[发明专利]用于处理音频信号的方法和装置

说明书

本发明公开了用于处理音频信号的方法和装置，其中所述方法包括：接收表示音频信号(i(t))中包括的第一声音的第一组时变信号(x(t))，所述第一组时变信号包括调幅信号(a(t))、载频信号(fc(t))、基音信号(f0(t))和FM指数信号(h(t))；及通过修改FM指数信号(h(t))的振幅而修改第一组时变信号(x(t))，从而提供第一组修改后的时变信号(x’(t))。本发明可用在宽范围的音频处理系统如音频广播系统和音频处理装置如听力装置中。

技术领域

本发明涉及用于处理音频信号的方法、装置和系统。

本发明可广泛用于各种音频处理系统，例如音频广播系统、音频通信系统、语音识别系统、音频重建系统和播音系统，还可用于音频处理装置如听力装置。

背景技术

到达听者耳朵的声信号通常为源自不同声源的几个声音的混合。人类听觉系统利用接收到的声音中的大量同时存在及相继出现的线索以使它们与同时接收到的其它声音分离（Bregman1990）。按时间和频率组合线索的能力还使能正确解释所接收的声音，尤其对于正常听力听者而言，即使在这些声音大幅度降级时，例如因被其它声音掩蔽或因经具有不良传输特性的信道传输而引起。

声音的时域精细结构（TFS）携载线索，其在一些情形下对听者识别和定位声源及理解声音的含义至关重要（Hopkins,Moore and Stone2008）。TFS还携载使声音能与多个声源分离的线索。例如，Andersen和Kristensen已发现正常听力听者在具有3个空间上分隔的讲话者的困难听音情形下在语音识别阈值方面受益于单耳和双耳TFS线索（Andersen etal.2010）。

最近的实验已表明，相比于正常听力听者，听力受损听者对声信号中的TFS线索的敏感性降低（Hopkins and Moore2007;Moore and Sek2009），及在同时有两个讲话者的困难听音情形下不太能够利用TFS线索（Hopkins,Moore and Stone2008;Lunner etal.2011）。TFS1测试（Moore and Sek2009）中的刺激以正感觉级呈现（即高于个人听觉阈），因而可能不会因刺激的可听性有限而引起敏感性降低，尤其是，正常听力听者的表现不会随着感觉级增加而改善（Moore and Sek2009）。此外，有越来越多的证据表明老化也会导致限制使用TFS线索（Hopkins and Moore2011;Ruggles,Bharadwaj and Shinn-Cunningham2011）。

自然发出的声音通常为时变信号，其频谱分量占听得见的频率范围的相当宽的一部分。为有助于从声音解码线索，所有其频谱分量应更适合无失真地传给听者。然而，这并非总是可能。例如，有用声音的声谱的部分被其它声音或噪声掩蔽和/或被频带有限的声音传输信道衰减非常普遍。

不好的信号质量降低人听觉系统正确解码声音中的线索的能力。为补偿该种降低，听者必须利用认知技能及例如利用所讲话语中的冗余以理解说了什么。不好的声音质量因而可明显降低可懂度并可导致误解，而且使听者紧张并降低听者的一般知觉。因此，许多音频系统包括用于减少或防止处理后的声音中的噪声的装置及用于避免频谱分量在窄带传输期间损失的装置。传统用于实现前述声音质量改善的方法包括降噪、使用定向传声器及使用带宽压缩和解压缩算法。

在助听器中，使用降噪和定向传声器使能通过衰减假定听者不感兴趣的音频信号而增加信噪比（SNR）。关于对什么感兴趣的决定可基于假定目标（有用声音的源）在听者前面而掩蔽声源（噪声源）在听者后面，参见（Boldt et al.2008），和/或基于语音和噪声之间的辨别，参见（Elberling,Ekelid and Ludvigsen1991）。在符合这些假定的许多情形下，前述方法对听力受损听者有益。然而，在其它情形下，前述方法仅可提供有限的益处，例如如果所有声音均为语音并出现在听者前面时。此外，如果听者实际上有兴趣注意多个声源，部分声源的衰减可能不利。