[发明专利]基于信号自相关的语音降噪方法及装置

说明书

本发明涉及一种基于信号自相关的语音降噪方法及装置，包括以下步骤：1)语音接收模块采集含噪模拟语音信号；2)A/D转换模块将模拟信号转换成数字信号；3)语音分帧模块将数字信号进行分帧；4)自相关去噪模块将分帧后的信号进行自相关运算；5)FFT分析模块将每帧含噪信号的自相关函数在延时域上做FFT分析；6)阈值降噪模块对FFT变换做阈值去噪处理；7)重采样及相位配对模块对频域自相关信号进行重采样并将其与含噪信号的相位配对；8)逆FFT变换模块利用处理后的频域幅值和相位进行逆FFT变换，将信号返回到时域中；9)帧重组模块将去噪后的各帧信号进行重组，得到去噪后的语音信号。本装置可在‑20dB信噪比的强噪声环境下显著提高语言清晰度。

技术领域

本发明涉及一种语音识别领域内的降噪技术，尤其是涉及一种基于信号自相关的语音降噪方法及装置。

背景技术

语音降噪主要应用于人机对话中的语音识别，以及语音通讯领域(包括传统的有线通讯、无线通讯以及网络通讯)。语音含噪大大降低了智能设备和人耳对语音正确识别的能力，语音降噪则增强了在噪声环境下对语音的识别率。因此在人机对话和通讯设备中使用语音降噪技术也是十分必要的，它可以增强智能设备识别和执行语音命令的正确率，降低人由于分辨含噪语音所产生的疲劳感，提高语音的可懂度。

传统的语音降噪方法大体上有以下几种：噪音对消法、谐波增强法、语音生成模型的增强法、短时谱的增强法、滤波法。但由于语音信号的复杂性和非平稳性，这些传统的降噪方法很难对信噪比低于10dB的信号进行降噪，进行有效识别，尤其是对宽带噪声、瞬变噪声、强噪声的抑制效果不令人满意。

本发明基于汉语的发音特征开发了强噪声环境下语音降噪的技术。汉语区别于拼音文字发声的特点是：清音之后必有浊音辅助发声，因此清音的频率特征也是比较明显的，不像拼音文字有连续的清音，在发声的时候清音没有明显的时域频域特征，非常类似于白噪声。利用这一特点，在对汉语语音信号进行自相关的运算后，具有频率特征的语音信号自相关数值较大，得以加强和保留，频率特征较弱的噪声信号自相关数值较小，受到抑制。在自相关函数的FFT变换频域内，表现为语音信号的频率幅值较大，而噪声的频率幅值较小。对频率信号进行阈值处理后，可进一步去噪，实现语音信号的去噪。

发明内容

本发明的目的就是为了克服上述现有语音降噪技术的缺陷而提供的精确、快速、自动化程度高的语音去噪方法及装置,本发明对于信噪比为-20dB的含噪语音信号，经降噪处理后可以获得良好的语音识别度。

本发明的目的可以通过以下技术方案来实现：

一种基于信号自相关的语音降噪方法，包括以下步骤：

1)语音接收模块通过麦克风接收采集到含噪的语音信号，并将其传送给A/D转换模块；

2)A/D转换模块将采集到的模拟语音信号转换成数字信号，并将其传送给语音分帧模块；

3)语音分帧模块将语音数字信号进行分帧处理，时间长度为20～30ms，然后将分帧后的信号传送给自相关去噪模块；

4)自相关去噪模块将分帧后的信号做自相关运算，实现初步降噪，然后将其传送给FFT分析模块；

5)FFT分析模块将每帧含噪信号的自相关函数在延时域上做FFT分析，展开为频域上的函数，然后将频域内的一系列幅值传送给阈值降噪模块；

6)阈值降噪模块通过设定阈值，将低于该阈值的频率分量幅值置零，实现二次去噪，并将处理后的幅值传送给重采样及相位配对模块；

7)重采样及相位配对模块对处理后的幅值进行重采样，取一半的点数，然后将其重采样的信号幅值与含噪信号的相位配对，然后将配对后的幅值、相位组合传送给逆FFT变换模块；

8)逆FFT变换模块将重采样后的幅值与配对的含噪信号相位做逆FFT变换，将信号返回到时域，然后将时域内的信号传送给帧重组模块；