CN100477705C - 音频增强系统、配有该系统的系统、失真信号增强方法 - Google Patents

Abstract

本发明揭示了一种用于语音识别或语音控制的音频增强系统(1)，这种音频增强系统(1)包括一个承载一个失真的所希望的信号(z)的信号输入端、一个参考信号输入端和一个与这两个信号输入端相耦合的频谱处理器(SP)，所述频谱处理器(SP)用一个参考信号(x)作为对所希望的信号的失真的估计从而处理所述失真的所希望的信号(z)。对于所述处理配置频谱处理器(SP)，使得确定一个因子C′，从而所述估计为C′与参考信号(x)的频谱功率相乘的函数，并且因子C′被确定为信号z与x中的基本上随时间平稳的那些分量之间的频谱比。这样一个由这两个信号的平稳部分确定的因子使得在音频增强系统中不需要应用关键性的语音检测器。

Description

音频增强系统、配有该系统的系统、失真信号增强方法

技术领域

本发明涉及一种音频增强系统，这种音频增强系统包括一个承载一个失真的所希望的信号的信号输入端、一个参考信号输入端和一个与这两个信号输入端相耦合的频谱处理器，所述频谱处理器用一个参考信号作为对所希望的信号的失真的估计从而处理所述失真的所希望的信号，本发明还涉及适合在这种音频增强系统内使用的信号。

本发明还涉及配有这样的音频增强系统的系统，特别是通信系统，例如免提通信设备，诸如移动电话机、语音识别系统或语音控制的系统，以及涉及用参考信号作为对所希望的信号的失真的估计对失真的所希望的信号进行频谱处理从而增强失真的所希望的信号的方法。

背景技术

WO 97/45995揭示了这样的一种体现为抑制诸如使信号失真的噪声之类的干扰分量的音频增强系统。这种已知的系统包括连接到各个音频信号输入端上的若干麦克风。这些麦克风包括一个接收失真的所希望的信号的主麦克风和一个或多个接收干扰信号的参考麦克风。这种系统还包括一个体现为通过音频信号输入端与各麦克风连接的信号处理装置的频谱处理器。信号处理装置在频谱上从失真信号中减去干扰信号，从而在它的输出端上给出一个干扰噪声分量被减小了的输出信号。

这种已知的音频增强系统的缺点是，它的干扰信号消除能力取决于对于与语音处理装置耦合的语音检测器的应用。这种已知的音频增强系统的效果关键性地取决于这个语音检测器的对语音的正确检测。

发明内容

因此，本发明的目的是提供一种得到改善的音频增强系统和方法，不需要有语音检测器和语音检测器的关键性操作，因而比较简单。

此外，按照本发明设计的音频增强系统的特征是，频谱处理器配成使所述处理确定一个因子C′，从而所述估计为C′与参考信号的频谱功率相乘的函数，并且因子C′被确定为信号z与x中的基本上随时间平稳的那些分量之间的频谱比。

同样，按照本发明设计的方法的特征是，所述估计是一个因子C′与参考信号的频谱功率相乘的函数，并且C′被确定为信号z和x中的基本上随时间平稳的那些分量之间的频谱比。

本发明的发明人发现这样定义的因子C′对所希望的信号实质上是不敏感的。因子C′只考虑信号z与x中的平稳分量之比。可以用对因子C′的这个设想为实际输入音频增强系统的失真的所希望的信号的失真提供一个可靠的估计，而不需要用语音检测器。这从而导致按照本发明设计得到的简化音频增强系统具有得到改善和稳当的失真消除特性。特别是在一个或多个参考信号包括诸如噪声、回声、竞争语音、所希望的语音的混响之类的失真的情况下，这种得到改善的失真消除仍然成立。此外，这种基于频率的对失真的估计可以在任何可得到参考信号的情况下计算出来。

另一个优点是不必明确估计诸如固有噪声或回声拖尾的各个失真分量，虽然如果需要的话很容易可以实现一种处理这些分量的综合技术。这在失真没有很好的例如麦克风波束形成应用之类的估计技术予以估计的情况下特别有益。

按照本发明设计的音频增强系统的一个实施例具有如在权利要求2中所述的特征。

通常，两个一般都具有经平均的频谱功率形式的频谱功率是在若干个时间帧上测量的。确定两个频谱功率在一段时间间隔上的最小值，这并没有显著增加负担，从而按照本发明设计的音频增强系统的计算并不很复杂。

