CN111292761B - 语音增强方法及装置 - Google Patents
语音增强方法及装置 Download PDFInfo
- Publication number
- CN111292761B CN111292761B CN201910388459.6A CN201910388459A CN111292761B CN 111292761 B CN111292761 B CN 111292761B CN 201910388459 A CN201910388459 A CN 201910388459A CN 111292761 B CN111292761 B CN 111292761B
- Authority
- CN
- China
- Prior art keywords
- frame
- audio signal
- current
- signal
- ratio
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 230000005236 sound signal Effects 0.000 claims abstract description 305
- 238000001228 spectrum Methods 0.000 claims description 143
- 230000003595 spectral effect Effects 0.000 claims description 20
- 239000000126 substance Substances 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000001629 suppression Effects 0.000 abstract description 13
- 238000010586 diagram Methods 0.000 description 25
- 238000004891 communication Methods 0.000 description 11
- 230000008859 change Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000009432 framing Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
- G10L21/0216—Noise filtering characterised by the method used for estimating noise
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
- G10L21/0264—Noise filtering characterised by the type of parameter measurement, e.g. correlation techniques, zero crossing techniques or predictive techniques
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0316—Speech enhancement, e.g. noise reduction or echo cancellation by changing the amplitude
- G10L21/0324—Details of processing therefor
- G10L21/034—Automatic adjustment
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
- G10L25/18—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being spectral information of each sub-band
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
- G10L25/21—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being power information
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/60—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for measuring the quality of voice signals
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/78—Detection of presence or absence of voice signals
- G10L25/84—Detection of presence or absence of voice signals for discriminating voice from noise
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Telephone Function (AREA)
Abstract
本公开涉及语音增强方法及装置，所述方法包括：计算当前帧音频信号的语音存在概率，所述语音存在概率表示所述当前帧音频信号中语音信号的存在概率；利用所述语音存在概率获得下一帧音频信号的噪声方差；利用所述下一帧音频信号的噪声方差，对所述下一帧音频信号进行语音增强。本公开基于语音存在概率对下一帧音频信号进行的语音增强，可以有效提高噪声抑制水平，并降低语音信号的损失，从而保证噪声抑制后的语音信号的完整性与可懂度，提升语音通话质量。
Description
技术领域
本公开涉及语音处理技术领域，尤其涉及一种语音增强方法及装置。
背景技术
在日常生活中使用手机等移动设备进行语音通话过程中，讲话者经常置身于充满各种各样噪声的背景环境中。麦克风采集到的语音信号被噪声污染，即上行信号是含有噪声的语言信号。如果不对上行信号进行处理，远端接收者将很难听到清晰的语音，甚至无法理解语音的含义。因此，必须对近端含噪语音进行噪声抑制，将语音增强后的干净语音作为上行信号，从而提升通话质量。
发明内容
有鉴于此，根据本公开的一个方面，本公开提出了一种语音增强方法，所述方法包括：
计算当前帧音频信号的语音存在概率，所述语音存在概率表示所述当前帧音频信号中语音信号的存在概率；
利用所述语音存在概率获得下一帧音频信号的噪声方差；
