CN1302462C - 降噪装置和降噪方法 - Google Patents

Abstract

降噪装置和降噪方法。一种降噪装置包括：用于将输入转换成频域信号的分析单元，用于抑制该信号的抑制单元，以及用于合成时域信号的合成单元。该降噪装置还包括：估测单元，用于利用分析单元的输出，来估测与输入话音信号中至少排除了噪声成分的纯话音成分相对应的信息，作为话音信息，该话音信息是用于计算信号的抑制增益的基本话音信息；以及计算单元，用于计算与估测单元和分析单元的输出相对应的抑制增益并将其提供给抑制单元。

Description

降噪装置和降噪方法

技术领域

本发明涉及一种用于从叠加有诸如环境噪声等噪声的话音信号中降低噪声成分的***，更具体地涉及一种降噪装置和一种降噪方法，用于从由例如移动电话***、IP电话***等中的话筒输入的叠加有非话音环境噪声的话音信号中降低噪声成分，并用于改进信噪比(SNR)以及提高语音通信质量。

背景技术

近来，诸如移动电话等的数字移动通信***已经变得很普遍。在这种通信中，通常通信的建立伴随着大的环境噪声，从而有效地抑制话音信号中所包含的噪声成分就很重要。

在上述噪声抑制技术中，例如，将时间轴上的输入信号转换成频率轴上的信号(振幅谱和相位谱)，从根据非话音区间(interval)的信号所估测的背景噪声中获得抑制增益，对振幅谱进行抑制，将相位谱和经抑制的振幅谱恢复为时间轴上的信号，由此消除噪声(图1)。

下面将参考以下四个文献对上述常规技术中存在的问题进行说明。

[非专利文献1]S.F.Boll，“Suppression of Acoustic Noise inSpeech Using Spectral Subtraction”，IEEE Transaction on Acoustics，Speech，and Signal Processing，ASSP-33，vol.27，pp.113-120，(1979)

[专利文献1]日本专利公报No.3269969，“Background NoiseElimination Apparatus”

[专利文献2]日本专利公报No.3437264，“Noise SuppressionApparatus”

[专利文献3]日本专利申请特开No.2002-73066，“NoiseSuppression Apparatus and Noise Suppression Method”

在非专利文献1中，提出了一种频谱相减技术，该技术通过从输入的振幅谱中减去估测噪声的振幅谱来获得经抑制的振幅谱。

在专利文献1中，将输入信号转换成频率轴上的信号，并基于根据输入信号和估测噪声而计算出的信噪比(SNR)来计算抑制增益。计算抑制增益的方法是根据经验设置SNR与抑制增益之间的关系表达式。

在专利文献2中，当所估测的非话音区间中的功率较小时，降低抑制水平以避免由经抑制的小功率的话音区间所造成的劣化。当非话音区间中的功率较大时，提高抑制水平以进一步抑制非话音区间，由此更合适地抑制非话音区间中的噪声。

在专利文献3中，从被识别有话音的区间中的平滑频谱功率中获得话音信号的功率，并从未被识别有话音的区间中的平滑频谱功率中获得非话音信号的功率，由此计算SNR，有力地抑制具有高SNR的信号部分上的噪声，并且限制对因抑制而失真的部分的抑制。

但是，在上述常规技术中，当背景噪声的估测不正确时，就不能获得合适的抑制增益，并使经过噪声抑制的话音信号劣化了。例如，当背景噪声中包含大量气泡噪声(bubble noise)(包含人的话音的背景噪声)时，不将气泡噪声的区间确定为非话音区间，并且在非气泡噪声的恒定噪声的区间内计算估测噪声。当恒定噪声的功率比气泡噪声的功率小时，在气泡噪声区间内就低估了估测噪声，由此造成不充分的抑制，即，不能实现充分的抑制。

在专利文献2中，将估测话音区间内的功率估测为长区间中的短区间功率的最大值，而不考虑话音功率的分布。当不考虑话音功率的分布随着人的话音特征和讲话风格不同而改变时，存在的问题是不一定能够计算出合适的抑制系数。例如，当话音功率分布很广时，尽管话音功率的最大值较大，但话音具有较小的功率。因此，如果抑制得太厉害的话会使话音劣化。

因此，由于在常规技术中，未对通过从输入话音信号中减去噪声成分而获得的纯话音功率进行检测，并且未对纯话音功率的分布进行估测，所以当错误地估测了背景噪声时就不能计算出合适的抑制增益。

发明内容

提出本发明以解决上述问题，本发明的目的在于提供一种降噪装置和一种降噪方法，其能够通过以下步骤来在存在各种背景噪声时合适地抑制噪声：对输入话音信号中所含的关于纯话音功率的信息进行估测，并且基于话音功率的分布和范围来计算抑制增益。

根据本发明的第一降噪装置具有：分析单元，用于分析输入话音信号的频率并将该信号转换成频域信号；抑制单元，用于抑制所述频域信号；以及，合成单元，用于利用经抑制的频域信号来合成并输出经抑制的时域信号，所述第一降噪装置还包括：话音信息估测装置，用于利用分析单元的输出来估测在计算信号的抑制增益中用作基本信息的信息，该信息是与输入话音信号中至少排除了噪声成分的纯话音成分相对应的信息；以及抑制增益计算装置，用于计算与话音信息估测装置和分析单元的输出相对应的抑制增益，并向抑制单元提供计算结果。

