CN101164105A - 用于减小音频噪声的系统和方法 - Google Patents
用于减小音频噪声的系统和方法 Download PDFInfo
- Publication number
- CN101164105A CN101164105A CNA2006800133882A CN200680013388A CN101164105A CN 101164105 A CN101164105 A CN 101164105A CN A2006800133882 A CNA2006800133882 A CN A2006800133882A CN 200680013388 A CN200680013388 A CN 200680013388A CN 101164105 A CN101164105 A CN 101164105A
- Authority
- CN
- China
- Prior art keywords
- power spectrum
- noise
- frequency
- domain signal
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000001228 spectrum Methods 0.000 claims abstract description 129
- 238000001514 detection method Methods 0.000 claims abstract description 28
- 230000000694 effects Effects 0.000 claims description 41
- 238000004891 communication Methods 0.000 claims description 8
- 238000000926 separation method Methods 0.000 claims description 4
- 230000000452 restraining effect Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 9
- 230000003595 spectral effect Effects 0.000 description 9
- 230000000712 assembly Effects 0.000 description 7
- 238000000429 assembly Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000009467 reduction Effects 0.000 description 7
- 238000001914 filtration Methods 0.000 description 6
- 230000014509 gene expression Effects 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 230000004927 fusion Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 206010038743 Restlessness Diseases 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 208000019300 CLIPPERS Diseases 0.000 description 1
- 101100001669 Emericella variicolor andD gene Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 208000021930 chronic lymphocytic inflammation with pontine perivascular enhancement responsive to steroids Diseases 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M9/00—Arrangements for interconnection not involving centralised switching
- H04M9/08—Two-way loud-speaking telephone systems with means for conditioning the signal, e.g. for suppressing echoes for one or both directions of traffic
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/20—Speech recognition techniques specially adapted for robustness in adverse environments, e.g. in noise, of stress induced speech
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Telephone Function (AREA)
- Telephonic Communication Services (AREA)
- Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
- Noise Elimination (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Soundproofing, Sound Blocking, And Sound Damping (AREA)
Abstract
公开了用于减小音频噪声的系统和方法的各种实施例。可以基于从时域信号(142)中获得的功率谱(152)来检测例如噪声(154、156)和网络信号声音(158)的一个或更多个声音分量。该检测的结果可以用于做出决策(162),确定能够应用于功率谱的调整谱(164、166)。可以把调整功率谱变换回大致去除了不希望的噪声和/或考虑到例如网络信号声音的已知声音分量的时域信号(172)。
Description
技术领域
本发明总地涉及信号处理,更具体地涉及用于减小例如语音通信信号的信号中的音频噪声的系统和方法。
背景技术
背景噪声和干扰声会降低语音通信系统中的语音质量和可识度。在没有语音的情况下,背景噪声和干扰声的存在是恼人的。
为了解决这些问题,已经提出了多种语音增强和噪声减小(NR)技术,以期望信噪比(SNR)的改进将提升语音质量和可识度。然而,SNR和语音质量的改进之间存在冲突。尽管改进SNR会使语音中的噪声减小,然而与多个可用噪声减小和语音增强算法相关的假象或失真将会降低语音质量,从而使得语音变得不悦耳。
发明内容
上述问题中至少一些能够由这里公开的用于减小音频噪声的系统和方法的各种实施例来解决。可以基于从时域信号中获得的功率谱来检测例如噪声和网络信号声音的一个或更多个声音分量。该检测的结果可以用于做出决策,确定能够应用于功率谱的调整谱。可以把调整后的谱变换回基本上去除了不希望的噪声和/或考虑到例如网络信号声音的已知声音分量的时域信号。
本发明的一个实施例涉及一种用于减小音频噪声的系统。所述系统包括输入组件,其被配置为接收输入时域信号并产生输入频域信号和所述输入频域信号的功率谱。所述系统还包括至少一个检测组件,每一个检测组件被配置为检测所述功率谱中选定声音分量的存在。所述系统还包括调整组件,其被配置为基于所述至少一个选定声音分量的所述存在检测而产生调整功率谱,并把所述调整功率谱与所述输入频域信号进行组合以产生输出频域信号。所述系统还包括输出组件,其被配置为基于所述输出频域信号而产生输出时域信号。
在一个实施例中,所述输入时域信号包括语音通信信号。
在一个实施例中,所述至少一个检测组件包括噪声活动性检测器、白噪声检测器和网络信号声音检测器中至少一种。在一个实施例中,所述功率谱包括N个频率区,并与所述输入时域信号的N个采样值相对应。