利用所述下一帧音频信号的噪声方差，对所述下一帧音频信号进行语音增强。
在一种可能的实施方式中，所述计算当前帧音频信号的语音存在概率，包括：
计算当前帧音频信号的语音不存在概率，所述语音不存在概率为所述当前帧音频信号中语音信号的不存在概率；
计算当前帧音频信号的先验信噪比；
利用所述当前帧音频信号的语音不存在概率及先验信噪比计算所述当前帧音频信号的语音存在概率。
在一种可能的实施方式中，所述计算当前帧音频信号的语音不存在概率，包括：
根据当前帧音频信号的功率谱计算当前帧音频信号的功率谱最小值；
利用所述功率谱最小值计算当前帧音频信号的语音不存在概率。
在一种可能的实施方式中，所述根据当前帧音频信号的功率谱计算当前帧音频信号的功率谱最小值，包括：
利用如下公式获取所述当前帧音频信号的功率谱最小值：
其中，Smin(k,λ)表示当前λ帧第k个子频带的功率谱最小值，Smin(k,λ-1)表示λ-1帧第k个子频带的功率谱最小值，S(k,λ)表示当前λ帧第k个子频带的功率谱，S(k,λ-1)表示λ-1帧第k个子频带的功率谱，α1，α2，β为预设参数。
在一种可能的实施方式中，所述利用所述功率谱最小值计算当前帧音频信号的语音不存在概率，包括：
利用如下公式获取当前帧音频信号的第一比值：
根据以下公式获取当前帧音频信号的第二比值：
根据所述第一比值及所述第二比值计算当前帧信号的语音不存在概率。
在一种可能的实施方式中，所述根据所述第一比值及所述第二比值计算当前帧信号的语音不存在概率，包括：
在所述第一比值小于等于1且所述第二比值小于第一预设阈值的情况下，通过以下公式确定所述语音不存在概率：
q(k,λ)＝1，其中，q(k,λ)表示当前λ帧第k个子频带的语音不存在概率；或
在所述第一比值大于1、小于等于第二预设阈值，且所述第二比值小于所述第一预设阈值的情况下，通过以下公式确定所述语音不存在概率：
在所述第一比值大于等于所述第二预设阈值，或所述第二比值大于等于所述第一预设阈值的情况下，通过以下公式确定所述语音不存在概率：
q(k,λ)＝0。
在一种可能的实施方式中，所述计算当前帧音频信号的先验信噪比，包括：
计算当前帧音频信号的后验信噪比；
利用如下公式计算当前帧音频信号的先验信噪比：
ξ(k,λ)＝εG(k,λ-1)γ(k,λ-1)+(1-ε)max{γ(k,λ)-1,0}，其中，ξ(k,λ)表示当前λ帧第k个子频带的先验信噪比，G(k,λ-1)表示λ-1帧第k个子频带的幅度谱增益，γ(k,λ-1)表示λ-1帧第k个子频带的后验信噪比，γ(k,λ)表示当前λ帧第k 个子频带的后验信噪比，ε为常数。
在一种可能的实施方式中，所述计算当前帧音频信号的后验信噪比，包括：
利用如下公式计算所述后验信噪比：
在一种可能的实施方式中，所述利用所述当前帧音频信号的语音不存在概率及先验信噪比计算所述当前帧音频信号的语音存在概率，包括：
利用如下公式计算所述当前帧音频信号的语音存在概率：
其中，
γ(k,λ)表示当前λ帧第k个子频带的后验信噪比。
在一种可能的实施方式中，所述利用所述语音存在概率获得下一帧音频信号的噪声方差，包括：
利用如下公式计算下一帧音频信号的噪声方差：
αD(k,λ)＝αd+(1-αd)p(k,λ)；
其中，
表示λ+1帧第k个子频带的噪声方差，
表示当前λ帧第k个子频带的噪声方差，Y(k,λ)表示当前λ帧第k个子频带的幅度谱， p(k,λ)表示当前λ帧第k个子频带的语音存在概率，αd为常数。
在一种可能的实施方式中，所述利用所述下一帧音频信号的噪声方差，对所述下一帧音频信号进行语音增强，包括：
利用所述下一帧音频信号的噪声方差得到所述下一帧音频信号的后验信噪比；
利用所述下一帧音频信号的后验信噪比得到所述下一帧音频信号的先验信噪比；
利用所述下一帧音频信号的后验信噪比及先验信噪比得到所述下一帧音频信号的幅度谱增益；
利用所述下一帧音频信号的幅度谱增益，对所述下一帧音频信号进行语音增强。
在一种可能的实施方式中，所述利用所述下一帧音频信号的后验信噪比及先验信噪比得到所述下一帧音频信号的幅度谱增益，包括：
利用如下公式得到所述下一帧音频信号的幅度谱增益：
其中，
γ(k,λ+1)表示λ+1帧第k个子频带的后验信噪比。
根据本公开的另一方面，提出了一种语音增强装置，所述装置包括：
计算模块，用于计算当前帧音频信号的语音存在概率，所述语音存在概率表示所述当前帧音频信号中语音信号的存在概率；
获得模块，连接于所述计算模块，用于利用所述语音存在概率获得下一帧音频信号的噪声方差；
语音增强模块，连接于所述获得模块，用于利用所述下一帧音频信号的噪声方差，对所述下一帧音频信号进行语音增强。
在一种可能的实施方式中，所述计算模块，包括：
第一计算子模块，用于计算当前帧音频信号的语音不存在概率，所述语音不存在概率为所述当前帧音频信号中语音信号的不存在概率；
第二计算子模块，用于计算当前帧音频信号的先验信噪比；
第三计算子模块，用于利用所述当前帧音频信号的语音不存在概率及先验信噪比计算所述当前帧音频信号的语音存在概率。
在一种可能的实施方式中，所述计算当前帧音频信号的语音不存在概率，包括：
根据当前帧音频信号的功率谱计算当前帧音频信号的功率谱最小值；
利用所述功率谱最小值计算当前帧音频信号的语音不存在概率。
在一种可能的实施方式中，所述根据当前帧音频信号的功率谱计算当前帧音频信号的功率谱最小值，包括：
利用如下公式获取所述当前帧音频信号的功率谱最小值：
其中，Smin(k,λ)表示当前λ帧第k个子频带的功率谱最小值，Smin(k,λ-1)表示λ-1帧第k个子频带的功率谱最小值，S(k,λ)表示当前λ帧第k个子频带的功率谱，S(k,λ-1)表示λ-1帧第k个子频带的功率谱，α1，α2，β为预设参数。
在一种可能的实施方式中，所述利用所述功率谱最小值计算当前帧音频信号的语音不存在概率，包括：
利用如下公式获取当前帧音频信号的第一比值：
根据以下公式获取当前帧音频信号的第二比值：
根据所述第一比值及所述第二比值计算当前帧信号的语音不存在概率。
在一种可能的实施方式中，所述根据所述第一比值及所述第二比值计算当前帧信号的语音不存在概率，包括：
在所述第一比值小于等于1且所述第二比值小于第一预设阈值的情况下，通过以下公式确定所述语音不存在概率：
q(k,λ)＝1，其中，q(k,λ)表示当前λ帧第k个子频带的语音不存在概率；或
在所述第一比值大于1、小于等于第二预设阈值，且所述第二比值小于所述第一预设阈值的情况下，通过以下公式确定所述语音不存在概率：
在所述第一比值大于等于所述第二预设阈值，或所述第二比值大于等于所述第一预设阈值的情况下，通过以下公式确定所述语音不存在概率：
q(k,λ)＝0。
在一种可能的实施方式中，所述计算当前帧音频信号的先验信噪比，包括：
计算当前帧音频信号的后验信噪比；
利用如下公式计算当前帧音频信号的先验信噪比：
