[發(fā)明專利]基于改進(jìn)的Mel頻率尺度和相位修正的耳語(yǔ)音增強(qiáng)算法

在審

• 申請(qǐng)?zhí)枺?/td>: 201910146887.8
• 申請(qǐng)日: 2019-02-27
• 公開（公告）號(hào): CN109712638A
• 公開（公告）日: 2019-05-03
• 發(fā)明（設(shè)計(jì)）人: 李晨;韋怡;曾毓敏;李天峰
• 申請(qǐng)（專利權(quán)）人: 南京師范大學(xué)
• 主分類號(hào): G10L21/0232
• 分類號(hào): G10L21/0232;G10L21/0208
• 代理公司: 北京盛凡智榮知識(shí)產(chǎn)權(quán)代理有限公司 11616
• 代理人: 梁永昌

本發(fā)明公開了基于改進(jìn)的Mel頻率尺度和相位修正的耳語(yǔ)音增強(qiáng)算法：根據(jù)耳語(yǔ)音的特點(diǎn)，對(duì)正常語(yǔ)音的標(biāo)準(zhǔn)Mel頻帶進(jìn)行了重新劃分，在研究耳語(yǔ)音的共振峰頻率和能量以及耳語(yǔ)音聽覺模型的基礎(chǔ)上，提出了一種其改進(jìn)的Mel頻率尺度(稱為Mel_{_m}尺度)，在此基礎(chǔ)上，對(duì)Mel_{_m}尺度進(jìn)行了改進(jìn)并針對(duì)耳語(yǔ)音提出了一種新的尺度劃分方法，稱為Mel_{_improved}尺度；本發(fā)明將譜減后的耳語(yǔ)音頻譜與改變后的相位譜相結(jié)合來合成新的增強(qiáng)后的耳語(yǔ)音信號(hào)。補(bǔ)償相位中的噪聲估計(jì)值是通過使用補(bǔ)償相位來獲得初級(jí)增強(qiáng)耳語(yǔ)音信號(hào)，然后從含噪的耳語(yǔ)音頻譜中減去噪聲估計(jì)值來獲得新的噪聲估計(jì)譜。語(yǔ)譜圖、客觀評(píng)價(jià)和主觀聽力測(cè)試的實(shí)驗(yàn)結(jié)果表明，提出的耳語(yǔ)音增強(qiáng)算法優(yōu)于同類可比較的其他耳語(yǔ)音增強(qiáng)算法。

技術(shù)領(lǐng)域

本發(fā)明涉及Mel頻率尺度與耳語(yǔ)音增強(qiáng)算法領(lǐng)域，特別涉及基于改進(jìn)的Mel頻率尺度和相位修正的耳語(yǔ)音增強(qiáng)算法。

背景技術(shù)

耳語(yǔ)音是人類交流過程中一種自然但又特殊的語(yǔ)言形式。耳語(yǔ)被定義為輕聲說話但聲帶不振動(dòng)以避免被偷聽到的講話方式。在許多公共場(chǎng)所，用耳語(yǔ)音進(jìn)行交流是非常有必要的，如圖書館或會(huì)議廳等。

耳語(yǔ)音的發(fā)聲機(jī)制與正常語(yǔ)音不同。第一個(gè)不同之處在于，當(dāng)耳語(yǔ)音發(fā)音時(shí)，聲帶沒有振動(dòng)，這點(diǎn)與噪聲激勵(lì)有點(diǎn)相似。第二個(gè)區(qū)別是氣管和聲道由于聲帶打開而耦合。正是由于這兩個(gè)特點(diǎn)，尤其在嘈雜的環(huán)境中耳語(yǔ)音比正常語(yǔ)音更難檢測(cè)。與正常語(yǔ)音相比，耳語(yǔ)音的第一共振峰頻率向更高頻率移動(dòng)。同時(shí)，根據(jù)Sahar和John的研究表明，人耳對(duì)耳語(yǔ)音的敏感區(qū)域在第二共振峰頻率附近，而不是在第一共振峰頻率附近。

