[發明專利]一種無監督單傳聲器語音降噪方法及系統

有效

• 申請號: 201710137778.0
• 申請日: 2017-03-09
• 公開（公告）號: CN108574911B
• 公開（公告）日: 2019-10-22
• 發明（設計）人: 李軍鋒;李煦;顏永紅
• 申請（專利權）人: 中國科學院聲學研究所
• 主分類號: H04R3/04
• 分類號: H04R3/04
• 代理公司: 北京方安思達知識產權代理有限公司 11472
• 代理人: 王宇楊;陳琳琳

本發明公開了一種無監督單傳聲器語音降噪方法，所述方法包括：步驟1)對采集的覆蓋所有音素的語音訓練數據的進行頻譜提取，然后對幅度譜進行k均值聚類，得到每個類別對應的語音字典；然后將所有不同類別的語音字典組合成一個完備的語音字典W_S；步驟2)對當前時刻到達的帶噪信號進行短時傅里葉變換得到當前幀幅度譜x_t，再和前L幀已經處理過的幅度譜結合作為輸出語音譜X＝[x_t?L，...，x_t?1，x_t]，將前一幀估計得到的噪聲矩陣W_N和語音字典W_S結合為總的字典矩陣W＝[W_S W_N]，采用迭代的算法對輸出語音譜X進行非負矩陣分解，得到噪聲矩陣和當前幀對應的語音噪聲權重向量步驟3)通過估計得到的噪聲矩陣和噪聲權重向量重構出降噪后的當前幀語音信號。

技術領域

本發明涉及語音信號處理領域，更具體地說，本發明涉及一種無監督單傳聲器語音降噪方法及系統。

背景技術

在很多應用場景中(如語音通信，自動語音識別，助聽器)，語音信號不可避免地受到周圍噪聲的干擾，如路噪，風噪，電路噪聲等，因此需要設計算法對設備采集到的帶噪信號進行降噪處理。而且很多聽力設備(或儀器)通常只有一個傳聲器來拾取語音信號，算法需要從一個帶噪信號中去除噪聲信號，這進一步增加了問題的解決難度。

傳統的單傳聲器語音降噪算法主要包括兩個部分：噪聲估計部分和增益計算部分。這類算法一般假設噪聲是平穩信號，因此算法對平穩噪聲有較好的抑制效果，然而在很多情況下噪聲是非平穩的，很難準確估計噪聲信號，從而導致降噪效果不佳。近年來，基于數據驅動的單傳聲器語音降噪算法由于對非平穩噪聲有較好的抑制效果而得到了廣泛關注，如基于非負矩陣分解(non-negative matrix factorization,NMF)的語音降噪算法。

在基于NMF的算法中，首先對語音和噪聲信號訓練數據進行非負矩陣分解得到對應的字典矩陣，這些字典矩陣用于描述語音和噪聲的頻譜結構；然后在降噪階段，將帶噪信號分解為字典矩陣和權重矩陣的乘積，最后將語音字典和對應權重矩陣相乘重構出降噪后的語音信號。這類算法不需要平穩噪聲的假設，能夠對非平穩噪聲有較好的抑制效果，利于實際應用。然而這類算法也存在一些局限性，需要特定說話人和特定噪聲類型的訓練數據，但是在很多場景中很難事先獲取匹配的訓練數據，導致應用受限。其次，這種算法一般都是對一段語音進行降噪處理，而在實際應用中算法要求能夠實時處理。

發明內容

本發明的目的在于克服傳統的基于NMF降噪算法需要依賴特定說話人和特定噪聲類型訓練數據的限制，提出了一種無監督單傳聲器語音降噪方法，方便在實際場景中應用，

為了實現上述目的，本發明提供了一種無監督單傳聲器語音降噪方法，所述方法包括：

步驟1)對采集的覆蓋所有音素的語音訓練數據的進行頻譜提取，然后對幅度譜進行k均值聚類，得到每個類別對應的語音字典；然后將所有不同類別的語音字典組合成一個完備的語音字典W_S；

步驟2)對當前時刻到達的帶噪信號進行短時傅里葉變換得到當前幀幅度譜x_t，再和前L幀已經處理過的幅度譜結合作為輸出語音譜X＝[x_t-L，...，x_t-1，x_t]，將前一幀估計得到的噪聲矩陣W_N和語音字典W_S結合為總的字典矩陣W＝[W_S W_N]，采用迭代的算法對輸出語音譜X進行非負矩陣分解，得到噪聲矩陣和當前幀對應的語音噪聲權重向量

步驟3)通過估計得到的噪聲矩陣和噪聲權重向量重構出降噪后的當前幀語音信號。

上述技術方案中，所述步驟1)具體包括：