首页 / 专利库 / 广播 / 音频信号 / 语音信号 / 语音降噪系统

语音降噪系统

阅读:185发布:2020-05-08

专利汇可以提供语音降噪系统专利检索,专利查询,专利分析的服务。并且本 申请 涉及一种语音降噪系统,通过设置噪声 信号 获取单元,在发声者发出 语音信号 时,获取发声者所处环境产生的噪声信号并转换为噪声 数字信号 ,进一步基于两个 滤波器 单元对噪声数字信号进行交叉滤波,各自输出趋近于语音信号中的附加噪声序列数据的输出序列数据,最终选取与附加噪声序列数据趋近程度更高的输出序列数据,作为最优输出序列数据,实现对语音信号的降噪,不需要运用任何语音模型,结构简单,降噪过程不复杂,且可以适用于任意形式的语音信号。,下面是语音降噪系统专利的具体信息内容。

1.一种语音降噪系统,其特征在于,包括:
语音信号获取单元(100),用于获取语音信号并将所述语音信号转化为语音数字信号
所述语音信号由发声者发出;所述语音数字信号包括语音序列数据和附加噪声序列数据;
噪声信号获取单元(200),用于在所述语音信号获取单元(100)获取所述语音信号的同时,获取噪声信号并将所述噪声信号转化为噪声数字信号;所述噪声信号由所述发声者所处的环境产生;
第一滤波器单元(300),与所述噪声信号获取单元(200)连接,用于对所述噪声数字信号进行数字信号处理,以使所述第一滤波器单元(300)输出的第一输出序列数据,趋近于所述语音数字信号中的附加噪声序列数据;
第二滤波器单元(400),与所述噪声信号获取单元(200)连接,用于对所述噪声数字信号进行数字信号处理,以使所述第二滤波器单元(400)输出的第二输出序列数据,趋近于所述语音数字信号中的附加噪声序列数据;以及
处理单元(500),分别与所述语音信号获取单元(100)、所述第一滤波器单元(300)和所述第二滤波器单元(400)连接,用于选取所述第一输出序列数据和所述第二输出序列数据二者之中,与所述附加噪声序列数据趋近程度更高的,作为最优输出序列数据,并获取所述语音数字信号与所述最优输出序列数据的差值,得到降噪后的语音数字信号。
2.根据权利要求1所述的语音降噪系统,其特征在于,所述第一滤波器单元(300)包括:
第一自适应滤波器(310),与所述噪声信号获取单元(200)连接,用于输出所述第一输出序列数据;以及
第一权系数计算模(320),与所述第一自适应滤波器(310)连接,用于基于迭代优化算法,不断调整所述第一自适应滤波器(310)的权系数,输出第一最优权系数,所述第一最优权系数使得所述第一自适应滤波器(310)输出的第一输出序列数据与所述附加噪声序列数据趋近程度最高。
3.根据权利要求2所述的语音降噪系统,其特征在于,所述第二滤波器单元(400)包括:
第二自适应滤波器(410),与所述噪声信号获取单元(200)连接,用于输出所述第二输出序列数据;以及
第二权系数计算模块(420),与所述第二自适应滤波器(410)连接,用于基于迭代优化算法,不断调整所述第二自适应滤波器(410)的权系数,输出第二最优权系数,所述第二最优权系数使得所述第二自适应滤波器(410)输出的第二输出序列数据与所述附加噪声序列数据趋近程度最高。
4.根据权利要求3所述的语音降噪系统,其特征在于,所述第一权系数计算模块(320)基于所述第一自适应滤波器(310)的初始权系数和第一步长因子,计算所述第一自适应滤波器(310)在每一个时间节点下对应的权系数,进一步通过计算相邻时间节点对应的第一自适应滤波器(310)的权系数的评估代价函数值,获取评估代价函数值最小的权系数,作为所述第一最优权系数;所述第一自适应滤波器(310)的初始权系数为初始时间节点下,所述第一自适应滤波器(310)的权系数;
所述第二权系数模块(420)基于所述第二自适应滤波器(410)的初始权系数和第二步长因子,计算所述第二自适应滤波器(410)在每一个时间节点下对应的权系数,进一步通过计算相邻时间节点对应的第二自适应滤波器(410)的权系数的评估代价函数值,获取评估代价函数值最小的权系数,作为所述第二最优权系数;所述第二自适应滤波器(410)的初始权系数为初始时间节点下,所述第二自适应滤波器(410)的权系数。
5.根据权利要求4所述的语音降噪系统,其特征在于,所述第一步长因子,与输入所述第一自适应滤波器(310)的噪声数字信号成反比;