在一个实施例中,所述噪声活动性检测器被配置为把所述N个频率区的一个或更多个组的幅度与相应的选定值进行比较,并产生噪声活动性指示符,该噪声活动性指示符指示所述功率谱中是否存在噪声活动性。在一个实施例中,所述噪声活动性检测器被配置为:把所述N个频率区分为多个频带;获得所述多个频带中每一个频带的幅度值;针对所述多个频带中每一个频带,把所述幅度值与阈值进行比较;以及如果针对所述多个频带中选定数量的频带的所述幅度值超过所述阈值,则确定存在所述噪声活动性。
在一个实施例中,所述白噪声检测器被配置为:基于所述N个频率区之和,获得当前能量值;获得所述当前能量值与先前能量值之间的差,所述差具有正值;以及如果所述差大于选定值,则产生白噪声指示符,该指示符指示所述功率谱中存在白噪声。
在一个实施例中,所述网络信号声音检测器被配置为:从所述N个频率区中识别具有最大值的选定区;以及如果所述选定区满足一个或更多个条件,则产生网络信号声音指示符,该网络信号声音指示符指示所述功率谱中存在网络信号声音。在一个实施例中,如果所述选定区的变化量不大于选定量且所述选定区处于与所述网络信号声音相对应的频率范围内,则产生所述网络信号声音指示符。
在一个实施例中,所述调整功率谱包括所估计的功率谱,基于一个或更多个所述选定声音分量的所述检测而调整所述所估计的功率谱。在一个实施例中,所述所估计的功率谱的调整包括:如果所述网络信号声音检测器没有检测到网络信号声音且所述噪声活动性检测器检测到噪声活动性,则利用选定量对所述所估计的功率谱进行缩放。在一个实施例中,所述所估计的功率谱的调整还包括:如果所述网络信号声音检测器没有检测到网络信号声音且所述白噪声检测器检测到白噪声,则对白噪声进行调整。
在一个实施例中,所述系统还包括再收敛组件,所述再收敛组件被配置为:允许基于所述输入时域信号,绕过所述至少一个检测组件和所述调整组件。在一个实施例中,如果代表所述输入时域信号的选定值在选定时段中持续小于阈值,则执行所述绕过。在一个实施例中,所述阈值大致为零。
本发明的一个实施例涉及一种用于减小音频噪声的方法。所述方法包括接收输入时域信号并产生输入频域信号和所述输入频域信号的功率谱。所述方法还包括检测所述功率谱中一个或更多个声音分量的存在。所述方法还包括基于所述一个或更多个声音分量的所述存在检测,产生调整功率谱。所述方法还包括把所述调整功率谱与所述输入频域信号进行组合,以产生输出频域信号。所述方法还包括基于所述输出频域信号而产生输出时域信号。
在一个实施例中,所述输入时域信号包括语音通信信号。
在一个实施例中,所述一个或更多个声音分量包括噪声活动性、白噪声和网络信号声音中至少一种。在一个实施例中,所述功率谱包括N个频率区,并与所述输入时域信号的N个采样值相对应。
在一个实施例中,通过如下方式来检测所述噪声活动性:把所述N个频率区的一个或更多个组的幅度与相应的选定值进行比较,并产生噪声活动性指示符,该指示符指示所述功率谱中是否存在噪声活动性。在一个实施例中,通过如下方式来检测所述噪声活动性:把所述N个频率区分为多个频带;获得所述多个频带中每一个频带的幅度值;针对所述多个频带中每一个频带,把所述幅度值与阈值进行比较;以及如果针对所述多个频带中选定数量的频带的所述幅度值超过所述阈值,则确定存在所述噪声活动性。
在一个实施例中,通过如下方式来检测所述白噪声:基于所述N个频率区之和,获得当前能量值;获得所述当前能量值与先前能量值之间的差,所述差具有正值;以及如果所述差大于选定值,则产生白噪声指示符,该指示符指示所述功率谱中存在白噪声。
在一个实施例中,通过如下方式来检测所述网络信号声音:从所述N个频率区中识别具有最大值的选定区;以及如果所述选定区满足一个或更多个条件,则产生网络信号声音指示符,该网络信号声音指示符指示所述功率谱中存在网络信号声音。在一个实施例中,如果所述选定区的变化量不大于选定量且所述选定区处于与所述网络信号声音相对应的频率范围内,则产生所述网络信号声音指示符。
在一个实施例中,所述调整功率谱包括所估计的功率谱,基于一个或更多个声音分量的所述检测而调整所述所估计的功率谱。在一个实施例中,所述所估计的功率谱的调整包括:如果没有检测到网络信号声音且检测到噪声活动性,则利用选定量对所述所估计的功率谱进行缩放。在一个实施例中,所述所估计的功率谱的调整还包括:如果没有检测到网络信号声音且检测到白噪声,则对白噪声进行调整。
在一个实施例中,所述方法还包括基于所述输入时域信号绕过所述检测。在一个实施例中,如果代表所述输入时域信号的选定值在选定时段中持续小于阈值,则执行所述绕过。在一个实施例中,所述阈值大致为零。
本发明的一个实施例涉及一种用于减小音频噪声的系统。所述系统包括输入组件,其被配置为接收输入信号并产生与所述输入信号相对应的功率谱,所述输入信号具有信噪比。所述系统还包括检测器,其被配置为检测所述功率谱中一个或更多个声音分量的存在。当所述输入信号的所述信噪比维持在大致相同的水平上时,执行所述检测。
本发明的一个实施例涉及一种用于减小音频噪声的系统。所述系统包括用于产生与输入信号相对应的功率谱的装置。所述系统还包括用于检测所述功率谱中的一个或更多个声音分量的装置。所述系统还包括用于根据所述一个或更多个声音分量的检测而调整所述输入信号的装置。
附图说明
图1示出了具有各种组件的系统的一个实施例的框图,所述各种组件被配置为识别例如音频通信信号的信号中的一个或更多个声音分量;
图2示出了图1中的系统能够执行的过程的一个实施例;
图3示出了图1中的系统的一个示例实施例;
图4A和4B示出了可以用于对信号进行调整以做进一步处理的示例性滤波组件的示例响应;
图5示出了可被配置为检测与信号相对应的功率谱中的白噪声的检测器组件的一个实施例;
图6示出了可被配置为检测与信号相对应的功率谱中的噪声活动性的检测器组件的一个实施例;
图7示出了可被配置为检测与信号相对应的功率谱中的网络信号声音(network tone)的检测器组件的一个实施例;
图8示出了在一个实施例中,从不同检测器组件获得的结果可以用于确定可用于信号的调整功率谱;以及
图9示出了图1中的系统的另一个示例实施例。
通过阅读下文参考附图的详细描述,本教导的这些和其他方面、优点和新颖特征将会变得明显。在附图中,相似的元素具有相似的附图标记。
具体实施方式
本发明大体上涉及噪声减小技术。在一些实施例中,本发明的各种特征和技术可以在语音通信设备上实现,例如电话设备(基于无线或有线)、基于无线电的设备、助听器等。
图1示出了具有各种组件的系统100的一个实施例的框图,所述各种组件有助于检测输入信号中的一个或更多个选定声音分量,并基于该检测到的声音分量来调整输入信号。在一个实施例中,选定声音分量可以包括噪声。在一个实施例中,选定声音分量可以包括人为引入的声音,例如网络信号声音。
为了在这里进行描述,时域信号被标记为S(n),而相应频域部分被标记为S(k)。S(k)包括幅度和相位信息;因而可以被称作矢量量或复信号。S(k)的幅度部分的平方通常称作功率谱,并被标记为PowS(k)。为了在这里进行描述,“功率谱”可以从幅度、幅度的平方或任意基于幅度的数量中获得。
因此,如图1所示,系统100的一个实施例接收输入信号X(n),获得复信号X(k),确定X(k)的功率谱PowX(k),基于PowX(k)确定调整功率谱PowA(k),并基于调整功率谱PowA(k)来调整X(k)以产生调整后的复信号Y(k)。调整后的复信号Y(k)可以被转换回其相应时域部分Y(n)。
在一个实施例中,系统100包括能够提供上述功能的输入组件102、检测组件104、调整组件106和输出组件110。在一个实施例中,系统还可以包括旁路组件112。这些组件在下文中详细描述。
在一些实施例中,这里描述的各种特征的功能由处理器、组件、和/或模块来实现或加以促进。为了在这里进行描述,处理器可以包括一个或更多个处理器件和/或一个或更多个过程。类似地,组件或模块可以包括一个或更多个器件和/或一个或更多个过程。
此外,不同的组件能够作为分立器件或相同器件的部分而共存。此外,某些组件能够以一个器件的部分而共存,同时其他组件是一个或更多个器件的部分。
如图1所示,所示的输入信号X(n)由输入组件102接收,输入组件102产生相应的复信号X(k)及其功率谱PowX(k)。所示的功率谱PowX(k)由检测组件104接收,检测组件104产生一个或更多个检测结果。所示一个或更多个检测结果由调整组件106接收,调整组件106基于一个或更多个检测结果而产生调整功率谱PowA(k)。调整功率谱PowA(k)可以和复信号X(k)进行组合,以产生调整后的复信号Y(k)。所示调整后的复信号Y(k)由输出组件110接收,输出组件110产生输出的时域信号Y(n),Y(n)与调整后的复信号Y(k)相对应。
