CN103854657A - 消除干扰信号的处理方法及装置 - Google Patents

Abstract

本发明实施例提供一种消除干扰信号的处理方法及装置，该方法包括：获取通过麦克风阵列采集到的原始信号中每一个信号帧对应的信号频谱；根据信号频谱进行信号特征分析处理，获取所述每一个信号帧的、能够确定当前信号帧是否为干扰信号帧的特征参数；根据预设规则以及每一个信号帧的特征参数，将所述信号频谱与对应的抑制系数相乘后，输出目标信号；本发明实施例中，通过分析处理获取每一帧信号的特征参数判断该信号是否为干扰信号，进一步对干扰信号进行处理，即与设定的抑制参数相乘，实现了对非主说话人干扰信号的消除，使得语音质量更高。

Description

消除干扰信号的处理方法及装置

技术领域

本发明实施例涉及通信技术，尤其涉及一种消除干扰信号的处理方法及装置。

背景技术

语音信号的质量对于语音通信、语音控制等应用是非常重要的，单通道的语音质量增强因为环境、算法等限制往往得不到较好的增强效果，现有技术引入了麦克风阵列及系列相关算法作为信号采集的前端并进行增强处理；具体地，麦克风阵列是指多个麦克风按照一定的方式排列成为阵列，它可以利用多个麦克采集到的信号提取信号的空间信息进行噪声、回声、干扰等信号的抑制。

发明人在实现本发明实施例的过程中发现，现有技术中，麦克风阵列采用波束形成的方法抑制干扰信号，但是干扰信号仍然会存在明显残留，即不能很好的消除非主说话人干扰信号。

发明内容

本发明实施例提供一种消除干扰信号的处理方法及装置，用于抑制非主说话人干扰信号。

本发明实施例第一方面是提供一种消除干扰信号的处理方法，包括：

获取通过麦克风阵列采集到的原始信号中每一个信号帧对应的信号频谱；

根据信号频谱进行信号特征分析处理，获取所述每一个信号帧的、能够确定当前信号帧是否为干扰信号帧的特征参数；

根据预设规则以及每一个信号帧的特征参数，将所述信号频谱与对应的抑制系数相乘后，输出目标信号；

所述预设规则包括：若所述特征参数比第一预设门限值大，则对应的抑制系数为g1；若所述特征参数比第一预设门限值小，则对应的抑制系数为g2，且g1>g2。

结合第一方面的第一种实现方式中，g1=1，g2=0.1。

结合第一方面或第一方面的第一种实现方式的第二种实现方式中，所述特征参数为子带信噪比和SSNR的滑动平均mov_SSNR。

结合第一方面的第二种实现方式的第三种实现方式中，获取第p个信号帧的mov_SSNR(p)的方法包括：

将对应的信号频谱划分为w个子带，根据公式计算各子带信号能量E_i；其中，i=0,1,2...w-1，M_i表示第i子带中包含的频点个数，I表示第i子带起始频点的索引，e_I+k表示第I+k个频点的能量；

若Ei小于第二预设门限值，则根据公式

i＝0,1,2,...w-1计算各子带信号能量的滑动平均

其中，β为第一平滑系数；

根据如下格式计算子带信噪比sub_snr_i,p和子带信噪比和SSNR：

$\mathrm{sub}\_{\mathrm{snr}}_{i,p}=10\·\log \left(\frac{E_{i,p}}{\stackrel{\‾}{E_{i,p}}}\right),$ $\mathrm{SSNR}=\underset{i=0}{\overset{\mathrm{\ω}}{\mathrm{\Σ}}}\mathrm{MAX}(10\·\log \left(\frac{E_{i,p}}{\stackrel{\‾}{E_{i,p}}}\right),0);$

