CN103594093A

CN103594093A - 基于信噪比软掩蔽语音增强方法

Info

Publication number: CN103594093A
Application number: CN201210290074.4A
Authority: CN
Inventors: 王景芳
Original assignee: Individual
Current assignee: Hunan International Economics University
Priority date: 2012-08-15
Filing date: 2012-08-15
Publication date: 2014-02-19

Abstract

本发明公开了一种基于信噪比软掩蔽语音增强方法，该方法包括：构建分频带时变系数的噪声功率谱更新 ,对不同频率点采用不同的门限更新平滑谱，突出语音，抑制噪声；由噪声功率谱确定后验信噪比，由后验信噪比与前一帧的先验信噪比迭代计算当前帧的先验信噪比，依先验信噪比的大小获得每个频率点是掩蔽域还是目标信号域；掩蔽值大小由假设检验获得的概率分布计算。利用相邻帧间的相关性提取信息，实现增强语音谱平滑迭代估计方法；对非平稳噪声和强背景噪声下，给出一套基于信噪比软掩蔽语音增强算法；快速跟踪噪声算法对非平稳噪声进行逐帧平滑更新，较好的估计噪声谱；本发明提出的算法能更有效地抑制背景噪声，提高去噪后的语音质量与可懂度。

Description

基于信噪比软掩蔽语音增强方法

技术领域

本发明属于语音信号处理技术领域，特别是指一种基于信噪比软掩蔽语音增强方法。

背景技术

语音是人类沟通的基本手段；人类的各种社会活动和行为给语音信号研究带来了许多新的问题，同时，语音处理技术的发展时时刻刻改变着人类日常生活方式；例如，语音编码技术的出现使得人们可以在有限的通信带宽资源中聆听远处的声音，近来，宽带语音编码的发展令我们通信中的话音更加自然，更具有可理解性,减轻或降低了沟通中产生的误解；大词汇量连续语音识别难题的突破导致了人们有着新的语音输入方式和人机交互模式，人们可以解放双手直接口述，使指示机器工作或者理解我们的话语，大大提高工作效率。

在日常生活中使用的语音处理技术如语音编码和语音识别等技术都不可避免要面对各种背景噪声的干扰；噪声的存在大大降低了这些技术使用的性能或直接导致使用者不可忍受而放弃使用；环境噪声如现场存在的背景谈话声、汽车驾驶仓的机器振动噪音、高速行驶中的汽车引擎声，室内墙壁的反响噪声等，都会对原始语音信号造成污染；背景噪声的存在及其特性对考虑人类语音特性的参数语音处理技术影响尤其严重，破坏了预先假定的参数模型和听觉特性；现有的语音识别***在无噪声环境下都可以很好地使用，一旦在嘈杂的环境场所中使用，其识别性能急剧下降。显然，在噪声的干扰下，识别***中使用的语音特征之间的区分性被减弱，导致***识别错误增加。

随着移动通信的普及变成现实，移动通信技术带给人们无约束和便利的语音沟通的同时，更是把语音通信带到了一个充满复杂噪声的应用环境；而在吵杂的环境中手提电话的语音编码不可避免会增大编码误差。

如何消除加性噪声带来的不便，语音增强的出现可以降低或解决噪声的不利影响；语音增强(speech enhancement)通常用作前端处理模块出现在各种实际应用的语音处理***中；它通过对含噪语音进行滤波，近似还原纯净语音信号，使得语音处理不直接面对含噪语音信号，增强了语音***的鲁棒性，而高鲁棒性的语音增强技术可有效地扩大语音处理***的应用场所。

发明内容

（一）要解决的技术问题

有鉴于此，本发明的主要目的在于提出一种基于信噪比软掩蔽语音增强方法，对收听人而言主要是改善语音质量，提高语音可懂度，减少疲劳感；对语音处理***（识别器、声码器、手机）而言是提高***的识别率和抗干扰能力。拟解决的关键科学问题：实现含噪声语音增强，提高信噪比，减少增强后的语音信息失真与损伤，尽量实用于多种噪声环境。具体有噪声功率谱更新、先验信噪比计算、掩蔽域还与目标信号域确定、掩蔽值大小计算等。