在一个实施例中,如图1所示,输入组件102可以向旁路组件112提供信号X’(n),X’(n)可以与输入X(n)相同也可以不同,旁路组件112能够确定是对X(k)进行调整(由箭头114所示)还是复位系统状态并绕开调整过程(由箭头116所示)。
图2示出了图1中的系统100的一个实施例能够执行的过程120的一个实施例。在过程块122中,从输入的时域信号中获得复频域信号。在过程块124中,获得复频域信号的功率谱。在过程块126中,基于功率谱来检测至少一个选定声音分量的存在。在过程块128中,基于对至少一个选定声音分量的检测而产生调整功率谱。在过程块130中,把复频域信号和调整功率谱进行组合,以产生输出的复频域信号。在过程块132中,从输出的复频域信号中产生输出的时域信号。
图3示出了能够执行图2中的过程120的系统100的一个示例实施例。在图3的示例中,上文参考图1所述的各种组件没有必要标出。然而可以理解的是,过程120的各种功能可以由图3所示的示例来实现。
在一个实施例中,能够把输入的时域信号采样为帧。图3所示的示例配置在对输入信号的帧142的处理之后。为了在这里进行描述,假定输入帧142在8kHz采样率的情况下具有64个采样值。然而可以理解,其他采样值也是可能的。
在图3中,信号的输入帧被表示为X(n)。在这里的描述中,X(n)有时被简称为输入信号或输入的时域信号。
在一个实施例中,可以对输入信号X(n)进行滤波以去除特定噪声。例如,可以执行高通滤波(HPF,由块144表示)以滤出DC分量和某些低频噪声。
在一些应用中,例如数字增强无绳电信(DECT)系统中,输入信号可以具有约100Hz处的信号声音噪声。为了处理这个示例噪声,示例HPF144可以被配置为在其频率响应中大约100Hz处具有谷,如图4A和4B所示。
在一个实施例中,滤波后的信号X’(n)可以被分解为具有N/2(N=128)采样交叠的N个采样的帧。在一个实施例中,对这样的帧进行汉宁(hanning)加窗(块146)和128-FFT(块148),以获得复信号(也被称作复频谱)X(k)(块150)。
在一个实施例中,如图3进一步所示,可以基于N点FFT(块148)来获得功率谱PowX(k)(k=1、2、...、N/2)(块152),其中k表示值为k*fs/N(Hz)的频率区(frequency bin),fs是采样率。
基于输入功率谱PowX(k),示例检测器-噪声活动性检测器(154)、白噪声检测器(块156)以及网络信号声音检测器(块158)-可以确定噪声活动性、白噪声以及网络信号声音。基于该确定,检测器154、156和158可以分别产生输出标志N_Flag、W_Flag和T_Flag。这些示例检测器在下文中详细描述。
在一个实施例中,噪声活动性检测器152和白噪声检测器可被设计用于残留噪声的减小。在一个实施例中,来自噪声活动性检测器154、白噪声检测器156和网络信号声音检测器158中任意一个或任意组合的输出可以用于噪声功率估计及其频谱增益估计。例如,在一个实施例中,来自所有的三个检测器154、156、158的输出可以用于噪声功率估计及其频谱增益估计。在一个实施例中,来自网络信号声音检测器158的输出可以用于噪声功率估计及其频谱增益估计。
在一个实施例中,如图3中进一步示出,所示的检测器154、156、158的输出(包括其各自的输出标志)被提供给调整功率谱发生器160。所示的功率谱PowX(k)也被提供给调整功率谱发生器160。
所示的调整功率谱发生器160包括如下的功能:多决策汇合(块162)、噪声功率谱估计(164)、以及频谱增益估计(块166)。尽管图3示出了特定的示例“流”(通过示例箭头),然而可以理解的是,调整功率谱发生器160的各种功能不必一定遵循这些路径。
在一个实施例中,调整功率谱发生器160首先产生噪声功率谱164的估计。在一个实施例中,噪声功率谱可以通过如下示例技术来估计:(1)获得M个帧的功率谱(例如M=8,包括当前帧的PowX(k)和7个先前的帧);针对每一个频率区,获得M个帧中的最小值;并通过收集频率区的最小值而形成所估计的噪声功率谱。例如,如果区-1具有来自帧-7的最小值2.2,区-2具有来自帧-2的最小值1.5,等等,那么所估计的噪声功率谱的值对于区-1为2.2,对于区-2为1.5,等等。
在一个实施例中,调整功率谱发生器160通过频谱增益(166)来调整所估计的噪声功率谱(164)。频谱增益可以基于某些已知技术来确定,和/或基于某些涉及检测器154、156和158的输出的决策(162)而确定。例如,频谱增益(对于每一个区为mSpectralGain(k))可以基于如下文献中所示的方法而计算,并将该文件的全体通过引用结合于此:“Speech enhancement using a minimum mean square errorshort-time spectral amplitude estimator”,by Y.Ephraim andD.Malah,IEEE Trans.Acoust.,Speech,SignalProcessing,vol.ASSP-32(6),pp.1109-1121,Dec.1984。下文更加详细地描述用于调整噪声功率谱的基于检测的增益确定的示例。
在一个实施例中,如图3进一步示出,可以对输入的复频谱X(k)(来自块150)进行频域滤波(块166),在此处把获得的频谱增益(块164中)应用于X(k)。例如,针对第k个频率区的频谱增益可以计算如下:
mSpectralGain(k,m)=Ratio(k,m)/[Ratio(k,m)+1],k=1、2、...、64
其中,Ratio(k,m)=α*mSpectralGain(k,m-1)*PowX(k)*γ+(1-α)*P[PowX(k)]。
参数α是所谓的“忘记因数”(0<α<1,α=0.98是一个示例);γ是常数(例如0.0243)。P[PowX(k)]是纠正函数,其中一个示例可以是max(0.0,PowX(k)*γ/EstimatedNoisePow(k)-1)。在这个示例中,mSpectralGain(k,0)被初始化为零。滤波166的输出被示出为输出的复频谱(也被称作复信号)Y(k)。
在一个实施例中,如图3进一步所示,输出的复频谱Y(k)可以通过例如N点IFFT(块168)进一步处理,以映射到时域上。在一个实施例中,叠加(overlap add)(块170)技术可以用于重建表示噪声减小的时域信号Y(n)的采样的帧(块172)。
在一个实施例中,如图3进一步所示,旁路或再收敛机制可以按照如下方式工作。在块180中可以计算X’(n)帧的绝对值之和InstantLevelSum。也可以获得一个或更多个先前帧的类似值。决策块182基于当前值和一个或更多个先前值,确定值InstantLevelSum是否等于0.0或小于针对特定时段(例如80ms)的选定值。如果“是”,则可以复位系统状态,并绕过噪声减小处理。在该情况下,Y(k)可以被指定为X(k),并被处理以产生上文所述的Y(n)。如果“否”,则可以基于上文所述的功率谱PowX(k)来执行噪声功率谱估计和/或频谱增益确定。
图5示出了上文参考图3(156)所述的白噪声检测器200的一个实施例。所示的求和组件202接收功率谱PowX(k),对区求和(在这个示例中是64个区),并向平滑器204提供和所示的平滑器204接收参数kAlphaW以及和从而产生如下表示的量
mSmoothedInstantEnergy:
0.94818,而量mSmoothedInstantEnergy被初始化为零。
如图5进一步所示,mSmoothedInstantEnergy和旧值oldSmoothedInstantEnergy之间的差(206)的绝对值(208)被示出为具有值“A”。把值“B”定义为oldSmoothedInstantEnergy与参数kEnvelopeRatio的乘积(214)。在一个实施例中,kEnvelopeRatio的值为大约0.0284。在决策块210中对值A和B进行比较。如果A小于B,则计数器mWhiteNoiseFrameCount(被初始化为零)递增1(216)。否则,计数器mWhiteNoiseFrameCount被重置为零(218)。