根据本发明的第二降噪装置具有：分析单元，用于分析输入话音信号的频率并将该信号转换成频域信号；抑制单元，用于抑制所述频域信号；以及，合成单元，用于利用经抑制的频域信号来合成并输出经抑制的时域信号，所述第二降噪装置还包括：噪声估测装置，用于估测输入话音信号中的噪声成分的频谱；话音信息估测装置，用于利用分析单元的输出来估测在计算信号的抑制增益中用作基本信息的信息，该信息是与输入话音信号中至少排除了噪声成分的纯话音成分相对应的信息；以及，抑制增益计算装置，用于计算与噪声估测装置、话音信息估测装置和分析单元的输出相对应的抑制增益，并向抑制单元提供计算结果。

根据本发明的第一降噪方法利用以下单元来降低噪声：分析单元，用于分析输入话音信号的频率并将该信号转换成频域信号；抑制单元，用于抑制所述频域信号；以及，合成单元，用于利用经抑制的频域信号来合成并输出经抑制的时域信号，并且该第一降噪方法执行以下步骤：利用分析单元的输出来估测在计算信号的抑制增益中用作基本信息的信息，该信息是与输入话音信号中至少排除了噪声成分的纯话音成分相对应的信息；计算与所估测的话音信息和分析单元的输出相对应的抑制增益；以及，向抑制单元提供计算结果。

根据本发明的第二降噪方法利用以下单元来降低噪声：分析单元，用于分析输入话音信号的频率并将该信号转换成频域信号；抑制单元，用于抑制所述频域信号；以及，合成单元，用于利用经抑制的频域信号来合成并输出经抑制的时域信号，并且该第二降噪方法执行以下步骤：估测输入话音信号中的噪声成分的频谱；利用分析单元的输出来估测在计算信号的抑制增益中用作基本信息的信息，该信息是与输入话音信号中至少排除了噪声成分的纯话音成分相对应的信息；计算与所估测的噪声成分频谱、所估测的话音信息和分析单元的输出相对应的抑制增益；以及，向抑制单元提供计算结果。

附图说明

图1是示出降噪装置的常规技术的配置的框图；

图2是示出根据本发明的降噪装置的原理的配置的框图；

图3示出了根据本发明第一实施例的降噪装置的配置示例；

图4是根据本发明第一实施例的整个降噪处理的流程图；

图5是频谱分析处理的详细流程图；

图6是话音信息估测处理的详细流程图；

图7是抑制增益计算处理的详细流程图；

图8示出了抑制增益计算函数的示例；

图9是话音功率分布的说明图，用于说明图8所示的抑制增益计算函数的示例；

图10是话音信息估测处理的另一实施例的流程图；

图11是与图10所示的话音信息估测处理相对应的抑制增益计算处理的流程图；

图12是话音功率分布的说明图，用于说明图10所示的抑制增益计算处理；

图13是示出根据本发明第二实施例的降噪装置的配置的框图；

图14是根据本发明第二实施例的整个降噪处理的流程图；

图15是根据本发明第二实施例的噪声估测处理的详细流程图；

图16是根据本发明第二实施例的抑制增益计算处理的详细流程图；

图17是功率分布的说明图，用于说明图16所示的抑制增益计算处理；

图18是所述抑制增益计算处理的另一实施例的详细流程图；

图19是图18中所示的抑制增益计算处理中的功率分布的说明图；以及

图20是显示将一程序加载到计算机中以实现本发明的说明图。

具体实施方式

图2是示出根据本发明的降噪装置的原理的配置框图。图2是示出降噪装置1的原理的配置框图，该降噪装置1包括：分析单元2，用于分析输入话音信号的频率并将该输入话音信号转换成频域信号；抑制单元3，用于抑制所述频域信号；以及合成单元4，用于利用经抑制的频域信号来合成并输出经抑制的时域信号。

根据本发明的降噪装置1至少还包括一话音信息估测装置5和一抑制增益计算装置6。话音信息估测装置5利用由分析单元2输出的频域信号(例如，频谱振幅)，来估测在计算信号的抑制增益中用作基本信息的信息(该信息是与输入话音信号中至少排除了噪声成分的纯话音成分相对应的信息)，作为话音信息。抑制增益计算装置6计算与话音信息估测装置5和分析单元2的输出相对应的抑制增益，并将该结果提供给抑制单元3。

在本发明的该实施例中，话音信息估测装置5可以估测纯话音成分的功率，或者可以估测这样的功率平均值，该功率平均值表示针对多个先前输入的话音信号帧，在纯话音的各频率的功率分布中作为预定比率的采样数从最大功率开始累计的采样数。

在此情况下，抑制增益计算装置6也可以根据与当前要处理的帧k的频率标识i相对应的功率平均值PMAXki与对应于帧k的频谱功率Pki之差，来计算对于帧k的抑制增益。

此外，根据本发明的该实施例，话音信息估测装置5除了可以计算纯话音功率分布的估测值，作为对应于纯话音成分的信息外，还可以计算作为输入话音信号的叠加有噪声的话音信号的功率分布，作为话音信息估测装置5在计算抑制增益中使用的信息，并将结果提供给抑制增益计算装置6。