ξ(k,λ)＝εG(k,λ-1)γ(k,λ-1)+(1-ε)max{γ(k,λ)-1,0}，其中，ξ(k,λ)表示当前λ帧第k个子频带的先验信噪比，G(k,λ-1)表示λ-1帧第k个子频带的幅度谱增益，γ(k,λ-1)表示λ-1帧第k个子频带的后验信噪比，γ(k,λ)表示当前λ帧第k 个子频带的后验信噪比，ε为常数。
在一种可能的实施方式中，所述计算当前帧音频信号的后验信噪比，包括：
利用如下公式计算所述后验信噪比：
在一种可能的实施方式中，所述利用所述当前帧音频信号的语音不存在概率及先验信噪比计算所述当前帧音频信号的语音存在概率，包括：
利用如下公式计算所述当前帧音频信号的语音存在概率：
其中，
γ(k,λ)表示当前λ帧第k个子频带的后验信噪比。
在一种可能的实施方式中，所述利用所述语音存在概率获得下一帧音频信号的噪声方差，包括：
利用如下公式计算下一帧音频信号的噪声方差：
αD(k,λ)＝αd+(1-αd)p(k,λ)；
其中，
表示λ+1帧第k个子频带的噪声方差，
表示当前λ帧第k个子频带的噪声方差，Y(k,λ)表示当前λ帧第k个子频带的幅度谱， p(k,λ)表示当前λ帧第k个子频带的语音存在概率，αd为常数。
在一种可能的实施方式中，所述语音增强模块，包括：
后验信噪比获得子模块，用于利用所述下一帧音频信号的噪声方差得到所述下一帧音频信号的后验信噪比；
先验信噪比获得子模块，用于利用所述下一帧音频信号的后验信噪比得到所述下一帧音频信号的先验信噪比；
幅度谱增益获得子模块，用于利用所述下一帧音频信号的后验信噪比及先验信噪比得到所述下一帧音频信号的幅度谱增益；
语音增强子模块，用于利用所述下一帧音频信号的幅度谱增益，对所述下一帧音频信号进行语音增强。
在一种可能的实施方式中，所述利用所述下一帧音频信号的后验信噪比及先验信噪比得到所述下一帧音频信号的幅度谱增益，包括：
利用如下公式得到所述下一帧音频信号的幅度谱增益：
其中，
γ(k,λ+1)表示λ+1帧第k个子频带的后验信噪比。
根据本公开的另一方面，提供了一种语音增强装置，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行上述方法。
根据本公开的另一方面，提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时实现上述方法。
通过以上方法，本公开计算当前帧音频信号的语音存在概率，利用所述语音存在概率获得下一帧音频信号的噪声方差，利用所述下一帧音频信号的噪声方差，对所述下一帧音频信号进行语音增强。本公开能够适用于低信噪比的非平稳环境噪声，且能够快速跟踪噪声强度的变化，及时更新噪声方差，并且，基于语音存在概率对下一帧音频信号进行的语音增强，可以有效提高噪声抑制水平，并降低语音信号的损失，从而保证噪声抑制后的语音信号的完整性与可懂度，提升语音通话质量。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。
图1示出了根据本公开一实施方式的语音增强方法的流程图。
图2示出了根据本公开一实施方式的语音增强方法中步骤S110的示意图。
图3示出了根据本公开一实施方式中的语音增强方法中步骤S130的示意图。
图4a示出了根据本公开一实施方式的应用语音增强方法的效果示意图，图4b示出了采用相关技术的效果示意图。
图5示出了根据本公开一实施方式的语音增强装置的框图。
图6示出了根据本公开一实施方式的语音增强装置的框图。
图7示出了根据本公开一实施方式的语音增强装置的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
相关技术中的语音增强技术通常使用语音活动检测来判断含噪语音信号中是否存在语音，即从一段含噪语音中标识出语音片段与非语音(噪声) 片段。语音活动检测需要时刻跟踪环境噪声的变化，其判断的准确程度将直接影响语音增强的效果。但是当环境噪声为非平稳噪声时，噪声强度随时间不规则变化，并且噪声强度较大使得输入信噪比很低时，语音活动检测不能有效的区分噪声与语音，从而导致噪声抑制效果差，语音增强后无法得到纯净的原始语音。
并且当环境噪声水平发生突变时，相关技术中的语音增强算法对噪声参数的估计存在较大的跟踪延迟，尤其对于噪声强度无规则变化的非平稳噪声，这种延迟无法保证语音信号还原的完整性，对通话质量带来很大影响。
因此，本公开提出一种语音增强方法，以克服相关技术中存在的问题。
请参与图1，图1示出了根据本公开一实施方式的语音增强方法的流程图。
所述方法可以应用于终端中，终端又称之为用户设备(user equipment， UE)、移动台(mobile station，MS)、移动终端(mobile terminal，MT)等，是一种向用户提供语音和/或数据连通性的设备，例如，具有无线连接功能的手持式设备、车载设备等。目前，一些终端的举例为：手机(mobile phone)、平板电脑、笔记本电脑、掌上电脑、移动互联网设备(mobile internetdevice，MID)、可穿戴设备，虚拟现实(virtual reality，VR)设备、增强现实(augmentedreality， AR)设备、工业控制(industrial control)中的无线终端、无人驾驶(selfdriving) 中的无线终端、远程手术(remote medical surgery)中的无线终端、智能电网 (smart grid)中的无线终端、运输安全(transportation safety)中的无线终端、智慧城市(smart city)中的无线终端、智慧家庭(smart home)中的无线终端、车联网中的无线终端等。
如图1所示，所述方法包括：
步骤S110，计算当前帧音频信号的语音存在概率，所述语音存在概率表示所述当前帧音频信号中语音信号的存在概率；
步骤S120，利用所述语音存在概率获得下一帧音频信号的噪声方差；
步骤S130，利用所述下一帧音频信号的噪声方差，对所述下一帧音频信号进行语音增强。
通过以上方法，本公开计算当前帧音频信号的语音存在概率，利用所述语音存在概率获得下一帧音频信号的噪声方差，利用所述下一帧音频信号的噪声方差，对所述下一帧音频信号进行语音增强。本公开能够适用于低信噪比的非平稳环境噪声，且能够快速跟踪噪声强度的变化，及时更新噪声方差，并且，基于语音存在概率对下一帧音频信号进行的语音增强，可以有效提高噪声抑制水平，并降低语音信号的损失，从而保证噪声抑制后的语音信号的完整性与可懂度，提升语音通话质量。
在一种可能的实施方式中，步骤S110计算当前音频信号的语音存在概率，可以是在频域中进行。
音频信号可以表示为y(n)＝x(n)+d(n)，其中x(n)为纯净语音信号，d(n)为噪声信号，也即，音频信号是含噪的。
