[发明专利]利用受限非负矩阵分解对声学信号去噪

说明书

技术领域

本发明总体上涉及声学信号处理，更具体地涉及从诸如语音的声学信号中去除附加的噪声。

背景技术

噪声

从诸如语音的声学信号中去除附加的噪声在电话、音频话音记录、以及电子话音通信中有多种应用。噪声广泛存在于城市环境、工厂、飞机、车辆等中。

时变噪声尤其难以去除，该时变噪声更准确地反映了环境中的真实噪声。通常，由使用静态噪声模型的抑制技术不能实现非平稳噪声的消除。诸如谱减法和维纳滤波的常规方法常规地使用静态的或缓慢变化的噪声估计，因此受限于平稳的或准平稳的噪声。

非负矩阵分解

非负矩阵分解(NMF)最优地求解了下式

V≈WH。

常规的NMF定义如下。从非负的M×N矩阵V开始，目标是使得矩阵V近似为两个非负矩阵W和H的乘积。当矩阵V由WH的乘积近似地重构时，误差被最小化。这提供了一种将信号V分解为非负矩阵的凸组合的思路。

当信号V是声谱图并且该矩阵是一组谱形(spectral shape)时，通过将矩阵的不同列与不同的声源关联起来，NMF能够将单通道混合的声音分离，参见Smaragdis等人于2005年10月6日提交的美国专利申请20050222840，“Method and system for separating multiple sound sourcesfrom monophonic input with non-negative matrix factor deconvolution”，通过引用将其合并于此。

当不同声学信号的声谱图足以区分开时，NMF对于将声音分离是有效的。例如，如果诸如笛子的声源仅生成谐音(harmonic sound)，并且诸如小鼓的另一声源仅生成非谐音(non-harmonic sound)，则一个声源的声谱图区别于另一声源的声谱图。

语音

语音包括谐音和非谐音。谐音在不同时间可具有不同的基频。语音可在很宽的频率范围上具有能量。非平稳噪声的频谱可能与语音的频谱类似。因此，在语音去噪应用中，其中一个“声源”是语音而另一个“声源”是附加噪声，语音模型和噪声模型之间的重叠降低了去噪的性能。

因此，期望使得非负矩阵分解适于对具有附加非平稳噪声的语音进行去噪这一问题。

发明内容

本发明的实施方式提供了一种用于对混合的声学信号进行去噪的方法和系统。更具体地说，该方法对语音信号进行去噪。去噪结合了统计语音模型和噪声模型而使用受限非负矩阵分解(NMF)。

附图说明

图1是根据本发明实施方式的对声学信号进行去噪的方法的流程图；

图2是图1的方法的训练阶段的流程图；以及

图3是图1的方法的去噪阶段的流程图。

具体实施方式

图1示出了根据本发明实施方式的对混合的声学信号和噪声信号进行去噪的方法100。该方法包括一次训练200和实时去噪300。

一次训练200的输入包括训练声学信号()101以及训练噪声信号()102。这些训练信号表示要进行去噪的信号的类型，例如，具有非平稳噪声的语音。应当理解的是，通过相应地改变训练信号，该方法适于对例如音乐的其他类型的声学信号进行去噪。训练的输出是去噪模型103。该模型可以存储在存储器中以供将来使用。

实时去噪的输入包括模型103和混合信号(V_mix)104，该混合信号例如是语音和非平稳噪声。去噪的输出是对混合信号的声学(语音)部分105的估计。

在一次训练期间，非负矩阵分解(NMF)210独立地应用于声学信号101和噪声信号102以产生模型103。

针对声学信号和语音信号，NMF 210分别独立地产生训练基矩阵(W^T)211-212和这些训练基矩阵的权重(H^T)213-214。确定权重213-214的统计量221-222，即均值和方差。训练语音信号和训练噪声信号的训练基矩阵211-212、均值和方差221-222形成去噪模型103。