在此情况下，话音信息估测装置5还可以利用两个功率平均值来估测与纯话音的功率分布对应的概率密度函数，所述功率平均值表示对于多个先前输入的话音信号帧，在纯话音的各频率的功率分布中按总采样数的预定比率从最大功率起累计的采样数；并且抑制增益计算装置6可以将所述功率分布划分成多个区间，使得对于作为话音信息估测装置5的输出的纯话音功率的分布和叠加有噪声的话音信号的功率分布中的每一个分布，从最大功率起累计的采样数都可以占总采样数的预定比率，并且抑制增益计算装置6可以基于所述多个区间中的每一个区间中的功率平均值来获得抑制增益。

此外，除了包括分析单元2、抑制单元3、合成单元4和话音信息估测装置5以外，本发明的降噪装置还包括一用于估测输入话音信号中的噪声成分的频谱的噪声估测装置，并且所述抑制增益计算装置计算与噪声估测装置、话音信息估测装置和分析单元2的输出相对应的抑制增益。

在该降噪装置中，如上所述，话音信息估测装置5可以估测纯话音信号的功率，还可以估测这样的功率平均值，该功率平均值表示对于多个话音帧，在纯话音功率的分布中，作为总采样数的一预定比率的从最大功率起累计的采样数。

在此情况下，响应于功率平均值PMAXki、作为噪声估测装置的输出的当前帧的频谱噪声Nki、以及当前帧的频谱功率Pki的输入，抑制增益计算装置6还可以基于功率平均值PMAXki与频谱功率Pki之差以及PMAXki与频谱噪声Nki之差来计算抑制增益。

另外，抑制增益计算装置6还可以执行以下操作：估测纯话音功率的下限；利用估测结果来计算频率Hki，在该频率Hki处在包括当前帧的所述多个先前输入的话音帧信号中检测到了非恒定噪声；以及，响应于功率平均值PMAXki、频谱噪声Nki、以及频谱功率Pki的输入，基于功率平均值PMAXki与频谱功率Pki之差以及功率平均值PMAXki与频谱噪声Nki之差来计算抑制增益。

根据本发明的降噪方法利用上述分析单元、抑制单元和合成单元来降低噪声，利用分析单元的输出来估测将在计算信号的抑制增益中用作基本信息的信息(该信息对应于输入话音信号中排除了噪声的纯话音成分)，作为话音信息，计算与该估测结果和分析单元的输出对应的抑制增益，并将该结果提供给抑制单元。

根据本发明实施例的降噪方法估测上述话音信息，估测输入话音信号中的噪声成分的频谱，计算与所估测的话音信息、所估测的噪声频谱和分析单元的输出相对应的抑制增益，并将该结果提供给抑制单元。

根据本发明的实施例，对应于这两种方法，还可以应用一用来使计算机实现所述降噪方法的程序和一存储该程序的便携式存储介质。

根据该实施例，可以对关于纯话音的功率信息进行估测，而不估测噪声，并且基于纯话音的功率分布和范围对抑制增益进行计算。因此，可以实现话音抑制而不受噪声估测能力的影响，由此获得高质量的话音信号。此外，除了纯话音的功率分布之外，在计算抑制增益中可以使用叠加有噪声的话音的功率分布，并且可以利用叠加在话音区间上的噪声功率的影响来计算抑制增益。因此，即使叠加有非恒定噪声，但与利用在噪声区间中估测的噪声估测值的常规方法相比，可以更准确地获得抑制增益。

另外，根据本发明，除了关于纯话音的功率信息的估测值以外，进一步还估测了噪声，并且利用该结果计算了抑制增益，可以基于纯话音的功率分布、位置范围和所估测的噪声功率来计算抑制增益。因此，即使叠加有非恒定噪声，但与利用在噪声区间中简单计算出的噪声估测值的常规方法相比，也可以更准确地获得抑制增益。此外，也可以利用非恒定噪声的频率来计算抑制增益。因此，可以更准确地抑制噪声，并且，例如，可以大大改进移动通信中的通信质量。

图3是示出根据本发明第一实施例的话音信号的降噪装置的配置的框图。在图3中，分析单元11接收各帧输入信号，即，叠加有噪声的话音信号的输入，在施加诸如汉明(Hamming)窗口等的时间窗口之后利用快速傅里叶变换FFT来分析一输入帧，并计算频谱振幅(＝振幅谱)和频谱相位(＝相位谱)。在以下文献中详细解释了FFT和输入信号中的窗口。

[非专利文献2]Tsujii，Kamata“Digital Signal ProcessingSeries vol.1，Digital Signal Processing”94 to 120page，publishedby Shoko Do

[非专利文献3]Curtis Road，translated by Aoyagi，etc.“Computer Music”pp.452-457，published by Tokyo Denki University。