所述第二步长因子,与输入所述第二自适应滤波器(410)的噪声数字信号成反比。
6.根据权利要求5所述的语音降噪系统,其特征在于,所述第一步长因子的数值还需要满足第一边界条件:大于零且小于第一边界值;所述第一边界值为,所述第一自适应滤波器(310)的抽头数与第一噪声自相关系数的乘积的倒数,所述第一噪声自相关系数为输入所述第一自适应滤波器(310)的噪声数字信号的噪声自相关系数;
所述第二步长因子的数值还需要满足第二边界条件:大于零且小于第二边界值;所述第二边界值为所述,第二自适应滤波器(420)的抽头数与第二噪声自相关系数的乘积的倒数,所述第二噪声自相关系数为输入所述第二自适应滤波器(420)的噪声数字信号的噪声自相关系数。
7.根据权利要求6所述的语音降噪系统,其特征在于,针对所述第一自适应滤波器(310),后一个时间节点对应的权系数基于前一个时间节点的权系数、第一步长因子、所述语音数字信号与前一个时间节点的权系数对应的输出序列数据的差值、以及前一个时间节点下的噪声数字信号计算得出;
针对所述第二自适应滤波器(420),后一个时间节点对应的权系数基于前一个时间节点的权系数、第二步长因子、所述语音数字信号与前一个时间节点的权系数对应的输出序列数据的差值、以及前一个时间节点下的噪声数字信号计算得出。
8.根据权利要求4所述的语音降噪系统,其特征在于,所述评估代价函数值基于最小均方差准则或最小二乘法准则计算得出。
9.根据权利要求8所述的语音降噪系统,其特征在于,所述处理单元(500)比较所述第一最优权系数的评估代价函数值和所述第二最优权系数的评估代价函数值的大小;
若所述第一最优权系数的评估代价函数值小于所述第二最优权系数的评估代价函数值,将所述第一最优权系数下的第一输出序列数据,作为所述最优输出序列数据;
若所述第二最优权系数的评估代价函数值小于所述第一最优权系数的评估代价函数值,将所述第二最优权系数下的第二输出序列数据,作为所述最优输出序列数据。
10.根据权利要求9所述的语音降噪系统,其特征在于,还包括:
语音信号输出单元(600),与所述处理单元(500)电连接,用于将所述降噪后的语音数字信号转换为降噪后的语音信号,并输出所述降噪后的语音信号。

说明书全文

语音降噪系统

技术领域

[0001] 本申请涉及语音通信领域,特别是涉及一种语音降噪系统。

背景技术

[0002] 在语音通信中,当语音发送者处于强噪音的环境下,如电厂、轻型飞机、装甲车辆、机制车间等环境时,在语音接收端接收的语音信号中会包含大量的噪声,导致语音接收者听不清楚或者听不懂,甚至造成语音通信的中断。在核磁共振扫描时,由于梯度切换产生强大的机械噪声,使得医生与患者的语音对讲系统受到梯度噪声强烈干扰,给医生操作带来不便,如果语音沟通受阻,会给患者带来不确定的安全隐患,甚至导致患者存在生命危险。因此,语音降噪技术尤为重要。
[0003] 随着数字信号处理技术的发展,降噪技术的重点已经逐渐由硬件上的改进过渡到了算法上的提高。噪音消除技术的核心逐渐演变为算法的问题,算法的优劣及适用范围直接决定了实用化的程度。所以被广泛应用。传统语音降噪方法,主要基于频域降噪算法进行。例如低通FIR滤波器、小波变化方法、高阶统计量方法、神经网络方法与时频分析方法等等。上述方法可在不同情况下,不同程度的改善信噪比,降低噪声。
[0004] 然而,传统语音降噪方法存在一个很大的问题:存在局限性。例如,神经网络消除法算法结构复杂,用于语音处理时的实时跟踪较差。高阶统计量方法只对高斯噪声消除有效,小波变换方法计算过程过于复杂。发明内容
[0005] 基于此,有必要针对传统语音降噪方法存在局限性的问题,提供一种语音降噪系统。
[0006] 本申请提供一种语音降噪系统,包括:
[0007] 语音信号获取单元,用于获取语音信号并将所述语音信号转化为语音数字信号;所述语音信号由发声者发出;所述语音数字信号包括语音序列数据和附加噪声序列数据;
[0008] 噪声信号获取单元,用于在所述语音信号获取单元获取所述语音信号的同时,获取噪声信号并将所述噪声信号转化为噪声数字信号;所述噪声信号由所述发声者所处的环境产生;
[0009] 第一滤波器单元,与所述噪声信号获取单元连接,用于对所述噪声数字信号进行数字信号处理,以使所述第一滤波器单元输出的第一输出序列数据,趋近于所述语音数字信号中的附加噪声序列数据;
