[發明專利]一種語音晚期混響抑制方法及系統

在審

• 申請號: 202010016846.X
• 申請日: 2020-01-08
• 公開（公告）號: CN111179958A
• 公開（公告）日: 2020-05-19
• 發明（設計）人: 方澤煌;康元勛
• 申請（專利權）人: 廈門億聯網絡技術股份有限公司
• 主分類號: G10L21/0208
• 分類號: G10L21/0208
• 代理公司: 安徽知問律師事務所 34134
• 代理人: 郭大美

本發明公開了一種語音晚期混響抑制方法及系統，屬于語音處理技術領域。本發明的方法為先采集室內的混響語音信號，提取混響衰減參數；再根據混響衰減參數計算混響頻譜特征a；之后根據混響頻譜特征a及樸素譜減法計算混響抑制后的語音頻譜特征b；然后對語音頻譜特征b進行插值計算，利用混響語音信號的相位特征對語音頻譜特征b進行還原得到波形語音，并輸出該波形語音。本發明的系統包括采集單元、計算單元、傳輸單元和終端，采集單元與計算單元電連接，計算單元和終端分別與傳輸單元連接；本發明的目的在于克服現有技術中，語音晚期混響抑制方法不能適應時變的混響環境的不足，本發明可以適應時變的混響環境，穩定抑制晚期混響。

技術領域

本發明涉及語音處理技術領域，更具體地說，涉及一種語音晚期混響抑制方法及系統。

背景技術

混響是聲波在室內傳播時，在墻壁、天花板、家具等障礙物之間進行漫反射，每反射一次聲波的能量被障礙物減弱，當聲源停止發聲后，聲波在室內經過多次反射和吸收，最后消失的過程。

在聲學中使用T60來估計房間的混響時長，通常情況下中小會議室的混響時長不超過1s。在實時會議通訊設備中，聲源發出聲音，直接被麥克風拾音的音源叫做直達聲(不經過任何反射，聲源直接指向麥克風，經過反射再被麥克風拾音為混響)，直達聲到達之后，80ms內到達的混響稱為前期混響，80ms之后到達的混響稱為晚期混響。前期混響能夠增強語音的飽和度，使人聲聽上去更加飽滿。晚期混響則會減低語音的可懂度，影響人耳主觀體驗和降低語音識別模型的識別率。

現有技術中主要采用傳統方法對混響進行抑制，按照所用技術可以分為以下三種：基于波束形成、基于逆濾波、基于神經網絡的混響抑制方法。其中，波束形成的混響抑制方法易實現，但難以適應時變的混響環境；基于逆濾波技術的混響抑制方法同樣由于時變的混響環境無法實時更新準確參數；近年來，基于神經網絡的混響抑制方法得到應用，但是由于混響種類的多樣性以及訓練數據、模型等本身所帶來的局限性導致其準確性較低以及難以應用部署與實時會議通訊設備中。

現有技術中公開了一些相關技術，例如發明創造名稱為：混響抑制的處理方法和裝置(申請日：2019年1月30日；申請號：201910090031.3)，該方案公開了一種混響抑制的處理方法和裝置。該方法包括：獲取待處理的聲音數據，其中，待處理的聲音數據為包含混響的第一聲音數據；依據相似度矩陣對所述第一聲音數據進行處理，得到初步混響抑制的第二聲音數據，其中，相似度矩陣為預先訓練得到；依據Wavenet網絡模型對第二聲音數據進行處理，其中，Wavenet網絡模型為預先訓練得到；從Wavenet網絡模型中獲取輸出的第三聲音數據。該方案解決了相關技術中混響抑制算法的準確性較低、應用場景局限的問題。但是，該方案的不足之處在于：該方案中使用20h的訓練數據完全無法滿足多樣豐富的混響環境，且對于混響數據對于相似度矩陣的處理依賴性高，一旦出現相似度矩陣不兼容的混響場景，則容易出現異常狀況。

綜上所述，如何使得語音晚期混響抑制方法適應時變的混響環境，是現有技術亟需解決的問題。

發明內容

1.要解決的問題

本發明的目的在于克服現有技術中，語音晚期混響抑制方法不能適應時變的混響環境的不足，提出一種語音晚期混響抑制方法及系統，可以適應時變的混響環境，穩定抑制晚期混響，進而可以增強晚期混響抑制的效果。

2.技術方案

為了解決上述問題，本發明所采用的技術方案如下：

本發明的一種語音晚期混響抑制方法，包括采集室內的混響語音信號，提取混響衰減參數；再根據混響衰減參數計算混響頻譜特征a；之后根據混響頻譜特征a及樸素譜減法計算混響抑制后的語音頻譜特征b；然后對語音頻譜特征b進行插值計算，利用混響語音信號的相位特征對語音頻譜特征b進行還原得到波形語音，并輸出該波形語音。