ES2294506T3 - Reduccion de ruido para el reconocimiento automatico del habla. - Google Patents
Reduccion de ruido para el reconocimiento automatico del habla. Download PDFInfo
- Publication number
- ES2294506T3 ES2294506T3 ES04741579T ES04741579T ES2294506T3 ES 2294506 T3 ES2294506 T3 ES 2294506T3 ES 04741579 T ES04741579 T ES 04741579T ES 04741579 T ES04741579 T ES 04741579T ES 2294506 T3 ES2294506 T3 ES 2294506T3
- Authority
- ES
- Spain
- Prior art keywords
- noise
- hat
- signal
- estimate
- speech
- 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.)
- Expired - Lifetime
Links
- 230000009467 reduction Effects 0.000 title claims abstract description 45
- 238000001228 spectrum Methods 0.000 claims abstract description 67
- 238000000034 method Methods 0.000 claims abstract description 47
- 230000003595 spectral effect Effects 0.000 claims description 84
- 238000012545 processing Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 2
- 230000007423 decrease Effects 0.000 claims 1
- 230000006870 function Effects 0.000 description 16
- 230000006872 improvement Effects 0.000 description 6
- 239000000654 additive Substances 0.000 description 5
- 230000000996 additive effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 241001014642 Rasta Species 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000001755 vocal effect Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 102100026630 Aurora kinase C Human genes 0.000 description 1
- 108090000805 Aurora kinase C Proteins 0.000 description 1
- 206010011878 Deafness Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000005441 aurora Substances 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009408 flooring Methods 0.000 description 1
- 230000010370 hearing loss Effects 0.000 description 1
- 231100000888 hearing loss Toxicity 0.000 description 1
- 208000016354 hearing loss disease Diseases 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
-
- 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
- G10L15/00—Speech recognition
- G10L15/20—Speech recognition techniques specially adapted for robustness in adverse environments, e.g. in noise, of stress induced speech
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Circuit For Audible Band Transducer (AREA)
- Telephone Function (AREA)
- Image Processing (AREA)
- Noise Elimination (AREA)
Abstract
Procedimiento de reducción del ruido para reconocimiento automático del habla, que comprende: - calcular un espectro de magnitud |Yk(m)| de un habla ruidosa que contiene un habla limpia a ser reconocida y ruido que afecta al habla limpia; - calcular un espectro de potencia (|Yk(m)|2) del habla ruidosa; - calcular una estimación (|Xk(m)|2) de un espectro de potencia del habla limpia; - calcular una estimación (|Dk(m)|2) de un espectro de potencia del ruido; - calcular una estimación ( Ek(m)) de una relación de señal a ruido a priori como función de la estimación (|Xk(m)|2) del espectro de potencia del habla limpia y de la estimación (|Dk(m)|2) del espectro de potencia del ruido; - calcular una estimación (Ek(m)) de una relación de señal a ruido a posteriori como función del espectro de potencia (|Yk(m)|2) del habla ruidosa y de la estimación (|Dk(m)|2) del espectro de potencia del ruido; - calcular una ganancia de atenuación (Gk(m)) como función de la estimación ( Ek(m)) de la relación de señal a ruido a priori y de la estimación (k(m)) de la relación de señal a ruido a posteriori; - calcular una estimación (|Xk(m)|) de un espectro de magnitud del habla limpia como función del espectro de magnitud (|Yk(m)|) del habla ruidosa y de la ganancia de atenuación (Gk(m)); caracterizado por el hecho de que calcular las estimaciones ( Ek(m),Yk(m)) de las relaciones de señal a ruido a priori y a posteriori comprende:
Description
Reducción de ruido para el reconocimiento
automático del habla.
La presente invención se refiere de forma
general a la reducción de ruido para el reconocimiento automático
del habla, y en concreto a un procedimiento y sistema de reducción
de ruido basado en la técnica de atenuación espectral, y a un
sistema de reconocimiento automático del habla.
La figura 1 muestra un diagrama de bloques de
fuentes usuales de degradación del habla. Como se puede apreciar,
el habla del hablante que se desea (bloque 10) se degrada debido al
ruido ambiental, en concreto voces de otros hablantes cercanos
(bloque 20) y ruido de fondo (bloque 30), y debido al ruido y la
distorsión del canal de comunicación (bloques 40 y 50). Las
técnicas de reducción de ruido (bloque 60) para el reconocimiento
automático del habla (bloque 70) pueden reducir el ruido de fondo y
el ruido de canal (casi estacionarios), mientras que el ruido no
estacionario y las voces interferentes son mucho más difíciles de
eliminar.
La figura 2 muestra un diagrama de bloques de un
sistema automático de reconocimiento del habla. Como se puede
apreciar, el habla ruidosa a reconocer se introduce en un bloque 100
de análisis espectral de tiempo corto (FFT enventanada) que genera
espectros de tiempo corto que se introducen a su vez en un bloque
reductor de ruido 110. Los espectros de tiempo corto sin ruido se
introducen en una etapa de entrada 120 de RASTA-PLP,
que a su vez indica a la salida la energía total de la señal de
habla, los coeficientes de cepstrum, y las derivadas primera y
segunda de la energía total y de los coeficientes de cepstrum,
introduciéndose todos ellos en un bloque 130 de reconocimiento
automático del habla.
La etapa de entrada 120 de
RASTA-PLP implementa una técnica que se conoce como
"RelaAtive SpecTrAl Technique", que es un mejora sobre el
procedimiento de PLP (predicción perceptual lineal) tradicional y
que consiste en un filtrado especial de los diferentes canales de
frecuencia de un analizador PLP. El filtrado previo se realiza para
hacer que el análisis del habla sea menos sensible a los cambios
lentos o los factores de estado estacionario del habla. El
procedimiento RASTA substituye al espectro de plazo corto de banda
crítica convencional del PLP e introduce una estimación espectral
menos sensible. Para una descripción más detallada de un procesado
RASTA, se puede consultar la referencia de H. Hermansky y N. Morgan,
"RASTA Processing of Speech", IEEE Transactions on Speech and
Audio Processing, volumen 2, número 4, octubre de 1994.
El bloque de reducción de ruido 110 realiza una
estimación del ruido ambiental 112 basada en los espectros de
tiempo corto y a continuación una reducción de ruido ambiental 114
basada en los espectros de tiempo corto y el ruido estimado,
utilizando una técnica que se denomina de "substracción
espectral" o una técnica que se denomina de "atenuación
espectral".
