[发明专利]一种指向信息引导的实时语音分离方法和装置

权利要求书

1.一种指向信息引导的实时语音分离方法，应用于基于麦克风阵列的系统，其特征在于，包括以下步骤：

S1：对每个麦克风的时域信号进行导向矢量与指向滤波器初始化；

S2：对初始化后的信号进行时频分解，完成从时域信号到时频域信号的变换；

S3：对时频域信号进行分离滤波器计算，获取用于分离目标语音与剩余信号的滤波器；

S4：根据获取的滤波器，得到目标语音的时频域信号，进而得到目标语音时域信号。

2.根据权利要求1所述的指向信息引导的实时语音分离方法，其特征在于，所述步骤S1之前还包括：获取每个麦克风的时域信号x_m(n)；

所述步骤S1中，进行导向矢量的方法如下：对每个频带k，计算导向矢量u(k)，

q(θ)＝[cos(θ)，sin(θ)]

其中，f_k为第k个频带的频率，k＝1,2,...K；c为声速，c＝340m/s；d_m为第m个麦克风的二维坐标值；q(θ)为方向矢量，ω_k为频带圆频率；

进行指向滤波器初始化的方法如下：对每个频带k计算超指向滤波器h(k)：

其中，R(k)代表均匀散射场的各个麦克风关于拾取信号归一化的自相关系数。

3.根据权利要求2所述的指向信息引导的实时语音分离方法，其特征在于，所述步骤S2包括：

S201：对时域信号x_m(n)进行短时傅里叶变换得到时频域表达：

其中，N为帧长，N＝512；w(n)为长度512的汉明窗，l为时间帧序号，k为频率序号；X_m(l，k)为第m个麦克风信号，在第l帧，第k个频带的频谱；

S202：对每一个频带k，构建一个频域原始向量X(l，k)：

X(l，k)＝[X₁(l，k)，X₂(l，k)，...，X_M(l，k)]^T。

4.根据权利要求3所述的指向信息引导的实时语音分离方法，其特征在于，所述步骤S3包括：

S301：计算帧级别分离引导因子：

其中，r₁(l)和r₂(l)分别用于引导目标语音与剩余信号；

S302：计算每一个频带的分离引导矩阵：

ψ₁(k)＝αψ₁(k)+(1-α)r₁(l)X(l，k)X^H(l，k)

ψ₂(k)＝αψ₁(k)+(1-α)r₁(l)X(l，k)X^H(l，k)

其中，ψ₁(k)和ψ₂(k)分别代表目标语音与剩余信号的引导矩阵；α为平滑因子，取值范围为0到1；

S303：为分离目标语音与剩余信号的滤波器构建新的优化函数，优化函数如下：

其中，G₁(k)和G₂(k)分别为分离目标语音与剩余信号的滤波器

S304：最小化优化函数，得到最优的滤波器；

所述最小化优化函数的过程为求解以下方程：

Ψ(k)G(k)＝ρ(k)

其中，

滤波器G(k)可以求解为：

G(k)＝Ψ^-1(k)ρ(k)。

5.根据权利要求4所述的指向信息引导的实时语音分离方法，其特征在于，所述步骤S4包括：

S401：根据求解得到的滤波器，进而得到目标语音的频域估计：

S402：进行傅里叶逆变换得到目标语音时域估计：