将作为分析单元11的输出的频谱振幅提供给话音估测单元12、抑制增益计算装置14和抑制单元15。话音估测单元12利用输入信号的频谱振幅，来估测与从叠加有噪声的输入话音信号中排除了噪声的成分相对应(即，与纯话音信号相对应)的信息，即，在计算抑制增益中所使用的话音信息。在第一实施例中，不是如参照图1所说明的那样通过估测噪声来计算抑制增益，而是估测与纯话音信号相对应的话音信息，并计算抑制增益。

频谱功率存储单元13存储与例如先前100帧相对应的频谱功率的值，并将该值提供给话音估测单元12和抑制增益计算装置14。

抑制增益计算装置14利用作为话音估测单元12的输出的话音信息、和输入信号的频谱振幅，来计算用于调节频谱振幅的抑制增益。抑制单元15利用所计算出的抑制增益的值、和输入信号的频谱振幅来计算经抑制的频谱振幅，并将该结果提供给合成单元16。

合成单元16利用抑制后的频谱振幅和由分析单元11输出的频谱相位，通过快速傅里叶逆变换IFFT将频率轴上的信号转换成时间轴上的信号，并在交叠计算(overlapping calculation)中将其交叠到先前帧中的时间轴上的经抑制的话音上，并将结果输出作为经抑制的输出话音信号。以上描述的是降噪装置10的操作，不过将合成单元16的输出信号例如提供给话音编码单元17，并且发送单元18发送编码结果，由此应用到话音通信***。

在交叠计算中合成单元16将时间轴上的转换信号与先前帧中的时间轴上的经抑制的话音进行交叠，这样做的原因是可以对FFT中由窗口处理所导致的在窗口外部降低的信号进行校正，这通常作为公知技术来执行。

图4是由图3中所示的降噪装置执行的整个降噪处理的流程图。在图4中，在步骤S1中输入1帧输入信号。在步骤S2中，在利用汉明窗口等执行了时间窗口处理之后，执行FFT分析并获得频谱振幅SAki和频谱相位SPki作为频谱分析的结果。在该示例中，k表示帧的标号，i表示频率(频带)。

之后，在步骤S3中，估测话音信息。在该示例中，利用输入信号的频谱振幅Saki来计算在计算抑制增益中作为基本信息的话音信息，稍后作详细说明。在步骤S4中根据话音信息计算结果来计算抑制增益Gki，并在步骤S5中利用以下公式(1)来计算经抑制的振幅频谱SA’ki。

SA’ki＝SAki·Gki       0≤i＜N            (1)

利用经抑制的振幅频谱SA’ki和频谱相位SPki，在步骤S6中执行IFFT，并通过交叠相加来合成话音。在步骤S7中，确定是否已对所有输入帧进行了所述处理。当确定尚未对所有输入帧进行完所述处理时，重复步骤S1及其后续步骤的处理。如果确定已对所有帧进行了所述处理，则终止当前的处理。

图5是图4中所示的步骤S2中的频谱分析处理的详细流程图。当如图5所示开始该处理时，首先在步骤S11中，由以下对输入信号xkt应用窗口函数Ht的公式(2)来获得窗口信号wkt。

wkt＝Ht·xkt     t＝0，…，2N-1           (2)

之后，在步骤S12中，对窗口信号执行FFT处理，并获得实部XRki和虚部XIki作为结果。之后，在步骤S13中，由以下公式(3)来获得频谱振幅SAki。

SAki＝(XRki²+Xiki²)^1/2      0≤i＜N           (3)

此外，在步骤S14中，由以下公式(4)计算频谱相位SPki，由此终止所述处理。

SPki＝tan^-1(XIki/XRki)         0≤i＜N         (4)

在以上公式中，2N表示FFT的点数，例如128和256，窗口函数Ht例如为汉明窗口。

图6示出了图4中所示的话音信息计算处理(步骤S3)的实施例，其中将如下的功率平均值估测为话音信息，该功率平均值表示在纯话音的功率分布中，从最大功率起累计的占总采样数的一预定比率的采样数。如果如图6所示开始该处理，则首先在步骤S16中，由下面的公式(5)计算当前要处理的当前帧的频谱功率Pki。即，对于k帧中的每个频率(频带)i取频谱振幅的平方，并将该结果计算为频谱功率。

Pki＝SAki²                   0≤i＜N         (5)

之后，在步骤S17中，在例如与包括当前帧的监测时段中的100帧相对应的任意时段中，利用所计算的频谱功率针对每个频率(频带)标识i获得频谱功率的分布。例如，提取较高的10％的频谱功率，即，10个频谱功率的值。在步骤S18中，计算较高的10％，即，计算预定比率的较高频谱功率的平均值PMAXki，并将其输出作为要由话音估测单元12输出的话音信息，由此终止该处理。

图7是图4中所示的抑制增益计算处理(步骤S4)的详细流程图。在图7中，当开始该处理时，在步骤S20中根据以下公式(6)计算用于确定抑制增益Gki的函数f中的自变量dki。

dki＝PMAXki-Pki            0≤i＜N          (6)

之后，在步骤S21中，利用以下公式(7)计算抑制增益Gki，由此终止该处理。

Gki＝f(dki)                 0≤i＜N         (7)

图8示出了抑制增益计算函数f的示例。函数f确定与话音功率分布的位置对应的抑制增益，并可以从经验上根据话音抑制与降噪效应之间的平衡获得该抑制增益。在图8中，降低实际的抑制，使得函数f的自变量dki越小，抑制增益Gki就越大；并且增加实际的增益，使得自变量dki越大，抑制增益就越小。