Las técnicas arriba mencionadas se describirán
con más detalle a continuación, donde se indicará el espectro de
potencia del habla ruidosa como
|Y_{k}(m)|^{2}, el espectro de potencia del
habla limpia como |X_{k}(m)|^{2}, el espectro
de potencia del ruido aditivo como
|D_{k}(m)|^{2}, y la estimación de una
cantidad por medio del símbolo "^", y donde k es el índice de
las líneas espectrales de los espectros y m es el índice de las
ventanas de tiempo dentro de las cuales se procesa el habla ruidosa
para la reducción del ruido.
La técnica de substracción espectral se describe
en N. Virag, "Single Channel Speech Enhancement Based on Masking
Properties of the Human Auditory System", IEEE Transactions on
Speech and Audio Processing, volumen 7, número 2, marzo de 1999,
donde se trata el problema de la reducción del ruido para el
reconocimiento del habla y se describe la utilización de un factor
de sobreestimación o sobresubstracción y un factor de fondo
espectral.
En concreto, la técnica de substracción
espectral se basa en el principio de reducir el ruido por medio de
substraer una estimación del espectro de potencia del ruido aditivo
|\hat{D}_{k}(m)|^{2} del espectro de potencia
del habla ruidosa |Y_{k}(m)|^{2},
obteniéndose de esta forma una estimación
|\hat{X}_{k}(m)|^{2} del espectro de potencia
del habla limpia:
donde \alpha(m) es el
factor de sobreestimación de ruido, \beta(m) es el factor
de fondo de
espectro.
En concreto, el espectro de ruido residual
consiste en crestas y valles con aparición aleatoria, y el factor
de sobreestimación \alpha(m) y el factor de fondo de
espectro \beta(m) se han introducido para reducir las
excursiones espectrales.
En detalle, el factor de sobreestimación
\alpha(m) se ha introducido para "sobreestimar" el
espectro de ruido, es decir, en otras palabras el factor de
sobreestimación \alpha(m) substrae una sobreestimación del
ruido a lo largo del espectro completo, mientras que el factor de
fondo espectral \beta(m) evita que las líneas espectrales
de la estimación del espectro de potencia
|\hat{X}_{k}(m)|^{2} del habla limpia caigan
por debajo de un límite inferior
(\beta(m)|Y_{k}(m)|^{2}),
"rellenando" de esta forma los valles profundos que rodean a
los picos estrechos (del espectro mejorado). De hecho,
ocasionalmente se pueden producir estimaciones negativas del
espectro de potencia mejorado y en tales casos, las líneas
espectrales negativas se llevan a cero o a algún valor mínimo (de
fondo). Reducir las excursiones espectrales de los picos de ruido,
en comparación con cuando se establecen en cero los componentes
negativos, reduce la cantidad de ruido musical. Esencialmente por
medio de reinsertar el ruido de banda ancha (fondo de ruido), los
remanentes de los picos de ruido se "enmascaran" por parte de
los componentes vecinos de magnitud comparable.
Una variante de esta técnica se conoce como
"técnica de substracción espectral de Wiener", que es similar
a la anterior pero que se deriva de la teoría de filtrado óptimo. La
estimación |\hat{X}_{k}(m)|^{2} del espectro
de potencia del habla limpia es la siguiente:
Una mejora sobre las técnicas de substracción
espectral se describe en V. Schless, F. Class,
"SNR-Dependent Flooring and Noise Overestimation
for Joint Application of Spectral Substraction and Model
Combination", ICSLP 1998, donde se propone hacer que el factor
de sobreestimación de ruido \alpha(m) y el factor de fondo
espectral \beta(m) sean funciones de la relación de señal
a ruido global SNR(m).
La técnica de atenuación espectral, por el
contrario, se basa en el principio de suprimir el ruido por medio
de aplicar una regla de supresión, o una ganancia de valor real no
negativa G_{k}, a cada línea espectral k del espectro de magnitud
|Y_{k}(m)| del habla ruidosa, para calcular una
estimación |\hat{X}_{k}(m)| del espectro de
magnitud del habla limpia según la siguiente fórmula:
|\hat{X}_{k}(m)|
=
G_{k}(m)|Y_{k}(m)|
Se han propuesto muchas reglas de supresión, y
probablemente una de las reglas más importantes es la que se
denomina regla logarítmica de atenuación espectral de
Ephraim-Malah, que se describe en Y. Ephraim y D.
Malah, "Speech Enhancement Using a Minimum
Min-Square Error Log-Spectral
Amplitude Estimator", IEEE Transactions on Acoustics, Speech, and
Signal Processing, volumen ASSP-33, número 2,
páginas 443-445, 1985.
La ganancia de Ephraim-Malah
G_{k}(m) se define como:
donde:
- \xi_{k}(m) es una relación de señal
a ruido a priori relativa a la línea espectral k-ésima y se
define de la siguiente forma:
- \nu_{k}(m) se define como:
- \gamma_{k}(m) es una relación de
señal a ruido que se denomina a posteriori relativa a la
línea espectral k-ésima y se define de la siguiente forma:
El cálculo de la relación de señal a ruido a
posteriori \gamma_{k}(m) requiere el conocimiento
del espectro de potencia del ruido aditivo
|D_{k}(m)|^{2}, que no se encuentra
disponible. Se puede obtener una estimación
|\hat{D}_{k}(m)|^{2} del espectro de potencia
del ruido aditivo con un estimador de ruido como se describe en H.
G. Hirch, C. Ehrlicher, "Noise Estimation Techniques for Robust
Speech Recognition", ICASSP 1995, páginas
153-156.
Por tanto, se puede calcular una estimación
\hat{\gamma}_{k}(m) de la relación de señal a ruido a
posteriori de la siguiente forma:
El cálculo de la relación de señal a ruido a
priori \xi_{k}(m) requiere el conocimiento del espectro
de potencia |X_{k}(m)|^{2} del habla limpia,
el cual no se encuentra disponible. Se puede calcular una estimación
\hat{\xi}_{k}(m) de la relación de señal a ruido a
priori por medio de la utilización de una aproximación dirigida
a la decisión como se describe en Y. Ephraim y D. Malah, "Speech
Enhancement Using a Minimum Mean-Square Error
Short-Time Spectral Amplitude Estimator", IEEE
Transactions on Acoustics, Speech, and Signal Processing, volumen
ASSP-32, número 6, páginas
1109-1121, 1984, y de la forma siguiente:
donde \eta(m) es un
coeficiente de peso para ponderar adecuadamente los dos términos de
la
fórmula.
La ganancia de Ephraim-Malah
G_{k}(m) se puede calcular entonces como función de la
estimación \hat{\xi}_{k}(m) de la relación de señal a ruido
a priori y de la estimación \hat{\gamma}_{k}(m) de
la relación de señal a ruido a posteriori según la fórmula
(3).
