[发明专利]一种语音晚期混响抑制方法及系统

说明书

本发明公开了一种语音晚期混响抑制方法及系统，属于语音处理技术领域。本发明的方法为先采集室内的混响语音信号，提取混响衰减参数；再根据混响衰减参数计算混响频谱特征a；之后根据混响频谱特征a及朴素谱减法计算混响抑制后的语音频谱特征b；然后对语音频谱特征b进行插值计算，利用混响语音信号的相位特征对语音频谱特征b进行还原得到波形语音，并输出该波形语音。本发明的系统包括采集单元、计算单元、传输单元和终端，采集单元与计算单元电连接，计算单元和终端分别与传输单元连接；本发明的目的在于克服现有技术中，语音晚期混响抑制方法不能适应时变的混响环境的不足，本发明可以适应时变的混响环境，稳定抑制晚期混响。

技术领域

本发明涉及语音处理技术领域，更具体地说，涉及一种语音晚期混响抑制方法及系统。

背景技术

混响是声波在室内传播时，在墙壁、天花板、家具等障碍物之间进行漫反射，每反射一次声波的能量被障碍物减弱，当声源停止发声后，声波在室内经过多次反射和吸收，最后消失的过程。

在声学中使用T60来估计房间的混响时长，通常情况下中小会议室的混响时长不超过1s。在实时会议通讯设备中，声源发出声音，直接被麦克风拾音的音源叫做直达声(不经过任何反射，声源直接指向麦克风，经过反射再被麦克风拾音为混响)，直达声到达之后，80ms内到达的混响称为前期混响，80ms之后到达的混响称为晚期混响。前期混响能够增强语音的饱和度，使人声听上去更加饱满。晚期混响则会减低语音的可懂度，影响人耳主观体验和降低语音识别模型的识别率。

现有技术中主要采用传统方法对混响进行抑制，按照所用技术可以分为以下三种：基于波束形成、基于逆滤波、基于神经网络的混响抑制方法。其中，波束形成的混响抑制方法易实现，但难以适应时变的混响环境；基于逆滤波技术的混响抑制方法同样由于时变的混响环境无法实时更新准确参数；近年来，基于神经网络的混响抑制方法得到应用，但是由于混响种类的多样性以及训练数据、模型等本身所带来的局限性导致其准确性较低以及难以应用部署与实时会议通讯设备中。

现有技术中公开了一些相关技术，例如发明创造名称为：混响抑制的处理方法和装置(申请日：2019年1月30日；申请号：201910090031.3)，该方案公开了一种混响抑制的处理方法和装置。该方法包括：获取待处理的声音数据，其中，待处理的声音数据为包含混响的第一声音数据；依据相似度矩阵对所述第一声音数据进行处理，得到初步混响抑制的第二声音数据，其中，相似度矩阵为预先训练得到；依据Wavenet网络模型对第二声音数据进行处理，其中，Wavenet网络模型为预先训练得到；从Wavenet网络模型中获取输出的第三声音数据。该方案解决了相关技术中混响抑制算法的准确性较低、应用场景局限的问题。但是，该方案的不足之处在于：该方案中使用20h的训练数据完全无法满足多样丰富的混响环境，且对于混响数据对于相似度矩阵的处理依赖性高，一旦出现相似度矩阵不兼容的混响场景，则容易出现异常状况。

综上所述，如何使得语音晚期混响抑制方法适应时变的混响环境，是现有技术亟需解决的问题。

发明内容

1.要解决的问题

本发明的目的在于克服现有技术中，语音晚期混响抑制方法不能适应时变的混响环境的不足，提出一种语音晚期混响抑制方法及系统，可以适应时变的混响环境，稳定抑制晚期混响，进而可以增强晚期混响抑制的效果。

2.技术方案

为了解决上述问题，本发明所采用的技术方案如下：

本发明的一种语音晚期混响抑制方法，包括采集室内的混响语音信号，提取混响衰减参数；再根据混响衰减参数计算混响频谱特征a；之后根据混响频谱特征a及朴素谱减法计算混响抑制后的语音频谱特征b；然后对语音频谱特征b进行插值计算，利用混响语音信号的相位特征对语音频谱特征b进行还原得到波形语音，并输出该波形语音。