CN102568491A - 噪声抑制方法及设备 - Google Patents

Abstract

本发明涉及语音处理，公开了一种噪声抑制方法及设备。本发明中，根据公式计算噪声抑制因子，n表示帧号，k表示频点号，G_n[k]表示第n帧第k个频点的噪声抑制因子，γ_n[k]表示第n帧第k个频点的后验信噪比，ξ_n[k]表示第n帧第k个频点的先验信噪比，λ表示指数因子。不仅处理后残留噪声中不存在乐音(Musical Tone)，而且极大地减小了计算复杂度，简单高效地实现了噪声抑制处理。

Description

噪声抑制方法及设备

技术领域

本发明涉及语音处理，特别涉及语音处理中的噪声抑制技术。

背景技术

在对带噪语流进行噪声抑制时，通常采用频域处理方式，其抑制过程通过对带噪语流频点乘以抑制因子实现：

X′_n[k]＝G_n[k]Y_n[k]，k＝0，1，2，…，M-1

X′_n[k]为第n帧第k频点的抑制结果的频谱，G_n[k]为抑制因子，Y_nk]为第n帧第k频点的带噪语流频谱，M为FFT点数。

目前，通常采用以下两种方法计算噪声抑制因子：

(1)谱减法(Spectral-Subtract)：谱减法是最大似然(MaximumLikelihood)准则下的最佳方差估计器，使用

从而获得噪声抑制因子：

$G_{\mathrm{SP}}[n,k]=\sqrt{1-\frac{\mathrm{\β}}{{\mathrm{\γ}}_n\left[k\right]}}$

其中，β通常取1，γ_nk]为后验信噪比

为噪声方差E[|N_n[k]|²]，由于谱减法属于本领域的公知常识，因此在本申请中仅作简单介绍，不再进行具体阐述。然而，谱减法的计算非常简单，只需要一次除法加上一次开方即可实现。但在处理效果上，底噪中存在乐音(Musical Tone)，即处理后的语音在时-频域上存在随机散布的频谱峰值。这主要是因为该因子并未区分下面两种情况：一、当前帧内存在语音时，后验信噪比γ_n[k]通常很大(带噪语音帧|Y_n[k]|²的功率中存在语音分量)，从而增益因子接近于1，即不对语音帧进行抑制；二、当前帧内不包含语音，由于噪声的随机特性，在时-频域上会散布着峰值(当前帧的某频点噪声功率远大于附近帧内相同频点处的噪声功率)，也会使得当前频点的功率|Y_n[k]|²很大，后验信噪比γ_n[k]也会变大很多，这就使得增益因子接近于1，从而不会抑制，即将其当成了语音信息。前后两种情况时，谱减法不区分这两种情况，处理增益一样。实际情况下，由于噪声的随机特性，无可避免会出现第二种情况：附近帧抑制效果明显，但当前帧的噪声抑制的不够干净，于是人耳感受的效果就是单音效果，但这种单音的效果不是确定为某些频点，而是随机的频点。

(2)MMSE-STSA(Ephraim-Malah算法)：Ephraim-Malah算法是最小均方差(Minimum Mean Square Error)准则下最优幅度估计器，通过以下公式计算噪声抑制因子。

$G_{\mathrm{MMSE}-\mathrm{STSA}}[n,k]=\mathrm{\Γ}\left(1.5\right)\sqrt{v_n\left[k\right]}/{\mathrm{\γ}}_n\left[k\right]\exp (-v_n[k]/2)[(1+v_n[k\left]\right)I_1\left(v_n\right[k]/2)+v_n[k]I_0\left(v_n\right[k]/2)$

上式中Γ为gamma函数，I_v为第一类v阶修正贝塞尔函数。其它定义如下：

$\begin{array}{cc}{v}_n\left[k\right]=\frac{{\mathrm{\ξ}}_n\left[k\right]}{1+{\mathrm{\ξ}}_n\left[k\right]}{\mathrm{\γ}}_n\left[k\right]& {\mathrm{\ξ}}_n\left[k\right]=\frac{{\mathrm{\σ}}_{S,n}^2\left[k\right]}{{\mathrm{\σ}}_{N,n}^2\left[k\right]}\end{array}$

