[发明专利]一种基于骨传导技术的无线对讲降噪耳罩及降噪方法

权利要求书

1.一种基于骨传导技术的无线对讲降噪方法，其特征在于，包括以下步骤：

S1、选用一组和含噪语音信号x(t)具有相同统计特性的纯噪声信号，通过非负稀疏编码降噪算法学习规则计算噪声信号的基向量A_n；

S2、获取更新需要的语音基向量A_s和稀疏系数S_s；

X为含噪语音信号x(t)变换后的频域信号，得到如下关系式：

上式中的下标s和n代表语音信号和噪声信号，将噪声信号的基向量A_n带入到含噪语音信号x(t)进行非负稀疏编码降噪算法学习规则计算，当评价函数的收敛速度趋向稳定时，则得到更新需要的语音基向量A_s和稀疏系数S_s；

S3、语音信号还原，把降噪算法处理后的语音信号进行输出：

把降噪算法处理后的频域信号结合相位信息并进行短时傅里叶逆变换，重叠求和后得到最终所期望降噪后的时域信号

最终所期望降噪后的时域信号也是第一对讲降噪耳罩所需要发送出去的语音信号，第二对讲降噪耳罩接收到第一对讲降噪耳罩所发送过来的语音信号；

所述的非负稀疏编码降噪算法学习规则是将非负矩阵分解算法和稀疏编码结合起来所得到的；

非负矩阵分解算法为，对于任意给定的一个大小为n×m的非负矩阵V，非负矩阵分解算法能够寻找到一个大小为n×r的非负矩阵W和一个大小为r×m的非负矩阵H，使得下式满足：

V＝WH

分解前后的矩阵中仅包含非负的元素，原矩阵V中的任一个列向量解释为对W＝[w₁，w₂，...w_r]中所有列向量的加权和，式中r的值选择使(n+m)r＜n×m，所得到的WH是V 中数据的压缩形式，权重系数为H＝[h₁，h₂，...h_m]中对应列向量中的元素；

稀疏编码为，对于系数矩阵A和编码矩阵S满足下式：

X≈AS

系数矩阵A为基向量，编码矩阵S为稀疏分量，A和S都为非负矩阵，这里对编码矩阵S进行稀疏控制，引入一个评价函数来衡量矩阵分解后的误差：

上式的约束条件为：λ＞0；对于任意的ij：X_ij≥0，基向量A_ij≥0，稀疏S_ij≥0；对于任意的系数i：||a_i||＝1，a_i表示A的第i列列向量；上式中||X-AS||²表示矩阵的重构误差：||X-AS||²＝∑_ij[X_ij-(AS)_ij]²，其中i和j分别表示为行和列；S_ij表示稀疏系数矩阵S的第i行和第j列的元素；参数λ表明了稀疏性和数据准确重构之间的折中关系；

如何度量S的稀疏性则取决于惩罚函数f(·)具体形式，选取f(·)函数的形式为：f(s)＝|s|＝s(s≥0)，因此，得到评价函数表达式为：

评价函数COST(A，S)是关于S项为二次的，当S_ij≥0时，S是一个凸集合，存在最优的局部最小值；S迭代过程的更新规则如下：

S^t+1＝S^t.*{(A^TX)./(A^TAS^t+λ)}

其中.*和./分别表示矩阵的点乘和点除操作，t为当前所处理的矩阵时间帧，t+1为下一时间帧；上标T表示矩阵转置，S是非负的，它的更新规则是通过简单的乘以一个非负因子(A^TX)./(A^TAS^t+λ)来得到的，只要S的初始值全部选择正值，S的迭代过程对任意要求的精度都能够保证达到全局最小值；

系数矩阵A使用标准的梯度下降算法来进行优化，达到其更新规则为：

其中μ为步长，β为学习速率；t为当前所处理的矩阵时间帧，t+1为下一时间帧；上标T表示矩阵转置；令A^t+1中的负值都为零，并限制||A^t+1||＝1；在使用梯度下降算法进行基向量A的更新时，遵循投影满足非负性和范数约束的最近点规则。