[發明專利]一種基于深度學習的聲反饋的抑制方法及系統

有效

• 申請號: 202210408816.2
• 申請日: 2022-04-19
• 公開（公告）號: CN116233697B
• 公開（公告）日: 2023-09-05
• 發明（設計）人: 鄭成詩;王梅煌;柯雨璇;李曉東
• 申請（專利權）人: 中國科學院聲學研究所
• 主分類號: H04R3/02
• 分類號: H04R3/02;G06N3/0464;G06N3/0442;G06N3/045;G06N3/08
• 代理公司: 北京方安思達知識產權代理有限公司 11472
• 代理人: 陳琳琳;武玥

本發明涉及擴聲系統領域，特別涉及一種基于深度學習的聲反饋的抑制方法及系統；所述方法包括：步驟1)采集閉環擴聲系統中的原始真實聲音信號，并基于傅里葉變換，獲得真實聲音張量矩陣；步驟2)將真實聲音張量矩陣輸入至預先訓練好的第一深度學習網絡模型中，通過訓練好的第一深度學習網絡模型提取真實聲音張量矩陣中的特征向量，并基于所述特征向量進行聲反饋抑制；其中，所述第一深度學習網絡模型通過開環數據集進行訓練；步驟3)將所述聲反饋抑制后的真實張量矩陣進行傅里葉逆變換，獲得聲反饋抑制后的聲音信號并將其輸入至閉環的擴聲系統中，所述閉環的擴聲系統為存在反饋通路的擴聲系統；本發明夠有效抑制聲反饋，普適性強，應用范圍廣泛。

技術領域

本發明涉及擴聲系統領域，特別涉及一種基于深度學習的聲反饋的抑制方法及系統。

背景技術

擴聲系統廣泛應用于音樂廳、教室、會議室等場景。在擴聲系統中，至少存在三個基本單元，包括傳聲器、聲音放大器以及聲重放單元揚聲器，其工程流程可以簡單歸納為：傳聲器完成聲電轉換，經過放大器將聲信號放大，并經過揚聲器進行聲重放，以完成電聲轉換，如圖1所示。由此可見，助聽器系統、輔聽系統和對講機都屬于擴聲系統。當揚聲器播放的聲信號被傳聲器拾取，形成聲電轉換—電路放大—電聲轉換—聲反饋—聲電轉換閉環系統。聲反饋不僅會影響聲信號質量，影響主觀聽覺感受，其引發的嘯叫還可能毀壞電子設備，產生不可逆的系統損傷。因此，對聲反饋進行抑制既能提高系統的擴聲性能，又能保證擴聲系統的穩定性和安全性。

傳統的聲反饋抑制算法，如陷波法，陷波法就是要在聲反饋系統的極點頻率插入一個陷波濾波器，抑制極點的增益，使之無法達到嘯叫的增益條件；因此陷波法需要分成兩步：第一步，嘯叫檢測，將產生嘯叫的頻率找出來；第二步，嘯叫抑制，在找出來的嘯叫頻率設計陷波濾波器，并對麥克風信號進行濾波；其抑制性能依賴于嘯叫檢測算法性能。

但是，陷波濾波器一般利用快速傅里葉變換算法(FFT算法)、CZT變換或選帶傅里葉變換(Zoom-FFT)分析高分辨頻譜分析來查找嘯點，其嘯叫檢測算法非常復雜，在實際應用會出現虛警和漏警的情況；當出現虛警，語音和音頻質量下降；當出現漏警，聲反饋不能得到有效抑制。近幾年基于深度學習(Deep?Learning)的單通道語音增強算法得到了廣泛研究，通過監督式學習，純凈語音可以從帶噪信號中提取出來，但是目前還沒有基于深度學習的聲反饋的抑制方法及系統。

發明內容

本發明的目的在于，克服現有聲反饋抑制方法中嘯叫檢測算法復雜，難以查找嘯點，并且經常出現虛警和漏警情況的問題，從而提出一種基于深度學習的聲反饋的抑制方法及系統。

本發明提供的一種基于深度學習的聲反饋的抑制方法，以開環數據為訓練集訓練模型，再將模型置于閉環的實際系統中對信號進行反饋抑制，具體步驟包括：

步驟1)采集閉環擴聲系統中的原始真實聲音信號，并基于傅里葉變換，獲得真實聲音張量矩陣；

步驟2)將真實聲音張量矩陣輸入至預先訓練好的第一深度學習網絡模型中，通過訓練好的第一深度學習網絡模型提取真實聲音張量矩陣中的特征向量，并基于所述特征向量進行聲反饋抑制；其中，所述第一深度學習網絡模型通過開環數據集進行訓練；

步驟3)將所述聲反饋抑制后的真實張量矩陣進行傅里葉逆變換，獲得聲反饋抑制后的聲音信號并將其輸入至閉環的擴聲系統中，所述閉環的擴聲系統為存在反饋通路的擴聲系統。

作為上述方法的一種改進，所述開環數據集的構造過程包括：

在開環的所述擴聲系統中，獲取n個采樣時刻的測試語音和音頻信號，在每條所述測試語音和音頻信號上隨機疊加1至N個頻率在[f_L,f_H]Hz的單頻信號，以獲得n個模擬嘯叫混合信號z(n)，并將其構造成所述開環數據集；其中，所述開環的擴聲系統為沒有反饋通路的擴聲系統；

所述模擬嘯叫混合信號z(n)為：