[發明專利]語音處理方法及裝置

有效

• 申請號: 201710578504.5
• 申請日: 2017-07-14
• 公開（公告）號: CN107393550B
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 蔡鋼林
• 申請（專利權）人: 深圳永順智信息科技有限公司
• 主分類號: G10L21/0232
• 分類號: G10L21/0232;G10L21/0208;G10L25/21;G10L15/20
• 代理公司: 深圳市明日今典知識產權代理事務所(普通合伙) 44343
• 代理人: 王杰輝

1.一種語音處理方法，其特征在于，包括以下步驟：

將聲音信號從時域變換到頻域，獲得頻域信號，計算所述頻域信號的觀測信號功率譜密度，并根據所述觀測信號功率譜密度估算噪音功率譜密度；

構建多參量的聽覺特征，所述參量與所述聲音信號、先驗信噪比、后驗信噪比相關，所述聽覺特征包括：

其中，γ(k)為先驗信噪比，ε(k)為后驗信噪比，L_W代表窗長，L_T代表起始樣本點，k為頻率坐標，K代表頻帶整體的數量；

使用所述聽覺特征中的參量分別與各自對應的聽覺閾值比較；

若任一參量大于與其對應的聽覺閾值，則判定所述聲音信號存在語音活動；

在判斷出所述聲音信號存在語音活動時，使用自適應Kalman濾波處理所述頻域信號，獲得混響功率譜密度；

根據所述噪音功率譜密度、混響功率譜密度、觀測信號功率譜密度計算去除噪音和混響的頻域信號，記為優化估算語音頻譜；

使用逆傅里葉變換將所述優化估算語音頻譜從頻域恢復為時域，獲得優化后的聲音信號。

2.根據權利要求1所述語音處理方法，其特征在于，所述估算噪音功率譜密度的步驟，包括：

假定前L_I時間幀沒有語音活動，初始化噪音功率譜密度、估算語音頻譜、觀測信號功率譜密度、先驗信噪比、后驗信噪比；

從第L_I+1時間幀開始做迭代計算，更新觀測信號功率譜密度，具體為：

Φ_Y(k)＝αΦ′_Y(k)+(1-α)|Y(l,k)|²

其中，α為第一平滑因子，Φ_Y(k)為觀測信號功率譜密度，Φ′_Y(k)為前一幀的觀測信號功率譜密度，Y(l,k)為所述頻域信號；l為時間幀坐標，k為頻率坐標；

計算先驗信噪比和后驗信噪比：

其中，β為第二平滑因子，γ(k)為先驗信噪比，ε(k)為后驗信噪比，Φ_V(k)為噪音功率譜密度，為估算語音頻譜；

根據所述先驗信噪比和后驗信噪比，計算噪音功率譜的自適應更新步長：

根據所述自適應更新步長，更新噪音功率譜，具體為：

Φ_V(k)＝α_V(k)Φ′_V(k)+(1-α_V(k))|Y(l,k)|²。

3.根據權利要求2所述語音處理方法，其特征在于，所述假定前L_I時間幀沒有語音活動，初始化噪音功率譜密度、估算語音頻譜、觀測信號功率譜密度、先驗信噪比、后驗信噪比的步驟，具體為：

γ(k)＝1,ε(k)＝κ,k＝1,2,…，K

其中，K代表頻帶整體的數量，κ為第一衰減因子。

4.根據權利要求2所述語音處理方法，其特征在于，所述α的取值范圍為[0.95，0.98)、0.98或(0.98，0.995]，所述β的取值范圍為[0.6，0.75)、0.75或(0.75，0.9]。

5.根據權利要求1所述語音處理方法，其特征在于，所述自適應Kalman濾波是指用一個前向預測濾波器，對純凈語音頻譜進行預測。