[发明专利]数字助听器中基于广义旁瓣抵消器的噪声消除方法

说明书

技术领域

本发明涉及现代信号处理的语音增强技术领域，特别是数字助听器中基于广义旁瓣抵消器的噪声消除方法。

背景技术

如今，听力患者对数字助听器的要求越来越高，许多患者抱怨所佩戴的助听器无法在各种环境中都听的清楚，并且感觉不是十分舒适。因为实际的听力环境经常是复杂的，声音来自许多方向，造成很大的干扰，因此设计良好的语音信号处理方法是研究数字助听器的核心。麦克风阵列能够充分利用语音信号的空域、时域和频域信息，同时具有高空间分辨率、高信号增益与较强的抗干扰能力等特点。由于周围环境本身存在的干扰,再加上电子器件工作时造成的影响,导致麦克风接收到的信号都是混有噪声的混合信号，因此采用有效的方法去除语音中的背景噪声以提高信噪比成为语音信号处理中的重点研究对象。传统的语音增强算法都有谱减法、小波阈值去噪算法、自适应消除法以及信号子空间法等。Griffiths等首次提出了广义旁瓣抵消器(Generalized sidelobe canceller,GSC)，广义旁瓣抵消器结构的波束形成算法具有高性能和较低的计算量,在数字助听器中得以广泛应用。GSC结构包括上支路的固定波束形成器(Fixed Beamformer,FBF)，下支路的阻塞矩阵(Blocking Matrix,BM)和自适应滤波，以及多输入抵消器(Multiple-input Canceller,MC)，用来消除固定波束形成器输出端的残留噪声。但是固定波束形成算法对时延补偿后进行加权求和取平均可以消除不相干噪声，但混入的相干噪声会影响时延估计得准确性；因此先对每路信号进行小波阈值去噪可以消除相干噪声增强准确性。

小波阈值消噪法包括硬阈值和软阈值两个经典函数，但硬阈值函数在阈值处会出现不连续的缺点所以在重构信号时会影响消噪的结果。软阈值函数在小波域的小波系数和原始的小波系数有一定的误差所以在重构信号时会影响信号的强度。

发明内容

本发明所要解决的技术问题是克服现有技术的不足而提供数字助听器中基于广义旁瓣抵消器的噪声消除方法，很好地消除不相干噪声也可以消除相干噪声，使数字助听器所得到的信号具有更好的语音理解度。

本发明为解决上述技术问题采用以下技术方案：

根据本发明提出的数字助听器中基于广义旁瓣抵消器的噪声消除方法，包括以下步骤：

步骤1、对麦克风阵列接收的带噪语音信号进行小波阈值处理；小波阈值处理是采用改进的小波阈值函数对带噪语音信号的小波系数进行重构处理，从而消除带噪语音信号中的相干噪声；

所述改进的小波阈值函数为

其中，W_j,k表示在小波域上进行第j层第k个带噪信号的小波系数，是根据小波阈值函数处理后的语音信号的小波系数，是阈值函数的阈值，σ是噪声的平均方差，N是麦克风阵列所接收的带噪语音信号的长度，e是自然底数，a为调整参数；

步骤2、对小波阈值处理后的语音信号进行时延补偿，对时延补偿后的语音信号进行处理，产生参考语音信号y_F(t)；

y_F(t)＝W^TX(t)

其中，W＝[w₁,w₂,…,w_M]^T是固定权向量，w_q是麦克风阵列第q路接收信号的固定权系数，1≤q≤M,M是麦克风阵列振元总个数，上标T为转置，X(t)＝[x₁'(t),x₂'(t),…,x_M'(t)]^T是经时延补偿后的阵列接收信号向量，x_q'(t)是经时延补偿后的第q路语音信号；

采用阻塞矩阵B滤除掉时延补偿后的语音信号中的期望信号，产生噪声参考信号y_B(t)；

步骤3、获得原目标语音信号y(t)，y(t)＝y_F(t)-y_B(t)。

作为本发明所述的数字助听器中基于广义旁瓣抵消器的噪声消除方法进一步优化方案，

y_B(t)＝A^T(k)U(t)，A(k)为自适应滤波器向量A的第k个系数，经阻塞矩阵处理后的阵列信号U(t)＝BX(t)，其中，阻塞矩阵