[发明专利]一种基于临界频带的双耳语音分离方法

权利要求书

1.一种基于临界频带的双耳语音分离方法，其特征在于，该方法包括以下步骤：

1)参数训练阶段：

1.1)使用具有方向性的双耳白噪声信号进行训练，所述双耳白噪声信号为与头相关脉冲响应函数HRIR数据与单声道白噪声信号卷积生成的方位已知的双耳信号，双耳白噪声信号的声源方位角θ定义为方向矢量在水平面的投影与中垂面的夹角，其范围为[-90°,90°]；

1.2)对已知方位信息的双耳白噪声信号进行预处理，所述预处理过程包括幅度归一化处理、分帧加窗，得到分帧后的单帧双耳声信号；

1.3)对步骤1.2)中得到的单帧双耳语音信号进行互相关函数运算，利用互相关函数计算单帧信号的耳间时间差ITD估计值，同一方位所有帧ITD估计值的均值作为该方位的ITD训练值，建立方位角θ的ITD模型，记为δ(θ)；

1.4)对步骤1.2)中得到的单帧双耳语音信号进行短时傅里叶变换，将其变换到频域，计算左耳声信号和右耳声信号在每个频点幅度谱的比值，即耳间强度差IID矢量，同一方位所有帧IID估计值的均值作为该方位的IID训练值，建立方位角θ的IID模型，记为α(θ,ω)，ω表示傅里叶变换的频谱；

2)基于临界频带和方位信息的双耳混合语音信号分离阶段：

2.1)测试过程中的双耳混合语音信号，包含多个声源，且每个声源对应不同的方位，双耳混合语音信号进行预处理，所述预处理的方法与步骤1.2)中的预处理方法相同，包括幅度归一化处理、分帧加窗，；

2.2)对分帧之后的双耳混合声信号进行傅里叶变换，基于临界频带的频率范围，对频域进行子带划分，得到分帧后的子带信号；

2.3)根据混合声源信号包含的声源个数和方位信息，以及步骤1.3)和步骤1.4)建立的方位声信号ITD、IID参数，在步骤2.2)得到的每帧、每个临界频带内，基于左、右耳声信号的相似度，进行声源的分类；

2.4)对步骤2.3)所得的临界频带分类结果与步骤2.1)中获得的分帧后的时频信号相乘，获得每个声源所对应的时频域信号；

2.5)对步骤2.4)所得的每个声源对应的时频域信号进行傅里叶逆变换，转换为时域信号，进行去加窗，合成为每个声源的分离语音。

2.根据权利要求1所述的一种基于临界频带的双耳语音分离方法，其特征在于所述声源方位角θ的间隔为5°。

3.根据权利要求1所述的一种基于临界频带的双耳语音分离方法，其特征在于所述步骤1.2)中幅度归一化方法为：

x_L＝x_L/maxvalue

x_R＝x_R/maxvalue

其中x_L和x_R分别表示左耳声信号和右耳声信号；maxvalue＝max(|x_L|,|x_R|)表示左耳、右耳声信号幅度的最大值。

4.根据权利要求1所述的一种基于临界频带的双耳语音分离方法，其特征在于所述步骤1.2)中分帧加窗使用汉明窗对分帧后的语音信号进行加窗处理，加窗后的第τ帧信号可以表示为：

x_L(τ,n)＝w_H(n)x_L(τN+n)0≤n＜N

x_R(τ,n)＝w_H(n)x_R(τN+n)0≤n＜N

其中x_L(τ,n)、x_R(τ,n)分别表示第τ帧的左、右耳声信号；N为一帧采样数据长度。