（二）技术方案

为达到上述目的，本发明提供了一种基于信噪比软掩蔽语音增强方法，该方法包括：

1）频带时变系数的噪声功率谱更新，含噪语音第l帧功率谱|Y(l,k)|²，k为频率序号，第l帧预估噪声功率谱

Figure DEST_PATH_RE-142992DEST_PATH_IMAGE001

，P(l,k)为语音平滑功率谱，平滑系数，

Figure DEST_PATH_RE-380255DEST_PATH_IMAGE003

，含噪语音功率谱最小值，

如果

Figure DEST_PATH_RE-610565DEST_PATH_IMAGE005

，那么

Figure DEST_PATH_RE-572705DEST_PATH_IMAGE006

，

否则

Figure DEST_PATH_RE-669974DEST_PATH_IMAGE007

;

Figure DEST_PATH_RE-780099DEST_PATH_IMAGE008

，

如果

Figure DEST_PATH_RE-937410DEST_PATH_IMAGE009

，则

Figure DEST_PATH_RE-121267DEST_PATH_IMAGE010

，

否则

Figure DEST_PATH_RE-22227DEST_PATH_IMAGE011

；

Figure DEST_PATH_RE-240719DEST_PATH_IMAGE012

，

这里对不同频率点采用不同的门限更新平滑谱，突出语音，抑制噪声；

Figure DEST_PATH_RE-568932DEST_PATH_IMAGE013

；

Figure DEST_PATH_RE-240085DEST_PATH_IMAGE014

；

2）依先验信噪比的大小获得每个频率点是掩蔽域还是目标信号域；

时域：

Figure DEST_PATH_RE-679156DEST_PATH_IMAGE015

，y(n)表示含噪语音信号，x(n)和d(n)分别表示干净语音和噪声信号。Y(n)的短时傅立叶变换:

Figure DEST_PATH_RE-752155DEST_PATH_IMAGE016

,

其极坐标表示:

Figure DEST_PATH_RE-251269DEST_PATH_IMAGE017

,

Figure DEST_PATH_RE-878559DEST_PATH_IMAGE018

和

Figure DEST_PATH_RE-652480DEST_PATH_IMAGE019

分别表示第k个频率点对应的幅度与相位；

依独立性：

Figure DEST_PATH_RE-845564DEST_PATH_IMAGE020

先验瞬时信噪比：

Figure DEST_PATH_RE-515580DEST_PATH_IMAGE021

，

Figure DEST_PATH_RE-895746DEST_PATH_IMAGE022

；

3）掩蔽值大小由假设获得的概率分布计算：

理想的两值掩蔽（ideal binary mask，IdBM)：

G_k增益功能可以被认为是一个随机变量，因为它取决于瞬时信噪比

Figure DEST_PATH_RE-989790DEST_PATH_IMAGE024

。在二元掩蔽，G是伯努利（Bernoulli）分布的随机变量以0或1的值，其参数p是假设概率。G_k是很难估计，因为它取决于瞬时信噪比的准确估计。然而，我们其期望能够获得G_k更可靠的。这样做，我们得到以下的加权平均预期幅度平方频谱纳入上述两个假设：

