[发明专利]一种基于差分运算和联合字典学习的骨导语音增强方法

说明书

本发明提供一种基于差分运算和联合字典学习的骨导语音增强方法。训练阶段，在室内无噪环境中，用骨导麦克风和气导麦克风组成的双麦克风阵列同步采集训练语音；对骨导语音和气导语音的训练信号做短时傅里叶变换得到时频谱幅度，计算它们的差分时频谱幅度；在时频谱上学习骨导语音时频谱幅度和差分时频谱幅度的联合语音字典。检测阶段，对于骨导语音进行短时傅里叶变换得到时频谱幅度和相位，将幅度在联合语音字典的骨导语音子字典上进行投影，用得到的最优稀疏表示系数与联合语音字典的差分时频谱幅度子字典一起重建差分语音时频谱幅度，用于补偿骨导语音时频谱，最后做短时傅里叶逆变换，得到增强后的骨导语音时域信号。

技术领域

本发明涉及单通道语音增强领域，尤其涉及一种基于差分运算和联合字典学习的骨导语音增强方法。

背景技术

在人们的交流活动中，语音发挥着主导作用。由于受到环境噪声的污染，人耳和包含空气传导麦克风(简称气导麦克风)的相关智能装置收到的是带噪语音，语音的质量和可懂度会有明显的下降，影响了人们的主观听觉感受和智能装置的语音识别率。语音增强技术就是解决这类问题的主要方法。如何从带噪语音中恢复出干净语音一直都是人们试图解决的问题。气导麦克风接收的语音简称为气导语音。

骨导麦克风是另一种非声传感器，其语音传输通道能够屏蔽环境噪声，抗噪性能好。然而人体传导的低通性能以及传感器工艺水平的限制等因素，导致骨导麦克风接收的语音清晰度低，听起来比较沉闷。骨导麦克风接收的语音简称骨导语音。

针对骨导语音的增强对于在强噪声环境下的语音通信应用具有重要的现实意义。

发明内容

本发明提供一种基于差分运算和联合字典学习的骨导语音增强方法。尽管骨导麦克风具有抗噪性能好的特点，但其语音的时频谱信息不丰富，听起来比较沉闷。针对这一问题，专门设计了骨导麦克风和气导麦克风组成的异型双麦克风阵列，同步采集说话人训练语音，构建骨导语音和气导语音的联合训练集，对骨导语音和气导语音做短时傅里叶变换得到其时频谱幅度，考虑到气导语音的时频谱比骨导语音时频谱信息更丰富，设计了特定的差分公式计算气导语音与骨导语音的差分时频谱幅度；充分利用骨导语音时频谱幅度和差分时频谱幅度的对应关系以及语音的稀疏性，得到反映骨导语音时频谱幅度和差分时频谱幅度对应特征的联合语音字典。用待检测骨导语音在骨导语音子字典上投影得到的最优稀疏表示系数与差分时频谱幅度子字典一起重建差分时频谱幅度，该重建气导语音时频谱具有更丰富的频谱信息，用于补充骨导语音的缺失信息，达到提高骨导语音的清晰度的目的。

本发明的目的是通过以下技术方案实现的：

一种基于差分运算和联合字典学习的骨导语音增强方法，包括：

训练阶段，在室内无噪环境下用骨导麦克风和空气传导麦克风组成的异型双麦克风阵列同步采集训练语音，构建训练集；对骨导语音和气导语音做短时傅里叶变换，提取其时频谱的幅度，设计特定的差分公式计算气导语音与骨导语音的差分时频谱幅度；充分利用骨导语音时频谱幅度和差分时频谱幅度的对应关系以及语音的稀疏性，得到反映骨导语音时频谱幅度和差分时频谱幅度对应特征的联合语音字典。

检测阶段，对于待检测骨导语音进行短时傅里叶变换，提取时频谱的幅度和相位；将时频谱幅度在联合语音字典中的骨导语音子字典上进行投影，得到最优稀疏表示系数；用得到稀疏表示系数与联合语音字典的差分时频谱幅度子字典一起重建差分时频谱幅度，并与待检测骨导语音相位一起来增强骨导语音时频谱，最后做短时傅里叶逆变换，得到增强后的骨导语音时域信号。