例如，可以对含噪的音频信号进行分帧处理、加窗处理、快速傅里叶变换处理，以将音频信号从时域转换到频域。
在一种可能的实施方式中，可以利用相关技术对语音信号进行分帧处理、加窗处理、快速傅里叶变换(FFT)处理。例如，分帧处理可以是按照需要的帧长度对音频信号进行分帧，其中，每一帧的时间长度可以根据需要设置，本公开对此不做限制。可以选择汉明窗(Hamming)等常用的窗函数进行加窗处理，例如，可以将汉明窗与分帧后的含噪音频信号在时域上相乘，得到加窗信号。对加窗信号进行快速傅里叶变换后，可以将含噪音频信号从时域转换到频域。本公开实施例可对频域中的音频信号进行处理，从而实现语音增强。
可将一帧音频信号的频域信号划分为各个子频带，并针对各个子频带进行语音增强，从而实现针对一帧音频信号的语音增强。
请参阅图2，图2示出了根据本公开一实施方式的语音增强方法中步骤 S110的示意图。
如图2所示，步骤S110计算当前帧音频信号的语音存在概率，可以包括：
步骤S1101，计算当前帧音频信号的语音不存在概率，所述语音不存在概率为所述当前帧音频信号中语音信号的不存在概率；
步骤S1102，计算当前帧音频信号的先验信噪比；
步骤S1103，利用所述当前帧音频信号的语音不存在概率及先验信噪比计算所述当前帧音频信号的语音存在概率。
本公开可以利用当前帧音频信号的语音存在概率对输入的音频信号进行软判决，以区分音频信号中的噪声信号和语音信号。
例如，可以假设H0和H1分别代表第λ帧第k个子带频率上语音信号不存在和存在于音频信号，则可以定义所述语音存在概率为 p(k,λ)＝P(H1(k,λ)|γ(k,λ))，其中，γ(k,λ)表示当前λ帧第k个子频带的后验信噪比，p(k,λ)表示λ帧第k个子频带的语音存在概率，H1(k,λ)表示λ帧第k个子频带的语音信号存在。
在一种可能的实施方式中，步骤S1101计算当前帧音频信号的语音不存在概率，可以包括：
根据当前帧音频信号的功率谱计算当前帧音频信号的功率谱最小值；
利用所述功率谱最小值计算当前帧音频信号的语音不存在概率。
在一种可能的实施方式中，所述根据当前帧音频信号的功率谱计算当前帧音频信号的功率谱最小值，可以包括：
利用如下公式获取所述当前帧音频信号的功率谱最小值：
其中，Smin(k,λ)表示当前λ帧第k个子频带的功率谱最小值，Smin(k,λ-1)表示λ-1帧第k个子频带的功率谱最小值，S(k,λ)表示当前λ帧第k个子频带的功率谱，S(k,λ-1)表示λ-1帧第k个子频带的功率谱，α1，α2，β为预设参数。
其中，α1,α2,β为取值范围可以是[0,1]，α1和α2可以作为平滑参数，β可以作为前瞻参数，本公开通过控制α1,α2,β这三个预设参数的取值大小，可以控制功率谱最小值的大小，从而控制噪声估计的强度和更新速率。
在一种可能的实施方式中，α1可以为0.5，α2可以为0.95，β可以为0.5。
通过以上方法，本公开可以对含噪的音频信号的功率谱进行平滑处理，并通过平滑后功率谱得到音频信号的功率谱最小值。
在一种可能的实施方式中，所述利用所述功率谱最小值计算当前帧音频信号的语音不存在概率，可以包括：
利用如下公式获取当前帧音频信号的第一比值：
根据以下公式获取当前帧音频信号的第二比值：
根据所述第一比值及所述第二比值计算当前帧信号的语音不存在概率。
在一种可能的实施方式中，偏置补偿参数B可以通过计算功率谱最小值 Smin(k,λ)的期望值的倒数得到。
在一种可能的实施方式中，B可以为1.66。
在一种可能的实施方式中，所述根据所述第一比值及所述第二比值计算当前帧信号的语音不存在概率，可以包括：
在所述第一比值小于等于1且所述第二比值小于第一预设阈值(η0)的情况下(γmin(k,λ)≤1且η(k,λ)＜η0)，通过以下公式确定所述语音不存在概率：
q(k,λ)＝1，其中，q(k,λ)表示当前λ帧第k个子频带的语音不存在概率；或
在所述第一比值大于1、小于等于第二预设阈值，且所述第二比值小于所述第一预设阈值的情况下(1＜γmin(k,λ)≤γ1且η(k,λ)＜η0)，通过以下公式确定所述语音不存在概率：
在所述第一比值大于等于所述第二预设阈值，或所述第二比值大于等于所述第一预设阈值的情况下(γmin(k,λ)≥γ1或η(k,λ)≥η0)，通过以下公式确定所述语音不存在概率：
q(k,λ)＝0。
第一预设阈值和第二预设阈值可根据需要设置，在一种可能的实施方式中，η0可以为1.7，γ1可以为3。
在一种可能的实施方式中，先验信噪比的定义可以是：
也即，先验信噪比可以指纯净语音信号的功率与噪声功率的比值，
和
分别为纯净语音信号和噪声信号的方差。
由于纯净语音信号的方差
未知，因此，需要利用其他方法计算当前帧音频信号的先验信噪比，例如，可以通过以下方法计算当前帧音频信号的先验信噪比：
在一种可能的实施方式中，步骤S1102计算当前帧音频信号的先验信噪比，可以包括：
计算当前帧音频信号的后验信噪比；
利用如下公式计算当前帧音频信号的先验信噪比：
ξ(k,λ)＝εG(k,λ-1)γ(k,λ-1)+(1-ε)max{γ(k,λ)-1,0}，其中，ξ(k,λ)表示当前λ帧第k个子频带的先验信噪比，G(k,λ-1)表示λ-1帧第k个子频带的幅度谱增益，γ(k,λ-1)表示λ-1帧第k个子频带的后验信噪比，γ(k,λ)表示当前λ帧第k 个子频带的后验信噪比，ε为常数。
第一帧第k个子频带的幅度谱增益可以根据需要确定，在一种可能的实施方式中，第一帧第k个自频带的幅度谱增益可以为：G(k,0)＝1。
ε的取值范围可以根据需要来确定，在一种可能的实施方式中，ε的取值范围可以为[0,1]。
在一种可能的实施方式中，ε可以为0.9。
在一种可能的实施方式中，后验信噪比的定义可以为：含噪语音信号的功率与噪声功率的比值。因此，所述计算当前帧音频信号的后验信噪比，可以包括：
利用如下公式计算所述后验信噪比：
在一种可能的实施方式中，步骤S1103利用所述当前帧音频信号的语音不存在概率及先验信噪比计算所述当前帧音频信号的语音存在概率，可以包括：
利用如下公式计算所述当前帧音频信号的语音存在概率：
其中，
γ(k,λ)表示当前λ帧第k个子频带的后验信噪比。
在一种可能的实施方式中，步骤S120利用所述语音存在概率获得下一帧音频信号的噪声方差，可以包括：
利用如下公式计算下一帧音频信号的噪声方差：
αD(k,λ)＝αd+(1-αd)p(k,λ)；
其中，
表示λ+1帧第k个子频带的噪声方差，
表示当前λ帧第k个子频带的噪声方差，Y(k,λ)表示当前λ帧第k个子频带的幅度谱， p(k,λ)表示当前λ帧第k个子频带的语音存在概率，αd为常数。
在一种可能的实施方式中，
在第0帧的初始值
可以为第0帧含噪语音信号幅度谱的平方，即|Y(k,0)|2。