如图5进一步所示,在决策块220中把计数器mWhiteNoiseFrameCount的当前值与选定计数值kNumWhiteNoiseFrames进行比较。在一个实施例中,kNumWhiteNoiseFrames具有值38。如果mWhiteNoiseFrameCount大于或等于kNumWhiteNoiseFrames,则认为存在白噪声,且标志W_Flag被设置为示例值“1”(222)。计数器mWhiteNoiseFrameCount还被设置为值kNumWhiteNoiseFrames。如果mWhiteNoiseFrameCount小于kNumWhiteNoiseFrames,则认定不存在白噪声,且标志W_Flag被设置为“0”(224)。现在,针对下一帧的分析,当前值mSmoothedInstantEnergy变为旧值oldSmoothedInstantEnergy(226)。
图6示出了上文参考图3(154)所描述的噪声活动性检测器230的一个实施例。具有示例性的64个区的功率谱PowX(k)(232)被示出为把该64个区分为4个示例频带(i=1至4)(234)。对于每一个频带(第i个频带),通过平方根运算块236来处理带内区的功率和,以产生第i频带的值Mag_i。在一个实施例中,把值Mag_I提供给平滑器块238,而平滑器块238还接收参数kAlphaNad(240)。在一个实施例中,kAlphaNad的值大约为0.55。平滑器238基于Mag_i和kAlphaNad来计算平滑后的幅度值sMag_i:
sMag_i=kAlphaNad*sMag_i+(1-kAlphaNad)*Mag_i
注意,针对4个示例频带,i=1至4。在一个实施例中,sMag_i的值被初始化为大约0.925。
在一个实施例中,针对选定时段(例如30帧)保持和更新sMag_i的最小值。因此,来自平滑器238的sMag_i的当前值可以和现有的最小值进行比较,以查看是否应当更新最小值MinMag_i(242)。sMag_i的当前值和阈值(246)(例如选定参数乘以MinMag_i)进行比较(244)。如果sMag_i大于阈值,则认为存在噪声活动性,且针对这里描述的决策汇合把标志N_Flag设置为“1”。否则,把N_Flag设置为“0”。
图7示出了参考图3(158)描述的网络信号声音检测器250的一个实施例。如这里所述,网络信号声音检测器250或其变体可以提供简单且有效的网络信号声音检测算法。网络信号声音检测器250所提供的一个或更多个功能还可以与基于频谱相减的噪声减小技术相结合,以实现有效的噪声减小,同时保持例如电话系统的系统中的网络信号声音信息。此外,网络信号声音检测算法可以被一般化为和回声消除方案相集成,以提供更好的回声消除且不会丢失任何有用的信息。
在一个实施例中,为了描述图7而定义如下参数。参数mInPsdMaxIndex是当前帧的频率区编号,其中该区具有示例性的64个频率区中的最大能量。参数oldInPsdMaxIndex表示对于先前帧具有最大能量的频率区。参数mMaxPsdRatio是0.0和1.0之间的可调正因数。参数kNLow和kNHigh定义了网络信号声音所处的频率范围;kNLow定义了最小频率,而kNHigh定义了最大频率。参数mToneFrameCount是表示满足网络信号声音要求的连续帧的个数的计数器。参数kNumToneFrames是阈值。T_Flag是所检测的标志,其中值为1意味着当前帧被认为具有网络信号声音;否则,当前值被认为没有网络信号声音。
在一个实施例中,如图7所示,能够以如下方式来检测网络信号声音。在过程块252中,可以确定具有PowX(k)(在示例配置中,k=1至64)的最大值的区,并把相应的区编号k表示为mInPsdMaxIndex。mInPsdMaxIndex和oldInPsdMaxIndex之间的差(254)的绝对值(256)被表示为“A”。因此,A=|mInPsdMaxIndex-oldInPsdMaxIndex|。mInPsdMaxIndex和mMaxPsdRatio的乘积(258)被表示为“B”。因此,B=mInPsdMaxIndex*mMaxPsdRatio。
在决策块260,检查如下条件:(A<B)和(kNLow<=mInPsdMaxIndex<=kNHigh)。检查条件(A<B)以确定具有最大值的当前区与先前的区相比有多大的变化。检查条件(kNLow<=mInPsdMaxIndex<=kNHigh)以确定最大值区是否处于已知的网络信号声音频率范围内。
如果同时满足这两个条件,则认为当前帧具有网络信号声音,且帧计数器mToneFrameCount递增1(264)。否则,认为当前帧没有网络信号声音,并把帧计数器mToneFrameCount复位至零(262)。
决策块266确定把T_Flag设置为“1”(信号中存在网络信号声音)还是“0”(信号中不存在网络信号声音)。如果mToneFrameCount>=kNumToneFrames,则把T_Flag设置为“1”(268),否则设置为“0”(270)。对于这两种情况,为了对下一帧进行分析,把mInPsdMaxIndex的当前值设置为旧值oldInPsdMaxIndex(272)。
在一个实施例中,可以使用如下值:mMaxPsdRatio=0.21;kNumToneFrames=19;kNLow=2且kNHigh=15(针对示例的128-FFT)。
图8示出了上文参考图3所提到的基于检测的增益确定的示例的一个实施例(280)。mSpectralGain(k)是第k个区的增益,其可以应用于具有在图3中的块164中所估计的噪声功率谱的相同区。基于决策块282的结果来调整所示的mSpectralGain(k),其中对如下条件进行测试:((T_Flag=0)和(N_Flag=1))或(当前帧是前M个帧?)。在一个实施例中,M=9。
如果决策块282的结果是“是”,则通过因数mNoiseActivityGain(在一个示例中,0.2<mNoiseActivityGain<=1.0)对mSpectralGain(k)进行缩放(284)。在一个实施例中,mNoiseActivityGain的值大约是0.50。然后,在决策块286对另一组条件进行测试。如果决策块282的结果是“否”,则直接调用决策块286。
该决策块测试如下条件:(T_Flag=0)和(W_Flag=1)。如果结果是“是”,则向mSpectralGain(k)分配值mWhiteNoiseSpectralGain,其可被估计为mMinSpectralGain*mGainW(288)。在一个实施例中,mMinSpectralGain的值大约是0.25,而mGainW的值大约是0.891。如果结果是“否”,则以如下方式使mSpectralGain(k)经过限幅器(clipper)290。如果mSpectralGain(k)小于mMinSpectralGain,则mSpectralGain(k)=mMinSpectralGain;如果mSpectralGain(k)大于1.0,则对于所有k的值(在这个示例中为1至64),mSpectralGain(k)=1.0。
图9示出了在一个实施例中,可以类似于上述系统100而对系统300进行配置。所示的系统300具有网络信号声音检测器302,其能够提供用于决策制定的T_Flag,其中基于功率谱PowX(k)来确定该标志。如同示例系统100,该决策制定可以包括基于是否存在网络信号声音而对选定频谱增益进行调整。在一个实施例中,可以使用类似于图8的决策制定过程-其中基于T_Flag而不基于其他检测器标志来做出决策-以确定频谱增益调整的不同值。
基于上文可以看出,待应用于每一个频率区中的频谱增益不仅可取决于噪声功率估计,而且还取决于一个或更多个检测及其相应的决策。尽管上文讨论白噪声、噪声活动性和网络信号声音作为示例,然而也可以处理其他类型的噪声-例如残留噪声、强噪声、中度噪声和弱噪声。利用这些决策的信息汇合,总决策错误得以减小或最小化,而且可以获得针对特定系统的增强或优化的滤波增益。
通过实现本发明的特征的各种组合,可以获得非常良好的语音质量,对于静态噪声可获得12-20dB的有效噪声抑制(抑制量可调整),这是因为频谱滤波中使用的增益不仅来自噪声估计,而且可以通过噪声功率估计与其他的一个或更多个检测及其相应决策的整合而决定。
