一種基于子帶噪聲分析的自適應降噪方法與系統(tǒng)的制作方法
【專利摘要】本發(fā)明涉及語音【技術(shù)領域】,本發(fā)明的一種基于子帶噪聲分析的自適應降噪方法，包括步驟1，對輸入的時域帶噪音頻信號進行分幀和短時頻域變換，生成頻域帶噪音頻信號；步驟2，對頻域帶噪音頻信號，采用最小值跟蹤方法估計出噪聲能量譜；步驟3，計算出該噪聲能量譜的后驗信噪比和先驗信噪比；步驟4，通過非線性增益擴展方法，利用所述的后驗信噪比和先驗信噪比計算各個時頻單元的降噪增益；步驟5，對所述的各個時頻單元的降噪增益進行平滑濾波，以降低音質(zhì)失真；步驟6，將降噪增益作用于步驟1所述的帶噪音頻信號的各個時頻單元，得到降噪后的頻域音頻信號；步驟7，短時頻域逆變換，得到最終的降噪后的時域音頻信號輸出。本發(fā)明可以大幅度降低目標信號中的穩(wěn)定類噪聲。
【專利說明】一種基于子帶噪聲分析的自適應降噪方法與系統(tǒng)【技術(shù)領域】
[0001]本發(fā)明涉及語音【技術(shù)領域】，具體涉及一種基于子帶噪聲分析的自適應降噪方法與系統(tǒng)。
【背景技術(shù)】
[0002]在語音通信與錄制領域，背景噪聲是影響聲音音質(zhì)與辨識度的最大障礙。通過網(wǎng)絡與親友視頻聊天時會有電腦的“嗡嗡”聲；錄制課堂講座時會有寫字聲與學生們的閑聊聲；戶外做采訪時道路交通噪聲以及風噪聲等，日常生活中我們離不開這些噪聲。
[0003]為了提高采集聲音信號的音質(zhì)，信噪比，以及可懂度，國際上已經(jīng)研究出了很多降噪算法，可分為兩大類。一種是通過多路麥克風輸入在空間上選取目標聲源的方式，叫指向性麥克風技術(shù)。另一種是單麥克風輸入，通過語音信號和干擾噪聲信號的頻譜特性差異，濾除噪聲信號，提高信噪比。理論上，指向性麥克風方式的降噪效果要比單麥克風降噪算法要好，目前已經(jīng)有很多筆記本電腦，平板電腦，部分智能手機均采用這類技術(shù)。但是，一個產(chǎn)品同時要配置多路麥克風的技術(shù)實現(xiàn)需求，在高集成度的迷你產(chǎn)品的研發(fā)中受到限制，同時也會提高生產(chǎn)成本，且運算復雜度較高，不適于如數(shù)字助聽器等極低功耗系統(tǒng)的應用。
[0004]一般我們會通過以下方式進行單麥克風降噪。第一類是通過自適應增益調(diào)節(jié)進行噪聲判斷，并進行衰減，其中最為典型的算法為低增益擴展降噪算法，如圖1所示，如果當前輸入的聲壓級小于擴展臨界值，即輸入處于擴展閾的范圍內(nèi)，則判斷為噪聲，并進行增益衰減；如果輸入聲壓級大于此臨界值進行線性輸出，或進行增益壓縮。第二類是通過語音激活檢測(Voice Activity Detection)等方式對信號進行語音段與噪聲段的分類。此算法自動平均噪聲段的信號能量 ，并在判斷為噪聲段的信號進行相應衰減，得到降噪效果。第三類為通過自適應濾波器的方式進行降噪，如圖2所示。自適應濾波器以系統(tǒng)輸出信號無限接近于原信號為條件進行收斂。在實際應用中，因為我們得不到原信號，通常使用實際輸入信號與長時能量的差值代替原信號進行收斂，其中長時能量代表噪聲等級。
[0005]上述三類降噪方式均有相應的降噪效果，但都存在缺陷。第一類降噪方式只能應用于噪聲能量明顯小于信號能量的場景，而能量較小的語音信號會被誤認為噪聲，因此被衰減。第二類的降噪方式效果要好于第一類，但在噪聲段存在明顯的音樂噪聲(Musicalnoise)。第三類的降噪算法比前兩類更為復雜，但自適應濾波器方法由于收斂關系會影響輸出音質(zhì)，也就是說收斂速度越快會提高降噪效果，但同時會降低音質(zhì)，同時也存在濾波器發(fā)散的危險。
[0006]總之，需要本領域技術(shù)人員迫切解決的一個技術(shù)問題就是:如何能夠提供一種自適應降噪算法，要求較高的降噪效果同時保證輸出音質(zhì)。

【發(fā)明內(nèi)容】

[0007]為了解決上述技術(shù)問題，本發(fā)明提供了一種基于子帶噪聲分析的自適應降噪方法，可以大幅度降低目標信號中的類穩(wěn)定噪聲，同時提供幾乎無失真(經(jīng)過40dB以上的放大處理仍無聽感失真)的語音音質(zhì)，本發(fā)明的方法在多種噪聲環(huán)境下，均能提供較好的降噪效果。