αd的取值范围可以根据需要来确定，在一种可能的实施方式中，αd的取值区间可以为值[0,1]。
在一种可能的实施方式中，αd可以为0.8。
通过以上方法，本公开可以利用语音存在概率获得下一帧音频信号的噪声方差。
请参阅图3，图3示出了根据本公开一实施方式中的语音增强方法中步骤 S130的示意图。
如图3所示，在一种可能的实施方式中，步骤S130利用所述下一帧音频信号的噪声方差，对下一帧音频信号进行语音增强，可以包括：
步骤S1301，利用所述下一帧音频信号的噪声方差得到所述下一帧音频信号的后验信噪比；
步骤S1302，利用所述下一帧音频信号的后验信噪比得到所述下一帧音频信号的先验信噪比；
步骤S1303，利用所述下一帧音频信号的后验信噪比及先验信噪比得到所述下一帧音频信号的幅度谱增益；
步骤S1304，利用所述下一帧音频信号的幅度谱增益，对所述下一帧音频信号进行语音增强。
在一种可能的实施方式中，步骤S1303利用所述下一帧音频信号的后验信噪比及先验信噪比得到所述下一帧音频信号的幅度谱增益，可以包括：
利用如下公式得到所述下一帧音频信号的幅度谱增益：
其中，
γ(k,λ+1)表示λ+1帧第k个子频带的后验信噪比。
由于本公开是基于语音存在概率获取幅度谱增益，可以根据当前帧的子频带的语音存在概率适应性地得到幅度谱增益的值，也即，幅度谱大小是与语音存在概率相关的。
应该说明的是，音频信号中的噪声带宽和语音带宽可以认为是一样的，也就是说语音的每一个子频带都会受到噪声的干扰。那么，从频域角度来看，含噪语音(音频信号)在每一个子频带处的频谱幅度值Y都是该频率点的语音频谱幅度Yx与噪声频谱幅度Yn之和。语音增强的算法就是要对每一个子频带都计算出一个幅度谱增益G，从而能够通过幅度谱增益G乘以频谱幅度值Y恢复出语音的频谱幅度。
举例而言，对于音频信号的某一帧某一子频带，当算法判断出是语音，幅度谱增益就被设置为1或接近于1；当算法判断出是噪声，G幅度谱增益就被设置0或近似为0；如果算法判断是噪声和语音的混合，G幅度谱增益就被设置为0-1之间。这样，可以提升噪声抑制水平，并保留语音信号。
在一种可能的实施方式中，步骤S1304利用所述下一帧音频信号的幅度谱增益，对所述下一帧音频信号进行语音增强，可以包括：
将获得的下一帧音频信号的幅度谱增益与下一帧音频信号在频域的幅度谱相乘，得到增强后的幅度谱。
在得到增强后的幅度谱后，可以进行快速逆傅立叶变换(IFFT)得到时域信号。时域信号与合成窗在时域上相乘得到加窗信号，进一步通过重叠相加方法得到增强后的语音输出信号。当然，以上描述是示例性的，在得到增强后的幅度谱后，本领域技术人员可以根据需要选择特定的方法利用幅度谱得到语音输出信号。
请一并参阅图4a-图4b，图4a示出了根据本公开一实施方式的应用语音增强方法的效果示意图，图4b示出了采用相关技术的效果示意图。
图4a，图4b中，纵轴为频率，横轴为时间。
当设置ε＝0.9，α1＝0.5，α2＝0.95，β＝0.5，B＝1.66，γ1＝3，η0＝1.7，αd＝0.8，根据图4a可以看到在0时刻噪声开始时，本公开语音增强方法能够在1秒以内跟踪到噪声水平变化，完成噪声参数估计，实现噪声抑制。而图4b中，相关技术(例如最小值控制法)则需要将近3秒才能够完成噪声跟踪。
并且，在第15秒噪声水平发生突变时，如图4a所示，本公开的语音增强方法能迅速完成噪声方差估计，从而跟踪到噪声水平变化，保证增强后的语言信号不受突发噪声的影响。而，如图4b所示，在第15秒噪声水平发生突变时，相关技术显然无法迅速追踪到噪声水平的变化。
通过以上方法，本公开可以在非平稳噪声环境下，根据噪声水平对突发的平稳噪声或者随时间持续变化的非平稳噪声的噪声方差迅速进行更新，可以显著提升噪声抑制水平。且，基于语音存在概率的软判决能够有效的适用于低信噪比含有非平稳噪声语音信号的情况，可以显著提升语音通话质量。
请参阅图5，图5示出了根据本公开一实施方式的语音增强装置的框图。
如图5所示，所述装置包括：
计算模块10，用于计算当前帧音频信号的语音存在概率，所述语音存在概率表示所述当前帧音频信号中语音信号的存在概率；
获得模块20，连接于所述计算模块10，用于利用所述语音存在概率获得下一帧音频信号的噪声方差；
语音增强模块30，连接于所述获得模块20，用于利用所述下一帧音频信号的噪声方差，对所述下一帧音频信号进行语音增强。
通过以上装置，本公开计算当前帧音频信号的语音存在概率，利用所述语音存在概率获得下一帧音频信号的噪声方差，利用所述下一帧音频信号的噪声方差，对所述下一帧音频信号进行语音增强。本公开能够适用于低信噪比的非平稳环境噪声，且能够快速跟踪噪声强度的变化，及时更新噪声方差，并且，基于语音存在概率对下一帧音频信号进行的语音增强，可以有效提高噪声抑制水平，并降低语音信号的损失，从而保证噪声抑制后的语音信号的完整性与可懂度，提升语音通话质量。
在一种可能的实施方式中，所述计算模块，包括：
第一计算子模块，用于计算当前帧音频信号的语音不存在概率，所述语音不存在概率为所述当前帧音频信号中语音信号的不存在概率；
第二计算子模块，用于计算当前帧音频信号的先验信噪比；
第三计算子模块，用于利用所述当前帧音频信号的语音不存在概率及先验信噪比计算所述当前帧音频信号的语音存在概率。
在一种可能的实施方式中，所述计算当前帧音频信号的语音不存在概率，包括：
根据当前帧音频信号的功率谱计算当前帧音频信号的功率谱最小值；
利用所述功率谱最小值计算当前帧音频信号的语音不存在概率。
在一种可能的实施方式中，所述根据当前帧音频信号的功率谱计算当前帧音频信号的功率谱最小值，包括：
利用如下公式获取所述当前帧音频信号的功率谱最小值：
其中，Smin(k,λ)表示当前λ帧第k个子频带的功率谱最小值，Smin(k,λ-1)表示λ-1帧第k个子频带的功率谱最小值，S(k,λ)表示当前λ帧第k个子频带的功率谱，S(k,λ-1)表示λ-1帧第k个子频带的功率谱，α1，α2，β为预设参数。
在一种可能的实施方式中，所述利用所述功率谱最小值计算当前帧音频信号的语音不存在概率，包括：
利用如下公式获取当前帧音频信号的第一比值：
根据以下公式获取当前帧音频信号的第二比值：
根据所述第一比值及所述第二比值计算当前帧信号的语音不存在概率。
在一种可能的实施方式中，所述根据所述第一比值及所述第二比值计算当前帧信号的语音不存在概率，包括：
在所述第一比值小于等于1且所述第二比值小于第一预设阈值的情况下，通过以下公式确定所述语音不存在概率：
q(k,λ)＝1，其中，q(k,λ)表示当前λ帧第k个子频带的语音不存在概率；或
在所述第一比值大于1、小于等于第二预设阈值，且所述第二比值小于所述第一预设阈值的情况下，通过以下公式确定所述语音不存在概率：
在所述第一比值大于等于所述第二预设阈值，或所述第二比值大于等于所述第一预设阈值的情况下，通过以下公式确定所述语音不存在概率：