[0010] 第二滤波器单元,与所述噪声信号获取单元连接,用于对所述噪声数字信号进行数字信号处理,以使所述第二滤波器单元输出的第二输出序列数据,趋近于所述语音数字信号中的附加噪声序列数据;
[0011] 处理单元,分别与所述语音信号获取单元、所述第一滤波器单元和所述第二滤波器单元连接,用于选取所述第一输出序列数据和所述第二输出序列数据二者之中,与所述附加噪声序列数据趋近程度更高的,作为最优输出序列数据,并获取所述语音数字信号与所述最优输出序列数据的差值,得到降噪后的语音数字信号。
[0012] 本申请涉及一种语音降噪系统,通过设置噪声信号获取单元,在发声者发出语音信号时,获取发声者所处环境产生的噪声信号并转换为噪声数字信号,进一步基于两个滤波器单元对噪声数字信号进行交叉滤波,各自输出趋近于语音信号中的附加噪声序列数据的输出序列数据,最终选取与附加噪声序列数据趋近程度更高的输出序列数据,作为最优输出序列数据,实现对语音信号的降噪,不需要运用任何语音模型,结构简单,降噪过程不复杂,且可以适用于任意形式的语音信号。附图说明
[0013] 图1为本申请一实施例提供的语音降噪系统的结构示意图;
[0014] 图2为本申请另一实施例提供的语音降噪系统的结构示意图;
[0015] 图3为本申请又一实施例提供的语音降噪系统的结构示意图。
[0016] 附图标记:
[0017] 10    语音降噪系统
[0018] 100   语音信号获取单元
[0019] 200   噪声信号获取单元
[0020] 300   第一滤波器单元
[0021] 310   第一自适应滤波器
[0022] 320   第一权系数计算模
[0023] 400   第二滤波器单元
[0024] 410   第二自适应滤波器
[0025] 420   第二权系数计算模块
[0026] 500   处理单元
[0027] 600   语音信号输出单元

具体实施方式

[0028] 为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
[0029] 本申请提供一种语音降噪系统10。
[0030] 如图1所示,在本申请的一实施例中,所述语音降噪系统10包括语音信号获取单元100、噪声信号获取单元200、第一滤波器单元300、第二滤波器单元400和处理单元500。所述第一滤波器单元300一端与所述噪声信号获取单元200连接,另一端与所述处理单元500连接。所述第二滤波器单元400一端与所述噪声信号获取单元200连接,另一端与所述处理单元500连接。所述处理单元500还与所述语音信号获取单元100连接。
[0031] 所述语音信号获取单元100用于获取语音信号。所述语音信号获取单元100还用于将所述语音信号转化为语音数字信号。所述语音信号由发声者发出。所述语音数字信号包括语音序列数据和附加噪声序列数据。
[0032] 所述噪声信号获取单元200,用于所述语音信号获取单元100获取所述语音信号的同时,获取噪声信号。进一步地,所述噪声信号获取单元200还用于将所述噪声信号转化为噪声数字信号。所述噪声信号由所述发声者所处的环境产生。
[0033] 所述第一滤波器单元300,用于对所述噪声数字信号进行数字信号处理,以使述第一滤波器单元300输出的第一输出序列数据,趋近于所述语音数字信号中的附加噪声序列数据。
[0034] 所述第二滤波器单元400,用于对所述噪声数字信号进行数字信号处理,以使述第二滤波器单元400输出的第二输出序列数据,趋近于所述语音数字信号中的附加噪声序列数据。
[0035] 所述处理单元500用于,选取所述第一输出序列数据和所述第二输出序列数据二者之中,与所述附加噪声序列数据趋近程度更高的,作为最优输出序列数据。所述处理单元500还用于,获取所述语音数字信号与所述最优输出序列数据的差值,得到降噪后的语音数字信号。
[0036] 具体地,所述语音信号获取单元100可以包括语音端声音传感器和语音端模数转换器。噪声信号获取单元200可以包括噪声端声音传感器和噪声端模数转换器。所述语音信号获取单元100和所述噪声信号获取单元200均可以设置于发出语音的房间。所述语音信号获取单元100和所述噪声信号获取单元200,可以分别设置于发出语音的房间的不同位置。此外,所述语音信号获取单元100的设置位置,和所述噪声信号获取单元200的设置位置具有一定的距离,以防止语音端声音传感器和噪声端声音传感器采集到相同的声音信号