由于根据MMSE-STSA算法计算噪声抑制因子属于本领域的公知常识，因此在本申请中仅作简单介绍，不再进行具体阐述。MMSE-STSA算法能有效的抑制乐音的出现，将抑制因子由两个因子共同控制：先验信噪比ξ_n[k]和后验信噪比γ_n[k]。先验信噪比ξ_n[k]起主要作用，当其值大时，抑制因子接近1，当其值小时，抑制力度逐渐增大；而后验信噪比γ_n[k]起辅助作用，在先验信噪比ξ_n[k]较大时，后验信噪比γ_n[k]几乎不起作用，当先验信噪比ξ_n[k]较小时，后验信噪比γ_n[k]越大，抑制因子力度越大。这就区分了上述描述(在谱减法中描述)的两种情况，通常在语音帧中，先验信噪比和后验信噪比均较大，而当无语音帧中，先验信噪比ξ_n[k]较小，但后验信噪比γ_n[k]浮动较大(噪声的随机特性)，对于MMSE-STSA算法，此时抑制因子与后验信噪比γ_n[k]成反比，即随着后验信噪比γ_n[k]的增大而减小，从而将这些随机散布的噪声峰值拉下来，使得处理后的底噪更加平稳。但是，从上面的计算因子可知，其计算复杂度很大，涉及贝塞尔函数，需要进行查表操作或者是近似公式代替，假设使用查表的方式进行，需要十次乘法(除法换成乘法)，三次加法，一次开方和一次指数(gamma函数为一个固定值)，这些给终端设备带来很大的计算负担。

由此可见，在现有的噪声抑制因子的计算中，通常计算复杂度与处理效果不可以兼得。

发明内容

本发明的目的在于提供一种噪声抑制方法及设备，兼顾了乐音底噪的处理效果与计算复杂度，在避免高计算复杂度的同时，保证了较好的处理效果。

为解决上述技术问题，本发明的实施方式提供了一种噪声抑制方法，包含以下步骤：

通过对带噪语流的分析，计算噪声方差；

根据所述噪声方差，计算先验信噪比和后验信噪比；

根据公式

计算噪声抑制因子，其中，n表示帧号，k表示频点号，G_n[k]表示第n帧第k个频点的噪声抑制因子，γ_n[k]表示第n帧第k个频点的后验信噪比，ξ_n[k]表示第n帧第k个频点的先验信噪比，λ表示指数因子；

根据计算的所述噪声抑制因子，对带噪语流进行噪声抑制处理。

本发明的实施方式还提供了一种噪声抑制设备，包含：

噪声方差计算模块，用于通过对带噪语流的分析，计算噪声方差；

信噪比计算模块，用于根据所述噪声方差，计算先验信噪比和后验信噪比；

噪声抑制因子计算模块，用于根据公式

计算噪声抑制因子，其中，n表示帧号，k表示频点号，G_n[k]表示第n帧第k个频点的噪声抑制因子，γ_n[k]表示第n帧第k个频点的后验信噪比，ξ_n[k]表示第n帧第k个频点的先验信噪比，λ表示指数因子；

噪声抑制处理模块，用于根据计算的所述噪声抑制因子，对带噪语流进行噪声抑制处理。

本发明实施方式相对于现有技术而言，根据公式

计算噪声抑制因子，其中，n表示帧号，k表示频点号，G_n[k]表示第n帧第k个频点的噪声抑制因子，γ_n[k]表示第n帧第k个频点的后验信噪比，ξ_n[k]表示第n帧第k个频点的先验信噪比，λ表示指数因子。由于存在语音时，先验信噪比和后验信噪比均较大，根据该公式所得的噪声抑制因子接近1，在不包含语音时，根据该公式所得的噪声抑制因子也是随着后验信噪比γ_n[k]的增大而减小，具备MMSE-STSA所描述的特性。也就是说，根据该公式

计算的声抑制因子，考虑并区分谱减法所涉及的两类情况，从而可以有效减轻乐音底噪。而且，其计算复杂度只需要一次乘法及一次开方，与谱减法差不多。因此不仅处理后残留噪声中不存在乐音(MusicalTone)，而且极大地减小了计算复杂度，简单高效地实现了噪声抑制处理。

另外，λ的范围为0≤λ≤0.5。由于作为指数因子的λ需要具备一定的平滑、折中作用，用于折中语音失真和噪声抑制力度。越小的话，对噪声的抑制力度越强，但会带来一些语音上的失真；越大的话，对噪声的抑制力度越小，但会减轻某些地方对语音信号的失真。经推导论证，λ的范围为0≤λ≤0.5，可以取得较好的平滑、折中效果。