此外,以下是本发明的非限制性新颖特征:(1)本发明的各种特征大体上与输入电平无关,因而可以使用来自检测和决策的信息对有关功率估计进行归一化;(2)本发明的各种特征大体上可避免与AGC(自动增益控制,其中在应用噪声减小处理之前改变输入信号的信噪比)相关的失真;(3)由于本发明的技术基于功率谱而不是很多其他可用NR系统(包括计算密集的AGC)中使用的幅度谱,所以计算复杂度低;(4)因为提供了有效的网络信号声音检测和有关的功能,所以可以保留电话应用的接收路径中的网络信号声音;(5)因为可以根据各种决策结果来适应性地改变各种相关参数,所以可以实现快速和可调整的收敛时间、灵活的控制性、再收敛以及初始收敛。
在一个实施例中,这里描述的一个或更多个特征还可以在多信道通信系统中实现。在多信道的情况下,不仅对一个信道、而且还对多个信道的多检测进行信息汇合。
关于网络信号声音检测器,应注意如下事项。如果出现网络信号声音,则噪声减小方案可以把输入看作有用的信号,并切换为使用不同的频谱增益以保持网络信号声音不会减小。对此,噪声减小方案不仅能够增大SNR,而且还能够保持网络信号声音信息在其他可用的噪声减小算法中可用。
此外,由于网络信号声音检测器基于在基于频谱相减的噪声减小算法中可用的频谱,所以不需要额外的计算以获得功率(或幅度)谱。结果,网络信号声音检测器可以是简单的,而且可以在很多应用中容易地实现。此外,网络信号声音检测器可以简单地被添加到现有的信号信道噪声减小方案中。此外,网络信号声音检测器和有关的算法可被整合到可在某些电话系统中找到的基于频域的回声消除方案中。此外,该技术还可以用于信令检测器,等等。
通常可以理解的是,该处理器例如可以包括计算机、程序逻辑或其他表示数据和指令的基础配置,其以这里描述的方式操作。在其他实施例中,该处理器可以包括控制器电路、处理器电路、处理器、通用单片或多片微处理器、数字信号处理器、嵌入式微处理器、微控制器等。
此外可以理解的是,在一个实施例中,程序逻辑可以有利地作为一个或更多个组件而实现。所述组件可以有利地被配置为在一个或更多个处理器上执行。所述组件包括但不限于:硬件或软件组件、例如软件模块的模块、面向对象的软件组件、类组件和任务组件、处理方法、函数、属性、过程、子例程、程序代码段、驱动器、固件、微代码、电路、数据、数据库、数据结构、表、数组和变量。
尽管上述实施例示出、描述并指出了应用于上述实施例的本发明的基本的新颖特征,应当理解的是,在不背离本发明的范围的前提下,本领域的技术人员可以对所示设备、系统和/或方法的细节的形式做出各种省略、替换和改变。因此,本发明的范围不应被限制为上文描述,而应当由所附权利要求来限定。
本申请要求2005年4月21日递交的、标题为“SYSTEMS AND METHODSFOR REDUCING AUDIO NOISE”的美国临时申请No.60/673,671的优先权,将其全体内容通过引用结合于此。
Claims (32)
1.一种用于减小音频噪声的系统,包括:
输入组件,被配置为接收输入时域信号并产生输入频域信号和所述输入频域信号的功率谱;
至少一个检测组件,每一个被配置为检测所述功率谱中选定声音分量的存在;
调整组件,被配置为:
基于所述至少一个选定声音分量的所述存在检测,产生调整功率谱;
把所述调整功率谱与所述输入频域信号进行组合,以产生输出频域信号;
输出组件,被配置为基于所述输出频域信号而产生输出时域信号。
2.根据权利要求1所述的系统,其中,所述输入时域信号包括语音通信信号。
3.根据权利要求1所述的系统,其中,所述至少一个检测组件包括噪声活动性检测器、白噪声检测器和网络信号声音检测器中的至少一种。
4.根据权利要求3所述的系统,其中,所述功率谱包括N个频率区,并与所述输入时域信号的N个采样值相对应。
5.根据权利要求4所述的系统,其中,所述噪声活动性检测器被配置为把所述N个频率区的一个或更多个组的幅度与相应的选定值进行比较,并产生噪声活动性指示符,该噪声活动性指示符指示所述功率谱中是否存在噪声活动性。
6.根据权利要求5所述的系统,其中,所述噪声活动性检测器被配置为:
把所述N个频率区分为多个频带;
获得所述多个频带中每一个频带的幅度值;
针对所述多个频带中每一个频带,把所述幅度值与阈值进行比较;以及
如果所述多个频带中选定数量的频带的所述幅度值超过所述阈值,则确定存在所述噪声活动性。
7.根据权利要求4所述的系统,其中,所述白噪声检测器被配置为:
基于所述N个频率区之和,获得当前能量值;
获得所述当前能量值与先前能量值之间的差,所述差具有正值;以及
如果所述差大于选定值,则产生白噪声指示符,该白噪声指示符指示所述功率谱中存在白噪声。
8.根据权利要求4所述的系统,其中,所述网络信号声音检测器被配置为:
从所述N个频率区中识别具有最大值的选定区;以及
如果所述选定区满足一个或更多个条件,则产生网络信号声音指示符,该网络信号声音指示符指示所述功率谱中存在网络信号声音。
9.根据权利要求8所述的系统,其中,如果所述选定区的变化量不大于选定量且所述选定区处于与所述网络信号声音相对应的频率范围内,则产生所述网络信号声音指示符。
10.根据权利要求4所述的系统,其中,所述调整功率谱包括所估计的功率谱,基于一个或更多个所述选定声音分量的所述检测而调整所述所估计的功率谱。
11.根据权利要求10所述的系统,其中,所述所估计的功率谱的调整包括:如果所述网络信号声音检测器没有检测到网络信号声音且所述噪声活动性检测器检测到噪声活动性,则利用选定量对所述所估计的功率谱进行缩放。
12.根据权利要求11所述的系统,其中,所述所估计的功率谱的调整还包括:如果所述网络信号声音检测器没有检测到网络信号声音且所述白噪声检测器检测到白噪声,则对所述白噪声进行调整。
13.根据权利要求1所述的系统,还包括再收敛组件,所述再收敛组件被配置为:允许基于所述输入时域信号,绕过所述至少一个检测组件和所述调整组件。
14.根据权利要求13所述的系统,其中,如果代表所述输入时域信号的选定值在选定时段中持续小于阈值,则执行所述绕过。
15.根据权利要求14所述的系统,其中,所述阈值大致为零。
16.一种用于减小音频噪声的方法,包括:
接收输入时域信号并产生输入频域信号和所述输入频域信号的功率谱;
检测所述功率谱中一个或更多个声音分量的存在;
基于所述一个或更多个声音分量的所述存在检测,产生调整功率谱;
把所述调整功率谱与所述输入频域信号进行组合,以产生输出频域信号;以及
基于所述输出频域信号而产生输出时域信号。
17.根据权利要求16所述的方法,其中,所述输入时域信号包括语音通信信号。
18.根据权利要求16所述的方法,其中,所述一个或更多个声音分量包括噪声活动性、白噪声和网络信号声音中至少一种。
19.根据权利要求18所述的方法,其中,所述功率谱包括N个频率区,并与所述输入时域信号的N个采样值相对应。
20.根据权利要求19所述的方法,其中,通过如下方式来检测所述噪声活动性:把所述N个频率区的一个或更多个组的幅度与相应的选定值进行比较,并产生噪声活动性指示符,该噪声活动性指示符指示所述功率谱中是否存在所述噪声活动性。
21.根据权利要求20所述的方法,其中,通过如下方式来检测所述噪声活动性:
把所述N个频率区分为多个频带;
获得所述多个频带中每一个频带的幅度值;
针对所述多个频带中每一个频带,把所述幅度值与阈值进行比较;以及
如果所述多个频带中选定数量的频带的所述幅度值超过所述阈值,则确定存在所述噪声活动性。
22.根据权利要求19所述的方法,其中,通过如下方式来检测所述白噪声;
基于所述N个频率区之和,获得当前能量值;
获得所述当前能量值与先前能量值之间的差,所述差具有正值;以及
如果所述差大于选定值,则产生白噪声指示符,该白噪声指示符指示所述功率谱中存在白噪声。
23.根据权利要求19所述的方法,其中,通过如下方式来检测所述网络信号声音:
从所述N个频率区中识别具有最大值的选定区;以及
如果所述选定区满足一个或更多个条件,则产生网络信号声音指示符,该指示符指示所述功率谱中存在网络信号声音。
24.根据权利要求23所述的方法,其中,如果所述选定区的变化量不大于选定量且所述选定区处于与所述网络信号声音相对应的频率范围内,则产生所述网络信号声音指示符。
25.根据权利要求19所述的方法,其中,所述调整功率谱包括所估计的功率谱,基于一个或更多个所述声音分量的所述检测而调整所述所估计的功率谱。