图9是在抑制增益计算函数f的自变量dki的小范围上采用较大抑制增益Gki的原因解释图。通常，输入话音信号为叠加有噪声的信号，包含纯话音成分和噪声成分。当平均而言纯话音成分的功率比噪声成分的功率大时，在叠加有噪声的输入信号的功率较大的区间内，纯话音功率可以由输入信号功率来近似。因此，在当前帧的输入信号功率Pki与预定比率(例如，对应于100帧得到的10％以内)的较高话音功率的功率平均值PMAXki之差较小时，所述叠加有噪声的话音信号中包含的纯话音功率较大，从而认为噪声成分的影响较小。因此，适合具有较大的抑制增益，即具有较小的抑制。此外，根据经验对实际的输入信号(即不是叠加有噪声的话音信号而是纯话音功率的实际宽度)进行计算，或者假定所述分布，由此可以估测出图9中所示的由虚线表示的纯话音功率的分布。也可以根据当前帧的功率平均值PMAXki与输入信号功率Pki之差来计算dki。

以下参照图10至12来说明图4中所示的步骤S3中的话音信息计算处理和步骤S4中的对应的抑制增益计算处理的另一实施例。图10是话音信息计算处理的另一实施例的流程图。在图10中，当开始该处理时，在步骤S23中输入由公式(3)得到的频谱振幅SAki，并通过公式(5)计算各频率(频带)i的频谱功率Pki。

之后，在步骤S25中，和在图6中一样，计算分别在所述叠加有噪声的话音信号的频谱功率中位于较高的预定比率处的两个平均频谱功率值PMAX1ki和PMAX2ki。例如，如上所述来计算PMAX1ki，使其表示对应于所述100帧的由频率标识i表示的频谱功率中位于较高的x1％(对应于高斯分布中的a1·σ的位置)处的功率的平均值；计算PMAX2ki，使其表示位于较高的x2％(对应于高斯分布中的a2·σ的位置)处的功率的平均值。例如，假设a1大于a2，并且σ表示标准偏差。

之后，在步骤S26中，假设对于各频率标识i的纯话音功率分布为高斯分布，根据公式(8)来计算高斯分布的标准偏差。

σki＝(PMAX1ki-PMAX2ki)/(a1-a2)   0≤i＜N  (8)

之后，在步骤S27中，由公式(9)计算高斯分布的平均值m。

mki＝PMAX1ki-a1·σki           0≤i＜N  (9)

由此，基于纯话音功率的标准偏差和平均值，可通过以下公式(10)获得话音功率的概率密度函数。在该公式中，x表示纯话音功率。

P1ki(x)＝{1/(2π)^1/2}exp[-(x-mki)²/2σki²]  0≤i＜N    (10)

在该示例中，假设纯话音的功率分布为高斯分布，但也可以通过计算纯话音功率的直方图来获得概率密度函数。

之后，在图10所示的步骤S28中，对叠加有噪声的输入信号的频谱功率进行监测并生成直方图P2ki(x)，在步骤S29中，输出纯话音功率的概率密度函数P1ki(x)和叠加有噪声的话音功率的直方图P2ki(x)作为话音信息，由此终止该处理。

下面进一步详细说明在步骤S25中计算PMAX1ki和PMAX2ki的实际示例。假设上述a1的值为3，a2的值为2，并且计算PMAX1ki使其表示位于较高的0.3％处的功率值，计算PMAX2ki使其表示位于较高的4.6％处的功率值。

也就是说，在计算PMAX1ki中，例如，从最高级按顺序排列先前的1000帧的频谱功率，并选择最高的6级。即，选择位于较高的0.6％处的功率，并获得所选频谱功率的平均值。在计算PMAX2ki中，例如，从最高级按顺序排列先前的1000帧的频谱功率，并选择最高的92级。即，选择位于较高的9.2％处的功率，并获得所选频谱功率的平均值。

图11是与图10所示的话音信息计算处理对应的抑制增益计算处理的详细流程图。在图11中，当开始该处理时，在步骤S31中输入图10所示处理中输出的纯话音功率的概率密度函数P1ki(x)和叠加有噪声的话音信号的直方图P2ki(x)，在步骤S32中，在(纯)话音功率和叠加有噪声的话音功率的分布上以每升高η％对所述分布进行分段，并为各段计算功率的平均值。

图12为处理的说明图。例如，在叠加有噪声的话音功率的分布中，下面作为示例对利用先前100帧计算较高的10％的功率平均值的情况进行说明。可以利用最初不包含噪声的话音信号类似地计算纯话音功率。

首先，从最高级按顺序排列先前100帧的所述叠加有噪声的话音功率，并且计算较高10级的叠加有噪声的话音功率的平均值V2n。即，假设最高的10个叠加有噪声的话音功率的平均值为V2₁，假设从第11级开始的次最高的10个叠加有噪声的话音功率的平均值为V2₂，……，并且假设从第91级开始的10个叠加有噪声的功率的平均值V2₁₀。也可以获得第n个区间纯话音功率的平均值，作为V1_n。