q(k,λ)＝0。
在一种可能的实施方式中，所述计算当前帧音频信号的先验信噪比，包括：
计算当前帧音频信号的后验信噪比；
利用如下公式计算当前帧音频信号的先验信噪比：
ξ(k,λ)＝εG(k,λ-1)γ(k,λ-1)+(1-ε)max{γ(k,λ)-1,0}，其中，ξ(k,λ)表示当前λ帧第k个子频带的先验信噪比，G(k,λ-1)表示λ-1帧第k个子频带的幅度谱增益，γ(k,λ-1)表示λ-1帧第k个子频带的后验信噪比，γ(k,λ)表示当前λ帧第k 个子频带的后验信噪比，ε为常数。
在一种可能的实施方式中，所述计算当前帧音频信号的后验信噪比，包括：
利用如下公式计算所述后验信噪比：
在一种可能的实施方式中，所述利用所述当前帧音频信号的语音不存在概率及先验信噪比计算所述当前帧音频信号的语音存在概率，包括：
利用如下公式计算所述当前帧音频信号的语音存在概率：
其中，
γ(k,λ)表示当前λ帧第k个子频带的后验信噪比。
在一种可能的实施方式中，所述利用所述语音存在概率获得下一帧音频信号的噪声方差，包括：
利用如下公式计算下一帧音频信号的噪声方差：
αD(k,λ)＝αd+(1-αd)p(k,λ)；
其中，
表示λ+1帧第k个子频带的噪声方差，
表示当前λ帧第k个子频带的噪声方差，Y(k,λ)表示当前λ帧第k个子频带的幅度谱， p(k,λ)表示当前λ帧第k个子频带的语音存在概率，αd为常数。
在一种可能的实施方式中，所述语音增强模块，包括：
后验信噪比获得子模块，用于利用所述下一帧音频信号的噪声方差得到所述下一帧音频信号的后验信噪比；
先验信噪比获得子模块，用于利用所述下一帧音频信号的后验信噪比得到所述下一帧音频信号的先验信噪比；
幅度谱增益获得子模块，用于利用所述下一帧音频信号的后验信噪比及先验信噪比得到所述下一帧音频信号的幅度谱增益；
语音增强子模块，用于利用所述下一帧音频信号的幅度谱增益，对所述下一帧音频信号进行语音增强。
在一种可能的实施方式中，所述利用所述下一帧音频信号的后验信噪比及先验信噪比得到所述下一帧音频信号的幅度谱增益，包括：
利用如下公式得到所述下一帧音频信号的幅度谱增益：
其中，
γ(k,λ+1)表示λ+1帧第k个子频带的后验信噪比。
应该说明的是，以上语音增强装置为前述语音增强方法对应的装置，其具体描述请参照之前对语音增强方法的描述，在此不再赘述。
请参阅图6，图6示出了根据本公开一实施方式的语音增强装置的框图。
例如，装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图6，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器 (SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理***，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和***接口模块之间提供接口，上述***接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814 可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC 模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带 (UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置800可以被一个或多个应用专用集成电路 (ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由装置800的处理器820执行以完成上述方法。
请参阅图7，图7示出了根据本公开一实施方式的语音增强装置的框图。
例如，装置1900可以被提供为一服务器。参照图7，装置1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理，一个有线或无线网络接口1950被配置为将装置1900连接到网络，和一个输入输出(I/O)接口1958。装置1900可以操作基于存储在存储器1932的操作***，例如Windows ServerTM，MacOS XTM，UnixTM,LinuxTM， FreeBSDTM或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由装置1900的处理组件1922执行以完成上述方法。
本公开可以是***、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构 (ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(***)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (24)
1.一种语音增强方法，其特征在于，所述方法包括：
计算当前帧音频信号的语音存在概率，包括：计算当前帧音频信号的语音不存在概率，所述语音不存在概率为所述当前帧音频信号中语音信号的不存在概率；计算当前帧音频信号的先验信噪比；利用所述当前帧音频信号的语音不存在概率及先验信噪比计算所述当前帧音频信号的语音存在概率，所述语音存在概率表示所述当前帧音频信号中语音信号的存在概率；
利用所述语音存在概率获得下一帧音频信号的噪声方差；
利用所述下一帧音频信号的噪声方差，对所述下一帧音频信号进行语音增强。
2.根据权利要求1所述的方法，其特征在于，所述计算当前帧音频信号的语音不存在概率，包括：
根据当前帧音频信号的功率谱计算当前帧音频信号的功率谱最小值；
利用所述功率谱最小值计算当前帧音频信号的语音不存在概率。
3.根据权利要求2所述的方法，其特征在于，所述根据当前帧音频信号的功率谱计算当前帧音频信号的功率谱最小值，包括：
利用如下公式获取所述当前帧音频信号的功率谱最小值：
其中，Smin(k,λ)表示当前λ帧第k个子频带的功率谱最小值，Smin(k,λ-1)表示λ-1帧第k个子频带的功率谱最小值，S(k,λ)表示当前λ帧第k个子频带的功率谱，S(k,λ-1)表示λ-1帧第k个子频带的功率谱，α1，α2，β为预设参数。
4.根据权利要求2或3所述的方法，其特征在于，所述利用所述功率谱最小值计算当前帧音频信号的语音不存在概率，包括：
利用如下公式获取当前帧音频信号的第一比值：
根据以下公式获取当前帧音频信号的第二比值：
根据所述第一比值及所述第二比值计算当前帧信号的语音不存在概率。
5.根据权利要求4所述的方法，其特征在于，所述根据所述第一比值及所述第二比值计算当前帧信号的语音不存在概率，包括：
