[发明专利]用于多话筒音频设备的去噪方法

说明书

发明领域

本发明涉及用于多话筒音频设备，尤其用于“免提”电话系统的去噪方法，涉及处理嘈杂环境中的语音。

本发明特别地但非以限制方式，涉及处理由用在机动车中的电话设备所获取的语音信号。

发明背景

这样的器具包括一个或多个话筒，该一个或多个话筒不仅敏感于用户话音，还获取周围环境噪声以及由于周围环境中（一般是车辆的车厢）的回响现象所引起的回音。因此有用分量（即，来自近旁讲话者的语音信号）被淹没在干扰噪声分量（外部噪声和回响）中，这些噪声分量经常使得对于远方讲话者（即，位于传输电话信号的通道的另一端的讲话者）而言近旁讲话者的语音不可理解。

如果期望实现话音识别技术，也会有同样的情况，因为对于淹没于高级别噪声的话语（word）非常难以实现形状识别。

“免提”设备特别受制约于与周围环境噪声相关联的这个困难。特定地，话筒和讲话者之间的较大距离给予噪的较高的相对级别，藉此使得难以提取淹没在噪声中的有用信号。进一步，对于机动车而言很普遍的非常嘈杂的环境中存在不稳定的频谱特性，即，取决于驾驶情况（在不平坦的道路表面或鹅卵石上驾驶、车载收音机在操作中等）而以不可预测的方式变化。

一些这样的设备安排为使用多个话筒且然后取这些话筒所获取信号的平均值、或者执行更为复杂的其他操作，从而获得具有较小干扰级别的信号。

特定地，所谓“波束成形”技术能使用软件方式来创建用于改进信号/噪声比的方向性。然而，当仅使用两个话筒时，这个技术的性能非常有限（特别地，发现这样的方法仅在使用至少八个话筒的阵列的情况下提供良好的效果）。当环境是回响的时，性能也会被非常降低。

发明目的和内容

本发明的目的在于提供用于对处于非常嘈杂和非常回响的环境（一般是车辆的车厢）中的这种多通道、多话筒系统所获取的音频信号进行去噪的解决方案。

与多通道系统的语音处理方法相关联的主要困难在于评估用于执行该处理的有用参数的困难，因为这些评估项与周围环境极为相关。

大多数技术基于这样的假设：有用的信号和/或干扰信号存在一定量的方向性，且大多数技术将来自各话筒的信号组合起来从而应变于这样的方向性状况从而改进信号/噪声比。

因此，EP 2293594A1(Parrot SA)描述了对不持续且定向的噪声，诸如鸣笛、路过的电瓶车、超车的车，等的空间检测和过滤方法。所提出的技术在于将空间方向性与不持续的时间和频率性质关联起来，从而检测出一般难以与语音区别的类型的噪声，并因此提供对于这种噪声的有效过滤并推测出语音存在的概率，藉此能使噪声衰减被进一步改进。

EP 2309499A1(Parrot SA)描述了二话筒系统，其在所获取的信号上进行空间相干性分析从而确定入射方向。该系统使用不同的方法计算两个噪声参考，一个噪声参考应变于所获取的信号（包括非定向的不持续的噪声）的空间相干性，而另一个噪声参考应变于入射信号（包括，特别是，定向的非持续信号）的主要方向。这个去噪技术依赖于这样的假设：相比噪声，语音一般存在更大的空间相干性，且进一步，语音的入射的方向一般是明确定义的且可被认为已知：在机动车辆内，该方向可由驾驶员的位置所定义，话筒就面向着这个位置。

无论如何，这些技术在考虑对车厢而言很典型的回响的效果方面比较差，在回响中数量众多的高功率反射使得难以计算到达方向，藉此具有显著降低去噪效力的结果。

进一步，使用这些技术，在输出所获得的经去噪的信号以令人满意的方式重现了初始语音信号的幅值而非相位，这可导致该话音由设备播放时是被变形的。

本发明的问题是对使得不可能以令人满意的方式计算有用信号的到达方向的回响环境予以考虑，并获得重现初始信号的幅值和相位二者的去噪，即，在该信号由设备播放时并不使得讲话者的话音变形。

本发明提供了在频域中在所获取的信号的多个元（bin）上（即，在信号每一时间帧的频带上）所实现的技术。该处理主要包括：

·计算在所获取的嘈杂信号中语音存在的概率；

·估算语音源（近旁讲话者）和话筒阵列的每一个传感器之间的声道的传递函数；

·以多个声道的所估算的传递函数为基础计算最佳射影（projection），用于确定单个声道；且

·对于每一个元，应变于语音存在的概率，在这个单个声道中选择性地减少噪声。

更准确地，本发明的方法是对于具有以预确定配置所设置的多个话筒传感器所构成的阵列的设备的去噪方法。

该方法包括在频域中对于为信号的连续时间帧所定义的多个频带的如下处理步骤：