En
US-A-2002/0002455 se describe una
aplicación de la técnica de atenuación espectral, que se refiere a
un sistema de mejora del habla que recibe un habla ruidosa
caracterizada por una amplitud espectral que se extiende en una
pluralidad de cajones y que produce un habla mejorada por medio de
modificar la amplitud espectral del habla ruidosa sin afectar a la
fase de la misma. En concreto, el sistema de mejora del habla
comprende un estimador de núcleo que aplica al habla ruidosa uno de
un primer conjunto de ganancias para cada cajón de frecuencia; un
módulo de adaptación de ruido que segmenta el habla ruidosa en
cuadros que contienen solamente ruido y solamente señal, mantiene
una estimación actual del espectro de ruido y una estimación de la
probabilidad de ausencia de señal en cada cajón de frecuencia; y un
estimador de relación de señal a ruido que mide la relación de
señal a ruido a posteriori y estima una relación de señal a
ruido a priori basándose en la estimación de ruido. Cada uno
del primer conjunto de ganancias se basa en una relación de señal a
ruido a priori, así como en la probabilidad de ausencia de
señal en cada cajón y en un nivel de agresividad de la mejora del
habla. Un módulo de decisión suave calcula un segundo conjunto
ganancias que se basa en una relación de señal a ruido a
posteriori y en una relación de señal a ruido a priori, y
la probabilidad de ausencia de señal en cada cajón de
frecuencia.
En WO-A-01/52242
se describe otra aplicación de las técnicas de atenuación espectral,
que se refiere a un esquema de substracción espectral de banda
múltiple que se puede aplicar a una variedad de sistemas de
comunicación por habla, como soportes a la audición, sistemas de
acceso público, sistemas de teleconferencia, sistemas de control
por voz, o sistemas altavoces, y que comprende una arquitectura una
arquitectura de filtro de banda múltiple, detección de potencia de
ruido y de señal, y función de ganancia para la reducción del
ruido. La función de ganancia para la reducción de ruido consiste en
una función de escala de ganancia y una función de atenuación
máxima que proporcionan una cantidad de ganancia predeterminada como
función de la relación de señal a ruido y del ruido. La función de
escala de ganancia es una función a tramos lineal de tres segmentos,
y los tres tramos lineales de la función de escala de ganancia
comprenden un primer tramo que proporciona una expansión máxima
hasta un primer punto de codo para una reducción de ruido máxima, un
segundo tramo que proporciona una expansión menor hasta un segundo
punto de codo para una reducción de ruido menor, y un tercer tramo
que proporciona una expansión mínima o nula para señales de entrada
con una relación de señal a ruido alta para minimizar la
distorsión. La función de atenuación máxima puede ser una constante
o ser igual a la envolvente del ruido estimada. Cuando se utiliza
en aplicaciones de soporte a la audición, la función de ganancia de
reducción de ruido se combina con la función de ganancia de
compensación de pérdida de la audición inherente al proceso de
asistencia a la audición.
El reconocimiento automático del habla que
utiliza los procedimientos de reducción de ruido conocidos arriba
descritos se encuentra afectado por algunos problemas técnicos que
evitan que sea realmente efectivo. En concreto, la técnica de
substracción espectral y la técnica de substracción espectral de
Wiener se ven afectadas por el denominado "ruido musical", que
se introduce en el espectro de potencia
|X_{k}(m)|^{2} del habla limpia por el nivel
de fondo arriba mencionado, según el cual los valores negativos se
establecen en un valor de fondo
\beta(m)|Y_{k}(m)| para evitar
la ocurrencia de resultados negativos de substracción. En concreto,
el nivel de fondo introduce discontinuidades en el espectro que se
perciben como ruidos musicales molestos y que degradan el
rendimiento de un sistema de reconocimiento automático del
habla.
La técnica de atenuación espectral que
implementa la regla de atenuación de Ephraim-Malah
es una técnica muy buena para la denominada mejora del habla, es
decir la reducción del ruido para un oyente humano, pero introduce
cierta distorsión espectral en partes de la voz que son aceptables
para las personas pero muy críticas para un sistema de
reconocimiento automático del habla.
En la publicación de Kato, M. y otros, "A
Wideband Noise Suppressor for the AMR Wideband Speech Codec",
Speech coding, 2002, IEEE workshop proceedings, 06.10.02, la
ganancia espectral como se define por parte de Ephraim y Malah se
modifica con un escalado y una limitación condicional.
La intención de la presente invención es por
tanto proporcionar un procedimiento de reducción de ruido para el
reconocimiento automático del habla y que, al mismo tiempo, reduce
el ruido musical del espectro de potencia del habla limpiada.
Este objetivo se alcanza con la presente
invención por el hecho de que se refiere a un procedimiento de
reducción de ruido para el reconocimiento automático del habla, como
se define en la reivindicación 1, a un sistema de reconocimiento
automático del habla, como se define en la reivindicación 12, y a un
producto programa de ordenador, como se define en la reivindicación
13.
La presente invención cumple las necesidades
arriba mencionadas puesto que utiliza una técnica de atenuación
espectral en lugar de una técnica de substracción espectral,
eliminando de esta forma el problema del ruido musical, y que la
implementación de una regla de atenuación espectral de
Ephraim-Malah modificada reduce la distorsión
espectral introducida por la regla original en las partes vocales de
las señales, obteniendo de esta forma mejores rendimientos cuando
se utiliza en un sistema automático de reconocimiento del habla.
Para una mejor comprensión de la presente
invención, a continuación se describirá una realización preferida,
la cual se pretende puramente a modo de ejemplo y no se debe
considerar de forma limitativa, con referencia a las figuras
adjuntas, en las cuales:
- la figura 1 muestra un diagrama de bloques de
las fuentes comunes de degradación del habla;
- la figura 2 muestra un diagrama de bloques de
la reducción de ruido para el reconocimiento automático del
habla;
- las figuras 3 y 4 muestran gráficos de un
factor de sobreestimación de ruido y de un factor de fondo espectral
como función de una relación de señal a ruido global que se utilizan
en el procedimiento de reducción de ruido según la presente
invención;
- la figura 5 muestra una regla de atenuación
espectral de Ephraim-Malah estándar; y
- las figuras 6-10 muestran una
regla de atenuación espectral de Ephraim-Malah
modificada según la presente invención a diferentes relaciones
globales de señal a ruido.
La siguiente discusión se presenta para permitir
a una persona experta en la técnica utilizar la presente invención.
Para la personas expertas en la técnica se harán fácilmente
aparentes varias modificaciones de las realizaciones sin salir del
ámbito de la presente invención como se reivindica. Por tanto, no se
pretende que la presente invención se limite a las realizaciones
que se muestran, sino que se debe contemplarse el ámbito más amplio
consistente con los principios y características que aquí se
describen y que se definen en las reivindicaciones adjuntas.