在所述第一比值小于等于1且所述第二比值小于第一预设阈值的情况下，通过以下公式确定所述语音不存在概率：
q(k,λ)＝1，其中，q(k,λ)表示当前λ帧第k个子频带的语音不存在概率；或
在所述第一比值大于1、小于等于第二预设阈值，且所述第二比值小于所述第一预设阈值的情况下，通过以下公式确定所述语音不存在概率：
在所述第一比值大于等于所述第二预设阈值，或所述第二比值大于等于所述第一预设阈值的情况下，通过以下公式确定所述语音不存在概率：
q(k,λ)＝0。
6.根据权利要求1所述的方法，其特征在于，所述计算当前帧音频信号的先验信噪比，包括：
计算当前帧音频信号的后验信噪比；
利用如下公式计算当前帧音频信号的先验信噪比：
ξ(k,λ)＝εG(k,λ-1)γ(k,λ-1)+(1-ε)max{γ(k,λ)-1,0}，其中，ξ(k,λ)表示当前λ帧第k个子频带的先验信噪比，G(k,λ-1)表示λ-1帧第k个子频带的幅度谱增益，γ(k,λ-1)表示λ-1帧第k个子频带的后验信噪比，γ(k,λ)表示当前λ帧第k个子频带的后验信噪比，ε为常数。
7.根据权利要求6所述的方法，其特征在于，所述计算当前帧音频信号的后验信噪比，包括：
利用如下公式计算所述后验信噪比：
8.根据权利要求1所述的方法，其特征在于，所述利用所述当前帧音频信号的语音不存在概率及先验信噪比计算所述当前帧音频信号的语音存在概率，包括：
利用如下公式计算所述当前帧音频信号的语音存在概率：
其中，
γ(k,λ)表示当前λ帧第k个子频带的后验信噪比。
9.根据权利要求1所述的方法，其特征在于，所述利用所述语音存在概率获得下一帧音频信号的噪声方差，包括：
利用如下公式计算下一帧音频信号的噪声方差：
αD(k,λ)＝αd+(1-αd)p(k,λ)；
其中，
表示λ+1帧第k个子频带的噪声方差，
表示当前λ帧第k个子频带的噪声方差，Y(k,λ)表示当前λ帧第k个子频带的幅度谱，p(k,λ)表示当前λ帧第k个子频带的语音存在概率，αd为常数。
10.根据权利要求1所述的方法，其特征在于，所述利用所述下一帧音频信号的噪声方差，对所述下一帧音频信号进行语音增强，包括：
利用所述下一帧音频信号的噪声方差得到所述下一帧音频信号的后验信噪比；
利用所述下一帧音频信号的后验信噪比得到所述下一帧音频信号的先验信噪比；
利用所述下一帧音频信号的后验信噪比及先验信噪比得到所述下一帧音频信号的幅度谱增益；
利用所述下一帧音频信号的幅度谱增益，对所述下一帧音频信号进行语音增强。
11.根据权利要求10所述的方法，其特征在于，所述利用所述下一帧音频信号的后验信噪比及先验信噪比得到所述下一帧音频信号的幅度谱增益，包括：
利用如下公式得到所述下一帧音频信号的幅度谱增益：
其中，
γ(k,λ+1)表示λ+1帧第k个子频带的后验信噪比。
12.一种语音增强装置，其特征在于，所述装置包括：
计算模块，用于计算当前帧音频信号的语音存在概率，所述语音存在概率表示所述当前帧音频信号中语音信号的存在概率，所述计算模块，包括：第一计算子模块，用于计算当前帧音频信号的语音不存在概率，所述语音不存在概率为所述当前帧音频信号中语音信号的不存在概率；第二计算子模块，用于计算当前帧音频信号的先验信噪比；第三计算子模块，用于利用所述当前帧音频信号的语音不存在概率及先验信噪比计算所述当前帧音频信号的语音存在概率；
获得模块，连接于所述计算模块，用于利用所述语音存在概率获得下一帧音频信号的噪声方差；
语音增强模块，连接于所述获得模块，用于利用所述下一帧音频信号的噪声方差，对所述下一帧音频信号进行语音增强。
13.根据权利要求12所述的装置，其特征在于，所述计算当前帧音频信号的语音不存在概率，包括：
根据当前帧音频信号的功率谱计算当前帧音频信号的功率谱最小值；
利用所述功率谱最小值计算当前帧音频信号的语音不存在概率。
14.根据权利要求13所述的装置，其特征在于，所述根据当前帧音频信号的功率谱计算当前帧音频信号的功率谱最小值，包括：
利用如下公式获取所述当前帧音频信号的功率谱最小值：
其中，Smin(k,λ)表示当前λ帧第k个子频带的功率谱最小值，Smin(k,λ-1)表示λ-1帧第k个子频带的功率谱最小值，S(k,λ)表示当前λ帧第k个子频带的功率谱，S(k,λ-1)表示λ-1帧第k个子频带的功率谱，α1，α2，β为预设参数。
15.根据权利要求13或14所述的装置，其特征在于，所述利用所述功率谱最小值计算当前帧音频信号的语音不存在概率，包括：
利用如下公式获取当前帧音频信号的第一比值：
根据以下公式获取当前帧音频信号的第二比值：
根据所述第一比值及所述第二比值计算当前帧信号的语音不存在概率。
16.根据权利要求15所述的装置，其特征在于，所述根据所述第一比值及所述第二比值计算当前帧信号的语音不存在概率，包括：
在所述第一比值小于等于1且所述第二比值小于第一预设阈值的情况下，通过以下公式确定所述语音不存在概率：
q(k,λ)＝1，其中，q(k,λ)表示当前λ帧第k个子频带的语音不存在概率；或
在所述第一比值大于1、小于等于第二预设阈值，且所述第二比值小于所述第一预设阈值的情况下，通过以下公式确定所述语音不存在概率：
在所述第一比值大于等于所述第二预设阈值，或所述第二比值大于等于所述第一预设阈值的情况下，通过以下公式确定所述语音不存在概率：
q(k,λ)＝0。
17.根据权利要求12所述的装置，其特征在于，所述计算当前帧音频信号的先验信噪比，包括：
计算当前帧音频信号的后验信噪比；
利用如下公式计算当前帧音频信号的先验信噪比：
ξ(k,λ)＝εG(k,λ-1)γ(k,λ-1)+(1-ε)max{γ(k,λ)-1,0}，其中，ξ(k,λ)表示当前λ帧第k个子频带的先验信噪比，G(k,λ-1)表示λ-1帧第k个子频带的幅度谱增益，γ(k,λ-1)表示λ-1帧第k个子频带的后验信噪比，γ(k,λ)表示当前λ帧第k个子频带的后验信噪比，ε为常数。
18.根据权利要求17所述的装置，其特征在于，所述计算当前帧音频信号的后验信噪比，包括：
利用如下公式计算所述后验信噪比：
19.根据权利要求12所述的装置，其特征在于，所述利用所述当前帧音频信号的语音不存在概率及先验信噪比计算所述当前帧音频信号的语音存在概率，包括：
利用如下公式计算所述当前帧音频信号的语音存在概率：
其中，
γ(k,λ)表示当前λ帧第k个子频带的后验信噪比。
20.根据权利要求12所述的装置，其特征在于，所述利用所述语音存在概率获得下一帧音频信号的噪声方差，包括：
利用如下公式计算下一帧音频信号的噪声方差：
αD(k,λ)＝αd+(1-αd)p(k,λ)；
其中，
表示λ+1帧第k个子频带的噪声方差，
表示当前λ帧第k个子频带的噪声方差，Y(k,λ)表示当前λ帧第k个子频带的幅度谱，p(k,λ)表示当前λ帧第k个子频带的语音存在概率，αd为常数。