Figure DEST_PATH_RE-830707DEST_PATH_IMAGE025

假设离散傅立叶变换（DFT）系数的实部和虚部是等方差独立的高斯随机变量，如语音离散傅立叶变换（DFT）系数的实部和虚部

Figure DEST_PATH_RE-167010DEST_PATH_IMAGE026

都服从正态分布

Figure DEST_PATH_RE-282734DEST_PATH_IMAGE027

，

Figure DEST_PATH_RE-653672DEST_PATH_IMAGE028

都服从

Figure DEST_PATH_RE-196649DEST_PATH_IMAGE029

分布，它们的和：

Figure DEST_PATH_RE-285828DEST_PATH_IMAGE030

服从

Figure DEST_PATH_RE-408504DEST_PATH_IMAGE031

分布，其密度函数：

Figure DEST_PATH_RE-430687DEST_PATH_IMAGE032

，

Figure DEST_PATH_RE-613407DEST_PATH_IMAGE033

，则

Figure DEST_PATH_RE-455461DEST_PATH_IMAGE034

为指数分布：

Figure DEST_PATH_RE-381829DEST_PATH_IMAGE035

同理

Figure DEST_PATH_RE-258518DEST_PATH_IMAGE036

为指数分布：

Figure DEST_PATH_RE-612139DEST_PATH_IMAGE037

依贝叶斯规则：

Figure DEST_PATH_RE-941489DEST_PATH_IMAGE038

其中：当

Figure DEST_PATH_RE-671547DEST_PATH_IMAGE039

，

Figure DEST_PATH_RE-402743DEST_PATH_IMAGE040

如果

Figure DEST_PATH_RE-927265DEST_PATH_IMAGE041

，则

Figure DEST_PATH_RE-743912DEST_PATH_IMAGE042

，所以

Figure DEST_PATH_RE-277661DEST_PATH_IMAGE043

总是正的；

Figure DEST_PATH_RE-863363DEST_PATH_IMAGE044

Figure DEST_PATH_RE-558787DEST_PATH_IMAGE045

，其中

Figure DEST_PATH_RE-331571DEST_PATH_IMAGE046

Figure DEST_PATH_RE-934590DEST_PATH_IMAGE047

；

4）先验信噪比更新：

Figure DEST_PATH_RE-843641DEST_PATH_IMAGE048

。

优选地，所述提取的参数初始化：含噪语音信号分帧，帧长N= [0.25fs]点，fs为信号采样频率，帧移N/2；噪声谱初值确定取开始无语音段几帧。

优选地，所述提取的频带时变系数的噪声功率谱更新参数：

Figure DEST_PATH_RE-506703DEST_PATH_IMAGE049

。

优选地，所述提取的依先验信噪比的大小获得每个频率点是掩蔽域还是目标信号域参数：

Figure DEST_PATH_RE-501204DEST_PATH_IMAGE050

。

优选地，所述提取的先验信噪比更新参数：。

优选地，所述该发明实现过程见图1，语音增强过程示意如图2所示。

优选地，含噪语音信号一帧一帧实时处理，如图3所示。

（三）有益效果

1、本发明提供的这种基于信噪比软掩蔽语音增强方法，具有有效地抑制噪声，显著地提高语音识别***性能与可懂度，且在不同的噪声环境和信噪比条件下具有鲁棒性。本算法实时性强，做到有效性与实时性双满足；

2、本发明提供的这种基于信噪比软掩蔽语音增强方法优势与特色：

1）实现了频带时变系数的噪声功率谱实时更新；

2）提出了信噪比软掩蔽原则；

3）充分利用了相邻帧间的相关性提取信息，实现了先验信噪比平滑迭代估计方法；

4）算法复杂度低，可满足实时性；

3、本发明提供的这种基于信噪比软掩蔽语音增强方法针对非平稳环境噪声，从信噪比软掩蔽角度提出一种语音增强算法。采用快速跟踪噪声算法对非平稳噪声进行逐帧平滑更新，能较好的估计噪声谱；这一方法为强背景噪声的去噪和弱信号的检测提供了新的途径。

附图说明

图1本发明提供的一种基于信噪比软掩蔽语音增强方法流程图；

图2为本发明提供的含噪语音增强处理过程示意图；

图3为本发明提供的含噪语音短时谱语音增强示意图；

图4为本发明提供的分频带时变系数的噪声功率谱更新仿真图；

图(a)为英语(The birch canoe slid on the smooth planks)，语音、含babble噪声语音都选自AURORA database，图(b)信噪比SNR=5dB，图(c)信噪比SNR=0dB，图(b1) 、(c1)在频率f=250Hz的真实babble噪声功率谱与估计跟踪的功率谱。

图5为本发明提供的含babble噪声语音增强仿真前后结果对比。

左部图为时域信号，右部图为语谱图；噪声选自Noisex-92数据库的babble噪声；图(a)原始语音（‘语、音、增、强’）,图(b1)是图(b)（SNR=5dB）的增强结果; 图(c1)是图(c) （SNR=0dB）的增强结果

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

本发明的核心内容是：实现了分频带时变系数的噪声功率谱更新；提出了信噪比软掩蔽原则；充分利用了相邻帧间的相关性提取信息，实现了先验信噪比平滑迭代估计方法，达到语音增强目的。

