[发明专利]一种阵列语音增强算法

说明书

本发明公开了一种阵列语音增强算法，包括额步骤有S10噪声估计：通过定义接收到的音频信号，利用对每个频带跟踪带噪语音功率的最小值来实现对该频带的噪声的粗略估计；S20时频掩蔽估计：通过定义某个时频点上语音出现的后验概率为当前时频点的掩蔽系数，用于估计噪声和语音在语谱图上存在的概率；S30阵列MVDR权系数向量估计：通过定义多路输入信号每帧的频域向量，用于估计目标声源的具体方位，本发明在最小畸变的条件下最大程度的提升有效语音，使经多路增强后的语音信号识别率得到明显提升，增强语音信号的信噪比，大大增强了语音的可懂度。

技术领域

本发明涉及语音处理技术领域，具体为一种阵列语音增强算法。

背景技术

语音作为最基本的交流媒介在日常生活中扮演重要角色，随着科技飞速发展，作为人机交互的一个重要入口，高准确度，低误识的语音识别日益受到业界的广泛关注，其中输入语音的清晰度对识别性能的提升至关重要。然而在现实环境中，语音不可避免的会受到周围复杂噪声环境的影响，语音内容的可懂度降低，导致语音识别的性能急剧恶化。

发明内容

针对背景技术中存在的问题，本发明提供了一种阵列语音增强算法。

为实现上述目的，本发明提供如下技术方案：一种阵列语音增强算法，包括以下步骤：

S10噪声估计：通过定义接收到的音频信号，利用对每个频带跟踪带噪语音功率的最小值来实现对该频带的噪声的粗略估计；

S20时频掩蔽估计：通过定义某个时频点上语音出现的后验概率为当前时频点的掩蔽系数，用于估计噪声和语音在语谱图上存在的概率；

S30阵列MVDR权系数向量估计：通过定义多路输入信号每帧的频域向量，用于估计目标声源的具体方位。

作为本发明一种优选的技术方案，于步骤S10中定义接收到的音频信号表示为：Y(k,l)＝X(k,l)+D(k,l),其中X(k,l)表示语音信号，D(k,l)表示噪声信号频谱，然后定义语音功率谱为λ_x(k,l)，噪声功率谱为λ_d(k,l)，通过递归平均方法估计λ_d。

作为本发明一种优选的技术方案，利用递归平均方法估计λ_d的具体执行如下：

a、不考虑噪声不存在概率时，可以通过递归平均估算噪声功率谱：

λ_d＝α_dλ_d+(1-α_d)||Y(k,l)||²，为简化表示，此处λ_d＝λ_d(k,l)表示第l帧第k个频点上的噪声功率；

b、考虑噪声不存在的情况下：

(1)、估计时频点功率：S_f＝|Y|²

(2)、功率谱沿时间平滑：S＝λ_sS+(1-λ_s)S_f

(3)、累积实时记录最小功率值S_min，通过当前帧功率与加权后S_min值比较估计当前时频点为语音的概率I_f(0,1分布)，该概率实时平均结果P_S作为当前点的语音mask，其中：

S_min＝min(S_min,S)

I_f＝S＞S_min·δ_s