[发明专利]一种单通道实时降噪方法及系统

权利要求书

1.一种单通道实时降噪方法，其特征在于，包括以下步骤：

步骤1，将单通道采集到的带噪模拟语音信号转换成带噪离散语音信号；

步骤2，将步骤1获得的带噪离散语音信号进行预处理，获得预处理后的带噪离散语音信号；其中，预处理包括：数据采集时主从时序的产生、数据串并转换、数据缓存、数据预滤波和数据并串转换；

步骤3，根据步骤1获得的预处理后的带噪离散语音信号中的不同背景噪声，生成算法选择参数；根据所述算法选择参数选择噪声估计方法，通过选择的噪声估计方法对预处理后的带噪离散语音信号进行处理，获得降噪后的时域语音信号；

步骤4，将步骤3获得的降噪后的时域语音信号，转换为时域和幅值上均连续的信号，完成单通道实时降噪；

其中，步骤3具体包括：

对预处理后的带噪离散语音信号的信噪比进行了计算，如果所求得的信噪比小于等于1dB，则把对应背景噪声判别成强背景噪声环境，生成参数1；

如果所求得的信噪比大于1dB，则把对应背景噪声判别成其他背景噪声，再根据其统计特性进性区分，所得的统计特性为常数，则把对应背景噪声判别成平稳噪声，生成参数2；如果所得的统计特性不为常数，则把对应背景噪声判别成非平稳噪声，生成参数3；

其中，平稳噪声选择最小值统计方法来估计带噪语音信号中噪声信号，非平稳噪声选择最小控制递归平均方法来估计带噪语音信号中的噪声信号，强背景噪声选择改善的最小控制递归平均方法来估计带噪语音信号中的噪声信号；

所述改善的最小控制递归平均方法包括：存在概率p(k,λ)的计算方式和引入偏差补偿因子；

步骤3中，改善的最小控制递归平均方法包括：通过两次迭代运算得出语音信号不存在的概率的值；其中，第一次迭代得出粗略的语音活性判决，第二次迭代利用相邻频点间的强相关性进行时频平滑得出精确的语音存在概率；得到噪声信号的功率谱的估计值表达式为：

式中，β为引入的偏差补偿因子，为是利用递归平均方法得到的噪声信号的功率谱估计，其表达式为：

式中，为当前帧噪声信号的功率谱密度，为上一帧噪声信号的功率谱密度，α_d(k，λ)为递归平滑因子，|Y(k，λ)|²为带噪语音信号功率谱，k为频率槽指数，λ为帧号；

最小值统计方法包括：首先对带噪语音信号的功率谱|Y(k，λ)|²进行一阶平滑，得到平滑后的带噪语音功率P(k，λ)；其次是在固定的窗长内跟踪P(k，λ)各频带的最小值，得到最小值P_min(k，λ)；最后对得到的最小值P_min(k，λ)进行偏差补偿，得到噪声信号的功率谱，表达式为：

其中，为最小控制递归平均方法的噪声功率谱无偏估计，B_min(k，λ)为偏差补偿因子；

最小控制递归平均方法包括：首先，利用一阶平滑对带噪语音信号的功率谱|Y(k，λ)|²进行处理，得到带噪语音信号的平滑功率谱S(k，λ)；其次，在固定窗长中搜索得到平滑功率谱的最小值S_min(k，λ)；再次，利用平滑功率谱S(k，λ)和平滑功率谱的最小值S_min(k，λ)来计算语音信号存在的概率p(k，λ)；再次，利用带噪语音信号中语音信号存在的概率函数p(k，λ)计算递归平均因子α_d(k，λ)；最后，利用递归平均因子更新噪声功率谱密度的估计值，表达式为：

其中，为当前帧噪声信号的功率谱密度，为上一帧噪声信号的功率谱密度，α_d(k，λ)为递归平滑因子，|Y(k，λ)|²为带噪语音信号功率谱，k为频率槽指数，λ为帧号。