26.根据权利要求25所述的方法,其中,所述所估计的功率谱的调整包括:如果没有检测到网络信号声音且检测到噪声活动性,则利用选定量对所述所估计的功率谱进行缩放。
27.根据权利要求26所述的方法,其中,所述所估计的功率谱的调整还包括:如果没有检测到网络信号声音且检测到白噪声,则对所述白噪声进行调整。
28.根据权利要求16所述的方法,还包括基于所述输入时域信号绕过所述检测。
29.根据权利要求28所述的方法,其中,如果代表所述输入时域信号的选定值在选定时段中持续小于阈值,则执行所述绕过。
30.根据权利要求29所述的方法,其中,所述阈值大致为零。
31.一种用于减小音频噪声的系统,包括:
输入组件,被配置为接收输入信号并产生与所述输入信号相对应的功率谱,所述输入信号具有信噪比;以及
检测器,被配置为检测所述功率谱中一个或更多个声音分量的存在;
其中,当所述输入信号的所述信噪比维持在大致相同的水平上时,执行所述检测。
32.一种用于减小音频噪声的系统,包括:
用于产生与输入信号相对应的功率谱的装置;
用于检测所述功率谱中的一个或更多个声音分量的装置;以及
用于基于所述一个或更多个声音分量的检测而调整所述输入信号的装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US67367105P | 2005-04-21 | 2005-04-21 | |
US60/673,671 | 2005-04-21 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101164105A true CN101164105A (zh) | 2008-04-16 |
CN100580775C CN100580775C (zh) | 2010-01-13 |
Family
ID=36808839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200680013388A Expired - Fee Related CN100580775C (zh) | 2005-04-21 | 2006-04-21 | 用于减小音频噪声的系统和方法 |
Country Status (7)
Country | Link |
---|---|
US (2) | US7912231B2 (zh) |
EP (1) | EP1875466B1 (zh) |
JP (1) | JP5203933B2 (zh) |
KR (1) | KR101168466B1 (zh) |
CN (1) | CN100580775C (zh) |
CA (1) | CA2604210C (zh) |
WO (1) | WO2006116132A2 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102208190A (zh) * | 2011-05-06 | 2011-10-05 | 声科科技(南京)有限公司 | 抑制非平稳噪声设备收敛时间的测量方法及装置 |
CN106205637A (zh) * | 2015-03-02 | 2016-12-07 | 智原科技股份有限公司 | 音频信号的噪声检测方法与装置 |
CN109829035A (zh) * | 2018-12-19 | 2019-05-31 | 平安国际融资租赁有限公司 | 流程搜索方法、装置、计算机设备和存储介质 |
CN112017674A (zh) * | 2020-08-04 | 2020-12-01 | 杭州联汇科技股份有限公司 | 一种基于音频特征检测广播音频信号中噪声的方法 |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8139787B2 (en) * | 2005-09-09 | 2012-03-20 | Simon Haykin | Method and device for binaural signal enhancement |
EP2115742B1 (en) * | 2007-03-02 | 2012-09-12 | Telefonaktiebolaget LM Ericsson (publ) | Methods and arrangements in a telecommunications network |
CN101110217B (zh) * | 2007-07-25 | 2010-10-13 | 北京中星微电子有限公司 | 一种音频信号的自动增益控制方法及装置 |
ES2654318T3 (es) * | 2007-07-27 | 2018-02-13 | Stichting Vumc | Supresión de ruido en señales de voz |
EP2031583B1 (en) * | 2007-08-31 | 2010-01-06 | Harman Becker Automotive Systems GmbH | Fast estimation of spectral noise power density for speech signal enhancement |
KR101107510B1 (ko) | 2008-01-10 | 2012-02-06 | 주식회사 만도 | 전자유압브레이크시스템의 제동장치 |
US9142221B2 (en) * | 2008-04-07 | 2015-09-22 | Cambridge Silicon Radio Limited | Noise reduction |
TWI415484B (zh) * | 2009-01-20 | 2013-11-11 | Green Solution Tech Co Ltd | 具有噪音防止之轉換電路及轉換控制器 |
JP5141542B2 (ja) * | 2008-12-24 | 2013-02-13 | 富士通株式会社 | 雑音検出装置及び雑音検出方法 |
KR101616054B1 (ko) | 2009-04-17 | 2016-04-28 | 삼성전자주식회사 | 음성 검출 장치 및 방법 |
EP2737479B1 (en) | 2011-07-29 | 2017-01-18 | Dts Llc | Adaptive voice intelligibility enhancement |
CN103457453B (zh) * | 2012-06-04 | 2016-05-11 | 台达电子工业股份有限公司 | 一种用于降低音频噪音的控制方法 |
US10366703B2 (en) | 2014-10-01 | 2019-07-30 | Samsung Electronics Co., Ltd. | Method and apparatus for processing audio signal including shock noise |
DE102015207706B3 (de) | 2015-04-27 | 2016-08-18 | Sivantos Pte. Ltd. | Verfahren zur frequenzabhängigen Rauschunterdrückung eines Eingangssignals |
TWI569594B (zh) * | 2015-08-31 | 2017-02-01 | 晨星半導體股份有限公司 | 突波干擾消除裝置及突波干擾消除方法 |
KR102443637B1 (ko) | 2017-10-23 | 2022-09-16 | 삼성전자주식회사 | 네트워크 연결 정보에 기반하여 잡음 제어 파라미터를 결정하는 전자 장치 및 그의 동작 방법 |
CN109951198B (zh) | 2017-12-20 | 2022-06-07 | 三星电子株式会社 | 执行选择性噪声滤波的无线通信设备及操作该设备的方法 |
JP7042169B2 (ja) * | 2018-06-21 | 2022-03-25 | 日清紡マイクロデバイス株式会社 | 音声認識支援システム |
US11915715B2 (en) | 2021-06-24 | 2024-02-27 | Cisco Technology, Inc. | Noise detector for targeted application of noise removal |
