[发明专利]通信终端双麦克风消噪系统中的语音活动检测方法及装置

摘要

本发明公开了通信终端双麦克风消噪系统中的语音活动检测方法和装置，一为神经网络的训练：选取训练样本提取特征并得到对应的语音活动检测结果，利用特征和对应的检测结果对神经网络进行训练；二为基于训练好的神经网络进行语音活动检测：分别使用通信终端的主、次麦克风采集待测带噪语音信号，对采集到的带噪语音信号提取特征，然后将特征送入训练好的神经网络，由神经网络输出语音活动检测的结果；其中特征包括子带互通道能量差和归一化的互通道相关。可依据不同的噪声环境自适应的调节参数进行语音活动检测，解决了现有的语音活动检测方法不能适应噪声环境改变而性能下降的问题，提升了复杂噪声环境下的语音活动检测的准确性。

主权项

1.一种通信终端双麦克风消噪系统中的语音活动检测方法，其特征在于包括如下步骤：1)神经网络训练：选取训练样本，提取特征，并得到对应的语音活动检测结果，利用特征和对应的语音活动检测结果对神经网络进行训练，得到训练好的神经网络；2)基于训练好的神经网络进行语音活动检测：通过通信终端的主、次麦克风采集待测的模拟带噪语音信号，并通过模数转换器转换为数字采样信号，得到待测的分别对应于主、次麦克风的数字带噪语音信号，接着对该数字带噪语音信号提取特征，然后将特征送入步骤1)训练好的神经网络，由神经网络输出语音活动检测的最终检测结果；所述步骤1)和步骤2)中的特征包括子带互通道能量差和归一化的互通道相关，其中，所述特征中子带互通道能量差的计算方法为：使用短时傅里叶变化将主、次麦克风接受的信号转化到频域，在频域使用24个MEL频带对频域进行划分，对每一帧信号，先分别计算主、次麦克风的信号功率谱，再计算主、次麦克风的信号功率谱在每个频点的比值，对每个子带，将子带内每个频点的功率比值取对数相加求和再除以子带的频点数进行平均，然后得到每个子带的互通道能量差作为训练神经网络的特征，其中第b个子带互通道能量差为：其中，u_h(b)和u_l(b)分别为第b个子带的上下边界，和分别为主麦克风和次麦克风中第n帧信号的第k个频点的功率谱，k代表频率点，n代表语音帧标号，i为麦克风的标号；所述特征中归一化的互通道相关的计算方法为：在时域将主、次麦克风中的信号划分为短时帧，对每一帧信号，先计算主、次麦克风接受的信号幅值的均值，然后，在每个采样点上，再用主麦克风中的信号幅值减去对应均值的值，与当前采样点经过τ个采样点的延时后的次麦克风中的信号幅值减去对应均值的值相乘，并将每个采样点计算的结果在一帧内求和，最后对求和的值进行归一化，得到对应每一帧的归一化互通道相关T(n，τ)，计算公式如下：其中，L代表每一帧时域信号的长度，τ为延时，x_1，n和x_2，n分别为主、次麦克风中的数字带噪语音信号，和分别为每一帧内主麦克风和次麦克风接受的信号的均值。