在图11所示的步骤S33中，可以计算对于每个区间的抑制增益Gikn。在该处理中，在纯话音功率的分布和叠加有噪声的话音功率的分布中，假设通过在对应区间中将噪声叠加在(纯)话音功率上来获得叠加有噪声的话音功率。假设利用以下公式(11)和(12)，由公式(13)获得对与叠加有噪声的话音功率的第n个区间对应的平均值V2n的抑制增益。

V1n＝10log₁₀(话音功率)                (11)

V2n＝10log₁₀(话音功率+噪声功率)       (12)

$\mathrm{Gikn}={\left({10}^{\frac{V2n-V1n}{10}}\right)}^{\frac{1}{2}}---\left(13\right)$

在步骤S33中得到的抑制增益Gikn是针对各区间得到的离散值，在步骤S34中由以下公式(14)对Gikn进行插值，来计算作为实际的叠加有噪声的话音功率信号x的函数的抑制增益，并计算抑制增益函数。

$\mathrm{Gik}\left(x\right)=\frac{\mathrm{Gikn}-\mathrm{Gik}(n-1)}{V2n-V2(n-1)}\{x-V2(n-1)\}---\left(14\right)$

其中V2(n-1)表示在第(n-1)个区间中的V2值。

之后，在步骤S35中，利用当前帧的叠加有噪声的话音功率x的值来计算抑制增益Gik(x)的值，在步骤S36中输出该值并终止该处理。

下面对本发明的第二实施例进行说明。图13是根据第二实施例的降噪装置的配置的框图。与显示根据第一实施例的配置的图3相比，图13中所显示的不同之处在于，增加了一噪声估测单元19，并且除了利用由话音估测单元12输出的话音信息以外，抑制增益计算装置14还利用作为噪声估测单元19的输出的估测噪声来计算抑制增益。噪声估测单元19利用由分析单元11输出的频谱振幅来估测在输入信号中包含的频谱噪声(噪声谱)，并且还可以利用时间轴上的输入信号而非频谱振幅来估测噪声。

图14是根据本发明第二实施例的整个降噪处理的流程图。与显示根据第一实施例的情况的图相比，图14中所示的不同之处在于，在步骤S53中估测频谱噪声，在步骤S54中计算对应于该估测结果的话音信息，并且在步骤S55中计算抑制增益。

图15是图14中所示的步骤S53中的频谱降噪处理的详细流程图。当如图15所示开始该处理时，在步骤S61中根据公式(5)计算频谱功率Pki，并且在步骤S62中执行确定是话音区间还是噪声区间的处理。在该确定中可以使用公知的常规技术，例如，可以使用监测在较长时段内的平均帧功率与当前帧的功率之差的方法，计算相关系数的方法等。

如果在步骤S63中确定不是噪声区间，则终止对该帧的处理。如果是噪声区间，则接着在步骤S64中对所估测的频谱噪声Nki进行更新。

在该更新处理中，将当前帧(噪声帧)的频谱功率(噪声频谱功率)和所计算的先前噪声频谱功率乘以各自的贡献比率来更新噪声频谱功率。由此，可以消除各帧的功率波动的高频成分。在该示例中，根据以下公式(15)对所估测的频谱噪声进行更新，在公式(15)中ξ表示与上述贡献比率对应的常数。

Nki＝ξ·Pki+(1-ξ)N(k-1)i    0≤i＜N    (15)

其中N(k-1)表示第(k-1)帧的第i个频带的噪声频谱功率。

图16是图14中所示的步骤S55中的抑制增益计算处理的详细流程图。例如，如在第一实施例的图6所示，执行步骤S54中的话音信息计算处理。

当如图16所示开始该处理时，首先在步骤S66中，输入各频率(频带)的当前帧的功率Pki和在叠加有噪声的话音信号的频谱功率中位于较高的预定比率处的频谱功率平均值PMAXki(即，由话音估测单元12输出的话音信息)，以及所估测的噪声频谱Nki(即，噪声估测单元19的输出)，在步骤S67中根据以下公式(16)计算d1ki，在步骤S68中根据公式(17)计算d2ki，在步骤S69中根据以下公式(18)计算抑制增益Gki，并且在步骤S70中输出所计算的抑制增益，由此终止该处理。

d1ki＝PMAXki-Pki    0≤i＜N      (16)

d2ki＝PMAXki-Nki            0≤i＜N    (17)

Gki＝g(d1ki，d2ki)          0≤i＜N    (18)

图17是作为由公式(18)所设函数g的自变量的d1ki和d2ki的说明图。在图17中，叠加有噪声的话音功率的较高预定比率处的功率频谱的平均值PMAXki与当前帧功率Pki之差d1ki对应于当前帧中所包含的纯话音功率的水平，PMAXki与恒定噪声的估测频谱的功率Nki之差对应于叠加有噪声的话音功率的分布与恒定噪声功率的分布之间的距离。将峰值位置应用于恒定噪声功率的分布，但不应用于叠加有噪声的话音功率的分布。在该示例中，将d2ki定义为表示两个功率水平的分布的距离。