目前，耳語(yǔ)音在國(guó)內(nèi)外是比較新的研究課題，還處于研究初期。考慮到耳語(yǔ)音和正常語(yǔ)音之間聲學(xué)特性的差異，常規(guī)的語(yǔ)音增強(qiáng)方法并不適用于耳語(yǔ)音增強(qiáng)。但是，在一定程度上，可以在語(yǔ)音增強(qiáng)算法的基礎(chǔ)上對(duì)耳語(yǔ)音增強(qiáng)有一定的理論幫助。

眾所周知，人耳感知的靈敏度在頻譜中是呈非線性變化的。從Fletcher的實(shí)驗(yàn)研究中可以得出結(jié)論，外圍聽覺系統(tǒng)的行為好像包含一組帶通濾波器，具有重疊的通帶。人耳基底膜上的每個(gè)位置對(duì)有限的頻率范圍做出響應(yīng)，因此每個(gè)不同點(diǎn)對(duì)應(yīng)于具有不同中心頻率的濾波器。因此，臨界頻帶的概念對(duì)于描述聽覺感知具有重要意義。雖然Mel頻率映射函數(shù)在正常語(yǔ)音增強(qiáng)中是有效的，但是它并不適合于耳語(yǔ)音增強(qiáng)。從以下方面可以看出(如圖1)：(1)由于正常語(yǔ)音的第一共振峰在能量集中區(qū)域附近，所以Mel頻帶劃分時(shí)，特別關(guān)注正常語(yǔ)音第一共振峰區(qū)域，并且給予了較大的權(quán)重。然而對(duì)于耳語(yǔ)音而言，其第一共振峰比正常語(yǔ)音向上偏移1.3倍，這可能導(dǎo)致在非共振峰頻段中的權(quán)重更大而在共振峰頻段中的權(quán)重較小，從而影響耳語(yǔ)音增強(qiáng)性能。(2)對(duì)于正常語(yǔ)音而言，人耳的敏感區(qū)域在第一共振峰附近，并且第一共振峰的位置也是能量集中的區(qū)域，所以Mel頻率尺度頻帶的劃分加重了F1區(qū)域的權(quán)重。然而，耳語(yǔ)音并非如此。根據(jù)徐柏齡等人的研究，耳語(yǔ)音中的第二共振峰的能量有時(shí)會(huì)大于第一共振峰。同時(shí)，根據(jù)Sahar和John的實(shí)驗(yàn)結(jié)果，人耳對(duì)耳語(yǔ)音敏感區(qū)域在第二共振峰附近。因此，通過普通傳統(tǒng)的正常語(yǔ)音Mel頻率尺度劃分加重第一共振峰的方法與實(shí)際人耳的聽覺模型不一致。(3)由于對(duì)數(shù)曲線的特性，當(dāng)線性頻率f轉(zhuǎn)換為Mel頻率Mel(f)時(shí)，隨著線性頻率f的增加，Mel(f)在低頻部分增長(zhǎng)較快，放置的頻段較多，權(quán)值較大，而高頻部分增長(zhǎng)較慢，頻段較少，權(quán)值較小。對(duì)于耳語(yǔ)音，由于它沒有基頻，并且第一共振峰向上偏移，所以低于500Hz的耳語(yǔ)音能量較小。這些低頻濾波器得到的功率譜主要是噪聲信號(hào)的頻譜，這將會(huì)影響耳語(yǔ)音增強(qiáng)的效果。

所以需要基于改進(jìn)的Mel頻率尺度多帶譜減法與修正相位譜結(jié)合產(chǎn)生修正后的復(fù)頻譜來增強(qiáng)語(yǔ)音。為了評(píng)估提出算法的性能，采用客觀評(píng)價(jià)和主觀評(píng)價(jià)，來評(píng)價(jià)增強(qiáng)后耳語(yǔ)音的質(zhì)量。

發(fā)明內(nèi)容