[发明专利]语音增强的方法

说明书

【技术领域】

本发明涉及一种语音增强的方法。

【背景技术】

由于大量环境噪声的存在，麦克风采集到的语音信号普遍信噪比不够高，所以需要通过语音增强的方法来提升输入语音的信噪比。相关技术的语音增强的方法需要使用VAD(Voice Activity Detection，语音激活检测)来区分语音信号部分和噪声信号部分，所以需要的计算量和存储空间都偏大，对硬件的要求比较高，在制成专用芯片时需要的硅的面积也比较大，必将增加成本。

因此实有必要对相关技术的语音增强的方法进行改良。

【发明内容】

本发明的目的在于提供一种资源需求量小的语音增强的方法。

本发明的目的是这样实现的：

一种语音增强的方法，其包括如下步骤：

①将声音采集装置采集到的带噪语音信号用芯片进行分帧处理，再加窗变换到频域；

②用子带分析滤波器将变换到频域后的带噪语音信号划分为若干子带，则相邻两子带间设有子带区间，再计算每个子区间的能量并进行平滑，得到经平滑后的每个子带区间的能量；

③用最小值统计法找出每个子带区间的噪声能量；

④用频谱减算法根据经平滑后的每个子带区间的能量和统计出的噪声能量求出每个子带区间的倍乘因子；

⑤用计算的倍乘因子对每个子带区间的变换到频域后的带噪语音信号进行处理，得到全频带增强后的语音信号；

⑥用子带综合滤波器把全频带增强后的语音信号合成为语音谱；

⑦把语音谱变换到时间域得到变换到时域后的全频带增强后的语音信号，再把相邻的变换到时域后的全频带增强后的语音信号的重叠部分进行相加操作后得到最终输出信号。

与相关技术比较，本发明语音增强的方法避免了VAD的使用，其方法简单，资源需求量小。使用了很小的计算量，实现了一定的信噪比提升。

【附图说明】

图1为本发明的语音增强的方法的流程示意图。

【具体实施方式】

本发明语音增强的方法，其包括如下步骤：

①将声音采集装置采集到的带噪语音信号用芯片进行分帧处理，再加窗变换到频域；

②用子带分析滤波器将变换到频域后的带噪语音信号划分为若干子带，则相邻两子带间设有子带区间，再计算每个子区间的能量并进行平滑，得到经平滑后的每个子带区间的能量；

③用最小值统计法找出每个子带区间的噪声能量；

④用频谱减算法根据经平滑后的每个子带区间的能量和统计出的噪声能量求出每个子带区间的倍乘因子；

⑤用计算的倍乘因子对每个子带区间的变换到频域后的带噪语音信号进行处理，得到全频带增强后的语音信号；

⑥用子带综合滤波器把全频带增强后的语音信号合成为语音谱；

⑦把语音谱变换到时间域得到变换到时域后的全频带增强后的语音信号，再把相邻的变换到时域后的全频带增强后的语音信号的重叠部分进行相加操作后得到最终输出信号。

本发明选取带噪语音信号的频率为8KHZ。

对在时域中的带噪语音信号进行分帧，是将带噪语音信号以帧为单位等分成若干带噪信号单元。所述带噪信号单元由采样点组成，本发明中选取了8KHz的采样频率，根据短时谱分析的需要，帧长一般设定成10～35ms之间，本实施方式以32ms分帧，即一帧带噪信号单元设有256个采样点，自然地，任意一帧带噪信号单元具有一定的帧长，本发明中任意帧的帧长为256。为了防止相邻两帧的带噪信号单元间的块效应，在分帧时要使相邻两帧的带噪信号单元之间有一定的混叠部分，即，本帧数据中有D个数据为前一帧数据的部分数据，其中混叠部分描述如下：

s(n)＝d(m，D+n)                 0≤n<L

其中s表示输入带噪语音信号

d(m，n)＝d(m-1，L+n)                   0≤n<D

其中，d表示当前帧的256点采样信号，因为任意一帧的长度为256，重叠率为75％，所以重叠部分的采样点个数D＝192。相邻帧的带噪信号单元的第一个采样点相隔的距离L＝256-192＝64。

本发明相邻两帧的带噪信号单元之间可以具有50％～75％的重叠率。本实施方式选取相邻两帧的带噪信号单元之间具有75％的重叠率，即以从前向后的顺序，本帧75％的带噪信号单元和前一帧，以从后向前的顺序，75％的带噪语音信号单元一致。

加窗操作中所定义的窗函数是一个长度等于帧长256点的汉明窗，定义如下：

win(n)＝{