La presente invención se refiere a un sistema
automático de reconocimiento del habla que comprende un sistema de
reducción de ruido basado en la técnica de atenuación espectral, y
en concreto en la regla de atenuación de
Ephraim-Malah, en el cual la fórmula global de la
ganancia G_{k}(\gamma_{k}, \xi_{k}) permanece sin
cambios, mientras que las estimaciones de las relaciones de señal a
ruido a priori y a posteriori
\hat{\xi}_{k}(m), \hat{\gamma}_{k}(m) se modifican
haciéndolas dependientes de un factor de ponderación de ruido
\alpha(m) y de un factor de fondo espectral
\beta(m), de la forma siguiente:
\vskip1.000000\baselineskip
\vskip1.000000\baselineskip
\vskip1.000000\baselineskip
donde:
- |Y_{k}(m)|^{2} es la
línea espectral k-ésima del espectro de potencia del habla
ruidosa;
- |\hat{X}_{k}(m)|^{2} es
la línea espectral k-ésima de la estimación del espectro de potencia
del habla limpiada;
- |\hat{D}_{k}(m)|^{2} es
la línea espectral k-ésima de la estimación del espectro de potencia
del ruido aditivo;
- \hat{\xi}_{k}(m) es la estimación de
la relación de señal a ruido a priori relativa a la línea
espectral k-ésima;
- \hat{\gamma}_{k}(m) es la estimación
de la relación de señal a ruido a posteriori relativa a la
línea espectral k-ésima;
- \alpha(m) es el factor de peso de
ruido para ponderar, concretamente sobreestimar o subestimar, la
estimación |\hat{D}_{k}(m)|^{2}
del espectro de potencia del ruido en el cálculo de las estimaciones \hat{\xi}_{k}(m), \hat{\gamma}_{k}(m) de las relaciones de señal a ruido a priori y a posteriori;
del espectro de potencia del ruido en el cálculo de las estimaciones \hat{\xi}_{k}(m), \hat{\gamma}_{k}(m) de las relaciones de señal a ruido a priori y a posteriori;
- \beta(m) es el factor de fondo
espectral para el fondo de las estimaciones
\hat{\xi}_{k}(m), \hat{\gamma}_{k}(m) de las
relaciones de señal a ruido a priori y a posteriori;
y
- \eta(m) es un coeficiente de peso
para ponderar adecuadamente los dos términos de la fórmula (10).
El factor de ponderación de ruido
\alpha(m) y el factor de fondo espectral \beta(m)
son funciones de la relación de señal a ruido global SNR(m),
que se define como:
\vskip1.000000\baselineskip
\vskip1.000000\baselineskip
Las figuras 3 y 4 muestran un desarrollo
preferido del factor de ponderación de ruido \alpha(m) y
del factor de fondo espectral \beta(m) respecto a la
relación de señal a ruido global SNR(m). El factor de
ponderación de ruido \alpha(m) y el factor de fondo
espectral \beta(m) son funciones lineales a tramos y se
pueden definir de la siguiente forma:
\vskip1.000000\baselineskip
\vskip1.000000\baselineskip
Los valores que se indican en las fórmulas (12)
y (13) se indican puramente a modo de ejemplo y no se deben
considerar limitativos. En general, se podrían utilizar otros
valores de forma útil, mientras se mantenga el desarrollo general
del factor de ponderación de ruido \alpha(m) y del factor
de fondo espectral \beta(m) respecto a la relación de
señal a ruido global SNR(m).
En concreto, el factor de ponderación de ruido
\alpha(m) respecto a la relación de señal a ruido global
SNR(m) debería tener un primer valor sustancialmente
constante cuando la relación de señal a ruido global SNR(m)
es menor que un primer umbral, un segundo valor sustancialmente
constante menor que el primer valor sustancialmente constante
cuando la relación de señal a ruido global SNR(m) es mayor
que un segundo umbral, y valores decrecientes desde el primer valor
sustancialmente constante hasta el segundo valor sustancialmente
constante cuando la relación de señal a ruido global SNR(m)
aumenta desde el primer umbral hasta el segundo umbral.
El factor de fondo espectral \beta(m)
respecto a la relación de señal a ruido global SNR(m) debería
tener un primer valor sustancialmente constante cuando la relación
de señal a ruido global SNR(m) es menor que un primer
umbral, un segundo valor sustancialmente constante mayor que el
primer valor sustancialmente constante cuando la relación de señal
a ruido global SNR(m) es mayor que un segundo umbral, y
valores crecientes desde el primer valor sustancialmente constante
hasta el segundo valor sustancialmente constante cuando la relación
de señal a ruido global SNR(m) aumenta desde el primer umbral
hasta el segundo umbral. Los desarrollos pueden ser por tramos de
líneas rectas, como se muestra en las figuras 3 y 4, o pueden ser
por líneas curvas similares a las de las figuras 3 y 4, es decir,
líneas curvas en las que el tramo intermedio no constante es
lineal, como en las figuras 3 y 4, o curvado, por ejemplo una curva
de tipo coseno o seno, y se redondean o suavizan las transiciones
desde el tramo intermedio no constante hasta los tramos
constantes.
La estimación
|\hat{D}_{k}(m)|^{2} del espectro de potencia
del habla ruidosa de las fórmulas (9), (10) y (11) se calcula por
medio de una recursión de primer orden como se describe en la
publicación anteriormente mencionada "Noise Estimation Techniques
for Robust Speech Recognition".
Preferiblemente, la recursión de primer orden se
puede implementar junto con un detector de actividad vocal estándar
basado en energía, que es un sistema bien conocido que detecta la
presencia o ausencia de habla basándose en una comparación de la
energía total de la señal de habla con un umbral adaptativo y genera
una bandera booleana (VAD) con un valor de "cierto" cuando se
encuentra presente una voz y un valor de "falso" cuando la voz
se encuentra ausente. Cuando se utiliza un detector de actividad
vocal estándar basado en energía, la estimación
|\hat{D}_{k}(m)|^{2} del espectro de potencia
del habla ruidosa se puede calcular de la siguiente forma:
\vskip1.000000\baselineskip
\vskip1.000000\baselineskip
donde \lambda es un factor de
ponderación que controla la velocidad de actualización de la
recursión y vale entre 0 y 1, preferiblemente un valor de 0,9.
