[發明專利]基于信號自相關的語音降噪方法及裝置

有效

• 申請號: 201610725981.5
• 申請日: 2016-08-25
• 公開（公告）號: CN107785028B
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 劉海生;姚建琴;王海玲;陸曉蘭;倪強
• 申請（專利權）人: 上海英波聲學工程技術股份有限公司
• 主分類號: G10L21/0232
• 分類號: G10L21/0232
• 代理公司: 北京化育知識產權代理有限公司 11833
• 代理人: 尹均利

本發明涉及一種基于信號自相關的語音降噪方法及裝置，包括以下步驟：1)語音接收模塊采集含噪模擬語音信號；2)A/D轉換模塊將模擬信號轉換成數字信號；3)語音分幀模塊將數字信號進行分幀；4)自相關去噪模塊將分幀后的信號進行自相關運算；5)FFT分析模塊將每幀含噪信號的自相關函數在延時域上做FFT分析；6)閾值降噪模塊對FFT變換做閾值去噪處理；7)重采樣及相位配對模塊對頻域自相關信號進行重采樣并將其與含噪信號的相位配對；8)逆FFT變換模塊利用處理后的頻域幅值和相位進行逆FFT變換，將信號返回到時域中；9)幀重組模塊將去噪后的各幀信號進行重組，得到去噪后的語音信號。本裝置可在?20dB信噪比的強噪聲環境下顯著提高語言清晰度。

技術領域

本發明涉及一種語音識別領域內的降噪技術，尤其是涉及一種基于信號自相關的語音降噪方法及裝置。

背景技術

語音降噪主要應用于人機對話中的語音識別，以及語音通訊領域(包括傳統的有線通訊、無線通訊以及網絡通訊)。語音含噪大大降低了智能設備和人耳對語音正確識別的能力，語音降噪則增強了在噪聲環境下對語音的識別率。因此在人機對話和通訊設備中使用語音降噪技術也是十分必要的，它可以增強智能設備識別和執行語音命令的正確率，降低人由于分辨含噪語音所產生的疲勞感，提高語音的可懂度。

傳統的語音降噪方法大體上有以下幾種：噪音對消法、諧波增強法、語音生成模型的增強法、短時譜的增強法、濾波法。但由于語音信號的復雜性和非平穩性，這些傳統的降噪方法很難對信噪比低于10dB的信號進行降噪，進行有效識別，尤其是對寬帶噪聲、瞬變噪聲、強噪聲的抑制效果不令人滿意。

本發明基于漢語的發音特征開發了強噪聲環境下語音降噪的技術。漢語區別于拼音文字發聲的特點是：清音之后必有濁音輔助發聲，因此清音的頻率特征也是比較明顯的，不像拼音文字有連續的清音，在發聲的時候清音沒有明顯的時域頻域特征，非常類似于白噪聲。利用這一特點，在對漢語語音信號進行自相關的運算后，具有頻率特征的語音信號自相關數值較大，得以加強和保留，頻率特征較弱的噪聲信號自相關數值較小，受到抑制。在自相關函數的FFT變換頻域內，表現為語音信號的頻率幅值較大，而噪聲的頻率幅值較小。對頻率信號進行閾值處理后，可進一步去噪，實現語音信號的去噪。

發明內容

本發明的目的就是為了克服上述現有語音降噪技術的缺陷而提供的精確、快速、自動化程度高的語音去噪方法及裝置,本發明對于信噪比為-20dB的含噪語音信號，經降噪處理后可以獲得良好的語音識別度。

本發明的目的可以通過以下技術方案來實現：

一種基于信號自相關的語音降噪方法，包括以下步驟：

1)語音接收模塊通過麥克風接收采集到含噪的語音信號，并將其傳送給A/D轉換模塊；

2)A/D轉換模塊將采集到的模擬語音信號轉換成數字信號，并將其傳送給語音分幀模塊；

3)語音分幀模塊將語音數字信號進行分幀處理，時間長度為20～30ms，然后將分幀后的信號傳送給自相關去噪模塊；

4)自相關去噪模塊將分幀后的信號做自相關運算，實現初步降噪，然后將其傳送給FFT分析模塊；

5)FFT分析模塊將每幀含噪信號的自相關函數在延時域上做FFT分析，展開為頻域上的函數，然后將頻域內的一系列幅值傳送給閾值降噪模塊；

6)閾值降噪模塊通過設定閾值，將低于該閾值的頻率分量幅值置零，實現二次去噪，并將處理后的幅值傳送給重采樣及相位配對模塊；

7)重采樣及相位配對模塊對處理后的幅值進行重采樣，取一半的點數，然后將其重采樣的信號幅值與含噪信號的相位配對，然后將配對后的幅值、相位組合傳送給逆FFT變換模塊；

8)逆FFT變換模塊將重采樣后的幅值與配對的含噪信號相位做逆FFT變換，將信號返回到時域，然后將時域內的信號傳送給幀重組模塊；