[发明专利]一种基于谱估计的瞬态噪声抑制方法

说明书

技术领域

本发明涉及一种基于谱估计的瞬态噪声抑制方法，属于数字信号处理技术领域。

背景技术

语音中的瞬态噪声(也称为暂态噪声)属于一种加性噪声。通常，瞬态噪声在时域中具有突发性、脉冲性等特点，其能量常集中在较短的时域区间内，而在频域分布则较宽。典型的瞬态信号常由一个初始的峰值和一段持续时间约为10～50ms的衰减的短时振荡过程构成，如敲门、鼠标点击、节拍器、键盘敲击、锤子击打声等都属于瞬态噪声。瞬态噪声存在于很多场合中，如助听器、免提组件、手机及视讯会议终端等语音通信设备中。瞬态噪声的存在严重影响语音质量，使语音信号清晰度和可懂度下降，引起听觉疲劳，甚至使语音系统无法正常工作。因此，需要采用瞬态噪声抑制技术，以提高语音质量。

发明内容

本发明针对以上问题的提出，而研制一种基于谱估计的瞬态噪声抑制方法。

本发明采取的技术方案如下：

一种基于谱估计的瞬态噪声抑制方法包括以下几步：

第一步：基于改进的最小控制递归平滑的非瞬态背景噪声功率谱估计；

第二步：基于改进最小控制递归平滑和最优修正对数谱幅度估计的瞬态噪声功率谱估计；

第三步：基于最优修正对数谱幅度估计及瞬态噪声谱估计的语音噪声抑制。

本发明的原理及有益效果：考虑到语音信号和背景噪声变化较慢而瞬态噪声变化很快这一特点，本发明提出了一种基于改进的最小控制的递归平滑以及最优修正对数谱幅度估计的瞬态噪声抑制方法。首先，根据改进的最小控制的递归平滑方法来估计观测信号中慢变语音和背景噪声的时变功率谱；然后根据估计的功率谱，结合最优修正对数谱幅度估计方法来增强瞬态噪声和非瞬态成分的差异，并估计瞬态噪声的功率谱。此外，采用传统的最小控制的递归平滑方法，从瞬态噪声和语音信号中估计背景噪声的功率谱。最后，将估计的瞬态噪声和背景噪声功率谱进行合并，并再次运用最优修正对数谱幅度估计方法，同时抑制瞬态噪声和背景噪声，得到增强后的语音幅度谱。

附图说明

图1基本的最优修正对数谱幅度估计(OM-LSA)方法的功能框图。

图2计算最优幅度谱增益的功能框图。

图3计算P_frame(l)的流程图。

图4Phillip A.Hetherington，Shreyas A.Paranjpe.在公开号为2006116873的美国专利“Repetitive transient noise removal”(2003)的流程图。

图5基于MMCRA和OM-LSA的瞬态噪声抑制方法功能框图。

图6基于MCRA的噪声功率谱估计功能框图。

图7原始语音语谱图例子。

图8在图7语音中加入噪声后的语谱图。

图9使用R.Talmon，I.Cohen，and S.Gannot在论文“Transient noise reduction using nonlocal diffusion filters”(IEEE Trans.on Audio，Speech and Language Processing，2011，19(6)：1584-1599)中提出的技术处理图8语音后的语谱图。

图10使用本发明方法处理图8语音后的语谱图。

具体实施方式

下面结合附图对本发明做进一步说明：

基于最优修正对数谱幅度估计(OM-LSA)的瞬态噪声抑制方法

在低信噪比、非平稳背景噪声情形下为了实现语音噪声抑制，Cohen等人提出了基于最优修正对数谱幅度估计(OM-LSA)的瞬态噪声抑制方法。该方法在低信噪比、非平稳噪声环境下具有很好的鲁棒性。其思想是通过观测信号先验信噪比估计、噪声估计，以及语音存在概率估计，得到观测信号的最优频谱增益函数，最后将频域观测信号与增益函数作乘，获得去噪后的语音信号。基于最优修正对数谱幅度估计(OM-LSA)方法的功能框图如图1所示。

(1)最优增益修正

将观测信号记为y(n)，纯净信号记为x(n)，加性噪声记为d(n)。则有

y(n)＝x(n)+d(n)；      (1)对观测信号y(n)进行加窗分帧操作，并用短时傅立叶变换进行分析：