在按照本发明设计的音频增强系统的另一个实施例中，这段时间间隔含有失真的所希望的信号内的至少一个停顿。这产生一个明确确定的失真的所希望的输入信号的最小和平稳的频谱分量值。这个最小的频谱分量值准确地表示了输入信号内的平稳失真。

优选的是，时间间隔延续至少4至5秒，使得在一般情况下可以在输入音频增强系统的失真的所希望的信号内包括一个语音停顿。

按照本发明设计的音频增强系统的又一个实施例具有如在权利要求5中所述的特征。

通常，对所希望的信号的失真的估计可以有益地表示为某个正函数，例如由以上频谱单位之一定义的信号功率或信号能量。

一个实际优选实施例具有权利要求6所述的特征。

在这种情况下，音频增强系统包括高效率和容易实现的移位寄存器，用来存储频谱功率和/或经平滑的频谱功率的值。

附图说明

下面将结合附图对按照本发明设计的音频增强系统和方法及其其他优点作进一步说明，在这些附图中类似的组件标以相同的标号。

在本说明的这些附图中：

图1示出了按照本发明设计的音频增强系统的原理图；

图2示出了在另一个按照本发明设计的具有一个滤波与求和波束形成器的实施例中实现的原理图；以及

图3示出了按照本发明设计的音频增强系统的实施例的详细情况。

具体实施方式

图1示出了体现为一个频谱处理器SP的音频增强系统1的原理图，其中示出了频域的输入信号z和x以及输出信号q。这些频域信号在处理器SP用例如简称为STFT的短时DFT的离散傅里叶变换按块进行频谱计算得到。STFT是可以用自变量kB和lw₀或有时只用自变量w_k表示的时间和频率的函数。在这里，k表示离散时间帧附标，B表示帧移，l表示(离散的)频率附标，w₀表示基本频率间隔，而w_k是指附标为k的频谱分量。输入信号z表示一个失真的所希望的信号。它包括通常呈现为语音的所希望的信号与诸如噪声、回声、竞争语音或所希望的信号混响之类的失真之和。信号x表示参考信号，要从中得出对失真的所希望的信号z内的失真的估计。信号z和x可以来自一个或多个麦克风2，如图1和2所示。在多麦克风音频增强系统1内，有两个或更多个分开的麦克风2，以从一个或多个麦克风得出参考信号。

音频增强系统1可以包括用来从中得出参考信号x的自适应滤波装置(未示出)。在这种情况下参考信号来自通信系统的远端。

在图1所示的实施例中，信号x只包括参考或噪声信号，而信号z包括所希望的信号和噪声信号两者。图2示出了音频增强系统在麦克风2通过麦克风阵列信号u₁和u₂感测语音和噪声的情况下的实施例。现在，在麦克风2与频谱处理器SP之间接有一个滤波与求和波束形成器3。同样，频谱处理器SP接收上述信号z和x，信号x只包括参考或噪声，而信号z包括所希望的信号和噪声信号两者。这样一个波束形成器3设计成通过用相应的传递函数f₁(w)和f₂(w)对麦克风阵列信号u₁和u₂进行线性组合从而得到失真的所希望的信号z。通过来自各个麦克风阵列信号的成块矩阵B(w)得出参考信号x，用于将这些信号投影到一个与所希望的信号正交的子空间中。理想的情况是矩阵B(w)的输出信号x不含所希望的语音而只含失真。然后，信号z和x馈给频谱处理器SP，由频谱处理器SP用参考信号x对失真的所希望的信号z进行频谱处理。处理器SP输出的信号q是一个几乎没有失真的输出信号，q＝G×z，其中G为增益函数，将在稍后说明。

音频增强系统1可以包括在一个系统内，特别是一个例如免提通信设备的通信系统内，诸如移动电话机、语音识别系统或语音控制的系统之类的系统内。

频谱处理器SP起着用于由以上所说明的离散傅里叶变换(DFT)产生的各频率单位(frequency bin)的可控增益函数的作用。这个增益函数加到失真的所希望的语音信号z上，同时保持信号z的相位不变。为了使这种增益函数起到很好的音频增强作用，特别重要的是估计输入信号内存在的失真。然而，根据所涉及的最优化准则可以采用各种增益函数。例子包括以所涉及的信号的频谱振幅或幅度、频谱幅度平方、功率频谱密度或经Mel度量平滑的频谱密度为基础的频谱相减、维纳滤波或者例如最小均方误差(MMSE)估计或对数MMSE估计。这些技术可以与以上对具有一个或多个麦克风和/或扬声器的音频增强系统1所说明的应用结合。

