[發明專利]包括低延時聲源分離單元的聽力裝置

有效

• 申請號: 201510646998.7
• 申請日: 2015-10-08
• 公開（公告）號: CN105489227B
• 公開（公告）日: 2021-03-02
• 發明（設計）人: T·巴克爾;T·維塔雷恩;N·H·彭托皮丹
• 申請（專利權）人: 奧迪康有限公司
• 主分類號: G10L21/0272
• 分類號: G10L21/0272;G10L21/028
• 代理公司: 北京金闕華進專利事務所(普通合伙) 11224
• 代理人: 陳建春

本發明公開了包括低延時聲源分離單元的聽力裝置，其包括：輸入單元；適合保存最后A個音頻樣本的循環分析緩沖器單元；及適合保存最后L個音頻樣本的循環合成緩沖器單元；已保存記錄的聲音例子的數據庫，每一記錄的聲音例子稱為原子，對于每一原子，來自第一緩沖器的音頻樣本與來自第二緩沖器的音頻樣本重疊，源自第一緩沖器的原子構成重構字典，源自第二緩沖器的原子構成分析字典；聲源分離單元，用于分離電輸入信號以提供表示至少兩個聲源的至少兩個分離信號，所述聲源分離單元配置成，考慮數據庫的分析字典中的原子確定最后A個音頻樣本的最佳表示，及通過使用最佳表示組合數據庫的重構字典中的原子而產生L個音頻樣本的至少兩個分離信號。

技術領域

本申請涉及聽力裝置，尤其涉及多聲源環境中的聲源分離。本發明具體涉及包括用于提供表示來自多個聲源產生的聲音環境的聲音的一個或多個電輸入信號的輸入單元的聽力裝置。

本申請還涉及多聲源環境中分離聲源的方法。

本申請還涉及包括處理器和程序代碼的數據處理系統，程序代碼使得處理器執行本發明方法的至少部分步驟。

本發明的實施例如可用在下述應用中：聽力裝置如助聽器、頭戴式耳機、耳麥、有源耳朵保護系統、免提電話系統、移動電話、遠程會議系統、廣播系統、卡拉OK系統、教室放大系統等。

背景技術

音頻聲源分離包括分離音頻混合物(音頻混合物包括來自聲場中混合的多個聲源的聲音)內的不同成分聲源的任務。目前，解決該問題的大多數方法已“離線”執行，意味著整個音頻混合物在分離時存在(通常為數字式錄音的形式)，而不是“實時”存在，其中隨著新的音頻數據進入系統，聲源被分離。在雞尾酒會情形下，多個競爭性講話者的存在使得聽單一聲源傳輸的信息很困難，但成功的聲源分離能夠一次向聽者呈現僅從單一講話者呈現的信息。

為使聲源分離可用在真實通信情形中，其應實時進行或以非常低的延時進行。如果在講出的音頻和分離的音頻之間出現明顯的處理時延，聽者可能被講話者嘴巴運動和對應的音頻之間的不同步弄得煩惱不安，及較少獲益于可能的唇讀。因此，以低延時(如在進入和離開系統的音頻樣本之間低于20ms)運行的聲源分離方法是有利的。當前的(基于附加混合模型的)聲源分離方法依賴于使用相當長的分析幀(通常為50ms級)，如果直接實施，其將違反低延時要求。

在本說明書中，僅考慮我們稱為“數據延時”的延時，因為假定在正確的實施和計算能力下實際的處理算法可及時執行。

針對兩講話者混合問題存在多個解決方案。

一些對實時非負矩陣因數分解(NMF)的研究已提供好的結果，但并未考慮處理足夠小以產生助聽器應用所需要的延時性能(20ms)的窗口大小。同樣，概率潛在分量分析(PLCA)方法也主張實時性能，但作用于長度為64ms的幀時，其不滿足助聽器用戶的延時需求。

直到目前為止，大多數基于NMF的算法已設計成“離線”運行，然而，將要進行分離/增強的整個混合信號立刻可用于處理算法。

盡管已報導一些提供實時解決方案的嘗試，但仍需要在正常運行期間在聽力裝置中給出令人滿意的結果的解決方案。

發明內容

本發明提出使用將要分離的每一聲源特有的字典及專用的幀處理方法解決實時聲源分離的問題，以提供增強的分離，即使對于短處理幀也是如此(其產生最低延時)。通過將先前的輸入幀的高速緩存保存在循環緩沖器中，可得到將基于較大的時間上下文輸出的當前幀的濾波器系數。此外，相較于單獨使用短輸入幀，可獲得更好的低延時聲源分離性能。

本申請的目標由所附權利要求限定的及下面描述的發明實現。

聽力裝置

一方面，本申請的目標由一種聽力裝置實現，其包括：

-輸入單元，用于遞送表示包括至少兩個聲源的音頻信號的時變電輸入信號；