[发明专利]一种指向信息引导的实时语音分离方法和装置

说明书

本发明公开了一种指向信息引导的实时语音分离方法和装置，属于信息处理的领域，该方法包括以下步骤：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。本发明基于超指向滤波器构建实时IVA的初始估计，并且修正IVA的优化函数，保证分离算法可以快速收敛，并且准确提取目标语音信号。

技术领域

本发明属于信息处理的领域，具体涉及一种指向信息引导的实时语音分离方法和装置。

背景技术

目前，麦克风阵列波束形成技术广泛应用于在线会议系统、车载人机交互、智能家居等领域。实际环境中，存在显著的噪声、竞争说话人等干扰，会显著降低会议通讯的听感和后续语音识别的准确率。基于麦克风阵列多阵元进行波束生成是降低信号噪声、提高通讯质量最常用的方法。如何有针对性的提取某一个方向的语音信号，同时显著压制其他噪声，对提升会议通讯质量、提升语音识别率等有重要意义。

基于独立矢量分析(Independent vector analysis,IVA)是目前最常用的语音分离/拾取技术。首先把所有阵元拾取的时域信号通过短时傅里叶变化转化到时频域，随后基于分离语音互熵最小的原则构建优化函数，基于该优化函数迭代更新分离矩阵，估计出分离矩阵之后，可以得到目标信号的频域估计，最后基于傅里叶逆变换得到时域估计。最新的一些IVA方法中，通过增加了分离矩阵与目标方向导向矢量的距离约束，使得IVA分离结果可以实时提取目标方语音。

现有技术的主要缺点如下：

1)现有的方向性IVA通过直接增加分离矩阵与导向矢量距离的约束，由于导向矢量在混响场景下准确度大大下降，导致在混响场景下性能显著不足。

2)方向性IVA技术在初始估计上不做约束，导致收敛时间过长，如果环境发生变化，比如干扰说话人在走动，会导致IVA分离矩阵收敛速度跟不上声学环境变化的速度。

有鉴于此，特提出本发明。

发明内容

本发明的目的是提供一种指向信息引导的实时语音分离方法和装置，其基于超指向滤波器构建实时IVA的初始估计，并且修正IVA的优化函数，保证分离算法可以快速收敛，并且准确提取目标方语音信号。

为了实现上述目的，本发明提供的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，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。

进一步地，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)：