[发明专利]利用受限非负矩阵分解对声学信号去噪

权利要求书

1.一种对混合信号(104，V_mix)进行去噪的方法，其中所述混合信号(104，V_mix)包括声学信号(101，)和噪声信号(102，)，该方法包括以下步骤：

对所述混合信号(104，V_mix)应用受限非负矩阵分解，其中所述非负矩阵分解受到去噪模型(103)的限制，其中所述去噪模型(103)包括训练声学信号(101，)和训练噪声信号(102，)二者的训练基矩阵(211-212，W^T)、以及这些训练基矩阵(211-212，W^T)的权重(213-214，H^T；302，H_all)的统计量(221-222)，并且其中所述应用产生了所述混合信号(104，V_mix)的所述声学信号(101，)的基矩阵(211)的权重；以及

求取所述声学信号(101，)的所述基矩阵(211)的所述权重(213-214，H^T；302，H_all)与所述训练声学信号(101，)和所述训练噪声信号(102，)二者的所述训练基矩阵(211-212，W^T)的乘积，以重构所述声学信号(101，)。

2.根据权利要求1所述的方法，其中所述噪声信号(102，)是非平稳的。

3.根据权利要求1所述的方法，其中所述统计量(221-222)包括所述训练基矩阵(211-212，W^T)的所述权重(213-214，H^T；302，H_all)的均值(μ_speech)和方差(Λ_speech221)。

4.根据权利要求1所述的方法，其中所述声学信号(101，)是语音。

5.根据权利要求1所述的方法，其中所述去噪是实时进行的。

6.根据权利要求1所述的方法，其中所述去噪模型(103)存储在存储器中。

7.根据权利要求1所述的方法，其中所有信号是呈数字化声谱图的形式。

8.根据权利要求1所述的方法，该方法进一步包括以下步骤：

使得代表所述训练声学信号(101，)的矩阵V_speech与代表所述训练基矩阵(211-212，W^T)的矩阵W_speech以及代表所述训练声学信号(101，)的所述权重的矩阵H_speech之间的Kullback-Leibler散度最小化；以及

使得代表所述训练噪声信号(102，)的矩阵V_noise与代表训练噪声矩阵的矩阵W_noise以及代表所述训练噪声信号(102，)的所述权重的矩阵H_noise之间的Kullback-Leibler散度最小化。

9.根据权利要求1所述的方法，其中所述统计量(221-222)是在对数域中确定的。

10.一种对混合信号(104，V_mix)进行去噪的系统，其中所述混合信号(104，V_mix)包括声学信号(101，)和噪声信号(102，)，该系统包括：

用于对所述混合信号(104，V_mix)应用受限非负矩阵分解(NMF)的装置，其中所述非负矩阵分解受到去噪模型(103)的限制，其中所述去噪模型(103)包括训练声学信号(101，)和训练噪声信号(102，)二者的训练基矩阵(211-212，W^T)、以及这些训练基矩阵(211-212，W^T)的权重(213-214，H^T；302，H_all)的统计量(221-222)，并且其中所述应用产生了所述混合信号(104，V_mix)的所述声学信号(101，)的基矩阵(211)的权重；以及

用于求取乘积以重构所述声学信号(101，)的装置，其中所述乘积是所述声学信号(101，)的所述基矩阵(211)的所述权重与所述训练声学信号(101，)和所述训练噪声信号(102，)二者的所述训练基矩阵(211-212，W^T)的乘积。