覺譜估計(jì)函數(shù)；
[0017] 二值掩蔽估計(jì)模塊，設(shè)置有二值掩蔽函數(shù)，根據(jù)聽覺譜估計(jì)函數(shù)區(qū)分由噪音主導(dǎo) 的時(shí)頻單元并將其排除，得到目標(biāo)語音譜估計(jì)；
[0018] 諧波結(jié)構(gòu)模型分析模塊，設(shè)置有諧波結(jié)構(gòu)分析函數(shù)，分析所述聽覺譜計(jì)算模塊的 輸出信號(hào)的諧波結(jié)構(gòu)；
[0019] 諧波缺失成分恢復(fù)模塊，設(shè)置有時(shí)域到頻域的卷積函數(shù)，可恢復(fù)所述二值掩蔽估 計(jì)模塊得到的目標(biāo)語音譜估計(jì)中的諧波缺失成分。
[0020] 其進(jìn)一步的技術(shù)方案為，所述單通道語音信號(hào)分離模塊還包括基于CASA和維納 濾波的平滑濾波模塊，具體包括：
[0021] 噪音譜估計(jì)模塊，可根據(jù)所述主聲音信號(hào)輸入設(shè)備所輸入的信號(hào)中的無語音信號(hào) 的空白時(shí)間段噪音譜估計(jì)函數(shù)和并估計(jì)噪音能量；
[0022] 自適應(yīng)噪音控制因子計(jì)算模塊，可根據(jù)噪音譜估計(jì)模塊和所述二值掩蔽估計(jì)模塊 所輸出的信息得到與噪音效果成負(fù)相關(guān)的噪音控制因子；
[0023] 浮值掩蔽計(jì)算模塊，設(shè)置有浮值掩蔽計(jì)算函數(shù)，可根據(jù)噪音控制因子得到目標(biāo)語 音頻譜估計(jì)函數(shù)；對(duì)語音頻譜估計(jì)函數(shù)進(jìn)行短時(shí)傅里葉逆變換得到目標(biāo)語音時(shí)域估計(jì)函 數(shù)。
[0024] 其進(jìn)一步的技術(shù)方案為，所述雙通道語音信號(hào)分離模塊包括對(duì)偶濾波器和最優(yōu)濾 波器；所述對(duì)偶濾波器用于提取所述單通道語音信號(hào)分離模塊所輸出的目標(biāo)語音信號(hào)和輔 助聲音信號(hào)輸入設(shè)備所輸出的背景噪音信號(hào)；所述最優(yōu)濾波器內(nèi)設(shè)置有噪音殘留評(píng)價(jià)函 數(shù)、語音扭曲度評(píng)價(jià)函數(shù)和最優(yōu)濾波器估計(jì)函數(shù)；所述噪音殘留評(píng)價(jià)函數(shù)與噪音抑制效果 呈負(fù)相關(guān)；所述語音扭曲度評(píng)價(jià)函數(shù)與語音扭曲程度呈正相關(guān)；所述最優(yōu)濾波器估計(jì)函數(shù) 在噪音抑制效果和語音扭曲度之間找到噪音抑制的最佳值。
[00巧]一種使用如上所述的融合基頻信息的雙麥克風(fēng)定向噪音系統(tǒng)抑制噪音的方法，包 括W下步驟：
[00%] 步驟1、主聲音信號(hào)輸入設(shè)備收集主要語音信號(hào)，同時(shí)輔助聲音信號(hào)輸入設(shè)備收集 背景噪音信號(hào)；
[0027] 步驟2、單通道語音信號(hào)分離模塊對(duì)主要語音信號(hào)進(jìn)行噪音過濾，恢復(fù)主要語音信 號(hào)諧波結(jié)構(gòu)缺失成分，輸出目標(biāo)語音信號(hào)；
[0028] 步驟3、雙通道語音信號(hào)分離模塊對(duì)所收集的背景噪音信號(hào)和所述步驟2輸出的 目標(biāo)語音信號(hào)構(gòu)建對(duì)偶濾波器，并通過對(duì)偶濾波器建立優(yōu)化函數(shù)，在語音不扭曲的基礎(chǔ)上 抑制所述目標(biāo)語音信號(hào)中含有的噪聲。
[0029] 其進(jìn)一步的技術(shù)方案為，所述步驟2具體包括：
[0030] 步驟2. 1、使用gammatone濾波器組對(duì)所屬主要語音信號(hào)進(jìn)行聽覺濾波并計(jì)算聽 覺譜估計(jì)函數(shù)；gammatone濾波器的時(shí)域沖擊響應(yīng)函數(shù)為：
[0031] (1) 陽03引式（1)中，1為濾波器階數(shù)，b為等效矩形帶寬，b= 1.019X24. 7X0). 0043f+l);