[0037] 所述语音信号获取单元100和所述噪声信号获取单元200的设置位置不作具体限制。例如,所述语音信号获取单元100可以设置为桌子的上表面,所述噪声信号获取单元200可以设置在墙壁的表面。发声者处于所述发出语音的房间内。在发声者向语音端声音传感器讲话后,所述语音端声音传感器获取语音信号。所述语音端模数转换器用于将所述语音信号转化为语音数字信号。
[0038] 在发声者向语音端声音传感器讲话的同时,所述噪声端声音传感器可以接收发声者所处环境产生的噪声信号。所述噪声端模数转换器用于将所述噪声信号转化为噪声数字信号。
[0039] 所述语音数字信号为一个幅值随时间节点变化而变化的波形,记为d(n),n为变化的时间节点。由于发声者所述处的环境具有噪声,因此,所述语音数字信号并不是纯净的语音数字信号,而是掺杂了一部分附加噪声数字信号的语音数字信号。可以理解,所述语音数字信号实际上包括语音序列数据和附加噪声序列数据。所述语音序列数据为无噪声的纯净语音部分,记为s(n)。所述附加噪声数字信号为附加于所述语音序列数据的附加噪声部分,记为v1(n)。可以理解,所述语音数字信号可以理解为所述语音序列数据和附加噪声序列的复合,即d(n)=s(n)+v1(n)。
[0040] 所述噪声数字信号也为一个幅值随时间节点变化而变化的波形,记为v2(n),n为变化的时间节点。由于所述语音信号和所述噪声信号是同时采集的,所述语音数字信号和所述噪声数字信号的时间节点也是同步的,都用n来表示。
[0041] 所述第一滤波器单元300,用于对所述噪声数字信号进行数字信号处理。所述噪声数字信号v2(n)即为所述第一滤波器单元300的输入序列数据,二者用同一表达方式表示,即v2(n),后续不再重复说明。经所述第一自适应滤波器310处理后,输出所述第一自适应滤波器310的输出序列数据,记为y1(n)。所述第一滤波器单元300可以对所述噪声数字信号进行数字信号处理,以使述第一滤波器单元300输出的第一输出序列数据y1(n),趋近于所述语音数字信号中的附加噪声序列数据v1(n)。
[0042] 所述第二滤波器单元400的工作原理与所述第一滤波器单元300的工作原理一致,也用于对所述噪声数字信号进行数字信号处理,以使述第二滤波器单元400输出的第二输出序列数据y2(n),趋近于所述语音数字信号中的附加噪声序列数据v1(n)。工作原理不再赘述。
[0043] 由于所述语音信号获取单元100与所述噪声信号获取单元200处于同一环境,因此所述噪声数字信号v2(n)与所述附加噪声数字信号v1(n)具有相关性。且所述噪声数字信号v2(n)与所述语音序列数据S(n)不相关。所述附加噪声数字信号v1(n)与所述语音序列数据S(n)也不相关。所述处理单元500可以选取所述第一输出序列数据和所述第二输出序列数据二者之中,与所述附加噪声序列数据趋近程度更高的,作为最优输出序列数据。此时,将所述最优输出序列数据y1(n)或y2(n)替代所述附加噪声数字信号的数值v1(n)。可以理解,此时所述语音数字信号d(n)=s(n)+y1(n)或d(n)=s(n)+y2(n)。后续可以通过计算所述语音数字信号d(n)与最优输出序列数据y1(n)或y2(n)的差值,间接计算出所述语音序列数据s(n),并作为降噪后的语音数字信号。
[0044] 本实施例中,通过设置噪声信号获取单元200,在发声者发出语音信号时,获取发声者所处环境产生的噪声信号并转换为噪声数字信号,进一步基于两个滤波器单元对噪声数字信号进行交叉滤波,各自输出趋近于语音信号中的附加噪声序列数据的输出序列数据,最终选取与附加噪声序列数据趋近程度更高的输出序列数据,作为最优输出序列数据,实现对语音信号的降噪,不需要运用任何语音模型,结构简单,降噪过程不复杂,且可以适用于任意形式的语音信号。
[0045] 如图2所示,在本申请的一实施例中,所述第一滤波器单元300包括第一自适应滤波器310和第一权系数计算模块320。所述第一自适应滤波器310与所述第一权系数计算模块320连接。所述第一自适应滤波器310用于输出所述第一输出序列数据。所述第一权系数计算模块320用于基于迭代优化算法,不断调整所述第一自适应滤波器310的权系数,输出第一最优权系数。所述第一最优权系数,使得所述第一自适应滤波器310输出的第一输出序列数据,与所述附加噪声序列数据趋近程度最高。