在本实施例中，利用两个值d1ki和d2ki，考虑到纯话音功率信息和噪声功率信息，由此来确定抑制增益。即，d1ki的值越大，纯话音功率就越小，从而降低抑制增益。此外d2ki越大，叠加有噪声的话音功率的分布与恒定噪声功率的分布就越分散，从而降低所包含的噪声功率并提高抑制增益。为便于显示，利用公式(19)来设置用于提供抑制增益Gki的函数g。

g(d1ki，d2ki)＝τ-κ·d1ki+μ·d2ki 0≤i＜N  (19)

其中τ、κ和μ为正系数。

图18是根据依照本发明第二实施例的抑制增益计算处理的另一实施例的流程图。当如图18中所示开始该处理时，首先在步骤S72中，和在图16中所示的步骤S66中一样，输入Pki、PMAXki和Nki，并且分别在步骤S73和S74中计算d1ki和d2ki，在步骤S75中执行纯话音功率的下限PMINki的计算处理。

图19是抑制增益计算处理的说明图。在图19中，根据以下公式(20)将纯话音功率分布中的下限的位置估测为PMINki值。

PMINki＝PMAXki-ki    0≤i＜N        (20)

在公式(20)中，如果输入水平是恒定的，则假设纯话音功率的实际宽度(最大功率与最小功率之差)ki为恒定的。可以根据纯话音功率的分布来预先检查实际宽度值，或者可以通过将纯话音功率的分布假设为高斯分布，并将由观测输入信号的功率所获得的标准偏差σ与一常数相乘来计算实际宽度值。

之后，在图18所示的步骤S76中，计算非恒定噪声的频率Hki。在该处理中，获得表示图19中所示的恒定噪声的分布位置的Nki与作为表示检测到噪声的区间中的功率宽度的值λ之和，并依据在纯话音功率分布中与当前帧对应的Pki是否位于Nki+λ与下限PMINki之间，来检查对于该频率是否在各帧中包含有非恒定噪声。即，在各帧中检查是否各帧都包含诸如气泡噪声的非恒定噪声，并且通过以下与输入帧对应的公式(21)或(22)来更新频率Hki。

Hki＝[{H(k-1)i·(k-1)}+1]/k  Nki+λ≤Pki≤PMINki     (21)

Hki＝{H(k-1)i·(k-1)}/k  Pki＜Nki+λ，PMINki＜Pki    (22)

其中H(k-1)表示先前帧的频率0≤i＜N。

即，Nki+λ表示噪声的上限功率，可以根据具有纯话音功率分布的上限值和下限值PMINki之间的Pki的那些帧与总输入帧的比率，来计算非恒定噪声的频率Hki。

之后，在图18所示的步骤S77中，通过以下公式(23)计算抑制增益Gki，并在步骤S78中输出抑制增益，由此终止该处理。

Gki＝h(d1ki，d2ki，Hki)             0≤i＜N         (23)

公式(23)中用于计算抑制增益Gki的函数h例如可由以下公式(24)来确定。

h(d1ki，d2ki，Hki)＝τ-κ·d1ki+μ·d2ki-υ·Hki  0≤i＜N  (24)

其中τ、κ、μ和υ为正系数。

在图19中，如图17中所示，d1ki越大，纯话音功率就变得越小。因此，设置函数h，使得抑制增益可以降低。此外，d2ki越大，噪声功率就越小。因此，设置函数h，使得抑制增益可以更大。而且，由于非恒定噪声的频率Hki越大，就存在越多的非恒定噪声。因此，设置函数h，使得抑制增益可以降低。

以上已经描述了根据本发明的降噪装置和降噪方法，但也可以将降噪装置配置成处理器和通用计算机***。图20是计算机***的配置(即，硬件环境)的框图。

在图20中，所述计算机***的配置包括：中央处理单元(CPU)20、只读存储器(ROM)21、随机访问存储器(RAM)22、通信接口23、存储装置24、输入/输出装置25、便携式存储介质的读取装置26，以及连接上述组件的总线27。

存储装置24可以是各种类型的存储装置，例如硬盘、磁盘等。这些存储装置24或ROM 21存储如图4至7、10、11、14至16和18中的流程图所示的程序等，并且该程序由CPU 20执行，由此估测关于纯话音的信息、与该信息对应的抑制噪声等。

也可以通过网络29和通信接口23从程序提供商28获得该程序并将其存储在存储装置24中，或者可以从市面上购买该程序并存储在市售的便携式存储介质30中，将其设置在读取装置26中，并可由CPU 20执行该程序。便携式存储介质30可以是各种类型的存储介质，例如CD-ROM、软盘、光盘、磁光盘等，并且存储在所述存储介质中的程序由读取装置26读取，并根据本发明实施例实现对包含气泡噪声在内的各种类型噪声的抑制等。

Claims (14)

1、一种降噪装置，具有：分析单元，用于分析输入话音信号的频率并将该信号转换成频域信号；抑制单元，用于抑制所述频域信号；以及，合成单元，用于利用经抑制的频域信号合成并输出经抑制的时域信号，所述降噪装置还包括：

话音信息估测装置，其利用分析单元的输出，将在计算信号的抑制增益中用作基本信息的信息估测为话音信息，所述信息是与输入话音信号中至少排除了噪声成分的纯话音成分对应的信息；和

