[發(fā)明專利]一種基于時間延遲直方圖的語音分離方法

有效

• 申請?zhí)枺?/td>: 201710001937.4
• 申請日: 2017-01-03
• 公開（公告）號: CN108269583B
• 公開（公告）日: 2021-07-30
• 發(fā)明（設(shè)計）人: 應(yīng)冬文;黃兆瓊;潘接林;顏永紅
• 申請（專利權(quán)）人: 中國科學(xué)院聲學(xué)研究所
• 主分類號: G10L21/0272
• 分類號: G10L21/0272;G10L21/0308;G10L25/03
• 代理公司: 北京方安思達知識產(chǎn)權(quán)代理有限公司 11472
• 代理人: 王宇楊;楊青

本發(fā)明涉及一種基于時間延遲直方圖的語音分離方法，包括：將聲源信號轉(zhuǎn)換成數(shù)字聲音信號；提取數(shù)字聲音信號的頻譜；利用聲源信號中所有時頻點上的時間延遲來構(gòu)建時間延遲直方圖，抽取顯著峰值作為時間延遲的估計值；利用時間延遲的估計值來計算每個語音源的波達方向估計值；利用每個語音源的波達方向估計值對混合語音的頻譜進行分類，得到每個語音源的掩摸，進而根據(jù)該掩摸以及數(shù)字聲音信號的頻譜計算頻域上的分離信號；在每個掩摸上對頻域的分離信號進行傅里葉逆變換，得到分離的語音。

技術(shù)領(lǐng)域

本發(fā)明涉及語音分離方法，特別涉及一種基于時間延遲直方圖的語音分離方法。

背景技術(shù)

語音分離包括單通道語音分離和多通道語音分離，語音分離技術(shù)可減小噪聲和混響的影響，或?qū)⒍鄠€語音源分離開，為后續(xù)的信息處理提供較干凈的語音。

由于時間延遲直方圖具有高空間分辨力和抗混疊的優(yōu)點，時間延遲直方圖被廣泛應(yīng)用于線性陣列進行語音分離。然而，傳統(tǒng)的方法很少將時間延遲直方圖用于平面陣列來進行語音分離。同時，傳統(tǒng)的語音分離方法往往需要預(yù)知語音源的個數(shù)才能進行分離，另外，傳統(tǒng)的盲源分離方法都有排序模糊性的問題。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)中的語音分離方法中需要預(yù)知聲源個數(shù)和排序模糊性的缺陷，從而利用時間延遲直方圖提出一種魯棒而高效的語音分離方法。

為了實現(xiàn)上述目的，本發(fā)明提供了一種基于時間延遲直方圖的語音分離方法，包括：

步驟1)、將聲源信號轉(zhuǎn)換成數(shù)字聲音信號；

步驟2)、提取步驟1)所得到的數(shù)字聲音信號的頻譜；

步驟3)、利用聲源信號中所有時頻點上的時間延遲來構(gòu)建時間延遲直方圖，抽取顯著峰值作為時間延遲的估計值；

步驟4)、利用步驟3)得到的時間延遲的估計值來計算每個語音源的波達方向估計值；

步驟5)、利用步驟4)得到的每個語音源的波達方向估計值對混合語音的頻譜進行分類，得到每個語音源的掩摸，進而根據(jù)該掩摸以及步驟2)得到的數(shù)字聲音信號的頻譜計算頻域上的分離信號；

步驟6)、在每個掩摸上對步驟5)得到的頻域的分離信號進行傅里葉逆變換，得到分離的語音。

上述技術(shù)方案中，所述步驟2)還包括：在提取步驟1)所得到的數(shù)字聲音信號的頻譜之前，對所述數(shù)字聲音信號進行預(yù)處理，所述預(yù)處理包括：

對每一幀的數(shù)字聲音信號先補零到N點，N＝2ⁱ，i為整數(shù)，且i≥8；然后，對每一幀的數(shù)字聲音信號進行加窗或預(yù)加重處理，加窗函數(shù)采用漢明窗或哈寧窗。

上述技術(shù)方案中，所述步驟3)包括：

步驟3-1)、計算聲音源中任意兩個麥克風(fēng)所組成的麥克風(fēng)對的時間延遲；

步驟3-2)、由麥克風(fēng)對的距離約束以及步驟3-1)得到的麥克風(fēng)對的時間延遲，得到時間延遲集合；

步驟3-3)、基于步驟3-2)所得到的時間延遲集合構(gòu)建時間延遲直方圖，抽取顯著峰值作為時間延遲的估計值。

上述技術(shù)方案中，所述步驟4)包括：

步驟4-1)、利用步驟3)得到的來自不同麥克風(fēng)對的時間延遲估計值兩兩配對估計出波達方向候選值；

步驟4-2)、由步驟4-1)所得到的波達方向候選值估計方向角候選值，利用所有的方向角候選值組成的集合中的所有元素構(gòu)建方向角直方圖；

步驟4-3)、抽取方向角直方圖中的顯著峰值作為每個語音源的方向角估計值，通過數(shù)峰值的數(shù)目得到語音源數(shù)目的估計值；

步驟4-4)、由步驟4-3)得到的語音源的方向角估計值計算仰角初始值；