[0046] 具体地,所述第一权系数计算模块320可以基于迭代优化算法,不断改变所述第一自适应滤波器310的权系数,以使得所述第一自适应滤波器310的第一输出序列数据y1(n)趋近于所述附加噪声数字信号v1(n)。当所述第一自适应滤波器310的权系数为所述第一最优权系数时,所述第一自适应滤波器310输出的第一输出序列数据,与所述附加噪声序列数据趋近程度最高。
[0047] 本实施例中的第一滤波器单元300不需要运用任何语音模型,结构简单,通过第一滤波器单元300中的第一自适应滤波器310的权系数优化迭代计算,使得所述第一自适应滤波器310输出的第一输出序列数据不断趋近于所述附加噪声序列数据,迭代收敛速度快,计算过程不复杂。
[0048] 请继续参阅图2,在本申请的一实施例中,所述第二滤波器单元400包括第二自适应滤波器410和第二权系数计算模块420。所述第二自适应滤波器410与所述第二权系数计算模块420连接。所述第二权系数计算模块420,用于基于迭代优化算法,不断调整所述第二自适应滤波器410的权系数,输出第二最优权系数。所述第二最优权系数,使得所述第二自适应滤波器410输出的第二输出序列数据,与所述附加噪声序列数据趋近程度最高。
[0049] 具体地,所述第二滤波器单元400的结构和工作原理与所述第一滤波器单元300的结构和工作原理一致,此处不再赘述。所述第二自适应滤波器410的权系数的迭代优化过程,可以与所述第一自适应滤波器310的权系数的迭代优化过程,同时进行。
[0050] 本实施例中的第二滤波器单元400不需要运用任何语音模型,结构简单,通过第二滤波器单元400中的第二自适应滤波器410的权系数优化迭代计算,使得所述第二自适应滤波器410输出的第二输出序列数据不断趋近于所述附加噪声序列数据,迭代收敛速度快,计算过程不复杂。
[0051] 在本申请的一实施例中,所述第一权系数计算模块320基于所述第一自适应滤波器310的初始权系数和第一步长因子,计算所述第一自适应滤波器310在每一个时间节点下对应的权系数。进一步地,所述第一权系数计算模块320,还通过计算相邻时间节点对应的第一自适应滤波器310的权系数的评估代价函数值,获取评估代价函数值最小的权系数,作为所述第一最优权系数。所述第一自适应滤波器310的初始权系数为,初始时间节点下,所述第一自适应滤波器310的权系数。
[0052] 所述第二权系数模块基于所述第二自适应滤波器410的初始权系数和第二步长因子,计算所述第二自适应滤波器410在每一个时间节点下对应的权系数。进一步地,所述第二权系数计算模块420,还通过计算相邻时间节点对应的第二自适应滤波器410的权系数的评估代价函数值,获取评估代价函数值最小的权系数,作为所述第二最优权系数。所述第二自适应滤波器410的初始权系数为初始时间节点下,所述第二自适应滤波器410的权系数。
[0053] 具体地,本实施例,介绍了所述第一权系数计算模块320和所述第二权系数模块的具体权系数的迭代优化计算方法,即计算第一最优权系数和第二最优权系数的过程。二者本质上的原理一致,此处就主要阐述第一权系数计算模块320的权系数迭代优化计算方法。
[0054] 第一步,设定所述第一自适应滤波器310的初始权系数和第一步长因子。还需要设定所述第一自适应滤波器310的抽头数。所述第一自适应滤波器310的抽头数为所述第一自适应滤波器310系数的数量。所述第一自适应滤波器310的抽头数越多,输出的输出序列数据就越多。所述第一自适应滤波器310的抽头数、第一步长因子与初始权系数均为人为预先设定,这是为了完成后续的迭代优化权系数的工作。
[0055] 为了计算方便,可以从初始时间节点开始,进行迭代优化所述第一自适应滤波器310的权系数。所述初始时间节点为所述语音数字信号的时间序列的初始时间节点。所述语音数字信号的时间序列与所述语音信号获取单元100的采样频率有关。例如,所述语音信号获取单元100的语音端声音传感器每隔1秒采1次语音信号,则时间序列为n=0,1,2,…。所述初始时间节点为0时刻。所述第一自适应滤波器310的初始权系数由人为设定。因此,所述第一自适应滤波器310的初始权系数为0时刻设定的权系数。所述第一自适应滤波器310的初始权系数可以为0。