\mu es un factor de multiplicación que controla la dinámica
permitida del ruido y presenta preferiblemente un valor de 4,0, y
\sigma(m) es la desviación típica del ruido, que se estima
de la siguiente
forma:
\vskip1.000000\baselineskip
\newpage
La figura 5 muestra la regla de atenuación
espectral de Ephraim-Malah estándar (G_{k},
\xi_{k}(m) y \gamma_{k}(m) calculados según
las fórmulas (3), (7) y (8)), mientras que las figuras
6-10 muestran la regla de atenuación espectral de
Ephraim-Malah modificada según la presente invención
(G_{k}, \xi_{k}(m) y \gamma_{k}(m)
calculados según las fórmulas (3), (10) y (9)) a diferentes
relaciones de señal a ruido globales SNR(m) (0, 5, 10, 15 y
20 dB). Se puede apreciar por parte de la persona experta en la
técnica que el efecto de la modificación introducida es una
reducción gradual de la atenuación producida por la ganancia
original en las zonas en las que la relación de señal a ruido a
posteriori \gamma_{k}(m) es alta, puesto que aumenta
la relación de señal a ruido SNR(m) global.
Se ha realizado un extenso trabajo experimental
para validar la presente invención, y a continuación se relatan
algunos resultados, que pueden ser útiles para destacar las
características de la invención.
En concreto, los experimentos se llevaron a
término con un sistema de reconocimiento automático del habla,
utilizando reducción de ruido con la atenuación espectral de
Ephraim-Malah estándar y con la reducción de ruido
que se propone en la presente invención. El sistema automático de
reconocimiento del habla se ha entrenado para los idiomas objetivo
utilizando corpus extensos, independientes de dominio y función, no
recogidos en ambientes ruidosos y sin ruido añadido.
El experimento se realizó sobre el corpus
Aurora3, que es el corpus estándar definido por el ETSI Aurora
Project para las pruebas de reducción de ruido, y que consiste en
dígitos conectados registrados en un coche en varios idiomas
(italiano, español y alemán). Se utilizó un conjunto de prueba de
alto error de coincidencia y un componente ruidoso del conjunto de
entrenamiento (como conjunto de prueba).
La modificación de la regla de atenuación
espectral de Ephraim-Malah según la presente
invención produce una media de reducción del error de 28,9%
respecto a la substracción espectral de Wiener del estado del arte,
y una media de reducción del error de 22,9% respecto a la regla de
atenuación espectral de Ephraim-Malah estándar. La
media de reducción de error respecto a la no reducción de ruido es
50,2%.
Finalmente, es claro que se pueden realizar
numerosas modificaciones y variantes a la presente invención,
entrando todas dentro del ámbito de la presente invención, como se
define en las reivindicaciones adjuntas.
\vskip1.000000\baselineskip
Esta lista de referencias citadas por el
solicitante es solamente para la conveniencia del lector. No forma
parte del documento de Patente Europea. Aunque se ha prestado mucha
atención en la recopilación de las referencias, no se pueden
descartar errores u omisiones y la Oficina Europea de Patentes
renuncia a cualquier responsabilidad respecto a la misma.
\bullet US 2002/0002455 A [0020]
\bullet WO 0152242 A [0021]
\bullet H. HERMANSKY; N. MORGAN.
RASTA Processing of Speech. IEEE Transactions on Speech and Audio
Processing, volumen 2, número 4, 1994. [0004]
\bullet N. VIRAG. Single Channel
Enhancement Based on Masking Properties of the Human Auditory
System. IEEE Transactions on Speech and Audio Processing, volumen 7,
número 2, 1999. [0007]
\bullet V. SCHLESS; F. CLASS.
SNR-Dependent Flooring and Noise Overestimation for
Joint Application of Spectral Substraction and Model Combination.
ICSLP, 1998. [0012]
\bullet Y. EPHRAIM; D. MALAH.
Speech Enhancement Using a Minimum Min-Square Error
Log-Spectral Amplitude Estimator. IEEE Transactions
on Acoustics, Speech, and Signal Processing, volumen 33, número 2,
páginas 443-445, 1985. [0014]
\bullet H. G. HIRCH; C.
EHRLICHER. Noise Estimation Techniques for Robust Speech
Recognition. ICASSP 1995, páginas 153-156.
[0016]
\bullet Y. EPHRAIM; D. MALAH.
Speech Enhancement Using a Minimum Mean-Square Error
Short-Time Spectral Amplitude Estimator, IEEE
Transactions on Acoustics, Speech, and Signal Processing, volumen
32, número 6, páginas 1109-1121, 1984.
[0018]
\bulletKATO. M. y otros. A Wideband
Noise Suppressor for the AMR Wideband Speech Codec. IEEE workshop
proceedings, 06 octubre 2002. [0024]
Claims (13)
1. Procedimiento de reducción del ruido para
reconocimiento automático del habla, que comprende:
- calcular un espectro de magnitud
|Y_{k}(m)| de un habla ruidosa que contiene un
habla limpia a ser reconocida y ruido que afecta al habla
limpia;
- calcular un espectro de potencia
(|Y_{k}(m)|^{2}) del habla ruidosa;
- calcular una estimación
(|\hat{X}_{k}(m)|^{2}) de un espectro de
potencia del habla limpia;
- calcular una estimación
(|\hat{D}_{k}(m)|^{2}) de un espectro de
potencia del ruido;
- calcular una estimación
(\hat{\xi}_{k}(m)) de una relación de señal a ruido a
priori como función de la estimación
(|\hat{X}_{k}(m)|^{2})
del espectro de potencia del habla limpia y de la estimación (|\hat{D}_{k}(m)|^{2}) del espectro de potencia del ruido;
del espectro de potencia del habla limpia y de la estimación (|\hat{D}_{k}(m)|^{2}) del espectro de potencia del ruido;
- calcular una estimación
(\hat{\gamma}_{k}(m)) de una relación de señal a ruido a
posteriori como función del espectro de potencia
(|Y_{k}(m)|^{2}) del habla ruidosa y de la
estimación (|\hat{D}_{k}(m)|^{2}) del espectro
de potencia del ruido;
- calcular una ganancia de atenuación
(G_{k}(m)) como función de la estimación
(\hat{\xi}_{k}(m)) de la relación de señal a ruido a
priori y de la estimación (\hat{\gamma}_{k}(m)) de la
relación de señal a ruido a posteriori;
- calcular una estimación
(|\hat{X}_{k}(m)|) de un espectro de magnitud
del habla limpia como función del espectro de magnitud
(|Y_{k}(m)|) del habla ruidosa y de la ganancia
de atenuación (G_{k}(m));
caracterizado por el hecho de que
calcular las estimaciones (\hat{\xi}_{k}(m),
\hat{\gamma}_{k}(m)) de las relaciones de señal a ruido
a priori y a posteriori comprende:
- calcular un factor de ponderación de ruido
(\alpha(m)) para ponderar la estimación
(|\hat{D}_{k}(m)|^{2}) del espectro de
potencia del ruido y calcular las estimaciones
(\hat{\xi}_{k}(m), \hat{\gamma}_{k}(m)) de las
relaciones de señal a ruido a priori y a
posteriori;
- calcular un factor de fondo espectral
(\beta(m)) para solar las estimaciones
(\hat{\xi}_{k}(m), \hat{\gamma}_{k}(m)) de las
relaciones de señal a ruido a priori y a posteriori;
y
- calcular las estimaciones
(\hat{\xi}_{k}(m), \hat{\gamma}_{k}(m)) de las
relaciones de señal a ruido a priori y a posteriori
también como función del factor de ponderación del ruido
(\alpha(m)) y el factor de fondo espectral
(\beta(m)).
2. Procedimiento de reducción de ruido como se
describe en la reivindicación 1, en el que el factor de ponderación
del ruido (\alpha(m)) y el factor de fondo espectral
(\beta(m)) se calculan como función de la relación de señal
a ruido global (SNR(m)).
3. Procedimiento de reducción de ruido como se
reivindica en la reivindicación 2, en el que el factor de
ponderación del ruido (\alpha(m)) respecto a la relación de
señal a ruido global (SNR(m)) presenta un primer valor
sustancialmente constante cuando la relación de señal a ruido global
(SNR(m)) es menor que un primer umbral, un segundo valor
sustancialmente constante menor que el primer valor sustancialmente
constante cuando la relación de señal a ruido global (SNR(m))
es mayor que un segundo umbral, y valores decrecientes cuando la
relación de señal a ruido global (SNR(m)) se encuentra entre
el primer y el segundo umbral.
4. Procedimiento de reducción de ruido como se
reivindica en la reivindicación 3, en el que el factor de
ponderación del ruido (\alpha(m)) decrece linealmente
cuando la relación de señal a ruido global (SNR(m)) se
encuentra entre el primer y el segundo umbral.
5. Procedimiento de reducción de ruido como se
reivindica en cualquiera de las reivindicaciones 2 a 4, en el que el
factor de fondo espectral (\beta(m)) respecto a la relación
de señal a ruido global (SNR(m)) presenta un primer valor
sustancialmente constante cuando la relación de señal a ruido global
(SNR(m)) es menor que un primer umbral, un segundo valor
sustancialmente constante mayor que el primer valor sustancialmente
constante cuando la relación de señal a ruido global (SNR(m))
es mayor que un segundo umbral, y valores crecientes cuando la
relación de señal a ruido global (SNR(m)) se encuentra entre
el primer y el segundo umbral.
6. Procedimiento de reducción de ruido como se
reivindica en la reivindicación 5, en el que el factor de fondo
espectral (\beta(m)) crece linealmente cuando la relación
de señal a ruido global (SNR(m)) se encuentra entre el primer
y el segundo umbral.
7. Procedimiento de reducción de ruido como se
reivindica en cualquiera de las reivindicaciones anteriores, en el
que la estimación (\hat{\gamma}_{k}(m)) de la relación de
señal a ruido a posteriori se calcula de la siguiente
forma:
\vskip1.000000\baselineskip
donde:
- \hat{\gamma}_{k}(m) es la estimación
de la relación de señal a ruido a posteriori de la k-ésima
línea espectral;
- |Y_{k}(m)|^{2} es la
k-ésima línea espectral del espectro de potencia del habla
ruidosa;
- |\hat{D}_{k}(m)|^{2} es
la k-ésima línea espectral de la estimación del espectro de potencia
del ruido;
- \alpha(m) es el factor de ponderación
del ruido;
- \beta(m) es el factor de fondo
espectral;
- k es el índice de las líneas espectrales de
los espectros; y
- m es el índice de las ventanas temporales
dentro de las cuales se procesa el habla ruidosa para la reducción
del ruido.
8. Procedimiento de reducción de ruido como se
reivindica en cualquiera de las reivindicaciones anteriores, en el
que la estimación (\hat{\xi}_{k}(m)) de la relación de
señal a ruido a priori se calcula de la siguiente forma:
\vskip1.000000\baselineskip
donde:
- \hat{\xi}_{k}(m) es la estimación de
la relación de señal a ruido a priori para la k-ésima línea
espectral;
- \hat{\gamma}_{k}(m) es la estimación
de la relación de señal a ruido a posteriori para la k-ésima
línea espectral del espectro de potencia del habla ruidosa;
- |\hat{X}_{k}(m)|^{2} es
la k-ésima línea espectral de la estimación del espectro de potencia
del habla limpia;
- |\hat{D}_{k}(m)|^{2} es
la k-ésima línea espectral de la estimación del espectro de potencia
del ruido;
- \alpha(m) es el factor de ponderación
del ruido;
- \beta(m) es el factor de fondo
espectral;
- k es el índice de las líneas espectrales de
los espectros; y
- m es el índice de las ventanas temporales
dentro de las cuales se procesa el habla ruidosa para la reducción
del ruido.
9. Procedimiento de reducción de ruido como se
reivindica en cualquiera de las reivindicaciones anteriores, en el
que la ganancia de atenuación (G_{k}(m)) se calcula de la
forma siguiente:
donde:
- G_{k}(m) es la ganancia de
Ephraim-Malah para la k-ésima línea espectral;
- \hat{\xi}_{k}(m) es la estimación de
la relación de señal a ruido a priori para la k-ésima línea
espectral;
- \hat{\gamma}_{k}(m) es la estimación
de la relación de señal a ruido a posteriori para la k-ésima
línea espectral;
- k es el índice de las líneas espectrales de
los espectros; y
- m es el índice de las ventanas temporales
dentro de las cuales se procesa el habla ruidosa para la reducción
del ruido.
10. Procedimiento de reducción de ruido como se
reivindica en cualquiera de las reivindicaciones anteriores, en el
que la estimación (|\hat{D}_{k}(m)|^{2}) del
espectro de potencia del ruido se calcula de la forma siguiente:
donde:
- |\hat{D}_{k}(m)|^{2} es
la k-ésima línea espectral de la estimación del espectro de potencia
del ruido;
- |Y_{k}(m)|^{2} es la
k-ésima línea espectral del espectro de potencia del habla
ruidosa;
- \lambda es un factor de ponderación que
controla la velocidad de actualización de la recursión;
- \mu es un factor de multiplicación que
controla la dinámica permitida del ruido; y
- \sigma(m) es la desviación típica del
ruido, la cual se estima de la forma siguiente:
11. Procedimiento de reducción de ruido como se
reivindica en la reivindicación 2, en el que la relación de señal a
ruido global (SNR(m)) se calcula de la forma siguiente:
donde:
- SNR(m) es la relación de señal a ruido
global;
- |\hat{D}_{k}(m)|^{2} es
la k-ésima línea espectral de la estimación del espectro de potencia
del ruido; y
- |Y_{k}(m)|^{2} es la
k-ésima línea espectral del espectro de potencia del habla
ruidosa.
12. Sistema automático de reconocimiento del
habla que comprende un sistema de reducción de ruido configurado
para implementar el procedimiento según cualquiera de las
reivindicaciones anteriores.
13. Producto programa de ordenador que comprende
un código de programa de ordenador capaz, cuando se carga en un
sistema de procesado, de implementar el procedimiento según
cualquiera de las reivindicaciones 1 a 11.
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/EP2004/050816 WO2005114656A1 (en) | 2004-05-14 | 2004-05-14 | Noise reduction for automatic speech recognition |
Publications (1)
Publication Number | Publication Date |
---|---|
ES2294506T3 true ES2294506T3 (es) | 2008-04-01 |
Family
ID=34957686
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES04741579T Expired - Lifetime ES2294506T3 (es) | 2004-05-14 | 2004-05-14 | Reduccion de ruido para el reconocimiento automatico del habla. |
Country Status (7)
Country | Link |
---|---|
US (1) | US7376558B2 (es) |
EP (1) | EP1745468B1 (es) |
AT (1) | ATE373302T1 (es) |
CA (1) | CA2566751C (es) |
DE (1) | DE602004008973T2 (es) |
ES (1) | ES2294506T3 (es) |
WO (1) | WO2005114656A1 (es) |
Families Citing this family (41)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2411551B (en) | 2003-04-22 | 2006-05-03 | Spinvox Ltd | A method of providing voicemails to a wireless information device |
GB2429139B (en) * | 2005-08-10 | 2010-06-16 | Zarlink Semiconductor Inc | A low complexity noise reduction method |
TW200725308A (en) * | 2005-12-26 | 2007-07-01 | Ind Tech Res Inst | Method for removing background noise from a speech signal |
US8976944B2 (en) | 2006-02-10 | 2015-03-10 | Nuance Communications, Inc. | Mass-scale, user-independent, device-independent voice messaging system |
US8903053B2 (en) | 2006-02-10 | 2014-12-02 | Nuance Communications, Inc. | Mass-scale, user-independent, device-independent voice messaging system |
US8949120B1 (en) | 2006-05-25 | 2015-02-03 | Audience, Inc. | Adaptive noise cancelation |
US8615393B2 (en) | 2006-11-15 | 2013-12-24 | Microsoft Corporation | Noise suppressor for speech recognition |
US8352257B2 (en) * | 2007-01-04 | 2013-01-08 | Qnx Software Systems Limited | Spectro-temporal varying approach for speech enhancement |
WO2008084209A2 (en) | 2007-01-09 | 2008-07-17 | Spinvox Limited | A mobile telephone programmed to allow a user to speak a message which is then remotely automatically converted to text |
US7912567B2 (en) * | 2007-03-07 | 2011-03-22 | Audiocodes Ltd. | Noise suppressor |
US7885810B1 (en) * | 2007-05-10 | 2011-02-08 | Mediatek Inc. | Acoustic signal enhancement method and apparatus |
KR101444099B1 (ko) * | 2007-11-13 | 2014-09-26 | 삼성전자주식회사 | 음성 구간 검출 방법 및 장치 |
DE102008031150B3 (de) * | 2008-07-01 | 2009-11-19 | Siemens Medical Instruments Pte. Ltd. | Verfahren zur Störgeräuschunterdrückung und zugehöriges Hörgerät |
DE102008039330A1 (de) | 2008-01-31 | 2009-08-13 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Vorrichtung und Verfahren zum Berechnen von Filterkoeffizienten zur Echounterdrückung |
US8355908B2 (en) * | 2008-03-24 | 2013-01-15 | JVC Kenwood Corporation | Audio signal processing device for noise reduction and audio enhancement, and method for the same |
CN102137326B (zh) * | 2008-04-18 | 2014-03-26 | 杜比实验室特许公司 | 用于保持多通道音频中的语音可听度的方法和设备 |
US8185389B2 (en) * | 2008-12-16 | 2012-05-22 | Microsoft Corporation | Noise suppressor for robust speech recognition |
US20110178800A1 (en) * | 2010-01-19 | 2011-07-21 | Lloyd Watts | Distortion Measurement for Noise Suppression System |
US20110194699A1 (en) * | 2010-02-05 | 2011-08-11 | Thomas Baker | Method and system for enhanced sound quality for stereo audio |
US9558755B1 (en) | 2010-05-20 | 2017-01-31 | Knowles Electronics, Llc | Noise suppression assisted automatic speech recognition |
DE102011086728B4 (de) * | 2011-11-21 | 2014-06-05 | Siemens Medical Instruments Pte. Ltd. | Hörvorrichtung mit einer Einrichtung zum Verringern eines Mikrofonrauschens und Verfahren zum Verringern eines Mikrofonrauschens |
US8712076B2 (en) | 2012-02-08 | 2014-04-29 | Dolby Laboratories Licensing Corporation | Post-processing including median filtering of noise suppression gains |
US9173025B2 (en) | 2012-02-08 | 2015-10-27 | Dolby Laboratories Licensing Corporation | Combined suppression of noise, echo, and out-of-location signals |
JP6182895B2 (ja) * | 2012-05-01 | 2017-08-23 | 株式会社リコー | 処理装置、処理方法、プログラム及び処理システム |
US9640194B1 (en) | 2012-10-04 | 2017-05-02 | Knowles Electronics, Llc | Noise suppression for speech processing based on machine-learning mask estimation |
JP6148811B2 (ja) * | 2013-01-29 | 2017-06-14 | フラウンホーファーゲゼルシャフト ツール フォルデルング デル アンゲヴァンテン フォルシユング エー.フアー. | 周波数領域におけるlpc系符号化のための低周波数エンファシス |
US9536540B2 (en) | 2013-07-19 | 2017-01-03 | Knowles Electronics, Llc | Speech signal separation and synthesis based on auditory scene analysis and speech modeling |
US9449609B2 (en) * | 2013-11-07 | 2016-09-20 | Continental Automotive Systems, Inc. | Accurate forward SNR estimation based on MMSE speech probability presence |
US9627532B2 (en) * | 2014-06-18 | 2017-04-18 | Nuance Communications, Inc. | Methods and apparatus for training an artificial neural network for use in speech recognition |
DE112015003945T5 (de) | 2014-08-28 | 2017-05-11 | Knowles Electronics, Llc | Mehrquellen-Rauschunterdrückung |
US9940945B2 (en) * | 2014-09-03 | 2018-04-10 | Marvell World Trade Ltd. | Method and apparatus for eliminating music noise via a nonlinear attenuation/gain function |
US11264014B1 (en) * | 2018-09-23 | 2022-03-01 | Plantronics, Inc. | Audio device and method of audio processing with improved talker discrimination |
US11694708B2 (en) | 2018-09-23 | 2023-07-04 | Plantronics, Inc. | Audio device and method of audio processing with improved talker discrimination |
CN110164467B (zh) * | 2018-12-18 | 2022-11-25 | 腾讯科技(深圳)有限公司 | 语音降噪的方法和装置、计算设备和计算机可读存储介质 |
CN111091821B (zh) * | 2019-04-22 | 2022-09-23 | 广东小天才科技有限公司 | 一种基于语音识别的控制方法及终端设备 |
US10896664B1 (en) | 2019-10-14 | 2021-01-19 | International Business Machines Corporation | Providing adversarial protection of speech in audio signals |
CN111554321B (zh) * | 2020-04-20 | 2023-12-05 | 北京达佳互联信息技术有限公司 | 降噪模型训练方法、装置、电子设备及存储介质 |
CN111968662A (zh) * | 2020-08-10 | 2020-11-20 | 北京小米松果电子有限公司 | 音频信号的处理方法及装置、存储介质 |
CN114242103A (zh) * | 2021-12-21 | 2022-03-25 | 游密科技(深圳)有限公司 | 语音降噪方法、装置、计算机设备和存储介质 |
CN116486786B (zh) * | 2023-04-19 | 2024-04-26 | 深圳市众志联城科技有限公司 | 一种融合方言和小语种的语音识别控制方法 |
CN117630515B (zh) * | 2023-11-28 | 2024-05-17 | 中国地震局地震预测研究所 | 一种测温***的噪声水平检测方法及装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IL84948A0 (en) * | 1987-12-25 | 1988-06-30 | D S P Group Israel Ltd | Noise reduction system |
DE19747885B4 (de) * | 1997-10-30 | 2009-04-23 | Harman Becker Automotive Systems Gmbh | Verfahren zur Reduktion von Störungen akustischer Signale mittels der adaptiven Filter-Methode der spektralen Subtraktion |
US20020002455A1 (en) * | 1998-01-09 | 2002-01-03 | At&T Corporation | Core estimator and adaptive gains from signal to noise ratio in a hybrid speech enhancement system |
US6088668A (en) * | 1998-06-22 | 2000-07-11 | D.S.P.C. Technologies Ltd. | Noise suppressor having weighted gain smoothing |
US6604071B1 (en) * | 1999-02-09 | 2003-08-05 | At&T Corp. | Speech enhancement with gain limitations based on speech activity |
KR100304666B1 (ko) * | 1999-08-28 | 2001-11-01 | 윤종용 | 음성 향상 방법 |
US6757395B1 (en) | 2000-01-12 | 2004-06-29 | Sonic Innovations, Inc. | Noise reduction apparatus and method |
-
2004
- 2004-05-14 ES ES04741579T patent/ES2294506T3/es not_active Expired - Lifetime
- 2004-05-14 DE DE602004008973T patent/DE602004008973T2/de not_active Expired - Lifetime
- 2004-05-14 WO PCT/EP2004/050816 patent/WO2005114656A1/en active IP Right Grant
- 2004-05-14 AT AT04741579T patent/ATE373302T1/de not_active IP Right Cessation
- 2004-05-14 CA CA2566751A patent/CA2566751C/en not_active Expired - Fee Related
- 2004-05-14 EP EP04741579A patent/EP1745468B1/en not_active Expired - Lifetime
-
2006
- 2006-11-14 US US11/598,705 patent/US7376558B2/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
ATE373302T1 (de) | 2007-09-15 |
DE602004008973T2 (de) | 2008-05-15 |
CA2566751C (en) | 2013-07-16 |
CA2566751A1 (en) | 2005-12-01 |
US20070260454A1 (en) | 2007-11-08 |
EP1745468B1 (en) | 2007-09-12 |
WO2005114656A1 (en) | 2005-12-01 |
US7376558B2 (en) | 2008-05-20 |
EP1745468A1 (en) | 2007-01-24 |
DE602004008973D1 (de) | 2007-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
ES2294506T3 (es) | Reduccion de ruido para el reconocimiento automatico del habla. | |
Paliwal et al. | Single-channel speech enhancement using spectral subtraction in the short-time modulation domain | |
US9384759B2 (en) | Voice activity detection and pitch estimation | |
JP2010539539A (ja) | 音声明瞭化を伴うスピーチ改善 | |
Verteletskaya et al. | Noise reduction based on modified spectral subtraction method | |
Hansen et al. | Speech enhancement based on generalized minimum mean square error estimators and masking properties of the auditory system | |
US9240190B2 (en) | Formant based speech reconstruction from noisy signals | |
Kim et al. | Improved speech enhancement considering speech PSD uncertainty | |
US20080189100A1 (en) | Method and System for Improving Speech Quality | |
Zhang et al. | Fast nonstationary noise tracking based on log-spectral power mmse estimator and temporal recursive averaging | |
Alam et al. | Perceptual improvement of Wiener filtering employing a post-filter | |
Kotnik et al. | Robust MFCC feature extraction algorithm using efficient additive and convolutional noise reduction procedures | |
Flynn et al. | Combined speech enhancement and auditory modelling for robust distributed speech recognition | |
Kurpukdee et al. | Improving voice activity detection by using denoising-based techniques with convolutional lstm | |
Maganti et al. | A perceptual masking approach for noise robust speech recognition | |
Upadhyay et al. | Single-Channel Speech Enhancement Using Critical-Band Rate Scale Based Improved Multi-Band Spectral Subtraction | |
Wei et al. | Perceptual multiband spectral subtraction for noise reduction in hearing aids | |
Jung et al. | Development of an optimized feature extraction algorithm for throat signal analysis | |
Wolfe et al. | A perceptually balanced loss function for short-time spectral amplitude estimation | |
Das et al. | Phoneme selective speech enhancement using parametric estimators and the mixture maximum model: A unifying approach | |
Verteletskaya et al. | Enhanced spectral subtraction method for noise reduction with minimal speech distortion | |
Verteletskaya et al. | Speech distortion minimized noise reduction algorithm | |
Kim et al. | A Study on Voice Activity Detection Using Auditory Scene and Periodic to Aperiodic Component Ratio in CASA System | |
Sai et al. | Speech Enhancement using Kalman and Wiener Filtering | |
Huang et al. | A pitch based vad adopting quasi-ansi 1/3 octave filter bank with 11.3 ms latency for monosyllable hearing aids |