[发明专利]一种基于临界频带的双耳语音分离方法

摘要

本发明公开了一种基于临界频带和双耳声信号的语音分离方法，通过数据训练和声源的方位信息，在每个临界频带内对双耳声信号进行声源的分类，从而获得每个声源的数据流，重构得到分离后的每个声源信号，实现语音分离。本发明基于人耳听觉系统的分频处理机制，结合人耳的听觉掩蔽效应，根据不同声源的方位信息，在每一个临界频带内对混合语音进行分离，不同噪声和混响条件下的定位分离结果表明，基于临界频带的双耳语音分离，性能获得有效提升。

主权项

一种基于临界频带的双耳语音分离方法，其特征在于，该方法包括以下步骤：1)参数训练阶段：1.1)使用具有方向性的双耳白噪声信号进行训练，所述双耳白噪声信号为与头相关脉冲响应函数HRIR数据与单声道白噪声信号卷积生成的方位已知的双耳信号，双耳白噪声信号的声源方位角θ定义为方向矢量在水平面的投影与中垂面的夹角，其范围为[‑90°,90°]；1.2)对已知方位信息的双耳白噪声信号进行预处理，所述预处理过程包括幅度归一化处理、分帧加窗，得到分帧后的单帧双耳声信号；1.3)对步骤1.2)中得到的单帧双耳语音信号进行互相关函数运算，利用互相关函数计算单帧信号的耳间时间差ITD估计值，同一方位所有帧ITD估计值的均值作为该方位的ITD训练值，建立方位角θ的ITD模型，记为δ(θ)；1.4)对步骤1.2)中得到的单帧双耳语音信号进行短时傅里叶变换，将其变换到频域，计算左耳声信号和右耳声信号在每个频点幅度谱的比值，即耳间强度差IID矢量，同一方位所有帧IID估计值的均值作为该方位的IID训练值，建立方位角θ的IID模型，记为α(θ,ω)，ω表示傅里叶变换的频谱；2)基于临界频带和方位信息的双耳混合语音信号分离阶段：2.1)测试过程中的双耳混合语音信号，包含多个声源，且每个声源对应不同的方位，双耳混合语音信号进行预处理，所述预处理的方法与步骤1.2)中的预处理方法相同，包括幅度归一化处理、分帧加窗，；2.2)对分帧之后的双耳混合声信号进行傅里叶变换，基于临界频带的频率范围，对频域进行子带划分，得到分帧后的子带信号；2.3)根据混合声源信号包含的声源个数和方位信息，以及步骤1.3)和步骤1.4)建立的方位声信号ITD、IID参数，在步骤2.2)得到的每帧、每个临界频带内，基于左、右耳声信号的相似度，进行声源的分类；2.4)对步骤2.3)所得的临界频带分类结果与步骤2.1)中获得的分帧后的时频信号相乘，获得每个声源所对应的时频域信号；2.5)对步骤2.4)所得的每个声源对应的时频域信号进行傅里叶逆变换，转换为时域信号，进行去加窗，合成为每个声源的分离语音。