[0056] 第二步,将所述第一自适应滤波器310的初始权系数代入所述第一自适应滤波器310的第一输出序列数据的计算公式,即公式1。依据公式1计算在该初始权系数下,所述第一自适应滤波器310的第一输出序列数据:
[0057]
[0058] 其中,y1(n)为在所述第一自适应滤波器310的初始权系数下,所述第一自适应滤波器310的第一输出序列数据。wai(n)为所述第一自适应滤波器310的初始权系数。M1为所述第一自适应滤波器310的抽头数。n为与所述第一自适应滤波器310的初始权系数对应的时间节点。i为0,1,2…M1-1。
[0059] 第三步,基于公式2计算在所述第一自适应滤波器310的初始权系数下,所述语音数字信号与所述第一自适应滤波器310的第一输出序列数据的差值,作为与该初始权系数对应的第一误差值:
[0060]
[0061] 其中,e1(n)为与所述第一自适应滤波器310的初始权系数对应的第一误差值。d(n)为所述语音数字信号。y1(n)为在所述第一自适应滤波器310的初始权系数下,所述第一自适应滤波器310的第一输出序列数据。s(n)为所述语音序列数据。v1(n)为所述附加噪声序列数据。M1为所述第一自适应滤波器310的抽头数。n为与所述第一自适应滤波器310的初始权系数对应的时间节点。wai(n)为所述第一自适应滤波器310的初始权系数。i为0,1,2…M1-1。
[0062] 可以理解,需要使得所述第一误差值e1(n)最小化,所述第一误差值e1(n)才能趋近于所述语音序列数据s(n),所述第一自适应滤波器310的第一输出序列数据y1(n)才能趋近于所述附加噪声数字信号v1(n)。
[0063] 第四步,获取与所述初始时间节点相邻的后一个时间节点,计算与所述初始时间节点相邻的后一个时间节点对应的权系数,作为第一相邻权系数。这里提及的都是所述第一自适应滤波器310的权系数,不再后续重复说明。
[0064] 这个迭代优化权系数的机理为不断计算相邻两个时间节点对应的权系数的评估代价函数值,找寻评估代价函数值最小的权系数。在本步骤中,首先计算与所述初始时间节点相邻的后一个时间节点对应的权系数。
[0065] 第五步,分别计算初始权系数对应的评估代价函数值,以及第一相邻权系数的评估代价函数值。进一步地,判断所述第一相邻权系数对应的评估代价函数值是否小于所述初始权系数对应的评估代价函数值。
[0066] 若所述第一相邻权系数对应的评估代价函数值小于所述初始权系数对应的评估代价函数值,则获取与所述第一相邻权系数对应的时间节点相邻的后一个时间节点,继续计算与所述相第一邻权系数对应的时间节点相邻的后一个时间节点对应的权系数,作为第二相邻权系数,并判断所述第二相邻权系数对应的评估代价函数值是否小于所述第一相邻权系数对应的评估代价函数值。
[0067] 若所述第二相邻权系数对应的评估代价函数值大于所述第一相邻权系数对应的评估代价函数值,则将所述第一相邻权系数作为第一最优权系数。若所述第二相邻权系数对应的评估代价函数值小于第一相邻权系数对应的评估代价函数值,继续迭代计算寻找第三相邻权系数,直至得到评估代价函数值最小的第一权系数。
[0068] 具体地,评估代价函数值为正,且多个评估代价函数值组成的曲线为一个向下凹陷的抛物线。在比较相邻的两个评估代价函数值时,如果相邻的后一个时间节点对应的评估代价函数值较小,则意味着还需要继续找寻最小值。例如,第一初始权系数对应的评估代价函数值为1,所述第一相邻权系数对应的评估代价函数值为0.9。0.9小于1,则继续计算与所述第一相邻权系数对应的时间节点相邻的后一个时间节点对应的第一权系数,作为第二相邻权系数,计算评估代价函数值,比较所述第二相邻权系数对应的评估代价函数值与所述第一相邻权系数对应的评估代价函数值的大小,以此类推。在比较相邻的两个评估代价函数值时,如果相邻的后一个时间节点对应的评估代价函数值较大,则意味着最小值已经找到,随着时间节点增加,后续评估代价函数值只会增大,不会减小。将所述第一相邻权系数作为所述最优权系数。
[0069] 举例说明,初始权系数对应的评估代价函数值为0.9,与其相邻的后一个权系数(第一相邻权系数)对应的评估代价函数值为0.8,再后面一个权系数(第二相邻权系数)对应的评估代价函数值为0.7,则判断评估代价函数值在减小,没有找到极值,继续计算相邻的后一个权系数对应的评估代价函数值。如果随着时间节点的增加,第一权系数对应的评估代价函数值的计算结果依次为0.9、0.8、0.7、0.8,则停止后续计算,将0.7对应的权系数作为评估代价函数值最小的第一最优权系数。