如图1所示，图1为本发明提供的一种基于信噪比软掩蔽语音增强方法流程图，该方法包括以下步骤：

步骤101：参数初始化：含噪语音信号分帧，帧长N= [0.25fs]点，fs为信号采样频率，帧移N/2；噪声谱初值；

步骤102：分帧，第m帧时刻的含噪语音、傅里叶变换；

步骤103：计算第m帧信号分频带时变系数的噪声功率谱更新；

步骤104：第m帧先验信噪比平滑迭代；

步骤105：第m帧信噪比软掩蔽系数计算，傅里叶反变换获得时域语音增强信号：

Figure DEST_PATH_RE-517154DEST_PATH_IMAGE053

；

步骤106：下一帧信号实时处理转步骤102。

上述步骤103中所述分频带时变系数的噪声功率谱更新计算步骤包括：

含噪语音第l帧功率谱|Y(l,k)|²，k为频率序号，第l帧预估噪声功率谱，P(l,k)为语音平滑功率谱，

平滑系数，

Figure DEST_PATH_RE-827415DEST_PATH_IMAGE003

，

Figure DEST_PATH_RE-832280DEST_PATH_IMAGE004

含噪语音功率谱最小值;

如果

Figure DEST_PATH_RE-801373DEST_PATH_IMAGE005

，那么

Figure DEST_PATH_RE-18728DEST_PATH_IMAGE006

，

否则

Figure DEST_PATH_RE-288035DEST_PATH_IMAGE007

;

，如果

Figure DEST_PATH_RE-920191DEST_PATH_IMAGE009

，则

Figure DEST_PATH_RE-675657DEST_PATH_IMAGE010

，否则

Figure DEST_PATH_RE-65050DEST_PATH_IMAGE011

；

Figure DEST_PATH_RE-614980DEST_PATH_IMAGE012

；

Figure DEST_PATH_RE-89824DEST_PATH_IMAGE013

；

Figure DEST_PATH_RE-648981DEST_PATH_IMAGE014

。

上述步骤104中所述先验信噪比平滑迭代的形成过程包括：

Figure DEST_PATH_RE-361722DEST_PATH_IMAGE048

，

Figure DEST_PATH_RE-879291DEST_PATH_IMAGE051

。

上述步骤105中所述先验信噪比平滑迭代的形成过程包括：

Figure DEST_PATH_RE-44694DEST_PATH_IMAGE015

y(n)表示含噪语音信号，x(n)和d(n)分别表示干净的语音和噪声信号。Y(n)的短时傅立叶变换:

Figure DEST_PATH_RE-673121DEST_PATH_IMAGE016

,

其极坐标表示:

Figure DEST_PATH_RE-505948DEST_PATH_IMAGE017

,

和

Figure DEST_PATH_RE-847116DEST_PATH_IMAGE019

分别表示第k个频率点对应的幅度与相位。

依独立性：

Figure DEST_PATH_RE-279235DEST_PATH_IMAGE020

先验瞬时信噪比：

Figure DEST_PATH_RE-497726DEST_PATH_IMAGE021

，。

掩蔽值大小由假设获得的概率分布计算：

，其中

Figure DEST_PATH_RE-936164DEST_PATH_IMAGE046

Figure DEST_PATH_RE-478004DEST_PATH_IMAGE047

。

基于图1所示的一种基于信噪比软掩蔽语音增强方法流程图，图2、3进一步示出了语音增强过程示意过程，图4分频带时变系数的噪声功率谱更新仿真实验图。

以下结合具体的实施例，对本发明提供的这种基于后验信噪比软掩蔽语音增强方法进一步详细说明；实验取背景噪声选自Noisex-92数据库的嘈杂人声(babble) , 它的采样频率fs=19.98kHZ。下面我们以同样的采样频率fs，在计算机噪声与室内噪音环境录了“语、音、端、点”音见图1(a)。在语音分帧过程中，帧长取25ms，即帧长M=[0.25fs]点，帧移

Figure DEST_PATH_RE-135567DEST_PATH_IMAGE055

，截取开始噪声帧N=20；

客观上从语音波形、语谱图、信噪比提高等几个方面对本算法的性能进行了综合分析。采用信噪比

Figure DEST_PATH_RE-909488DEST_PATH_IMAGE056

来定量地分析算法的去噪效果；含babble噪声语音增强仿真前后结果对比参看图景。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。