[发明专利]用于增强输入的有噪信号的方法和系统

说明书

一种从输入的有噪信号确定多个序列的隐变量的方法，多个序列的隐变量包括表示清晰语音信号的激励分量的至少一个序列的隐变量、表示清晰语音信号的滤波器分量的至少一个序列的隐变量和表示噪声信号的至少一个序列的隐变量。所述多个序列的隐变量包括被确定为非负基函数的非负线性组合的隐变量。所述确定使用清晰语音信号的模型，该模型包括将激励分量和滤波器分量的隐变量约束为在时间上统计地具有依存性的非负源‑滤波器动力学系统(NSFDS)。所述方法使用表示激励分量和滤波器分量的相应隐变量的乘积生成输出信号。

技术领域

本发明总体涉及处理声信号，并且更具体地，涉及从诸如语音信号的声信号中去除加性噪声。

背景技术

从诸如语音信号的声信号中去除加性噪声在电话、音频语音录制和电子语音通信中具有许多应用。噪声在城市环境、工厂、飞机、车辆等中普遍存在。

去除更精确地反映环境中的真实噪声的时变噪声特别困难。通常，使用静态噪声模型的抑制技术不能实现非静态噪声消除。诸如谱减法和维纳滤波的常规方法通常使用静态或慢变噪声估计，因此局限于稳态噪声或准稳态噪声。

语音包括谐音和非谐音。谐音能够在时间上而具有不同的基频。语音能够在大的频率范围上具有能量。非静态噪声的频谱可以和语音类似。因此，在一个“源”是语音并且另一个“源”是加性噪声的语音去噪应用中，语音与噪声模型之间的交叠使去噪性能下降。

单独地依赖给语音和噪声建模的基于模型的语音增强方法在许多不同的问题环境方面已经显示出强大性能。当噪声的结构是任意的时(实践中通常是这种情况)，基于模型的方法必须集中于开发良好的语音模型，语音模型的质量是其性能的关键。

在建模策略方面，存在两种普遍的方法。一种方法是基于诸如高斯混合模型的离散状态建模的方法。另一种方法使用诸如非负矩阵分解和它们的延伸集的基函数的连续加权组合。一般的权衡是离散状态方法可以更精确，特别是在它们的时间动态方面，而连续方法在增益和子空间可变性方面可以更灵活。

例如，U.S.8,015,033描述了使用包括训练声信号和训练噪声信号的训练基础矩阵以及训练基础矩阵的权重的统计的模型将例如语音和噪声信号的混合信号去噪。但是，一般来说，集中于慢变噪声的常规方法不足以快速改变诸如在嘈杂的环境中通过使用麦克风而经受的非静态噪声。另外，补偿快速改变的加性噪声需要达到方法可以补偿所有可能的大量噪声的程度的高计算能力，并且语音变化可以快速地变成计算方面成本过高的。

因此，期望提供一种动态且自适应的语音增强方法。

发明内容

本发明的一些实施方式使用概率模型来增强带噪声的语音信号。一些实施方式的一个目的是通过考虑基础的语音产生过程及其动态来对语音精确地建模。根据本发明的各实施方式，概率模型是非负源-滤波器动力学系统(NSFDS：non-negative source-filterdynamical system)，该系统将激励部分和滤波部分建模为非负动力系统。

例如，模型的状态可以被分解成针对滤波器的离散分量(即，音素)、状态和能够将语音增强方法的训练部分和去噪部分简化的激励状态。另外，NSFDS将对应的激励状态和滤波器分量约束为在经过形成马尔可夫链的时间上统计地具有依存性。这些约束能够代表语音的动力学，引起阶乘HMM和非负动力学系统方法之间的混合。

另外，在一些实施方式中，NSFDS将激励和滤波器分量建模为非负动力学系统，使得代表激励和滤波器分量的隐变量被确定为非负基函数的非负线性组合。例如，使用非负基函数的非负线性组合对功率谱建模解决了适应于被建模信号中的增益和其它变量的问题。不同的实施方式已经单独地添加了例如在时间上统计地具有依存性的形式的动力学约束或激励-滤波器因子分解约束或它们的组合。