[发明专利]用于经由非线性衰减/增益函数来消除音乐噪声的方法和装置

说明书

一种系统，包括第一增益模块和第二增益模块、算符模块以及先验模块和后验模块。第一增益模块应用非线性函数以基于第一语音信号的幅度和在第一语音信号中包括的噪声的估计的先验方差来生成增益信号。算符模块基于增益信号和估计的噪声先验方差来生成算符。先验模块基于算符来确定先验信噪比。后验模块基于第一语音信号的幅度和(ii)估计的噪声先验方差来确定后验信噪比。第二增益模块：基于先验信噪比和后验信噪比来确定增益值；并且基于第一语音信号的幅度和增益值来生成与第一语音信号的幅度的估计相对应的第二语音信号，其中第二语音信号基本上没有音乐噪声。

相关申请的交叉引用

本申请要求于2015年8月18日递交的第14/829,052号美国发明专利申请的优先权，并且还要求于2014年9月3日递交的第62/045,367号美国临时申请的权益。上述申请的全部公开内容通过引用并入本文。

技术领域

本公开涉及音频信号中的噪声的衰减和/或去除。

背景技术

在语音增强系统中，数字信号处理器(DSP)接收包括模拟音频信号的样本的输入信号。模拟音频信号可以是语音信号。输入信号包括噪声，因而被称为具有有噪语音样本的“有噪语音”信号。DSP信号对有噪语音信号进行处理，以衰减噪声并输出与输入信号相比具有减少的噪声量的“净化的(cleaned)”语音信号。噪声的衰减是具有挑战性的问题，因为在定义语音和/或噪声的输入信号中不包括边信息(side information)。唯一可用的信息是所接收的有噪语音样本。

存在用于对有噪语音信号中的噪声进行衰减的传统方法。然而，这些方法引入和/或导致“音乐噪声”的输出。音乐噪声不一定是指音乐信号的噪声，而是指在窄频带内的“类似音乐”的有声噪声。音乐噪声被包括在作为执行这些传统方法的结果而输出的净化的语音信号中。音乐噪声可以被听者听到并且可能令听者不快。

作为示例，输入信号的样本可以被划分为重叠的帧，并且可以确定先验信噪比(SNR)ξ(k,l)和后验SNRγ(k,l)，其中：ξ(k,l)是输入信号的先验SNR；γ(k,l)是输入信号的后验(或瞬时)SNR；l是用以标识帧中的特定一个帧的帧索引；并且k是标识输入信号的短时傅里叶变换(STFT)的频率范围的频段(frequency bin)(或范围)索引。先验SNRξ(k,l)是干净语音信号的功率电平(或语音的频率幅度)与噪声的功率电平(或噪声的频率幅度)的比。后验SNRγ(k,l)是观察到的有噪语音信号的平方幅度与噪声的功率电平的比。可以针对输入信号的每个频段计算先验SNRξ(k,l)和后验SNRγ(k,l)两者。先验SNRξ(k,l)可以使用等式1来确定，其中λ_X(k,l)是输入信号的STFT的语音幅度的先验估计方差，并且λ_N(k,l)是输入信号的STFT的估计的噪声先验方差。

后验SNRγ(k,l)可以使用等式2来确定，其中R(k,l)是输入信号的STFT的有噪语音的幅度。

对于每个k和l，增益G被计算为ξ(k，l)和γ(k,l)的函数。增益G被乘以R(k,l)以提供干净语音的幅度的估计每个增益值可以大于或等于0并且小于或等于1。增益G的值基于ξ(k，l)和γ(k,l)来计算，使得语音的频带(或频段)被保持并且噪声的频带(或频段)被衰减。执行干净语音的幅度的快速傅里叶逆变换(IFFT)以提供净化的语音的时域样本。净化的语音是指被净化的输入信号(即噪声已被衰减)的STFT的有噪语音部分。

例如，当ξ(k，l)高时，对应频率的语音的幅度高，并且存在很少的噪声(即噪声的幅度低)。对于这种情况，将增益G设置为接近1(或0dB)以保持语音的幅度。因此，干净语音的幅度被设置为近似等于R(k，l)。作为另一示例，当ξ(k，l)低时，对应频率的语音的幅度低，并且存在强噪声(即噪声的幅度高)。对于这种情况，增益G设置为接近0，以使噪声衰减。因此，干净语音的幅度被设置为接近0。