[發明專利]一種基于聽覺感知特性的數字語音實時分解/合成方法

有效

• 申請號: 201611026399.6
• 申請日: 2016-11-18
• 公開（公告）號: CN106601249B
• 公開（公告）日: 2020-06-05
• 發明（設計）人: 李冬梅;楊有為;賈瑞;劉潤生
• 申請（專利權）人: 清華大學
• 主分類號: G10L15/24
• 分類號: G10L15/24;G10L21/0208;G10L21/0224;G10L13/00
• 代理公司: 北京睿智保誠專利代理事務所(普通合伙) 11732
• 代理人: 周新楣

本發明公開了一種基于聽覺感知特性的數字語音實時分解/合成方法，涉及語音信號處理領域。本方法包括用N級級聯的二階帶通濾波器構成一個N階的伽馬通濾波器再構建任意階的伽馬通數字濾波器模型及其參數，語音分解階段用M路伽馬通濾波器采用浮點算法或定點算法將輸入語音分解為M路信號；語音合成階段在伽馬通濾波器組中引入延時，以更加符合人耳特性，人耳基底膜延時與頻率成反比關，最后進行語音合成操作。本發明參考了人耳的等響度曲線特性，改進了語音分解合成方法，使得最終語音合成效果接近了理想帶通濾波器的效果。本發明可應用在手機、人工耳蝸、助聽器等語音設備中。

技術領域

本發明屬于數字語音信號處理領域，具體涉及一種基于聽覺感知特性的數字語音實時分解/合成方法。

背景技術

在日常生活中，存在各種各樣的噪聲。語音增強和語音識別等設備的性能在噪聲環境下會明顯惡化，限制了其應用場景。由于人耳在噪聲環境下仍能正常工作，且對聲音具有較強的靈敏度和抗干擾能力。因此在語音信號處理系統中迫切需要實現人耳尤其是基底膜的聽覺感知特性。人耳基底膜的感知特性有：

1.頻率選擇特性:不同的頻率在基底膜上都有相應的共振點，頻率較高的聲音，在靠近基底膜底部位置會引起較大幅度的振動；對于頻率較低的聲音，響應最強烈的位置在基底膜的頂部。

2.頻率分析特性:它能夠將聲音中的各種頻率分解映射到基底膜的不同位置來感知，得到頻率分布圖；同時還能夠將聲音強度轉化為對應基底膜位置上的振動幅度。最終，基底膜將聲音中具有不同幅度不同頻率的聲音分離出來，并產生相應的神經信息，相當于對頻率和強度等進行了編碼，這樣大腦就能夠對這些信息進行分析歸納，形成不同的聽覺感受。

3.帶寬特性：人耳基底膜每個位置的濾波特性各不相同。人耳基底膜頂部對低頻比較敏感，且在低頻的分辨率較高、帶寬小；基底膜底部對高頻敏感，且在高頻的分辨率高、帶寬大。

人耳基底膜每個位置的濾波特性都可以用一個聽覺濾波器來描述，于是聽覺系統處理語音的過程可以用一組聽覺濾波器來模擬，聽覺濾波器是通過擬合聽覺系統的心理聲學實驗數據而被提出來的一類濾波器。使用上述聽覺濾波器組可以將語音分解到不同的子帶上面，進而實現對語音的分解和合成。

為了描述聽覺濾波器的帶寬，研究中經常使用等價矩形帶寬(ERB)這一概念，ERB是指：對于相同的白噪聲輸入，當矩形濾波器和被測濾波器通過相同能量時，矩形濾波器的帶寬即為等價矩形帶寬。ERB與聽覺濾波器的中心頻率f_c大致呈線性關系，具體關系可用表達式如式(1-1)所示來描述：

ERB(f_c)＝24.7(1+4.37f_c/1000) (1-1)

M組濾波器的中心頻率f_c對應著人耳基底膜上的M個位置，它們在基底膜上是均勻分布的。為了更好的描述這種分布，ERB域(ERBs)的概念，首先通過表達式如式(1-2)所示得到ERBs域上的值，再將ERBs值均分，最后在回推出中心頻率f_c的值。

一種典型的聽覺濾波器組是由M個伽馬通濾波器(Gammatone Filterbank)構成，每個伽馬通濾波器的時域表達式為：

其中，u(t)是階躍函數；參數A一般是固定值，主要用于歸一化處理；N代表濾波器的階數，控制著Gammatone函數包絡的相對形狀，一般設置N＝4；b代表函數的帶寬，控制著函數時域的波動越大，函數波動的范圍就越小,b＝ERB(f_c)。f_c代表濾波器的中心頻率；代表初始相位，由于對濾波器性能影響較小，并且人耳對相位不敏感，因此一般被設置為0。

將表達式(1-3)中進行Laplace變換，得到s域表達式為：