抑制增益计算装置，其计算与所述话音信息估测装置和分析单元的输出对应的抑制增益并将计算结果提供给抑制单元。

2、根据权利要求1的降噪装置，其中

所述话音信息估测装置对排除了噪声成分的纯话音成分的功率进行估测。

3、根据权利要求1的降噪装置，其中

所述话音信息估测装置对以下的功率平均值进行估测，所述功率平均值表示针对多个输入话音信号帧，在纯话音的各频率中的功率分布中，作为多个采样的一预定比率从最大功率起累计的若干采样。

4、根据权利要求3的降噪装置，其中

所述抑制增益计算装置基于与当前要处理的帧的频率标识i对应的功率平均值PMAXki与对应于帧k的频谱功率Pki之差，来计算与帧k对应的抑制增益。

5、根据权利要求1的降噪装置，其中

所述话音信息估测装置除了对作为与纯话音成分对应的信息的纯话音功率分布的估测值进行估测以外，还对作为输入话音信号的叠加有噪声的话音信号的功率分布进行计算，作为抑制计算中所使用的信息，并将计算结果提供给抑制增益计算装置。

6、根据权利要求5的降噪装置，其中

所述话音信息估测装置利用两个如下的功率平均值来估测与纯话音的功率分布对应的概率密度函数，所述功率平均值表示针对多个输入话音信号帧，在纯话音的各频率的功率分布中，以总采样数的预定比率从最大功率起累计的若干采样。

7、根据权利要求5的降噪装置，其中

所述抑制增益计算装置将功率分布划分成多个区间，使得对于作为话音信息估测装置的输出的纯话音功率分布和叠加有噪声的话音信号的功率分布中的每一个分布，从最大功率起累计的采样数可以是总采样数的一预定比率，并基于所述多个区间中的每一个区间内的功率平均值来获得抑制增益。

8、一种降噪装置，具有：分析单元，用于分析输入话音信号的频率并将该信号转换成频域信号；抑制单元，用于抑制所述频域信号；以及，合成单元，用于利用经抑制的频域信号合成并输出经抑制的时域信号，所述降噪装置还包括：

噪声估测装置，估测输入话音信号中的噪声成分的频谱；

话音信息估测装置，利用分析单元的输出估测在计算信号的抑制增益中用作基本信息的信息，所述信息是与输入话音信号中至少排除了噪声成分的纯话音成分相对应的信息；以及

抑制增益计算装置，计算与噪声估测装置、话音信息估测装置和分析单元的输出对应的抑制增益，并将计算结果提供给抑制单元。

9、根据权利要求8的降噪装置，其中

所述话音信息估测装置对排除了噪声成分的纯话音成分的功率进行估测。

10、根据权利要求8的降噪装置，其中

所述话音信息估测装置对如下的功率平均值进行估测，该功率平均值表示针对多个输入话音信号帧，在纯话音的各频率的功率分布中，作为多个采样的预定比率从最大功率起累计的若干采样。

11、根据权利要求10的降噪装置，其中

响应于输入与当前要处理的帧k的频率标识i对应的功率平均值PMAXki、作为所述噪声估测装置的输出的当前帧的频谱噪声Nki和当前帧的功率Pki，所述抑制增益计算装置基于PMAXki和Pki之差以及PMAXki和Nki之差来计算抑制增益。

12、根据权利要求10的降噪装置，其中

所述抑制增益计算装置执行以下操作：估测纯话音功率的下限；基于该估测结果计算一频率，在该频率处在包含当前帧的先前输入的多个话音帧信号中检测到了非恒定噪声；以及，响应于输入与当前要处理的帧k的频率标识i对应的功率平均值PMAXki、对应于帧k的频谱功率Pki、和作为所述噪声估测装置的输出的对应于当前帧的频谱噪声Nki，基于PMAXki和Pki之差、PMAXki和Nki之差以及所计算出的频率，来计算抑制增益。

13、一种降噪方法，用于利用以下单元来降低噪声：分析单元，用于分析输入话音信号的频率并将该信号转换成频域信号；抑制单元，用于抑制所述频域信号；以及，合成单元，用于利用经抑制的频域信号合成并输出经抑制的时域信号，所述降噪方法执行以下步骤：

利用分析单元的输出，估测在计算信号的抑制增益中用作基本信息的信息，所述信息是与输入话音信号中至少排除了噪声成分的纯话音成分相对应的信息；以及

计算与所估测的话音信息和分析单元的输出相对应的抑制增益，并将计算结果提供给抑制单元。

14、一种降噪方法，用于利用以下单元来降低噪声：分析单元，用于分析输入话音信号的频率并将该信号转换成频域信号；抑制单元，用于抑制所述频域信号；以及，合成单元，用于利用经抑制的频域信号合成并输出经抑制的时域信号，所述降噪方法包括以下步骤：

估测输入话音信号中的噪声成分的频谱；

利用分析单元的输出，估测在计算信号的抑制增益中用作基本信息的信息，所述信息是与输入话音信号中至少排除了噪声成分的纯话音成分相对应的信息；以及

计算与所估测的噪声成分频谱、话音信息、和分析单元的输出相对应的抑制增益，并将计算结果提供给抑制单元。

Images