21.根据权利要求12所述的装置，其特征在于，所述语音增强模块，包括：
后验信噪比获得子模块，用于利用所述下一帧音频信号的噪声方差得到所述下一帧音频信号的后验信噪比；
先验信噪比获得子模块，用于利用所述下一帧音频信号的后验信噪比得到所述下一帧音频信号的先验信噪比；
幅度谱增益获得子模块，用于利用所述下一帧音频信号的后验信噪比及先验信噪比得到所述下一帧音频信号的幅度谱增益；
语音增强子模块，用于利用所述下一帧音频信号的幅度谱增益，对所述下一帧音频信号进行语音增强。
22.根据权利要求21所述的装置，其特征在于，所述利用所述下一帧音频信号的后验信噪比及先验信噪比得到所述下一帧音频信号的幅度谱增益，包括：
利用如下公式得到所述下一帧音频信号的幅度谱增益：
其中，
γ(k,λ+1)表示λ+1帧第k个子频带的后验信噪比。
23.一种语音增强装置，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
执行如权利要求1-11任一项所述的方法。
24.一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至11中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910388459.6A CN111292761B (zh) | 2019-05-10 | 2019-05-10 | 语音增强方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910388459.6A CN111292761B (zh) | 2019-05-10 | 2019-05-10 | 语音增强方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111292761A CN111292761A (zh) | 2020-06-16 |
| CN111292761B true CN111292761B (zh) | 2023-04-14 |
Family
ID=71028306
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910388459.6A Active CN111292761B (zh) | 2019-05-10 | 2019-05-10 | 语音增强方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111292761B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111986691B (zh) * | 2020-09-04 | 2024-02-02 | 腾讯科技（深圳）有限公司 | 音频处理方法、装置、计算机设备及存储介质 |
| CN113973250B (zh) * | 2021-10-26 | 2023-12-08 | 恒玄科技(上海)股份有限公司 | 一种噪声抑制方法、装置及辅听耳机 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101853666B (zh) * | 2009-03-30 | 2012-04-04 | 华为技术有限公司 | 一种语音增强的方法和装置 |
| CN103903629B (zh) * | 2012-12-28 | 2017-02-15 | 联芯科技有限公司 | 基于隐马尔科夫链模型的噪声估计方法和装置 |
-
2019
- 2019-05-10 CN CN201910388459.6A patent/CN111292761B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN111292761A (zh) | 2020-06-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109361828B (zh) | 一种回声消除方法、装置、电子设备及存储介质 | |
| CN111128221B (zh) | 一种音频信号处理方法、装置、终端及存储介质 | |
| CN107833579B (zh) | 噪声消除方法、装置及计算机可读存储介质 | |
| CN111883164B (zh) | 模型训练方法、装置、电子设备及存储介质 | |
| CN113139947B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN107508573B (zh) | 晶振振荡频率校正方法及装置 | |
| CN111968662A (zh) | 音频信号的处理方法及装置、存储介质 | |
| CN110931028B (zh) | 一种语音处理方法、装置和电子设备 | |
| CN111292761B (zh) | 语音增强方法及装置 | |
| CN111986693A (zh) | 音频信号的处理方法及装置、终端设备和存储介质 | |
| CN109256145B (zh) | 基于终端的音频处理方法、装置、终端和可读存储介质 | |
| CN110675355B (zh) | 图像重建方法及装置、电子设备和存储介质 | |
| CN112201267A (zh) | 一种音频处理方法、装置、电子设备及存储介质 | |
| CN111667842B (zh) | 音频信号处理方法及装置 | |
| CN113077808B (zh) | 一种语音处理方法、装置和用于语音处理的装置 | |
| CN113489854B (zh) | 声音处理方法、装置、电子设备和存储介质 | |
| CN110580910A (zh) | 一种音频处理方法、装置、设备及可读存储介质 | |
| CN112651880B (zh) | 视频数据处理方法及装置、电子设备和存储介质 | |
| CN113223553B (zh) | 分离语音信号的方法、装置及介质 | |
| CN111294473A (zh) | 信号处理方法及装置 | |
| CN107481734B (zh) | 语音质量评价方法及装置 | |
| CN113345461A (zh) | 一种语音处理方法、装置和用于语音处理的装置 | |
| CN113113036B (zh) | 音频信号处理方法及装置、终端及存储介质 | |
| CN111583145B (zh) | 图像降噪方法及装置、电子设备和存储介质 | |
| CN111292760B (zh) | 发声状态检测方法及用户设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |