CN100573667C - 用于语音编码和语音识别的噪音抑制器 - Google Patents

Abstract

一种抑制源语音信号中的噪音的噪音抑制器，其中，由该噪音抑制器使用的方法包括：计算源语音信号中的信噪比；基于源语音信号的当前帧和至少一个以前的帧以及根据信噪比，计算所述当前帧的背景噪音估计，其中，计算信噪比是独立于当前帧的背景噪音估计执行的；以及从源语音信号中减去背景噪音估计以产生降噪语音信号。该方法还可以包括基于信噪比计算过减参数；基于信噪比计算噪音基底参数，其中，减法使用过减参数和噪音基底参数以产生降噪语音信号。

Description

用于语音编码和语音识别的噪音抑制器

技术领域

本发明一般涉及语音处理领域。更具体地，本发明涉及用于语音编码和语音识别的噪音抑制领域。

背景技术

目前有很多用于减小来自源信号的背景噪音(也称为“噪音抑制”)的方法。如在本领域中已知的，噪音抑制是改善语音编码和/或语音识别系统的性能的重要特征。噪音抑制提供了许多好处，包括：抑制背景噪音以使位于接收侧的一方可以更好地听见呼叫方；提高语音可理解性；改善回波抵消性能以及提高自动语音识别(ASR)的性能。

谱减法(spectral subtraction)是一种已知的噪音抑制方法，其基于如下的假定：源信号x(t)由纯净语音信号s(t)加上固定的并与该纯净语音信号无关的噪音信号n(t)构成，如下所示：

x(t)＝s(t)+n(t)(等式1)。

在频域中使用短时傅里叶变换处理噪音减法。假定噪音信号根据由纯噪音组成的信号部分估计。那么，短时纯净语音频谱

可以通过从短时有噪语音频谱|X(m，k)|中减去短时噪音估计

而估计，如下所示：

$\left|\hat{S}(m,k)\right|=\left|X(m,k)\right|-\left|\hat{N}(m,k)\right|$ (等式2)。

然后，降噪语音信号使用源信号的初始相位频谱进行再合成。如果噪音估计太低或太高，这种简单形式的谱减法会产生不希望的信号失真，诸如“流水”效果和“音乐噪音”。可以通过减去比平均噪音频谱大的噪音频谱来消除音乐噪音。这导致了广义谱减法(GSS)，如下所示：

$\left|\hat{S}(m,k)\right|=\left|X(m,k)\right|-\mathrm{\α}\left|\hat{N}(m,k)\right|$ (等式3)。

此外，为了避免负的语音估计，负的幅值有时用零或者用如下所示的频谱代替：

$\left|\hat{S}(m,k)\right|=\max \left(\right|X(m,k)|-\mathrm{\α}|\hat{N}(m,k)|,\mathrm{\β}|X(m,k)\left|\right)$ (等式4)。

通过使用非常大的值α可以用GSS有效地抑制不希望的噪音，但是，语音声音会被减小，并且失去可理解性。因此，在本领域中急需一种用于语音编码和语音识别的计算有效的背景噪音抑制器，其可以有效地抑制不希望的噪音，同时保持合理高的可理解性。

发明内容

本发明的目的是一种用于语音编码和语音识别的计算有效的背景噪音抑制方法和系统。本发明满足了本领域关于一种有效和精确的噪音抑制器的需要，该噪音抑制器有效地抑制不希望的噪音，同时保持合理高的可理解性。

在一方面，一种抑制源语音信号中的噪音的方法包括：计算源语音信号中的信噪比；基于源语音信号的当前帧和至少一个以前的帧并且根据信噪比，计算所述当前帧的背景噪音估计；其中，计算信噪比是独立于当前帧的背景噪音估计执行的。该噪音抑制方法还包括：从源语音信号中减去背景噪音估计以产生降噪语音信号。

在另一方面，该噪音抑制方法还包括：以比语音区的速度更快的噪音区的速度修正背景噪音估计。在这一方面，噪音区和语音区可以基于信噪比进行识别和/或区分。

在另一方面，该噪音抑制方法还包括：基于信噪比计算过减(over-subtraction)参数，其中，过减参数被配置为减小无噪音信号中的失真。根据该特定的实施例，过减参数可以低至零。

在另一方面，该噪音抑制方法还包括：基于信躁比计算噪音基底(noise-floor)参数，其中，噪音基底参数被配置为减小噪音波动、背景噪音和音乐噪音的水平。

根据其它方面，提供了根据上述技术的噪音抑制系统、设备和计算机程序产品或介质。

根据本发明的各种实施例，本发明的背景噪音抑制器提供了显著改善的在源信号中出现的背景噪音的估计，用于产生显著改善的降噪信号，从而克服了在计算有效的方式方面的许多不足。对于本领域的普通技术人员，在阅读了以下的详细描述和附图之后，本发明的其它特征和优点将更明显。

附图说明

图1是描述根据本发明的一个实施例的背景噪音抑制器的流程/框图；

图2是描述根据本发明的一个实施例的作为信噪比的函数的过减参数的曲线图；

图3是描述根据本发明的一个实施例的作为平均信噪比的函数的噪音基底参数的曲线图。

具体实施方式

本发明的目的是一种用于语音编码和语音识别的计算有效的背景噪音抑制方法。下面的描述包含关于本发明的实现的特定信息。本领域的技术人员将发现，本发明可以采用不同于本申请具体讨论的方式实现。而且，为了不遮盖本发明，本发明的某些具体细节没有讨论。本申请中未描述的具体细节在本领域普通技术人员的知识范围内。

本申请中的附图及其详细说明仅仅是本发明的示例性的实施例。为了简洁，使用本发明的原理的本发明的其它实施例不在本申请中具体描述，也不在附图中详细示出。

参照图1，示出了描述根据本发明的一个实施例的示例性背景噪音抑制方法和系统的流程/框图100。某些对于本领域的普通技术人员明显的细节和特征在图1的流程/框图100中没有体现。例如，一个步骤或单元可以包括一个或多个子步骤或子单元，如本领域已知的。虽然如流程/框图100所示的步骤或单元102到114足以描述本发明的一个实施例，但本发明的其它实施例可以使用不同于流程/框图100中所示的步骤或单元。

如下所述，由流程/框图100所描述的方法可以用在多种应用中，在这些应用中，希望减小和/或抑制在源信号中出现的背景噪音。例如，本发明的背景噪音抑制方法适合于与语音编码和语音识别一起使用。而且，如下所述，由流程/框图100所描述的方法克服了许多在计算有效的方式方面与传统的噪音抑制技术有关的不足。

作为例子，由流程/框图100所描述的方法可以体现在软件介质中，用于由在诸如移动电话设备的电话设备中运行的处理器执行，以减小和/或抑止在源信号(X(m))116中出现的背景噪音和产生降噪信号(S(m))120。

在步骤或单元102，源信号X(m)116被变换到频域内。根据本发明的一个实施例，假定源信号X(m)116具有8千赫兹(kHz)的采样速率，并且被处理成具有诸如50％的重叠的16毫秒(ms)帧。通过将汉明(Hamming)窗应用于具有128个采样的帧后计算128点快速傅里叶变换(FFT)以产生信号|X(m)|118，源信号X(m)116被变换到频域内。通过利用真实信号的频域对称性，信号|X(m)|118中的65个点足以代表128点FFT。然后，信号|X(m)|118被输入到递归信噪比(SNR)估计步骤或单元104、噪音估计步骤或单元110和噪音减法步骤或单元112。

在步骤或单元104，使用递归SNR计算估计源信号X(m)116的递归SNR，该计算利用了来自以前的帧的信息并且独立于当前帧的噪音估计，如下所示：

$\mathrm{SNR}(m,k)=(1-\mathrm{\η})\max (\frac{{\left|X(m,k)\right|}^2-{\left|\hat{N}(m-1,k)\right|}^2}{{\left|\hat{N}(m-1,k)\right|}^2},0)+\mathrm{\η}\frac{{\left|X(m-1,k)\right|}^2-{\left|\hat{N}(m-2,k)\right|}^2}{{\left|\hat{N}(m-1,k)\right|}^2}$

(等式5)。

其中，平滑参数η控制应用于SNR估计的时间平均量。与如下所示的现有的SNR计算相比，

${\mathrm{SNR}}_{\mathrm{prior}}(m,k)=(1-\mathrm{\η})\max (\frac{{\left|X(m,k)\right|}^2-{\left|N(m,k)\right|}^2}{{\left|N(m,k)\right|}^2},0)+\mathrm{\η}\frac{{\left|\hat{S}(m-1,k)\right|}^2}{{\left|\hat{N}(m-1,k)\right|}^2},0.9\≤\mathrm{\η}\≤0.98$

(等式6)。

根据等式5的SNR计算并不依赖于当前帧的噪音估计|N(m，k)|²，也不依赖于来自前一个帧的增强的或降噪信号该信号

是多个减法参数的函数，包括当前帧的过减参数(α)和噪音基底参数(β)，正如根据等式6的现有SNR计算所要求的。相反，等式5给出的示例性SNR计算是基于来自前两个帧的噪音估计以及当前帧和前一帧的初始源信号，并且不依赖于当前帧的减法参数α和β的值。因此，在步骤或单元104中执行的递归SNR估计是独立于当前帧的噪音估计的。

如图1所示，在步骤或单元104中估计的SNR被用于在步骤或单元106中确定噪音修正参数(γ)的值，以及在步骤或单元108中确定过减参数α和噪音基底参数β的值。

在步骤或单元106，基于在步骤或单元104中计算的SNR估计，对于语音区和噪音区，以不同的速度，即，使用不同的值修正噪音修正参数γ，该噪音修正参数γ控制在步骤或单元110中调整噪音估计的速度。当噪音修正参数γ接近1时，调整的速度慢。如果噪音修正参数γ等于1，那么根本没有噪音调整。如果γ＜0.5，那么认为噪音调整的速度非常快。根据本发明的一个实施例，噪音修正参数γ假定两个值中的一个，并且基于当前帧的平均SNR对于每个帧都被调整，以使噪音估计以比语音区的速度更快的噪音区的速度进行修正，如下所讨论的。

以这种方式计算噪音修正参数γ考虑到大多数有噪环境是非固定的，同时希望尽可能频繁地修正噪音估计以用于改变噪音水平和特性，如果噪音估计在纯噪音区中修正，那么算法不能很快地适应背景噪音水平中的突然变化，诸如从安静的环境移动到有噪音的环境，反之亦然。在另一方面，如果背景噪音估计被不断地修正，那么噪音估计开始向语音区中的语音聚集，这可导致移走或抹掉语言信息。通过对噪音区和语音区使用不同的噪音估计修正速度，根据本发明的噪音估计计算技术提供了一种有效的不断和精确修正噪音估计的方法，而不会抹掉语音内容或引入烦人的乐音。

如上所讨论的，基于在不同频率上的平均SNR估计，以两个不同的速度在语音区和非语音区中随着每个新的帧不断地修正噪音估计。本方法的另一个优点是算法不要求清楚的语音/非语音分类用于正确地修正噪音估计。相反，基于在当前帧的所有频率上的平均SNR估计区分语音和非语音区。因此，避免了在有噪环境下费时和错误的语音/非语音分类，并且显著地改善了计算效率。

在步骤或单元108，基于在步骤或单元104中计算的SNR估计，计算过减参数α和噪音基底参数β。过减参数α用于减小无噪音信号中剩余的噪音峰值或音乐噪音和失真。根据本发明，设置过减参数α的值以同时防止音乐噪音和太多的信号失真。因此，过减参数α的值应当正好足够大以削弱不希望的噪音。例如，虽然使用很大的过减参数α可以完全削弱不希望的噪音和抑制在噪音减法过程中产生的音乐噪音，但是很大的过减参数α削弱了语音内容并降低了语音的可理解性。

通常，分配给过减参数α的最小值是1，其表明从噪音语音中减去噪音估计。但是，根据本发明，过减参数α的值可以采用和零(0)一样小的值，其表明在非常纯净的语音区中，从源语音中没有减去噪音估计。这种方法有利地保持了初始信号的振幅，并减小了纯净语音区中的失真。根据本发明的一个实施例，基于如图2的曲线图200描述的当前帧的SNR，对于每一帧m和每个频率槽(frequency bin)k调整过减参数α。在图2中，线202由下面的等式定义：

α(SNR)＝α₀+SNR*(1-α₀)/SNR₁(等式7)。

如图2所示，例如，当由横轴定义的SNR大于15时，对于非常干净的语音区，由纵轴定义的过减参数α的值可以小于1。

噪音基底参数β(也称作“频谱基底(spectral flooring)参数”)控制被处理的信号中的噪音波动量、背景噪音和音乐噪音的水平。增加的噪音基底参数β值减小了可察觉的噪音波动，但是增加了背景噪音的水平。根据本发明，噪音基底参数β根据SNR变化。对于高的背景噪音水平，使用较低的噪音基底参数β，而对于较小噪声的信号，则使用较高的噪音基底参数β。这种方法与现有技术有显著不同，在现有技术中，固定的噪音基底或柔化噪音被应用于降噪信号。有利地，通过本发明的噪音基底参数β计算技术，其中噪音基底参数β根据SNR变化，避免了与固定的噪音基底相关的高剩余噪音和/或增加的背景噪音的问题。

根据本发明的一个实施例，基于如图3中的曲线图300所描述的在当前帧的所有65个频率槽上的平均SNR，对于每一帧m调整噪音基底参数β。在图3中，由纵轴定义的噪音基底参数β是由横轴定义的平均SNR的函数，并用下面的等式定义：

β(SNR)＝β₀+Ave(SNR)*(1-β₀)/SNR₁(等式8)。

如图3所示，平均(SNR)15对应于噪音基底参数β为0.3。

在步骤或单元110，基于信号|X(m)|118和在步骤或单元106中计算的噪音修正参数γ，计算当前帧的噪音估计(也称为“噪音频谱”估计)。如上所提到，噪音估计通常是基于当前帧和一个或多个以前的帧。根据本发明的一个实施例，一旦启动噪音抑制，就根据源信号X(m)116的开始40ms计算初始噪音频谱估计，其中假定语音信号的头4帧包括纯噪音帧。根据实际的FFT幅值频谱而不是平滑后的频谱，在65个频率槽上估计噪音频谱。如果数据的初始采样包括被噪音污染的语音而不是纯粹的噪音，则该算法可快速地恢复到正确的噪音估计，因为噪音估计每10ms进行修正。

如上所讨论的，当调整噪音估计时，在非语言区以较快的速度修正噪音估计，而在语言区以较慢的速度修正噪音估计，如下所示：

$\left|\hat{N}(m,k)\right|=(1-{\mathrm{\γ}}_{\mathrm{SNR}})\left|X(m,k)\right|+{\mathrm{\γ}}_{\mathrm{SNR}}\left|\hat{N}(m-1,k)\right|$ (等式9)。

根据本发明的一个实施例，噪音修正参数γ假定两个值中的一个，并且基于当前帧的平均SNR对于每一帧都被修正。作为例子，如果认为帧包含语音，那么噪音估计用由语音构成的当前帧缓慢地修正，并且将γ设置为0.999。如果认为帧是噪音，那么噪音估计被较快地修正，并将γ设置为0.8。

在步骤或单元112，使用信号|X(m)|18、在步骤或单元110中计算的噪音估计

在步骤或单元108中计算的过减参数α和噪音基底参数β，执行噪音减法(也称为“谱减法”)以产生降噪信号

降噪信号如下给出：

$\left|\hat{S}(m,k)\right|=\max \left(\right|X(m,k)|-\mathrm{\α}(m,k)|\hat{N}(m,k)|,\mathrm{\β}\left(m\right)|X(m,k)\left|\right)$ (等式10)。

如果过减引起在某些频率上的幅值低于噪音基底参数β，那么噪音基底参数β将替代在那些频率上的幅值。而且，为了避免使纯净语音信号变形和保持其质量，当检测到高SNR区时，不从源信号|X(m)|118中减去噪音估计，如上所讨论的。因此，过减参数α的最小值为零。

在步骤或单元114，降噪信号

通过反FFT(IFFT)和重叠相加(overlap-add)变换到时域以重建降噪信号S(m)120。

本发明的背景噪音抑制器提供了显著改善的在源信号中出现的背景噪音的估计，以产生显著改善的降噪信号，从而克服在计算有效的方式方面的许多不足。如上所讨论的，本发明的背景噪音抑制器适合于快速地改变噪音特性，提高SNR，保持纯净语音的质量，并且改善有噪环境中语音识别的性能。此外，本发明的背景噪音抑制器不会抹掉语音内容、引入乐音或者引入“流水”效果。

根据以上本发明的示例性实施例的描述，很显然，在不脱离其范围的情况下，各种技术可以用于实现本发明的概念。而且，虽然本发明已经用特定参数对某些实施例进行了描述，但本领域的普通技术人员可以意识到，在不脱离本发明的精神和范围的情况下，可以在形式和细节上进行变化。例如，很显然，帧的大小、采样的数量以及噪音估计修正速度都可以不同于在上述示例性的实施例中提供的值。所描述的示例性实施例被认为是示例性而非限制性的。还应该理解，本发明并不局限于在此所描述的特定实施例，而是能够在不脱离本发明的范围的情况下进行许多调整、修改和替换。

因此，已经描述了一种用于语音编码和语音识别的计算有效的背景噪音抑制器。

Claims (16)

1.一种抑制源语音信号中的噪音的方法，所述方法包括：

计算所述源语音信号中的信噪比；

基于所述源语音信号的当前帧和至少一个以前的帧以及根据所述信噪比，计算所述当前帧的背景噪音估计，其中，所述计算所述信噪比是独立于所述当前帧的所述背景噪音估计执行的；

基于所述信噪比计算过减参数；以及

基于所述过减参数，从所述源语音信号中减去所述背景噪音估计以产生降噪语音信号。

2.如权利要求1所述的方法，还包括：以比语音区的速度更快的噪音区的速度修正所述背景噪音估计。

3.如权利要求2所述的方法，其中，基于所述信噪比识别所述噪音区和所述语音区。

4.如权利要求1所述的方法，其中，所述过减参数被配置为减小无噪音信号中的失真。

5.如权利要求1所述的方法，其中，所述过减参数小于1。

6.如权利要求1所述的方法，还包括：基于所述信噪比计算噪音基底参数；

其中，基于所述过减参数和所述噪音基底参数，从所述源语音信号中减去所述背景噪音估计以产生降噪语音信号

7.如权利要求6所述的方法，其中，所述过减参数大约为零。

8.如权利要求6所述的方法，其中，所述噪音基底参数被配置为减小噪音波动、背景噪音和音乐噪音的水平。

9.一种抑制源语音信号中的噪音的噪音抑制器，所述噪音抑制器包括：

第一单元，用于计算所述源语音信号中的信噪比；

第二单元，用于基于所述源语音信号的当前帧和至少一个以前的帧以及根据所述信噪比，计算所述当前帧的背景噪音估计，其中，所述计算所述信噪比是独立于所述当前帧的所述背景噪音估计执行的；

第三单元，用于基于所述信噪比计算过减参数；以及

第四单元，用于基于所述过减参数，从所述源语音信号中减去所述背景噪音估计以产生降噪语音信号。

10.如权利要求9所述的噪音抑制器，其中，以比语音区的速度更快的噪音区的速度修正所述背景噪音估计。

11.如权利要求10所述的噪音抑制器，其中，基于所述信噪比识别所述噪音区和所述语音区。

12.如权利要求9所述的噪音抑制器，其中，所述过减参数被配置为减小无噪音信号中的失真。

13.如权利要求9所述的噪音抑制器，其中，所述过减参数小于1。

14.如权利要求9所述的噪音抑制器，还包括：第五单元，用于基于所述信噪比计算噪音基底参数；

所述第四单元基于所述过减参数和所述噪音基底参数，从所述源语音信号中减去所述背景噪音估计以产生降噪语音信号

15.如权利要求14所述的噪音抑制器，其中，所述过减参数大约为零。

16.如权利要求14所述的噪音抑制器，其中，所述噪音基底参数被配置为减小噪音波动、背景噪音和音乐噪音的水平。

Images