[发明专利]一种无监督单传声器语音降噪方法及系统

说明书

本发明公开了一种无监督单传声器语音降噪方法，所述方法包括：步骤1)对采集的覆盖所有音素的语音训练数据的进行频谱提取，然后对幅度谱进行k均值聚类，得到每个类别对应的语音字典；然后将所有不同类别的语音字典组合成一个完备的语音字典W_S；步骤2)对当前时刻到达的带噪信号进行短时傅里叶变换得到当前帧幅度谱x_t，再和前L帧已经处理过的幅度谱结合作为输出语音谱X＝[x_t‑L，...，x_t‑1，x_t]，将前一帧估计得到的噪声矩阵W_N和语音字典W_S结合为总的字典矩阵W＝[W_S W_N]，采用迭代的算法对输出语音谱X进行非负矩阵分解，得到噪声矩阵和当前帧对应的语音噪声权重向量步骤3)通过估计得到的噪声矩阵和噪声权重向量重构出降噪后的当前帧语音信号。

技术领域

本发明涉及语音信号处理领域，更具体地说，本发明涉及一种无监督单传声器语音降噪方法及系统。

背景技术

在很多应用场景中(如语音通信，自动语音识别，助听器)，语音信号不可避免地受到周围噪声的干扰，如路噪，风噪，电路噪声等，因此需要设计算法对设备采集到的带噪信号进行降噪处理。而且很多听力设备(或仪器)通常只有一个传声器来拾取语音信号，算法需要从一个带噪信号中去除噪声信号，这进一步增加了问题的解决难度。

传统的单传声器语音降噪算法主要包括两个部分：噪声估计部分和增益计算部分。这类算法一般假设噪声是平稳信号，因此算法对平稳噪声有较好的抑制效果，然而在很多情况下噪声是非平稳的，很难准确估计噪声信号，从而导致降噪效果不佳。近年来，基于数据驱动的单传声器语音降噪算法由于对非平稳噪声有较好的抑制效果而得到了广泛关注，如基于非负矩阵分解(non-negative matrix factorization,NMF)的语音降噪算法。

在基于NMF的算法中，首先对语音和噪声信号训练数据进行非负矩阵分解得到对应的字典矩阵，这些字典矩阵用于描述语音和噪声的频谱结构；然后在降噪阶段，将带噪信号分解为字典矩阵和权重矩阵的乘积，最后将语音字典和对应权重矩阵相乘重构出降噪后的语音信号。这类算法不需要平稳噪声的假设，能够对非平稳噪声有较好的抑制效果，利于实际应用。然而这类算法也存在一些局限性，需要特定说话人和特定噪声类型的训练数据，但是在很多场景中很难事先获取匹配的训练数据，导致应用受限。其次，这种算法一般都是对一段语音进行降噪处理，而在实际应用中算法要求能够实时处理。

发明内容

本发明的目的在于克服传统的基于NMF降噪算法需要依赖特定说话人和特定噪声类型训练数据的限制，提出了一种无监督单传声器语音降噪方法，方便在实际场景中应用，

为了实现上述目的，本发明提供了一种无监督单传声器语音降噪方法，所述方法包括：

步骤1)对采集的覆盖所有音素的语音训练数据的进行频谱提取，然后对幅度谱进行k均值聚类，得到每个类别对应的语音字典；然后将所有不同类别的语音字典组合成一个完备的语音字典W_S；

步骤2)对当前时刻到达的带噪信号进行短时傅里叶变换得到当前帧幅度谱x_t，再和前L帧已经处理过的幅度谱结合作为输出语音谱X＝[x_t-L，...，x_t-1，x_t]，将前一帧估计得到的噪声矩阵W_N和语音字典W_S结合为总的字典矩阵W＝[W_S W_N]，采用迭代的算法对输出语音谱X进行非负矩阵分解，得到噪声矩阵和当前帧对应的语音噪声权重向量

步骤3)通过估计得到的噪声矩阵和噪声权重向量重构出降噪后的当前帧语音信号。

上述技术方案中，所述步骤1)具体包括：