[发明专利]一种单通道实时降噪方法及系统

说明书

本发明公开了一种单通道实时降噪方法及系统，包括以下步骤：步骤1，将单通道采集到的带噪模拟语音信号转换成带噪离散语音信号；步骤2，将步骤1获得的带噪离散语音信号进行预处理，获得预处理后的带噪离散语音信号；步骤3，根据步骤1获得的预处理后的带噪离散语音信号中的不同背景噪声，生成算法选择参数；根据所述算法选择参数选择噪声估计方法，通过选择的噪声估计方法对预处理后的带噪离散语音信号进行处理，获得降噪后的时域语音信号；步骤4，将步骤3获得的降噪后的时域语音信号，转换为时域和幅值上均连续的信号。本发明能够根据不同的背景噪声实时调整噪声估计方法，实时对带噪语音信号进行降噪处理。

技术领域

本发明属于语音信号处理技术领域，特别涉及一种单通道实时降噪方法及系统。

背景技术

语音信号是不稳定的，在实际系统中采集时极易受到各种各样的噪声干扰。这些不同类型噪声给语音信号降噪处理带来了巨大的挑战，在过去的数十年里，尝试着用各种噪声谱估计算法去对噪声进行估计，以此来进行语音信号降噪处理。噪声谱的准确估计显得尤为重要，如果对噪声谱估计过低，语音信号中存有残留噪声，如果对噪声谱估计过高，语音信号将会失真、降低可懂度。例如，传统的噪声谱估计方法是基于语音活动检测(VoiceActivity Detector,VAD)，这种方法约束了语音缺失段的噪声谱估计更新，而且在弱语音信号、低信噪比情况下很难进行平衡，该方法不适用于非平稳噪声环境；基于直方图的噪声谱估计方法运行时占用内存资源较多，低信噪比情况下噪声谱估计效果较差，在非平稳噪声环境中很难使用。1995年，Doblinger通过连续跟踪每个频率点中有噪语音的最小值来更新噪声估计，这种方法的缺点是无法区分是背景噪声的增大还是语音功率的增大；1995年，Hirsch和Ehrlicher通过比较含噪语音功率和过去噪声谱鼓励来更新噪声谱的估计，该方法实现简单，但当背景噪声突然增大并持续保持在该状态下，此方法无法更新噪声谱的估计；2001年，Martin提出了一种基于最小统计(Minima Statistics,MS)的噪声谱估计方法，即在一个有限窗口内跟踪平滑含噪语音谱的最小值，并乘以一个偏置补偿因子，以此获得噪声谱的估计，该方法的最大缺陷是当背景噪声突然增大时更新噪声谱所需要的时间比最小搜索窗的时间长，不适合用于背景噪声突然增强的环境中；2002年，Cohen提出了一种基于最小受控递归平均算法(Minima Controlled Recursive Averaging,MCRA),该方法根据含噪语音的局部能量值与其待定时间窗内的最小值的比值确定子带中是否存在语音，如果给定帧的某个子带中存在语音，那么该子带内的噪声谱估计等于上一帧的噪声谱估计，如果不存在，则结合含噪语音的功率谱，采用一阶递归的方法更新噪声谱，2003年，Cohen提出了改进的最小控制递归平均方法(Improved Minima Controlled Recursive Averaging，IMCRA)，主要从三个方面进行了改进，即语音活跃期的最小值跟踪，语音存在概率估计，提出偏置补偿因子，无论是MCRA方法还是IMCRA方法，当噪声谱突然增大时，噪声谱的估计将会出现时延，时延的最大值为窗长的两倍；2012年，Swamy等人提出了一种基于语音增强残差的IMCRA算法，首先采用一种语音增强算法获取增强后的语音，然后对干净语音和增强后的语音作差值运算，如果语音存在，则根据获取的残差，采用一阶递归的方式更新噪声谱估计，减小了估计误差；2013年，Yuan等人提出了一种基于时频相关的噪声谱估计算法，是对IMCRA算法的改进，通过计算时频单元的自相关和交叉相关性，求解出语音存在的粗估计，并重新定义了含噪语音谱的平滑参数、噪声谱估计的递归平均参数以及先验信噪比估计的权重因子，还提出在更小的搜索窗内跟踪含噪语音平滑功率谱最小值；上述这些方法都是典型的噪声谱估计方法，但上述的每一种算法或多或少都存在着这样或者那样的缺陷。