[发明专利]基于质点振速传感器微阵列的干扰语音抑制方法及装置

说明书

本发明涉及一种基于质点振速传感器微阵列的干扰语音抑制方法及装置，包括如下步骤：步骤1：基于质点振速传感器微阵列获取语音信号；步骤2：检测获得目标语音方位角θ₁与干扰语音方位角θ₂；步骤3：基于目标语音方位角θ₁，对所述语音信号进行电子旋转，获得电子旋转后的语音信号；步骤4：基于加权矩阵、干扰语音方位角θ₂和所述电子旋转后的语音信号，进行干扰语音自适应抑制计算，输出干扰语音自适应抑制后的语音信号。本发明能够有效抑制干扰语音，获取不失真的目标语音。

技术领域

本发明涉及一种基于质点振速传感器微阵列的干扰语音抑制方法及装置。

背景技术

语音信号在获取的过程中会不可避免地受到环境噪声、传输媒介噪声、房间混响以及其它说话人的话音干扰，严重影响到语音拾取的质量与语音识别率。早期基于单麦克风的语音增强算法，包括谱减法、最小均方误差法、小波变换法、子空间法等算法，在抑制噪声方面取得了一些阶段性的研究成果。但在实际情况中，干扰语音来自于四面八方，且常常与目标语音信号在时间和频谱上相互交叠，再加上回波和混响的影响，单麦克风增强算法抑制背景噪声和方向性语音干扰的效果有限。基于麦克风阵列的语音增强技术可以利用语音信号的空间信息形成波束，有较强的空间噪声与干扰语音抑制能力，从而获得比单麦克风更好的语音增强性能，且随着麦克风数目的增加会进一步提升性能，但受制于半波长理论限制，麦克风数量越多其孔径就越大、硬件设备也越昂贵，同时具有空域混叠与运算复杂度高等不足，极大限制了麦克风阵列的设计自由性与应用场景。

已知语音信号在时频域具有较好的稀疏性，当一段语音有多个说话人出现时，不同说话人的语音信号能量在时频域具有离散分布特性，可以近似认为只有一个说话人语音信号占支配地位，其他声源的贡献可以忽略，此性质被称为语音的时频域稀疏性。专利“CN201310726022一种基于AVS和稀疏表示的单语者声源DOA估计方法”基于语音信号的时频域稀疏特性，在目标语音与干扰语音同时存在时，可以同时实现目标语音与干扰语音的高精度定向。现有技术基于电子旋转方式，通过采用测得的目标语音方位角信息实现目标语音的自适应波束指向，而对干扰语音的抑制性能不足，具体如下：

质点振速传感器微阵列在进行目标语音拾取时，会同时测量到目标语音与干扰语音的声压与二维的质点振速信号：

式中x₁(t),x₂(t)分别为目标语音与干扰语音的声压信号，θ₁,θ₂分别为目标语音与干扰语音的水平方位角，以x轴正方向为0°，n_p(t)，n_x(t)和n_y(t)分别为声压与二维质点振速敏感单元接收的噪声信号。为了实现目标语音的拾取，现有技术采用电子旋转方式，通过旋转一定的角度形成组合指向性v_c(t)和v_s(t)。

其中

v_c(t)与v_s(t)仍是正交的偶极子指向性，引导方位就是v_c(t)的主极大方向，也是v_s(t)的指向性零点方向，通过改变值就可以改变质点振速传感器微阵列的指向性，从而实现覆盖360°全方位的波束指向。另外，基于声压p(t)、v_c(t)和v_s(t)还可以组合成“单边”指向性或“心形”指向性，用于实现单边语音的拾取。

这里以目标语音方位θ作为引导方位角，此时式(2)与式(4)可分别表示为：