另外，λ可以为零，以进一步降低计算复杂度。

另外，可以根据公式

计算先验信噪比；根据公式γ_n[k]＝βγ_n-1[k]+(1-β)min{γ_I[n，k]，γ_max}，计算后验信噪比。其中，γ_max为经验最大值，以防止过度抑制。

附图说明

图1是根据本发明第一实施方式的噪声抑制方法流程图；

图2是根据本发明第一实施方式的噪声抑制方法示意图；

图3是5dB带噪(白噪声)语音示意图；

图4是对5dB带噪(白噪声)语音进行谱减法处理的结果示意图；

图5是根据本发明第一实施方式对5d B带噪(白噪声)语音进行处理的结果示意图；

图6是根据MMSE-STSA对5dB带噪(白噪声)语音进行处理的结果示意图；

图7是根据本发明第三实施方式的噪声抑制设备结构示意图。

具体实施方式

本发明的第一实施方式涉及一种噪声抑制方法，具体流程如图1所示。

在步骤110中，通过对带噪语流的分析，计算噪声方差。具体地说，带噪语流通常为y(t)＝x(t)+d(t)。x(t)代表干净语音信号，d(t)代表噪声信号。对带噪语流进行分析，是指对带噪语流进行FFT(快速傅里叶变换)，将带噪语流分解成频域的频谱信号。然后，根据公式

计算噪声方差。其中，

代表第n帧第k个频点的噪声方差，下标N表示噪声，D_n[k]表示第n帧第k个频点噪声信号d(t)的短时傅里叶频谱(为复数)，E{}表示期望。

接着，在步骤120中，根据计算的噪声方差，计算先验信噪比和后验信噪比，如图2所示。具体地说，根据公式γ_n[k]＝βγ_n-1[k]+(1-β)min{γ_I[n，k]，γ_max}，计算后验信噪比。其中，γ_n[k]表示第n帧第k个频点的后验信噪比，γ_n-1[k]表示第n-1帧(即前一帧)第k个频点的后验信噪比，γ_max表示经验最大值(用于防止过度抑制)，β表示预设的一个平滑因子，Y_n[k]表示第n帧第k个频点带噪语流y(t)的短时傅里叶频谱(Y_n[k]为复数)。

先验信噪比采用经典的DD(Decision-Di rect)方式获取，即根据公式

计算先验信噪比。其中，ξ_n[k]表示第n帧第k个频点的先验信噪比，

表示第n-1帧第k个频点的噪声方差，α表示预设的一个平滑因子，α与β是相互独立的两个平滑因子。X′_n-1[k]表示对第n-1帧第k个频点进行噪声抑制处理后的结果，X′_n-1[k]＝G_n-1[k]Y_n-1[k]，G_n-1[k]表示第n-1帧第k个频点的噪声抑制因子。

接着，进入步骤130，计算噪声抑制因子。具体地说，根据公式

计算噪声抑制因子，其中，n表示帧号，k表示频点号，G_n[k]表示第n帧第k个频点的噪声抑制因子，λ表示指数因子，范围取0～0.5。需要说明的是，如果根据公式

计算得到的噪声抑制因子大于1，则将计算的所述噪声抑制因子限制为1。

不难发现，在当前帧内存在语音时，由于先验信噪比ξ_n0[k]和后验信噪比γ_n[k]均较大(往往相差不大)，故计算到的噪声抑制因子接近1(甚至大于1，这就需要限制为1)。在当前帧内不包含语音时，当先验信噪ξ_n[k]比较小时，该增益因子也是随着后验信噪比γ_n[k]的增大而减小，故具备MMSE-STSA所描述的特性。也就是说，根据该公式

计算的声抑制因子，考虑并区分谱减法所涉及的两类情况，从而可以有效减轻乐音底噪。而且，其计算复杂度只需要一次乘法及一次开方，与谱减法差不多。因此不但保证了乐音底噪的处理效果，而且极大地减小了计算复杂度，简单高效地实现了噪声抑制处理。

而且，由于作为指数因子的λ需要具备一定的平滑、折中作用，用于折中语音失真和噪声抑制力度。越小的话，对噪声的抑制力度越强，但会带来一些语音上的失真；越大的话，对噪声的抑制力度越小，但会减轻某些地方对语音信号的失真。因此，在本实施方式中，λ的范围为0≤λ≤0.5，可以取得较好的平滑、折中效果。在实现中为了简单起见，可以具体取为0。