Family Cites Families (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4358738A (en) * | 1976-06-07 | 1982-11-09 | Kahn Leonard R | Signal presence determination method for use in a contaminated medium |
US4630604A (en) * | 1985-04-09 | 1986-12-23 | Siebe North, Inc. | Valve assembly for a replaceable filter respirator |
US4630305A (en) * | 1985-07-01 | 1986-12-16 | Motorola, Inc. | Automatic gain selector for a noise suppression system |
US4628529A (en) * | 1985-07-01 | 1986-12-09 | Motorola, Inc. | Noise suppression system |
IL84948A0 (en) * | 1987-12-25 | 1988-06-30 | D S P Group Israel Ltd | Noise reduction system |
JP2919685B2 (ja) * | 1992-11-02 | 1999-07-12 | シャープ株式会社 | 信号識別回路 |
CA2153170C (en) * | 1993-11-30 | 2000-12-19 | At&T Corp. | Transmitted noise reduction in communications systems |
US5937060A (en) * | 1996-02-09 | 1999-08-10 | Texas Instruments Incorporated | Residual echo suppression |
US5933495A (en) * | 1997-02-07 | 1999-08-03 | Texas Instruments Incorporated | Subband acoustic noise suppression |
US6415253B1 (en) * | 1998-02-20 | 2002-07-02 | Meta-C Corporation | Method and apparatus for enhancing noise-corrupted speech |
US6289309B1 (en) * | 1998-12-16 | 2001-09-11 | Sarnoff Corporation | Noise spectrum tracking for speech enhancement |
AU2408500A (en) * | 1999-01-07 | 2000-07-24 | Tellabs Operations, Inc. | Method and apparatus for adaptively suppressing noise |
FI116643B (fi) * | 1999-11-15 | 2006-01-13 | Nokia Corp | Kohinan vaimennus |
US6760435B1 (en) * | 2000-02-08 | 2004-07-06 | Lucent Technologies Inc. | Method and apparatus for network speech enhancement |
US6766292B1 (en) * | 2000-03-28 | 2004-07-20 | Tellabs Operations, Inc. | Relative noise ratio weighting techniques for adaptive noise cancellation |
US6529868B1 (en) * | 2000-03-28 | 2003-03-04 | Tellabs Operations, Inc. | Communication system noise cancellation power signal calculation techniques |
US6671667B1 (en) * | 2000-03-28 | 2003-12-30 | Tellabs Operations, Inc. | Speech presence measurement detection techniques |
US6523003B1 (en) * | 2000-03-28 | 2003-02-18 | Tellabs Operations, Inc. | Spectrally interdependent gain adjustment techniques |
US7617099B2 (en) * | 2001-02-12 | 2009-11-10 | FortMedia Inc. | Noise suppression by two-channel tandem spectrum modification for speech signal in an automobile |
US7206418B2 (en) * | 2001-02-12 | 2007-04-17 | Fortemedia, Inc. | Noise suppression for a wireless communication device |
WO2003001173A1 (en) * | 2001-06-22 | 2003-01-03 | Rti Tech Pte Ltd | A noise-stripping device |
US7277554B2 (en) * | 2001-08-08 | 2007-10-02 | Gn Resound North America Corporation | Dynamic range compression using digital frequency warping |
KR100400226B1 (ko) * | 2001-10-15 | 2003-10-01 | 삼성전자주식회사 | 음성 부재 확률 계산 장치 및 방법과 이 장치 및 방법을이용한 잡음 제거 장치 및 방법 |
US20030110029A1 (en) * | 2001-12-07 | 2003-06-12 | Masoud Ahmadi | Noise detection and cancellation in communications systems |
US7146316B2 (en) | 2002-10-17 | 2006-12-05 | Clarity Technologies, Inc. | Noise reduction in subbanded speech signals |
JP4520732B2 (ja) * | 2003-12-03 | 2010-08-11 | 富士通株式会社 | 雑音低減装置、および低減方法 |
US8189803B2 (en) * | 2004-06-15 | 2012-05-29 | Bose Corporation | Noise reduction headset |
US7454332B2 (en) * | 2004-06-15 | 2008-11-18 | Microsoft Corporation | Gain constrained noise suppression |
US20060111912A1 (en) * | 2004-11-19 | 2006-05-25 | Christian Andrew D | Audio analysis of voice communications over data networks to prevent unauthorized usage |
-
2006
- 2006-04-21 CA CA2604210A patent/CA2604210C/en not_active Expired - Fee Related