在例如以下要说明的维纳滤波器类型的情况下，频谱处理器SP内所实现的增益函数具有以下形式：

G(kB，lw₀)＝1-γP_zz，n(kB，lw₀)/P_zz(kB，lw₀)    (1)

其中，P_zz，n(kB，lw₀)和P_zz(kB，lw₀)是对输入信号z内失真的功率分布和对输入信号z本身的功率分布的估计。γ表示所谓的过减因子(oversubtraction factor)，用来调整对失真的抑制量。这样就可以在失真抑制量与处理器输出信号的听觉质量之间进行折衷。

在式(1)中，P_zz，n(kB，lw₀)通常是不知道的，因此必须加以估计。所提出估计的

为：

${\hat{P}}_{\mathrm{zz},n}(\mathrm{kB},{\mathrm{lw}}_0)=C(\mathrm{kB},{\mathrm{lw}}_0)*P_{\mathrm{xx}}(\mathrm{kB},{\mathrm{lB}}_0)---\left(2\right)$

其中，系数项为：

C(kB，lw₀)＝P_zz(kB，lw₀)/P_xx(kB，lw₀)    (3)

在这里，P_zz(kB，lw₀)为失真的所希望的信号z的失真的经时间平均的频谱功率(在没有诸如语音之类的所希望的信号期间测量的)，而P_xx(kB，lw₀)是参考信号x的经时间平均的频谱功率。作为一个正的对频谱功率的度量，可以取所涉及的信号的例如频谱振幅或幅度、频谱幅度平方、功率频谱密度或经Mel度量平滑的频谱密度。在处理器SP内实现式(3)需要一个语音检测器。如果这样一个语音检测器没有准确实现，所希望的语音可能会受到影响，从而导致出现听得到的人为假象，因此必须避免。然而，在诸如汽车或工厂内这种噪声很多的条件下，可靠的语音检测是一个难以执行的任务。

概括地说，由于提出了一个几乎对所希望的语音不敏感的新的因子C′作为对因子C的估计(这实际上是通过将注意力集中于式(3)中的系数的平稳部分来实现的)，因此创建了一种鲁棒的算法，而不需要语音检测器。在这个创意的实际实现中，因子C′定义为在一段时间间隔期间确定的失真的所希望的信号(z)的频谱功率的最小值与参考信号(x)的频谱功率的最小值之比，以表达式可以表示为：

C′(w_k；l)＝min_{m∈[l-L，...，l]}P_zz(w_k；m)/min_{m∈[l-L，...，l]}P_xx(w_k；m)    (4)

在从1-L到1时间帧之间的时间间隔覆盖了L个时间帧，含有在失真的所希望的信号中存在的至少一个停顿。如果所希望的信号是语音信号，通常这个停顿是一个语音停顿。这样确定的最小值将式(4)的比分别集中在信号z和x的平稳分量上，这极小值表示失真或噪声的平稳分量。通常，时间间隔延续至少4至5秒。由式(4)给定的因子C′根据信号z和x的平稳分量确定。假设在这些信号中存在诸如语音的非平稳分量的情况下同样成立，频谱处理器SP所执行的操作是以这个假设为基础的。

式(4)中的因子C′的分子和分母内的频谱是通过分别在都具有平滑常数β的部件LPF1和LPF2内实现的一阶递归中对功率频谱进行平滑得到的。在这两个部件内的递归实现包括如图所示连接的乘法器X、加法器+和延迟线z^-1，以得到输入的x和z信号的经平滑的功率频谱密度版本。例如，z信号频谱于是服从以下平滑法则：

P_zz(w_k；l)＝βP_zz(w_k；l)+(1-β)P_zz(w_k；l-1)

其中，平滑常数β取一个在0到1之间的值。同样的法则可以用于x信号频谱。β的值可以用任何所希望的方式控制。它的值在典型情况下与50-200毫秒的时常数相应。每个时间帧附标、每个经平滑的量被存储在一个在这里分别呈现为移位寄存器SR1和SR2的缓存器内。存储在相应寄存器各个位置内的L个经平滑的值中的最小的值馈给除法器D，以按照式(4)得出所计算的C′的值。当然，要采取适当措施以避免分母值太小。