接着，在步骤140中，根据计算的噪声抑制因子，对带噪语流进行噪声抑制处理。也就是说，根据公式X′_n[k]＝G_n[k]Y_n[k]，对带噪语流进行噪声抑制处理，X′_n[k]表示对第n帧第k个频点进行噪声抑制处理后的结果。根据噪声抑制因子对带噪语流进行噪声抑制处理的实现方式，与现有技术相同，在此不再赘述。

图3至图6为具体实例的仿真结果，图3为原始带噪语音(5dB下White噪声)，实例中噪声估计采用相同的方式。图4为使用谱减法因子得到的处理结果，从频谱上可以明显看到随机散布的频谱峰值(Musical Tone)。图5为本实施方式的处理结果，虽然抑制力度不及谱减法，但处理后底噪很平稳，唯一不足在某些地方对语音有失真(图中箭头所指)，但主观感受不明显。图6为MMSE-STSA的处理结果，底噪中有一些地方处理不是特别平稳，主观感受较好，语音分量的保护力度大，但其计算复杂度远远大于本实例。

由此可见，本实施方式较好地解决了噪声抑制因子的计算复杂度与处理效果不可兼得问题。相比于谱减法，无乐音底噪(Musical Tone)；相比于Ephraim-Malah算法，简单，高效。

本发明的第二实施方式涉及一种噪声抑制方法。第二实施方式与第一实施方式大致相同，主要区别之处在于：在第一实施方式中，根据公式

计算先验信噪比；根据公式γ_n[k]＝βγ_n-1[k]+(1-β)min{γ_I[n，k]，γ_max}，计算后验信噪比。而在本发明第二实施方式中，根据公式

计算先验信噪比；后验信噪比的计算直接使用定义式

而不进行平滑。使得本发明的实施方式可灵活多变地实现。

此外，本领域技术人员可以理解，也可以通过对先验信噪比、后验信噪比的计算公式进行一些简单的变换，在此不一一列举。

上面各种方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包含相同的逻辑关系，都在本专利的保护范围内；对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在该专利的保护范围内。

本发明第三实施方式涉及一种噪声抑制设备，如图7所示，包含：

噪声方差计算模块，用于通过对带噪语流的分析，计算噪声方差。

信噪比计算模块，用于根据噪声方差计算模块计算的噪声方差，计算先验信噪比和后验信噪比。

噪声抑制因子计算模块，用于根据公式

计算噪声抑制因子，其中，n表示帧号，k表示频点号，G_n[k]表示第n帧第k个频点的噪声抑制因子，γ_n[k]表示第n帧第k个频点的后验信噪比，ξ_n[k]表示第n帧第k个频点的先验信噪比，λ表示指数因子。λ的范围为0≤λ≤0.5。另外，为了实现简单，可进一步取为0。需要说明的是，该噪声抑制因子计算模块在根据公式

计算到的噪声抑制因子大于1时，将计算的所述噪声抑制因子限制为1。

噪声抑制处理模块，用于根据计算的噪声抑制因子，对带噪语流进行噪声抑制处理。

其中，信噪比计算模块根据公式

计算先验信噪比。表示对第n-1帧进行噪声抑制处理后的结果，表示第n-1帧第k个频点的噪声方差，下标N表示噪声，α表示预设的平滑因子。

信噪比计算模块根据公式γ_n[k]＝βγ_n-1[k]+(1-β)min{γ_I[n，k]，γ_max}，计算后验信噪比。γ_n-1[k]表示第n-1帧第k个频点的后验信噪比，γ_max表示经验最大值，β表示预设的平滑因子，

Y_n[k]表示第n帧第k个频点带噪语流y(t)的短时傅里叶频谱，

表示第n帧第k个频点的噪声方差。

不难发现，本实施方式为与第一实施方式相对应的装置实施例，本实施方式可与第一实施方式互相配合实施。第一实施方式中提到的相关技术细节在本实施方式中依然有效，为了减少重复，这里不再赘述。相应地，本实施方式中提到的相关技术细节也可应用在第一实施方式中。

值得一提的是，本实施方式中所涉及到的各模块均为逻辑模块，在实际应用中，一个逻辑单元可以是一个物理单元，也可以是一个物理单元的一部分，还可以以多个物理单元的组合实现。此外，为了突出本发明的创新部分，本实施方式中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入，但这并不表明本实施方式中不存在其它的单元。

本发明第四实施方式涉及一种噪声抑制设备。第四实施方式与第三实施方式大致相同，主要区别之处在于：在第三实施方式中，信噪比计算模块根

据公式计算先验信噪比；根据公式γ_n[k]＝βγ_n-1[k]+(1-β)min{γ_I[n，k]，γ_max}，计算后验信噪比。而在本发明第四实施方式中，信噪比计算模块根据公式