- 2006-04-21 KR KR1020077027014A patent/KR101168466B1/ko not_active IP Right Cessation
- 2006-04-21 JP JP2008507934A patent/JP5203933B2/ja not_active Expired - Fee Related
- 2006-04-21 US US11/408,488 patent/US7912231B2/en not_active Expired - Fee Related
- 2006-04-21 WO PCT/US2006/015168 patent/WO2006116132A2/en active Application Filing
- 2006-04-21 CN CN200680013388A patent/CN100580775C/zh not_active Expired - Fee Related
- 2006-04-21 EP EP06751033.9A patent/EP1875466B1/en not_active Not-in-force
-
2011
- 2011-03-21 US US13/053,088 patent/US9386162B2/en not_active Expired - Fee Related
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102208190A (zh) * | 2011-05-06 | 2011-10-05 | 声科科技(南京)有限公司 | 抑制非平稳噪声设备收敛时间的测量方法及装置 |
CN106205637A (zh) * | 2015-03-02 | 2016-12-07 | 智原科技股份有限公司 | 音频信号的噪声检测方法与装置 |
CN106205637B (zh) * | 2015-03-02 | 2019-12-10 | 联咏科技股份有限公司 | 音频信号的噪声检测方法与装置 |
CN109829035A (zh) * | 2018-12-19 | 2019-05-31 | 平安国际融资租赁有限公司 | 流程搜索方法、装置、计算机设备和存储介质 |
CN112017674A (zh) * | 2020-08-04 | 2020-12-01 | 杭州联汇科技股份有限公司 | 一种基于音频特征检测广播音频信号中噪声的方法 |
CN112017674B (zh) * | 2020-08-04 | 2024-02-02 | 杭州联汇科技股份有限公司 | 一种基于音频特征检测广播音频信号中噪声的方法 |
Also Published As
Publication number | Publication date |
---|---|
KR20080002990A (ko) | 2008-01-04 |
EP1875466B1 (en) | 2016-06-29 |
US7912231B2 (en) | 2011-03-22 |
WO2006116132A2 (en) | 2006-11-02 |
EP1875466A2 (en) | 2008-01-09 |
JP5203933B2 (ja) | 2013-06-05 |
CN100580775C (zh) | 2010-01-13 |
JP2008537185A (ja) | 2008-09-11 |
US20110172997A1 (en) | 2011-07-14 |
CA2604210C (en) | 2016-06-28 |
US9386162B2 (en) | 2016-07-05 |
WO2006116132A3 (en) | 2007-04-12 |
KR101168466B1 (ko) | 2012-07-26 |
US20060256764A1 (en) | 2006-11-16 |
CA2604210A1 (en) | 2006-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100580775C (zh) | 用于减小音频噪声的系统和方法 | |
CN111418010B (zh) | 一种多麦克风降噪方法、装置及终端设备 | |
CN104520925B (zh) | 噪声降低增益的百分位滤波 | |
US9343056B1 (en) | Wind noise detection and suppression | |
US9443532B2 (en) | Noise reduction using direction-of-arrival information | |
EP3053356B1 (en) | Methods and apparatus for selective microphone signal combining | |
US10356515B2 (en) | Signal processor | |
CN106068535B (zh) | 噪声抑制 | |
CN108028049A (zh) | 麦克风信号融合 | |
US9418678B2 (en) | Sound processing device, sound processing method, and program | |
JP5834088B2 (ja) | 動的マイクロフォン信号ミキサ | |
CN103348408A (zh) | 噪声和位置外信号的组合抑制 | |
JP6635440B2 (ja) | 音声区間補正フレーム数の取得方法、音声区間検出方法及び装置 | |
WO2012107561A1 (en) | Spatial adaptation in multi-microphone sound capture | |
WO2007083814A1 (ja) | 音源分離装置及び音源分離方法 | |
JP6686895B2 (ja) | 音声処理装置、音声処理方法、並びにプログラム | |
JP2014532891A (ja) | オーディオ信号ノイズ減衰 | |
CN112259117B (zh) | 一种目标声源锁定和提取的方法 | |
CN103000183A (zh) | 语音增强方法 | |
CN112165558B (zh) | 一种双讲状态检测方法、装置、存储介质及终端设备 | |
JP7144078B2 (ja) | 信号処理装置、音声通話端末、信号処理方法および信号処理プログラム | |
WO2023172609A1 (en) | Method and audio processing system for wind noise suppression | |
CN117376753A (zh) | 多领麦会议系统麦克风自适应选择方法 | |
CN115424630A (zh) | 一种目标端到端模型的训练方法、混合音频信号处理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
ASS | Succession or assignment of patent right |
Owner name: DST LLC Free format text: FORMER OWNER: SRS LABS INC. Effective date: 20121204 |
|
C41 | Transfer of patent application or patent right or utility model | ||
TR01 | Transfer of patent right |
Effective date of registration: 20121204 Address after: American California Patentee after: DTS Labs Inc. Address before: American California Patentee before: SRS Labs Inc. |
|
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20100113 Termination date: 20180421 |