根据公式mov_SSNR(p)=a*mov_SSNR(p-1)+(1-a)*SSNR计算所述mov_SSNR(p)；其中，a为第二平滑系数。

结合第一方面的第三种实现方式的第四种实现方式中，所述方法还包括：

若SSNR小于第三预设门限值，则直接将上一信号帧的mov_SSNR（p-1）作为当前信号帧的SSNR的滑动平均。

本发明第二方面提供一种消除干扰信号的处理装置，包括：

第一获取模块，用于获取通过麦克风阵列采集到的原始信号中每一个信号帧对应的信号频谱；

分析模块，用于对各信号频谱进行信号特征分析处理，获取所述每一个信号帧的、能够确定当前信号帧是否为干扰信号帧的特征参数；

处理模块，用于根据预设规则以及每一个信号帧的特征参数，将所述信号频谱与对应的抑制系数相乘后，输出目标信号；

所述预设规则包括：若所述特征参数比第一预设门限值大，则对应的抑制系数为g1；若所述特征参数比第一预设门限值小，则对应的抑制系数为g2，且g1>g2。

结合第二方面的第一种实现方式中，所述处理模块中使用的抑制参数g1=1，g2=0.1。

结合第二方面或第二方面的第一种实现方式的第二种实现方式中，所述分析模块中获取的特征参数为子带信噪比和SSNR的滑动平均mov_SSNR。

结合第二方面第二种实现方式的第三种实现方式中，所述装置还包括：

第二获取模块，用于获取第p个信号帧的mov_SSNR(p)；

所述第二获取模块，具体用于将对应的信号频谱划分为w个子带，根据公式计算各子带信号能量E_i；其中，i=0,1,2...w-1，M_i表示第i子带中包含的频点个数，I表示第i子带起始频点的索引，e_I+k表示第I+k个频点的能量；

若E_i小于第二预设门限值，则根据公式

i＝0,1,2，...w-1计算各子带信号能量的滑动平均

其中，β为第一平滑系数；

根据如下格式计算子带信噪比sub_snr_i,p和子带信噪比和SSNR：

${\mathrm{sub}\_\mathrm{snr}}_{i,p}=10\·\log \left(\frac{E_{i,p}}{\stackrel{\‾}{E_{i,p}}}\right),\mathrm{SSNR}=\underset{i=0}{\overset{\mathrm{\ω}}{\mathrm{\Σ}}}\mathrm{MAX}(10\·\log \left(\frac{E_{i,p}}{\stackrel{\‾}{E_{i,p}}}\right),0);$

根据公式mov_SSNR(p)=a*mov_SSNR(p-1)+(1-a)*SSNR计算所述mov_SSNR(p)；其中，a为第二平滑系数。

结合第二方面的第三种实现方式的第四种实现方式中，所述第二获取模块，还用于若SSNR小于第三预设门限值，则直接将上一信号帧的mov_SSNR（p-1）作为当前信号帧的SSNR的滑动平均。

本发明实施例中，通过分析处理获取每一帧信号的特征参数判断该信号是否为干扰信号，进一步对干扰信号进行处理，即与设定的抑制参数相乘，实现了对非主说话人干扰信号的消除，使得语音质量更高。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的消除干扰信号的处理方法一实施例的流程示意图；

图2为本发明提供的消除干扰信号的处理装置一实施例的结构示意图；

图3为本发明提供的消除干扰信号的处理装置另一实施例的结构示意图；

图4为本发明提供的消除干扰信号的处理装置另一实施例的结构示意图；

图5为本发明提供的消除干扰信号的处理装置另一实施例的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明提供的消除干扰信号的处理方法一实施例的流程示意图，如图1所示，该方法包括：

S101、获取通过麦克风阵列采集到的原始信号中每一个信号帧对应的信号频谱；本实施例中是对麦克风阵列采集到的原始信号进行逐帧处理，具体地可以是，对原始信号的每一帧进行逐帧编号，然后将上述每一个信号帧进行N点的时频变换，而获得该信号帧的信号频谱；需要说明的是，在获取信号频谱之前，麦克风阵列采集到的原始信号还经过了一系列的前处理、波束处理等，对其中一些干扰信号，例如噪声信号等进行一定程度的消除或抑制。

S102、根据信号频谱进行信号特征分析处理，获取上述每一个信号帧的、能够确定当前信号帧是否为干扰信号帧的特征参数；可以由硬件设备中的信号特征分析模块进行信号特征分析处理，根据具体的算法计算获取特征参数，根据获取到的该特征参数就可以确定出对应的信号是否为干扰信号，具体地，本实施例中的干扰信号可以为非主说话人干扰信号，也可以包括噪声信号等其它干扰信号。