计算先验信噪比；后验信噪比的计算直接使用定义式

而不进行平滑。

上述各实施方式是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。

Claims (12)

1.一种噪声抑制方法，其特征在于，包含以下步骤：

通过对带噪语流的分析，计算噪声方差；

根据所述噪声方差，计算先验信噪比和后验信噪比；

根据公式计算噪声抑制因子，其中，n表示帧号，k表示频点号，G_n[k]表示第n帧第k个频点的噪声抑制因子，γ_n[k]表示第n帧第k个频点的后验信噪比，ξ_n[k]表示第n帧第k个频点的先验信噪比，λ表示指数因子；

根据计算的所述噪声抑制因子，对带噪语流进行噪声抑制处理。

2.根据权利要求1所述的噪声抑制方法，其特征在于，

所述λ的范围为0≤λ≤0.5。

3.根据权利要求2所述的噪声抑制方法，其特征在于，

所述λ＝0。

4.根据权利要求1所述的噪声抑制方法，其特征在于，根据所述噪声方差，计算先验信噪比的步骤中，包含以下子步骤：

根据公式

计算先验信噪比；

其中，X′_n-1[k]表示对第n-1帧第k个频点进行噪声抑制处理后的结果，

表示第n-1帧第k个频点的噪声方差，下标N表示噪声，α表示预设的平滑因子。

5.根据权利要求3所述的噪声抑制方法，其特征在于，根据所述噪声方差，计算后验信噪比的步骤中，包含以下子步骤：

根据公式γ_n[k]＝βγ_n-1[k]+(1-β)min{γ_I[n，k]，γ_max}，计算后验信噪比；

其中，γ_n-1[k]表示第n-1帧第k个频点的后验信噪比，γ_max表示经验最大值，β表示预设的平滑因子，

Y_n[k]表示第n帧第k个频点带噪语流y(t)的短时傅里叶频谱，

表示第n帧第k个频点的噪声方差。

6.根据权利要求1至5中任一项所述的噪声抑制方法，其特征在于，在所述计算噪声抑制因子的步骤之后，根据计算的所述噪声抑制因子，对带噪语流进行噪声抑制处理的步骤之前，还包含以下步骤：

如果计算的所述噪声抑制因子大于1，则将计算的所述噪声抑制因子限制为1。

7.一种噪声抑制设备，其特征在于，包含：

噪声方差计算模块，用于通过对带噪语流的分析，计算噪声方差；

信噪比计算模块，用于根据所述噪声方差，计算先验信噪比和后验信噪比；

噪声抑制因子计算模块，用于根据公式计算噪声抑制因子，其中，n表示帧号，k表示频点号，G_n[k]表示第n帧第k个频点的噪声抑制因子，γ_n[k]表示第n帧第k个频点的后验信噪比，ξ_n[k]表示第n帧第k个频点的先验信噪比，λ表示指数因子；

噪声抑制处理模块，用于根据计算的所述噪声抑制因子，对带噪语流进行噪声抑制处理。

8.根据权利要求7所述的噪声抑制设备，其特征在于，

所述λ的范围为0≤λ≤0.5。

9.根据权利要求8所述的噪声抑制设备，其特征在于，所述λ＝0。

10.根据权利要求7所述的噪声抑制设备，其特征在于，所述信噪比计算模块根据公式

计算先验信噪比；

其中，X′_n-1[k]表示对第n-1帧进行噪声抑制处理后的结果，

表示第n-1帧第k个频点的噪声方差，下标N表示噪声，α表示预设的平滑因子。

11.根据权利要求7所述的噪声抑制设备，其特征在于，所述信噪比计算模块根据公式γ_n[k]＝βγ_n-1[k]+(1-β)min{γ_I[n，k]，γ_max}，计算后验信噪比；

其中，γ_n-1[k]表示第n-1帧第k个频点的后验信噪比，γ_max表示经验最大值，β表示预设的平滑因子，

Y_n[k]表示第n帧第k个频点带噪语流y(t)的短时傅里叶频谱，

表示第n帧第k个频点的噪声方差。

12.根据权利要求7至11中任一项所述的噪声抑制设备，其特征在于，所述噪声抑制因子计算模块还用于在根据公式计算到的噪声抑制因子大于1时，将计算的所述噪声抑制因子限制为1。

Images