[發(fā)明專利]用輔助鍵座麥克風(fēng)來檢測和抑制音頻流中的鍵盤瞬態(tài)噪聲

在審

• 申請?zhí)枺?/td>: 202010781730.5
• 申請日: 2015-12-30
• 公開（公告）號: CN112071327A
• 公開（公告）日: 2020-12-11
• 發(fā)明（設(shè)計）人: 西蒙·J·戈德席爾;赫伯特·巴克納;簡·斯科格隆
• 申請（專利權(quán)）人: 谷歌有限責(zé)任公司
• 主分類號: G10L21/0208
• 分類號: G10L21/0208;G10L21/0216
• 代理公司: 中原信達(dá)知識產(chǎn)權(quán)代理有限責(zé)任公司 11219
• 代理人: 李佳;鄧聰惠

1.一種方法，包括：

在用戶裝置的數(shù)據(jù)處理硬件處，接收來自所述用戶裝置的第一麥克風(fēng)的音頻信號，所述音頻信號包含由所述第一麥克風(fēng)捕獲的語音數(shù)據(jù)和瞬態(tài)噪聲；

在所述數(shù)據(jù)處理硬件處，從所述用戶裝置的第二麥克風(fēng)接收關(guān)于所述瞬態(tài)噪聲的信息，其中第二麥克風(fēng)被定位為：

與所述第一麥克風(fēng)分開；并且

接近所述瞬態(tài)噪聲的源；

由所述數(shù)據(jù)處理硬件使用被配置為將所述第二麥克風(fēng)映射到所述第一麥克風(fēng)上的統(tǒng)計模型，基于關(guān)于從所述第二麥克風(fēng)接收到的所述瞬態(tài)噪聲的信息，來估計所述瞬態(tài)噪聲在接收自所述第一麥克風(fēng)的所述音頻信號中的貢獻(xiàn)；

由所述數(shù)據(jù)處理硬件通過基于所述瞬時噪聲的所估計的貢獻(xiàn)從接收自所述第一麥克風(fēng)的所述音頻信號中提取所述語音數(shù)據(jù)，來產(chǎn)生具有降低的瞬態(tài)噪聲的語音信號；和

由所述數(shù)據(jù)處理硬件基于所述語音信號來生成可聽輸出。

2.根據(jù)權(quán)利要求1所述的方法，其中，估計所述瞬態(tài)噪聲在來自所述第一麥克風(fēng)的音頻信號中的貢獻(xiàn)還基于貝葉斯推斷方法。

3.根據(jù)權(quán)利要求1所述的方法，其中，從所述第二麥克風(fēng)接收到的所述信息包括關(guān)于所述瞬態(tài)噪聲的頻譜-振幅信息。

4.根據(jù)權(quán)利要求1所述的方法，其中，所述瞬態(tài)噪聲的源是所述用戶裝置的鍵座，并且包含在所述音頻信號中的所述瞬態(tài)噪聲是鍵點(diǎn)擊。

5.根據(jù)權(quán)利要求1所述的方法，進(jìn)一步包括：由所述數(shù)據(jù)處理硬件基于從所述第二麥克風(fēng)接收到的所述信息來調(diào)整所述瞬態(tài)噪聲在所述音頻信號中的所估計的貢獻(xiàn)。

6.根據(jù)權(quán)利要求5所述的方法，其中，調(diào)整所述瞬態(tài)噪聲在所述音頻信號中的所估計的貢獻(xiàn)包括：按比例增加或者按比例縮小所估計的貢獻(xiàn)。

7.根據(jù)權(quán)利要求5所述的方法，進(jìn)一步包括：由所述數(shù)據(jù)處理硬件基于經(jīng)過調(diào)整的所估計的貢獻(xiàn)，確定在來自所述第一麥克風(fēng)的所述音頻信號中在每個時間幀中在每個頻率處所述瞬態(tài)噪聲的估計功率水平。

8.根據(jù)權(quán)利要求7所述的方法，進(jìn)一步包括：由所述數(shù)據(jù)處理硬件基于在來自所述第一麥克風(fēng)的所述音頻信號中在每個時間幀中在每個頻率處所述瞬態(tài)噪聲的所述估計功率水平，從由所述第一麥克風(fēng)捕獲到的所述音頻信號中提取所述語音數(shù)據(jù)。

9.根據(jù)權(quán)利要求1所述的方法，其中，估計所述瞬態(tài)噪聲在所述音頻信號中的貢獻(xiàn)包括：使用期望最大化算法來確定包含所述語音數(shù)據(jù)的一部分所述音頻信號的最大后驗(yàn)MAP估計。

10.根據(jù)權(quán)利要求1所述的方法，其中，估計所述瞬態(tài)噪聲在來自所述第一麥克風(fēng)的所述音頻信號中的貢獻(xiàn)包括：估計在多個時間幀的每個時間幀中在每個頻率處所述瞬態(tài)噪聲的功率水平。

11.一種系統(tǒng)，包括：

用戶裝置的數(shù)據(jù)處理硬件；和

與所述數(shù)據(jù)處理硬件通信的存儲器硬件，所述存儲器硬件存儲指令，所述指令當(dāng)在所述數(shù)據(jù)處理硬件上執(zhí)行時使所述數(shù)據(jù)處理硬件執(zhí)行操作，所述操作包括：

接收來自所述用戶裝置的第一麥克風(fēng)的音頻信號，所述音頻信號包含由所述第一麥克風(fēng)捕獲的語音數(shù)據(jù)和瞬態(tài)噪聲；

從所述用戶裝置的第二麥克風(fēng)獲得關(guān)于所述瞬態(tài)噪聲的信息，其中第二麥克風(fēng)被定位為：

與所述第一麥克風(fēng)分開；并且

接近所述瞬態(tài)噪聲的源；

使用被配置為將所述第二麥克風(fēng)映射到所述第一麥克風(fēng)上的統(tǒng)計模型，估計所述瞬態(tài)噪聲在接收自所述第一麥克風(fēng)的所述音頻信號中的貢獻(xiàn)；

通過基于所述瞬時噪聲的所估計的貢獻(xiàn)從接收自所述第一麥克風(fēng)的所述音頻信號中提取所述語音數(shù)據(jù)，來產(chǎn)生具有降低的噪聲的語音信號；和

基于所述語音信號來生成可聽輸出。

12.根據(jù)權(quán)利要求11所述的系統(tǒng)，其中，估計所述瞬態(tài)噪聲在來自所述第一麥克風(fēng)的音頻信號中的貢獻(xiàn)還基于貝葉斯推斷方法。