S103、根据预设规则以及每一个信号帧的特征参数，将上述信号频谱与对应的抑制系数相乘后，输出目标信号；

该预设规则具体为，若上述特征参数比第一预设门限值大，则对应的抑制系数为g1；若上述特征参数比第一预设门限值小，则对应的抑制系数为g2，且g1>g2；需要说明的是，该第一预设门限值是根据经验设定的，当上述特征参数比第一预设门限值大时，认为对应的信号帧为非干扰信号帧，则进行保留，即对应的抑制系数可以为1；而当上述特征参数比第一预设门限值小时，认为对应的信号帧为干扰信号帧，例如非主说话人干扰信号或噪声信号等，则进行抑制或消除，即对应的抑制系数要小于1。

本实施例中，通过分析处理获取每一帧信号的特征参数判断该信号是否为干扰信号，进一步对干扰信号进行处理，即与设定的抑制参数相乘，实现了对非主说话人干扰信号以及噪声信号的抑制或消除，使得语音质量更高。

具体实现过程中，根据经验设定g1=1，g2=0.1，也就是说，对于判断出的非干扰信号与g1=1相乘，即使非干扰信号保持不变；而对于判断出的干扰信号，优选的，与g2=0.1相乘，则是为了将干扰信号降低，而不至于影响主说话人信号，当然，想要完全消除上述干扰信号，可以选择g2=0，这种情况在某些场景中并不是优选的，例如，完全消除干扰信号后，在没有主说话人信号时，难以判断通信连接是否存在或断开。

进一步的，上述特征参数可以是子带信噪比和（SSNR）的滑动平滑（mov_SSNR），但并不以此为限，只要是可以用于确定当前信号帧是否为干扰信号的参数即可。

其中，对每个帧的信号进行编号，具体地，获取第p个信号帧的mov_SSNR(p)具体方法为：

1、将对应的信号频谱划分为w个子带，根据公式

计算各子带信号能量E_i；其中，i=0,1,2...w-1，M_i表示第i子带中包含的频点个数，I表示第i子带起始频点的索引，e_I+k表示第I+k个频点的能量E_i；

2、若E_i小于第二预设门限值，则根据公式

i＝0,1,2，...w-1计算各子带信号能量的滑动平均

其中，β为第一平滑系数，用于控制更新的速度；需要说明的是，当E_i小于第二预设门限值时，认为上述信号帧为噪声，此时需要对

进行更新，即采用上述公式

i＝0,1,2,...w-1再对

进行计算，进而再更新其它参数，当然，确认上述信号帧是否为噪声的方法并不以此为限。

3、根据如下公式计算子带信噪比sub_snr_i,p和子带信噪比和SSNR：

$\mathrm{sub}\_{\mathrm{snr}}_{i,p}=10\·\log \left(\frac{E_{i,p}}{\stackrel{\‾}{E_{i,p}}}\right),$ $\mathrm{SSNR}=\underset{i=0}{\overset{\mathrm{\ω}}{\mathrm{\Σ}}}\mathrm{MAX}(10\·\log \left(\frac{E_{i,p}}{\stackrel{\‾}{E_{i,p}}}\right),0);$

4、根据公式mov_SSNR(p)=a*mov_SSNR(p-1)+(1-a)*SSNR计算所述mov_SSNR(p)；其中，a为第二平滑系数；

需要说明的是，若SSNR小于第三预设门限值，则直接将上一信号帧的mov_SSNR（p-1）作为当前信号帧的SSNR的滑动平均；也就是为了避免连续多帧的SSNR数值较小而导致主说话信号出现时mov_SSNR无法及时跟上信号的变化，因而设定SSNR小于第三预设门限值时，停止更新mov_SSNR，即取mov_SSNR（p）=mov_SSNR（p-1）。

本实施例中，通过信号特征分析处理获取特征参数，通过该特征参数可以确定出当前信号帧是否为干扰信号帧，针对干扰信号和非干扰信号进行不同处理，即与不同抑制系数相乘，实现对干扰信号，例如非主说话干扰信号、噪声信号等的降低或消除。