[0070] 本实施例中,通过不断计算相邻两个时间节点对应的权系数的评估代价函数值,找寻评估代价函数值最小的第一最优权系数和第二最优权系数,计算方法简单,计算量小。
[0071] 在本申请的一实施例中,所述第一步长因子,与输入所述第一自适应滤波器310的噪声数字信号成反比。所述第二步长因子,与输入所述第二自适应滤波器410的噪声数字信号成反比。
[0072] 具体地,第一步中设定第一步长因子,可以存在一定的设定原则。本步骤中介绍第一步长因子的设定原则。首先,依据经验值对第一步长参量进行初始数值设定。为了设定所述第一步长因子,首先要设定第一步长参量。所述第一步长参量由人为设定,且基于经验值设定。
[0073] 其次,依据初始设定的第一步长参量,以及公式3,计算初始时间节点下的第一步长因子:
[0074]
[0075] 其中,u1(n)为初始时间节点下的第一步长因子。α为第一步长参量。M1为所述第一自适应滤波器310的抽头数。n为初始时间节点。v2(n-i)为(n-i)时间序列下所述第一自适应滤波器310的输入序列数据。i为0,1,2……M1-1。
[0076] 具体地,将设定第一步长参量代入至公式3中,计算在初始时间节点下的第一步长因子。根据公式3可见,所述第一步长因子,与输入所述第一自适应滤波器310的噪声数字信号成反比。
[0077] 第二步长因子与第一步长因子的设定过程一致,此处不再赘述。所述第二步长因子,与输入所述第二自适应滤波器410的噪声数字信号成反比。
[0078] 本实施例中,通过设定第一步长参量,可以使得初始时间节点下的第一步长因子满足后续迭代算法的稳定性和收敛速度的需求,使得整个迭代算法计算量减小,稳定性提高。
[0079] 在本申请的一实施例中,所述第一步长因子的数值还需要满足第一边界条件:大于零且小于第一边界值。所述第一边界值为,所述第一自适应滤波器310的抽头数与第一噪声自相关系数的乘积的倒数。所述第一噪声自相关系数为输入所述第一自适应滤波器310的噪声数字信号的噪声自相关系数。
[0080] 所述第二步长因子的数值还需要满足第二边界条件:大于零且小于第二边界值。所述第二边界值为所述,第二自适应滤波器410的抽头数与第二噪声自相关系数的乘积的倒数。所述第二噪声自相关系数为输入所述第二自适应滤波器410的噪声数字信号的噪声自相关系数。
[0081] 具体地,第一边界条件和第二边界条件是类似的,下面只介绍第一边界条件,第二边界条件同理,不再重复说明。
[0082] 可以获取第一噪声自相关系数,所述第一噪声自相关系数即所述第一自适应滤波器310的输入序列数据的噪声自相关系数。进一步地,判断所述初始时间节点下的第一步长因子是否满足公式4设置的边界条件;
[0083] 0<u1(n)<(Mλin)-1公式4
[0084] 其中,u1(n)为所述初始时间节点下的第一步长因子。M1为所述第一自适应滤波器310的抽头数。λin为所述第一噪声自相关系数。
[0085] 具体地,所述第一步长因子为步长收敛因子。所述第一步长因子,同时影响所述第一自适应滤波器310的权系数的迭代算法的收敛速度和迭代算法的稳定性。如果第一步长因子过小,迭代算法的收敛速度会很慢。如果第一步长因子过大,迭代算法会失去稳定性。因此第一步长因子的设定应满足公式4列出的边界条件。将u1(n)取在所述初始时间节点下的第一步长因子,可以判断所述初始时间节点下的第一步长因子是否满足公式4的第一边界条件。
[0086] 若所述初始时间节点下的第一步长因子满足公式4设置的边界条件,则结束所述第一步长因子的设定步骤,可以继续执行后续的迭代算法。若所述初始设定的第一步长因子不满足公式4设置的第一边界条件,则对所述初始设定的第一步长参量进行调整,直至所述初始时间节点下的第一步长因子满足公式4设置的第一边界条件。
[0087] 第二边界条件的设定原理相同,此次不再赘述。
[0088] 本实施例中,通过设定第一边界条件和第二边界条件,可以使得初始时间节点下的第一步长因子和第二步长因子(即第二自适应滤波器410的步长因子)满足后续迭代算法的稳定性和收敛速度的需求,使得整个迭代算法计算量减小,稳定性提高。