[0033] 步驟2.2、二值掩蔽估計(jì)，根據(jù)所述步驟2. 1中得到的聽覺譜估計(jì)函數(shù)，區(qū)分出由 噪音主導(dǎo)的時(shí)頻單元并將其排除，得到目標(biāo)語音譜估計(jì)；
[0034] 二值掩蔽估計(jì)函數(shù)為： W對(duì)
（2)
[0036] 式（2)中，S(t，f)為語音聽覺譜估計(jì)函數(shù)，N(t，f)為噪音聽覺譜估計(jì)函數(shù)；LC為 口限闊值；
[0037] 步驟2. 3、諧波結(jié)構(gòu)分析，根據(jù)所述步驟2. 1中聽覺濾波器的輸出信號(hào)，計(jì)算第f通 道、第m時(shí)間帖自相關(guān)譜：
[00 測(cè)
C3)
[0039]根據(jù)式（3)計(jì)算互通道相關(guān)系數(shù)： W40]
(4) 陽0川式（4)中互通道相關(guān)系數(shù)C化m)的最大值對(duì)應(yīng)處為基頻對(duì)應(yīng)圓頻率f。，當(dāng)fuG[50, 800]化時(shí)，對(duì)所述輸出信號(hào)進(jìn)行梳狀濾波，梳狀濾波器頻域響應(yīng)函數(shù)為：
[0042] Hwmb訊=1+aexpH2 31fFs/F。）妨
[0043] Hshift訊=1+aexp(-j(2 31fFs/F〇+ 31)) (6) W44] 式妨和式（6)中，a為控制參數(shù)，F(xiàn)歷采樣頻率；Htumb訊用W抓取諧波結(jié)構(gòu)上 的語音能量，山ift訊用W抓取諧波結(jié)構(gòu)之間的語音能量；
[0045] 根據(jù)濾波后的時(shí)域信號(hào)計(jì)算梳狀濾波能量比：
[0046]
饑
[0047] 式（7)中CFR是進(jìn)行諧波結(jié)構(gòu)分析得到的特征；
[0048] 步驟2. 4、諧波缺失成分恢復(fù)，
[0049] 通過相鄰的諧波成分對(duì)孤立出現(xiàn)的諧波成分的缺失進(jìn)行恢復(fù)，恢復(fù)所述二值掩蔽 估計(jì)模塊得到的目標(biāo)語音譜估計(jì)中的諧波缺失成分。
[0050] 其進(jìn)一步的技術(shù)方案為，所述步驟2. 4中，采用半波整流的方法和窗函數(shù)恢復(fù)諧 波缺失成分，所述半波整流所對(duì)應(yīng)的頻域響應(yīng)函數(shù)為：
[0051]
C8)
[0052] 所述窗函數(shù)為： 柳5引
（9)
[0054] 式（9)中，W為窗長(zhǎng)為2M+1的窗函數(shù)；根據(jù)所述步驟2. 2中二值掩蔽估計(jì)中得到 的語音譜估計(jì)函數(shù)卷積式巧）中的窗函數(shù)，得到目標(biāo)語音譜估計(jì)。
[0055] 其進(jìn)一步的技術(shù)方案為，所述步驟2還包括抑制語音扭曲的基于CASA和維納濾波 的平滑濾波算法，與上述恢復(fù)主要語音信號(hào)諧波結(jié)構(gòu)缺失成分的步驟并行進(jìn)行，具體包括 W下步驟：
[0056] 步驟2. 5、噪音譜估計(jì)。對(duì)每一個(gè)時(shí)頻單元，選取前后M個(gè)時(shí)頻單元，根據(jù)步驟2. 1 所計(jì)算出的聽覺譜和步驟2. 2得到的二值掩蔽估計(jì)的結(jié)果，估計(jì)噪音譜：
[0057]
*^24) 陽05引式（24)中，N是前移帖長(zhǎng)；
[0059] 根據(jù)噪音譜估計(jì)，估計(jì)當(dāng)前語音譜能量^4(1); W60]
(25)
[0061] 式（25)中，|Y(1)I2為混合語音功率譜，e是一個(gè)正數(shù)闊值W避免估計(jì)值小于0 ;
[0062] 步驟2. 6、自適應(yīng)噪聲控制因子計(jì)算； 柳6引
(27)
[0064] 式（27)中，aB(l)是原二值掩蔽估計(jì)結(jié)果，《 (1)是為了保證每一個(gè)時(shí)頻單元 都有等權(quán)重W影響噪音控制因子的選擇，在每一時(shí)間帖，任一y對(duì)應(yīng)一組浮值掩蔽aU， L(aQe)定義為y與二值掩蔽的距離； W65] 對(duì)L(aU，Qe)優(yōu)化即得到自適應(yīng)噪聲控制因子其；