[发明专利]一种采用麦克风阵列拾音的多通道语音增强方法

说明书

本发明公开了一种采用麦克风阵列拾音的多通道语音增强方法，该方法包括利用多个单通道麦克风对语音进行多通道拾音并进行预处理；基于参考麦克风的选择，采用NCC和MCS两种特征提取并联合平均的方式降低通道间的信号差异，设计出与参考麦克风对应的滤波器；对其它单通道麦克风进行NCC和MCS两种特征提取，并设计出与其它单通道参考麦克风一一对应的滤波器；将所有的单通道麦克风的增强语音信号进行联合并将进行均值处理，以获得最终的增强语音信号。本发明提供的多通道语音增强方法采用NCC和MCS两种特征提取并联合平均的方式降低通道间的信号差异，对室内空间中远近场带噪语音起到很好的降噪效果。

技术领域

本发明涉及语音降噪技术领域，特别涉及一种采用麦克风阵列拾音的多通道语音增强方法。

背景技术

在真实的生产生活场景中，各种复杂的噪声干扰会严重影响人们使用语音设备的通信质量或语音识别系统的识别性能。需要通过语音信号的前端处理提升语音的清晰度和可懂度，以便提升系统性能。一般而言，采用多个麦克风，组成一定形式的阵列结构，进行多通道拾音，除了语音信号的时域特征和频域特征，还能获得比单个麦克风拾音更多的空间特征信息，从而进行更高维度的语音增强算法设计。传统的基于麦克风阵列的语音增强算法大多采用波束形成(Beamforming,BF)方法，通过算法采集信号的空间信息，提高目标方向的语音增益，实现对目标信号的增强，将其他方向的信号都认为是干扰信号。波束形成算法一般分成两个阶段，第一阶段要对各个麦克风接收的信号进行同步处理。选择一个麦克风作为参考麦克风，计算语音信号到每个麦克风的相对时延，通过时延补偿使得各个麦克风通道的信号在时间上同步。第二阶段确定各个麦克风通道的权重。赋予不同通道不同的权重，以便适应问题场景，将每个通道信号加权求和并做平均，得到最终的增强语音。基于信号处理的波束形成算法有几点不足：

1.算法基于一些数学假设和噪声的频谱估计，这些假设和估计只是一定程度上符合场景的特性，使得系统的降噪性能有限；

2.这类方法无法对波束以外的有用语音信号进行增强处理，不能满足全场景拾音的要求；

3.由于真实场景中说话人与麦克风距离不同，说话人的语音信号难以保证特征能量的均匀分布，一句话中，有的段声音大，有的段声音小，非平稳的语音状态，也使得系统语音增强效果不稳定。

发明内容

为了克服现有技术存在的不足，本发明提供了一种采用麦克风阵列拾音的多通道语音增强方法，所述技术方案如下：

本发明提供了一种采用麦克风阵列拾音的多通道语音增强方法，包括以下步骤：

S1、利用多个单通道麦克风对语音进行多通道拾音并进行预处理；

S2、选择其中一个单通道麦克风作为参考麦克风，基于所述参考麦克风的选择，进行归一化处理多通道拾音信号，采用NCC和MCS两种特征提取并联合平均的方式降低通道间的信号差异，再通过多头注意力网络设计出与所述参考麦克风对应的滤波器，使用该滤波器对所述参考麦克风的拾音信号进行卷积操作，以获得所述参考麦克风滤波后的增强语音信号；

S3、结合所述参考麦克风滤波后的增强语音信号，对其它单通道麦克风进行NCC和MCS两种特征提取，并通过多头注意力网络设计出与其它单通道参考麦克风一一对应的滤波器，其它单通道麦克风通过对应的滤波器对各自的拾音信号进行卷积操作，以分别获得其它单通道麦克风滤波后的增强语音信号；

S4、将所有的单通道麦克风的增强语音信号进行联合并将进行均值处理，以获得最终的增强语音信号。

进一步地，在步骤S1中，预处理包括以下步骤：

S101、对语音数据前后进行补零；

S102、对补零后的语音数据进行分帧处理，