[0008]為了達到上述目的，本發(fā)明所采用的技術(shù)方案是，一種基于子帶噪聲分析的自適應降噪方法，包括以下步驟:
[0009]步驟1，對輸入的時域帶噪音頻信號進行分幀和短時頻域變換，生成頻域帶噪音頻信號;
[0010]步驟2,對頻域帶噪音頻信號,采用最小值跟蹤方法(Minimum Tracking)估計出噪
聲能量譜；
[0011]步驟3，計算出該噪聲能量譜的后驗信噪比和先驗信噪比；
[0012]步驟4，通過非線性增益擴展方法，利用所述的后驗信噪比和先驗信噪比計算步驟I所述的帶噪音頻信號的降噪增益；
[0013]步驟5，對所述的各個時頻單元的降噪增益進行平滑濾波，以降低音質(zhì)失真；
[0014]步驟6，將所述的平滑濾波后的降噪增益與步驟I所述的頻域帶噪音頻信號的各個時頻單元相乘，得到降噪后的頻域音頻信號；
[0015]步驟7，對步驟6所述的降噪后的頻域音頻信號進行短時頻域逆變換，得到最終的降噪后的時域音頻信號輸出。
[0016]進一步的，所述步驟I中，短時頻域變換為加權(quán)重疊相加分析算法。
[0017]進一步的，所述步驟7中，短時頻域逆變換為加權(quán)重疊相加合成算法。
[0018]進一步的，所述步驟2中，所述最小值跟蹤方法包括以下步驟:
[0019]步驟21:計算短時頻域變換后的帶噪音頻信號Sin (n，k)的能量譜|Sin(n，k)|2的短時最大值PST max (n, k)，如式(I)所示，
[0020]
【權(quán)利要求】
1.一種基于子帶噪聲分析的自適應降噪方法，其特征在于: 步驟1，對輸入的時域帶噪音頻信號進行分幀和短時頻域變換，生成頻域帶噪音頻信號; 步驟2，對頻域帶噪音頻信號，采用最小值跟蹤方法估計出噪聲能量譜； 步驟3，計算出該噪聲能量譜的后驗信噪比和先驗信噪比； 步驟4，通過非線性增益擴展方法，利用所述的后驗信噪比和先驗信噪比計算各個時頻單元的降噪增益； 步驟5，對所述的各個時頻單元的降噪增益進行平滑濾波，以降低音質(zhì)失真； 步驟6，將所述的平滑濾波后的降噪增益作用于步驟I所述的帶噪音頻信號的各個時頻單元，得到降噪后的頻域音頻信號； 步驟7，對步驟6所述的降噪后的頻域音頻信號進行短時頻域逆變換，得到最終的降噪后的時域音頻信號輸出。
2.根據(jù)權(quán)利要求1所述的一種基于子帶噪聲分析的自適應降噪方法，其特征在于:所述步驟I中，短時頻域變換為加權(quán)重疊相加分析算法。
3.根據(jù)權(quán)利要求1所述的一種基于子帶噪聲分析的自適應降噪方法，其特征在于:所述步驟7中，短時頻域逆變換為加權(quán)重疊相加合成算法。
4.根據(jù)權(quán)利要求1所述的一種基于子帶噪聲分析的自適應降噪方法，其特征在于:所述步驟2中，所述最小值跟蹤方法包括以下步驟: 步驟21:計算短時頻域變換后的帶噪音頻信號Sin(n，k)的能量譜|Sin(n，k) |2的短時最大值PST—max(n, k)，如式(I)所示，
5.根據(jù)權(quán)利要求1所述的一種基于子帶噪聲分析的自適應降噪方法，其特征在于:所述步驟3中，計算后驗信噪比和先驗信噪比，具體包括以下步驟:步驟31:通過能量譜Sin (n, k) I2與估算噪聲譜|#(?乂)|2計算后驗信噪比，如式(3)所示:
6.根據(jù)權(quán)利要求1所述的一種基于子帶噪聲分析的自適應降噪方法，其特征在于:所述步驟4中，非線性增益擴展方法，具體包括以下步驟: 步驟41:利用后驗信噪比和先驗信噪比計算得到降噪增益Gain_dB(n，k)，如式(5)所示:
7.根據(jù)權(quán)利要求1所述的一種基于子帶噪聲分析的自適應降噪方法，其特征在于:所述步驟5中，各個時頻單元的降噪增益進行平滑濾波，如式(5)所示:
【文檔編號】G10L21/0224GK103871421SQ201410106985
【公開日】2014年6月18日 申請日期:2014年3月21日 優(yōu)先權(quán)日:2014年3月21日
【發(fā)明者】梁維謙, 薛行棟 申請人:廈門萊亞特醫(yī)療器械有限公司