[发明专利]一种基于双麦克风的语音增强方法及装置

权利要求书

1.一种基于双麦克风的语音增强方法，其特征在于，包括以下步骤：

根据双麦克风采集到的观测信号进行语音活动性检测和时延估计；

根据所述语音活动性检测和时延估计的结果，进行基于频域独立成分分析的分离，计算二值掩模；

根据计算的所述二值掩模，进行次序置信度的判决，输出分离后的语音与噪声；

根据所述分离后的语音与噪声，进行似然比的计算；

根据所述分离后的语音和似然比，进行滤波处理，得到增强后的语音信号；

其中，根据双麦克风采集到的观测信号进行语音活动性检测和时延估计，具体包括以下步骤：

对所述观测信号进行短时傅里叶变换后，通过Mel滤波器，将其转换为Mel域；具体的，通过双麦克风采集待增强语音数据，该数据同时可称作观测信号X，将观测信号X进行短时傅里叶变换后，通过Mel滤波器，将其转换为Mel域；

对所述Mel域的信号在其各个子带上通过EM算法进行方差、均值、权重的计算，对语音和噪声建立双高斯模型，从而进行语音活动性的检测，判断当前帧是否为语音帧；

当所述当前帧判断为语音帧时，进行时延的估计，得到时延估计值，以计算导向矢量；具体的，在判断当前帧为语音帧时，以GCC-PHAT(广义互相关)方法进行时延的估计，得到时延估计值τ；

根据所述语音活动性检测和时延估计的结果，进行基于频域独立成分分析的分离，计算二值掩模，具体包括以下步骤：

根据所述时延估计值，对每一个频点确定导向矢量和混合矩阵迭代时的初值；时延估计值T用来计算导向矢量d(k)以及混合矩阵H(k)迭代时的初值H_init(k)；

采用信息最大化准则，以自然梯度下降的方式，迭代所述混合矩阵，收敛后得到所述混合矩阵的第一列；在语音活动性检测判断为语音帧时，采用信息最大化准则，以自然梯度下降的方式，迭代混合矩阵H(k)；

获取所述混合矩阵的所述第一列作为先验的输入，进行半盲分离迭代解混矩阵，得到预分离信号；取收敛后的H(k)的第一列h¹(k)，作为半盲分离的先验输入，进一步迭代解混矩阵W(k)，得到预分离信号Y；

根据所述预分离信号和所述观测信号，确定能量估计矩阵；

根据所述估计矩阵，计算所有时频单元的二值掩模，用来指导迭代以及次序判决的修正；

根据计算的所述二值掩模，进行次序置信度的判决，输出分离后的语音与噪声，具体包括以下步骤：

根据所述导向矢量、所述混合矩阵的所述第一列和所述二值掩模，进行次序修正的判断，决定是否应进行次序的修正；根据计算的导向矢量d(k)、混合矩阵的第一列h¹(k)和二值掩模p(k，l)，进行次序修正的判断，来决定是否应进行次序的修正，判决的置信度公式为：

其中，p(k)是一个频点k上由所有时频单元的二值掩模p(k，l)组成的行向量，α为一个在0～1之间的常数，α＝0.5；

当判决输出为真时，则需要改变当前频点k的分离输出，得到分离后的语音Y^s和噪声Yⁿ；

将所述解混矩阵与所述观测信号进行频域上的相乘，得到分离信号的频域形式，从而输出分离后的语音和噪声。