[发明专利]共振峰依赖的语音信号增强

说明书

描述了一种用于语音信号处理的装置。接收包括语音信号分量和噪声分量的输入麦克风信号。将所述麦克风信号变换到短期谱信号的频域集中。然后，基于检测所述谱信号中的高能量密度区域来估计在所述谱信号之内的语音共振峰分量。对所述谱信号应用一个或多个动态调节的增益因子，以增强所述语音共振峰分量。

技术领域

本发明涉及语音信号处理中的降噪。

背景技术

常见的降噪算法对嘈杂的信号中存在的噪声类型做出假设。例如，维纳滤波器引入均方差(MSE)成本函数作为目标距离测量，以最优地最小化期望的信号与经滤波的信号之间的距离。然而，MSE不能说明人类对信号质量的感知。另外，滤波算法通常独立地应用于频率箱中的每个。因此，所有类型的信号被同等处置。这允许在许多不同情形下的良好的降噪性能。

然而，汽车环境中的移动通信情况是特殊的，这时因为它们包含语音作为它们期望的信号。行驶过程中存在的噪声的主要特征在于具有较低频率的渐增的噪声水平。语音信号处理开始于来自语音感测麦克风的输入音频信号。麦克风信号表示多个不同声源的混合物。除语音分量外，麦克风信号中的所有其他声源分量都充当不期望的噪声，所述不期望的噪声使得对语音分量的处理复杂化。在中度到高度噪声境况中从噪声分量中分离期望的语音分量尤其困难，尤其是在以高速公路行驶速度行驶的汽车客舱之内，在多名人员正在同时讲话时，或者有音频内容存在的情况下。

在语音信号处理中，麦克风信号通常首先被分割成适当大小的重叠块并对其应用窗口函数。然后使用快速傅立叶变换(FFT)将每个经开窗的信号块变换到频域中，以产生嘈杂的短期谱信号。为了降低不期望的噪声分量，同时保持语音信号尽可能自然，计算信噪比依赖(SNR：信噪比)的加权系数并将其应用于谱信号。然而，现有的常规方法使用的SNR依赖的加权规则，所述SNR依赖的加权规则在每个频率中独立地运行，并且不考虑被处理的实际语音声音的特征。

图1显示了用于语音信号降噪的典型装置。分析滤波器组102从麦克风101接收麦克风信号y(i)。y(i)包括语音分量(i)和由麦克风接收到的噪声 分量n(i)两者。参数(i)是采样索引，其识别用于麦克风信号y采样的时间段。分析滤波器组102通过应用FFT变换来将时域麦克风采样转换成频域表示帧。分析滤波器组102将滤波器系数分离成频率箱。如在附图中所指出的，麦克风信号的频域表示为Y(k,μ)，其中，k表示帧索引，并且μ表示频率箱索引。将麦克风信号的频域表示提供给降噪滤波器103。在降噪滤波器中计算信噪比加权系数，从而得到滤波器系数H(kμ)，并且滤波器系数和频域表示相乘，从而得到降噪信号针对帧的所有频率，在合成滤波器组中收集降噪频域信号，并且通过逆向变换(例如，逆向FFT)来传递帧。

发明内容

本发明的实施例指向用于语音信号处理的装置。可以在语音识别之前完成对语音信号的处理。该系统和方法也可以与移动电话信号一起被采用，并且更具体地在嘈杂的汽车环境中，以便提高接收的语音信号的可懂度。

接收包括语音信号分量和噪声分量的输入麦克风信号。麦克风信号被变换到短期谱信号的频域集中。然后，基于检测谱信号中的高能量密度区域来估计在谱信号之内的语音共振峰分量。对谱信号应用一个或多个动态调节的增益因子，以增强语音共振峰分量。

包括至少一个硬件实施的计算机处理器(例如，数字信号处理器)的计算机实施的方法可以处理语音信号并且识别并提升频域中的共振峰。可以由麦克风接收具有语音信号分量和噪声分量的输入麦克风信号。

语音预处理器将麦克风信号变换到短期谱信号的频域集中。基于检测谱信号中的高能量密度区域来在谱信号之内识别出语音共振峰分量。对谱信号应用一个或多个动态调节的增益因子，以增强语音共振峰分量。