[发明专利]一种基于空间区分性检测的噪声抑制方法及装置

说明书

本发明公开了一种基于空间区分性检测的噪声抑制方法及装置，属于信息处理的领域，该方法包括：S1：对每个麦克风的时域信号进行导向矢量和超指向滤波器计算；S2：对初始化后的信号转化为时频域信号，并且构建频域预测向量；S3：对时频域信号进行噪声抑制滤波器计算，获取用于构建噪声和混响抑制的滤波器；其中，噪声抑制滤波器计算包括：计算空间区分性系数和空间权重信息，更新加权自相关矩阵，以及构建噪声和混响抑制滤波器；S4：根据获取的滤波器，得到目标语音的频域估计，进而得到目标语音时域估计。本发明能够保证滤波器的最优性，并且提升噪声抑制、混响抑制的性能。

技术领域

本发明属于信息处理的领域，特别是关于一种基于空间区分性检测的噪声抑制方法及装置。

背景技术

实际在线会议系统、智能家居语音交互等应用中，说话人距离麦克风有一定的距离，混响和噪声同时被麦克风拾取，都会影响语音通讯质量和交互的准确性。一方面，墙壁多次反射的混响会导致噪声抑制滤波器性能下降，尤其是在会议室等混响较大的应用场景；另一方面，背景噪声的存在也会导致混响抑制的性能下降。

目前常用的方案首先基于短时傅里叶变换，把每个通道时域信号转化到时频域，随后设计一组滤波器计算每一个时频单元相对于历史信号的相关性，该相关性由混响导致，基于该相关性计算滤波器消除混响。之后，基于说话人相对于麦克风阵列的方位信息，计算理想导向矢量，进而基于最小噪声能量的方式设计滤波器。两种滤波器依次进行混响抑制和噪声抑制，通常效果显著低于噪声或混响单独存在的场景。

现有技术中，抑制噪声的方法主要有以下缺点：

1)噪声和混响同时存在，单独对混响和噪声建立模型，采用序列式混响抑制、噪声抑制性能通常会显著下降。

2)强混响场景下，纯粹基于方位信息的导向矢量和真实导向矢量不匹配，会导致语音失真，降低语音交互质量。

公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。

发明内容

本发明的目的在于提供一种基于空间区分性检测的噪声抑制方法及装置，其能够保证滤波器的最优性，并且提升噪声抑制、混响抑制的性能。

为实现上述目的，本发明提供了一种基于空间区分性检测的噪声抑制方法，包括以下步骤：

S1：对每个麦克风的时域信号进行导向矢量和超指向滤波器计算；

S2：对初始化后的信号转化为时频域信号，并且构建频域预测向量；

S3：对时频域信号进行噪声抑制滤波器计算，获取用于构建噪声和混响抑制的滤波器；其中，噪声抑制滤波器计算包括：计算空间区分性系数和空间权重信息，更新加权自相关矩阵，以及构建噪声和混响抑制滤波器；

S4：根据获取的滤波器，得到目标语音的频域估计，进而得到目标语音时域估计。

进一步地，所述步骤S1之前，还包括获取麦克风的语音信号x_m(n)；

所述步骤S1中，具体包括以下步骤：

S101：对每个频带k，计算目标语音导向矢量u(k)：

q(θ)＝[cos(θ),sin(θ)]；

S102：对每个频带k，计算超指向滤波器h(k)：

进一步地，所述步骤S2包括以下步骤：

S201：对时域信号x_m(n)进行短时傅里叶变换得到时频域表达：