[發明專利]一種基于聽覺模型和信源方位的多通路語音降噪方法

有效

• 申請號: 202010018821.3
• 申請日: 2020-01-08
• 公開（公告）號: CN111210835B
• 公開（公告）日: 2023-07-18
• 發明（設計）人: 楊子暉;鐘小麗;宋昊
• 申請（專利權）人: 華南理工大學
• 主分類號: G10L21/0208
• 分類號: G10L21/0208;G10L21/0216;G10L25/30
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 何淑珍;江裕強

本發明公開一種基于聽覺模型和信源方位的多通路語音降噪方法。該方法將多通路帶噪語音信號進行通路分離，導入聽覺模型映射成為各個獨立通路的語譜灰度圖；將語譜灰度圖輸入方向識別神經網絡模型，得到各個獨立通路的語聲信源的方位；進一步，將語譜灰度圖導入相應信源方位的降噪神經網絡，降噪神經網絡對語譜圖有語音部分與無語音部分實施分區降噪處理；將各個獨立通路的降噪后語譜圖進行逆變換，再進行通路合并，最終獲得降噪后的多通路語音信號。本方法利用人類聽覺模型將帶噪語音信號映射到初級感知域進行處理，更加符合人類生理感知；此外，對不同空間方位的語聲信源實施分區域個性化降噪策略，有助于提高降噪的精準度。

技術領域

本發明屬于語音降噪技術領域，涉及一種基于聽覺模型和信源方位的多通路語音降噪方法。

背景技術

語言是人與人之間交流的重要媒介。伴隨著電子技術與通信技術的飛速發展，語音信號擁有豐富的存儲媒介與傳播途徑。相較于書寫或鍵入文字，語音憑借著輸出信息的高效性與快捷性已經成為物聯網的重要入口。人類日常生活工作的聲環境十分復雜，如何獲取高質量的語音信號成為亟待解決的行業難題。在噪聲環境下直接取得高質量的語音信號需要昂貴的專業錄音設備與嚴苛的錄制環境。因此，一個普適性的方法是對錄制得到的帶噪語音信號進行后期降噪處理。常用的語音降噪處理手段有譜減法、維納濾波法、自適應濾波法等，這些方法直接作用于帶噪語音信號，針對特定類型的噪聲能夠得到一定的降噪效果。然而，人對于噪聲的感知是生理與心理的共同作用，傳統的語音降噪方法僅針對語音信號自身性質進行處理，沒有考慮與人相關的因素。

目前，為了滿足人們日益增長的美好生活需要，高質量的立體聲重放技術得到了飛速發展。立體聲重放的基礎是與之匹配的多通路音源。多通路信號可以由分別布置的多個傳聲器分別拾音然后合并得到，也可以由傳聲器陣列對同一聲源錄制得到。目前，尚無成熟的算法可以實現對噪聲環境下錄制得到的多通路語音信號的有效降噪。

發明內容

本發明為了解決上述現有多通路語音信號降噪方法的缺陷，提出了一種基于聽覺模型和信源方位的多通路語音降噪方法。本發明將時域多通路帶噪語音信號通過聽覺模型映射到初級感知域進行處理，通過對各通路信號語聲信源空間方位的判斷，以及對信號有語音部分和無語音部分的劃分，引入神經網絡實現了對多通路帶噪語音信號的分時段、分空間的精細化高效降噪。

本發明的目的通過以下技術方案實現。

一種基于聽覺模型和信源方位的多通路語音降噪方法，包括如下步驟：

步驟1，將多通路帶噪語音信號進行通路分離，得到各通路上獨立的帶噪語音信號；

步驟2，將各通路信號導入聽覺模型映射到初級感知域，進一步依據幅值映射成為語譜灰度圖；

步驟3，將語譜灰度圖輸入方向識別神經網絡模型，得到語聲信源的空間方位；

步驟4，將語譜灰度圖輸入相應信源方位的降噪神經網絡，對有語音部分和無語音部分分別實施Non-local?Means非局部均值降噪；

步驟5，對步驟2得到的每個通路分別實施步驟3到步驟4，得到每個通路的降噪后語譜圖；

步驟6：將每個通路的降噪后語譜圖進行逆變換，然后進行通路合并，得到降噪后的多通路語音信號。

進一步地，步驟2具體包括：

步驟201：將各通路上獨立的帶噪語音信號進行短時傅里葉變換，得到M×N的時頻矩陣x，其中N為短時傅里葉變換總幀數，M為每一幀包含的采樣點數；

步驟202：將時頻矩陣x導入聽覺模型進行幅度調整，聽覺模型的輸出為M×N的矩陣X，所述的聽覺模型如公式(1)、(2)所示：