[0089] 在本申请的一实施例中,针对所述第一自适应滤波器310,后一个时间节点对应的权系数基于前一个时间节点的权系数、第一步长因子、所述语音数字信号与前一个时间节点的权系数对应的输出序列数据的差值、以及前一个时间节点下的噪声数字信号计算得出。
[0090] 针对所述第二自适应滤波器410,后一个时间节点对应的权系数基于前一个时间节点的权系数、第二步长因子、所述语音数字信号与前一个时间节点的权系数对应的输出序列数据的差值、以及前一个时间节点下的噪声数字信号计算得出。
[0091] 具体地,本实施例介绍相邻两个时间节点中,后一个时间节点对应的权系数的计算方法。
[0092] 以第一自适应滤波器310中,计算所述初始时间节点相邻的后一个时间节点对应的权系数为例说明。第二自适应滤波器410同理。
[0093] 获取与所述初始时间节点相邻的后一个时间节点。进一步地,依据公式5计算与所述初始时间节点相邻的后一个时间节点对应的第一权系数,作为第一相邻权系数;
[0094] wai(n+1)=wai(n)+2u1(n)e1(n)v2(n)             公式5
[0095] 其中,wai(n+1)为所述第一相邻权系数。wai(n)为所述第一初始权系数。u1(n)为所述初始设定的第一步长因子。e1(n)为与所述第一初始权系数对应的第一误差值。v2(n)为所述初始时间节点下的噪声数字信号。n为与所述初始时间节点。
[0096] 该第一误差值已经在前述内容提及的第三步计算得出。公式5即权系数的更新算式,其他权系数也可以根据公式5计算。
[0097] 本实施例中实现了对权系数的迭代优化计算,不断调整权系数的数值,为后续计算权系数的评估代价函数值提供数据基础
[0098] 在本申请的一实施例中,所述评估代价函数值基于最小均方差准则或最小二乘法准则计算得出。
[0099] 具体地,前述内容提及,评估代价函数值为正,且多个评估代价函数值组成的曲线为一个向下凹陷的抛物线。基于最小均方差准则计算得出的评估代价函数值为E[e12(n)]。基于最小二乘法准则计算得出的评估代价函数值为 关于e1(n)的计算方式前述已经作出过说明,此处不再赘述。
[0100] 本实施例中,过基于最小均方差准则计算得出或基于最小二乘法准则计算评估代价函数值,使得权系数的迭代计算具备了评估标准。
[0101] 在本申请的一实施例中,所述处理单元500比较所述第一最优权系数的评估代价函数值和所述第二最优权系数的评估代价函数值的大小。
[0102] 若所述第一最优权系数的评估代价函数值小于所述第二最优权系数的评估代价函数值,将所述第一最优权系数下的第一输出序列数据,作为所述最优输出序列数据。
[0103] 若所述第二最优权系数的评估代价函数值小于所述第一最优权系数的评估代价函数值,将所述第二最优权系数下的第二输出序列数据,作为所述最优输出序列数据。
[0104] 具体地,比较所述第一最优权系数的评估代价函数值与第二最优权系数的评估代价函数值。评估代价函数值越小,输出序列数据越优,输出序列数据越趋近于所述语音数字信号中的附加噪声序列数据。
[0105] 本实施例中,通过迭代优化计算两个自适应滤波器的权系数,分别计算两个自适应滤波器的最优权系数,再从中择优选取,得到最优输出序列数据,使得整个语音降噪装置的权系数的优化迭代收敛速度快,稳定性高,工作效率高。
[0106] 如图3所示,在本申请的一实施例中,所述语音降噪系统10还包括语音信号输出单元600。所述语音信号输出单元600与所述处理单元500电连接。所述语音信号输出单元600,用于将所述降噪后的语音数字信号转换为降噪后的语音信号。进一步地,所述语音信号输出单元600输出所述降噪后的语音信号。
[0107] 具体地,所述语音信号输出单元600可以包括数模转换器和麦克。所述数模转换器可以将所述降噪后的语音数字信号转换为降噪后的语音信号。所述麦克风可以输出所述降噪后的语音信号。所述语音信号输出单元600可以设置在接听语音信号的房间,与发声者所处的房间相对应。
[0108] 以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
[0109] 以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