在所希望的语音信号的平均电平与失真的平均电平相比高得多的时候，可能出现LPF1和LPF2输出的平均值受所希望的语音支配的问题。这是由于这些平均值在出现一个高的语音电平后需要很长时间才回到低的失真电平。在这种情况下，C′的估计可能仍然受所希望的语音的影响，从而导致对所希望的语音信号的有害抑制。可以在递归中例如按照下式施加一个多变量压缩函数f_c来减小这个影响：

P_zz(w_k；l)＝βP_zz(w_k；l-1)+(1-β).f_c{P_zz(w_k；l)，P_zz(w_k；l-1)}

同样的法则可以用于x信号。压缩函数选择成使得在新的输入功率值比在滤波器LPF1和LPF2内的值更的时候减小递归的更新步幅。因此，压缩函数减小了高的所希望的语音电平对经平均的信号功率的影响。一个合适的压缩函数的例子为：

f_c(A，B)＝min{A-B，δB}

其中，δ为一个正常数。δ的值越小，通过递归滤波器LPF1和LPF2的信号值上升越慢。图3示出了包括压缩部件f_c的实施。如果不需要压缩，可以就此省去压缩部件f_c。

虽然以上结合基本优选实施例和最佳可能模式作了说明，但可以理解，这决不是说将这些实施例看作是系统实现方式和有关方法的限制性实例，因为对在所附权利要求书所给出的专利保护范围内的各个起重要作用的部分的各种修改和综合对于技术熟练的人员来说都是显而易见的。

Claims (13)

1.一种音频增强系统，包括一个承载一个失真的所希望的信号z的信号输入端、一个参考信号输入端和一个与这两个信号输入端相耦合的频谱处理器，所述频谱处理器用一个参考信号x作为基础来估计所希望的信号的失真，从而对失真的所希望的信号进行处理，所述音频增强系统的特征是：对于所述处理配置所述频谱处理器，使得确定一个因子C′，从而所述估计为C′与参考信号的频谱功率相乘的函数，并且因子C′被确定为信号z与x中的基本上随时间平稳的那些分量之间的频谱比。

2.  按照权利要求1所述的音频增强系统，其特征是：所述因子C′定义为失真的所希望的信号的频谱功率的最小值与参考信号的频谱功率的最小值之比，这两个最小值都是在一段时间间隔上确定的。

3.按照权利要求2所述的音频增强系统，其特征是：在所述时间间隔中包含失真的所希望的信号内的至少一个停顿。

4.按照权利要求3所述的音频增强系统，其特征是：所述时间间隔延续至少4秒。

5.按照权利要求1-4之一所述的音频增强系统，其特征是：所述相应频谱功率定义为所涉及的频谱功率的某个正函数，所述正函数为频谱幅度、频谱幅度平方、功率频谱密度或经Mel度量平滑的频谱密度中的一种。

6.按照权利要求1-4之一所述的音频增强系统，其特征是：所述频谱处理器包括用于存储频谱功率的值的移位寄存器。

7.按照权利要求1-4之一所述的音频增强系统，其特征是：所述频谱功率是经平滑的频谱功率。

8.一种包括音频增强系统的通信系统，所述音频增强系统包括一个承载一个失真的所希望的信号z的信号输入端、一个参考信号输入端和一个与这两个信号输入端相耦合的频谱处理器，所述频谱处理器用一个参考信号x作为基础来估计所希望的信号的失真，从而对失真的所希望的信号进行处理，所述系统的特征是：对于所述处理配置所述频谱处理器，使得确定一个因子C′，从而所述估计为C′与参考信号的频谱功率相乘的函数，并且因子C′被确定为信号z与x中的基本上随时间平稳的那些分量之间的频谱比。

9.包括按照权利要求8所述的通信系统的免提通信设备。

10.包括按照权利要求8所述的通信系统的移动电话。

11.包括按照权利要求8所述的通信系统的语音识别系统。

12.包括按照权利要求8所述的通信系统的语音控制的系统。

13.一种增强一个失真的所希望的信号z的方法，用一个参考信号x作为基础来估计所希望的信号的失真，从而对所希望的信号进行频谱处理，所述方法的特征是：所述估计是一个因子C′与参考信号的频谱功率相乘的函数，并且因子C′被确定为信号z与x中的基本上随时间平稳的那些分量之间的频谱比。

Images