图2为本发明提供的消除干扰信号的处理装置一实施例的结构示意图，如图2所示，该装置包括：第一获取模块201、分析模块202和处理模块203，其中：

第一获取模块201，用于获取通过麦克风阵列采集到的原始信号中每一个信号帧对应的信号频谱；

分析模块202，用于根据信号频谱进行信号特征分析处理，获取所述每一个信号帧的、能够确定当前信号帧是否为干扰信号帧的特征参数；

处理模块203，用于根据预设规则以及每一个信号帧的特征参数，将所述信号频谱与对应的抑制系数相乘后，输出目标信号；其中，所述预设规则包括：若所述特征参数比第一预设门限值大，则对应的抑制系数为g1；若所述特征参数比第一预设门限值小，则对应的抑制系数为g2，且g1>g2。

上述各模块的具体工作可参照图1所示方法实施例，在此不再赘述。

本实施例中，通过分析处理获取每一帧信号的特征参数判断该信号是否为干扰信号，进一步对干扰信号进行处理，即与设定的抑制参数相乘，实现了对非主说话人干扰信号、噪声信号等干扰信号的抑制或消除，使得语音质量更高。

进一步的，上述处理模块203中使用的抑制参数g1=1，g2=0.1；上述分析模块202中获取的特征参数为子带信噪比和SSNR的滑动平均mov_SSNR，但并不以此为限。

图3为本发明提供的消除干扰信号的处理装置另一实施例的结构示意图，如图3所示，在图2的基础上，该装置还包括：第二获取模块204，具体地，

第二获取模块204，用于获取第p个信号帧的mov_SSNR(p)；更具体地，该第二获取模块204，获取第p个信号帧的mov_SSNR(p)的过程为：

将对应的信号频谱划分为w个子带，根据公式

计算各子带信号能量E_i；其中，i=0,1,2...w-1，M_i表示第i子带中包含的频点个数，I表示第i子带起始频点的索引，e_I+k表示第I+k个频点的能量；

若E_i小于第二预设门限值，则根据公式

i＝0,1,2,...w-1计算各子带信号能量的滑动平均

其中，β为第一平滑系数；

根据如下格式计算子带信噪比sub_snr_i,p和子带信噪比和SSNR：

$\mathrm{sub}\_{\mathrm{snr}}_{i,p}=10\·\log \left(\frac{E_{i,p}}{\stackrel{\‾}{E_{i,p}}}\right),$ $\mathrm{SSNR}=\underset{i=0}{\overset{\mathrm{\ω}}{\mathrm{\Σ}}}\mathrm{MAX}(10\·\log \left(\frac{E_{i,p}}{\stackrel{\‾}{E_{i,p}}}\right),0);$

根据公式mov_SSNR(p)=a*mov_SSNR(p-1)+(1-a)*SSNR计算所述mov_SSNR(p)；其中，a为第二平滑系数。

该第二获取模块204，还用于若SSNR小于第三预设门限值，则直接将上一信号帧的mov_SSNR（p-1）作为当前信号帧的SSNR的滑动平均。

图4为本发明提供的消除干扰信号的处理装置另一实施例的结构示意图，如图4所示，本实施例所基于的基本硬件框架包括：麦克风阵列模块10、信号调理模块20、模数转换模块30、数字信号处理（Digital Signal Processing，简称DSP）模块40、存储模块50、数据传输模块60、终端70、数模转换模块80、输出设备90，需要说明的是，虚线框中的部分为整个信号处理的硬件部分，具体地，

麦克风阵列模块10，由多个麦克风组成，用于采集信号；

信号调理模块20，主要用于对麦克风阵列模块10采集的信号进行放大、增益调整、抗混叠处理等；

模数转换模块30，用于将信号调理模块20调理后的信号转换为数字信号，并送入DSP模块40进行处理；

数据传输模块60将DSP模块40处理过的信号传送至终端70，该终端可以是计算机等，终端70可以对接收到的信号进行进一步处理，例如进行语音识别、语音控制、语音通行等；数据传输模块60，有时也用于向DSP模块40发送指示消息，例如指示传输信号的周期或者指示已经接受到信号等，该数据传输模块60可以是通用串行总线（Universal Serial BUS，简称USB）、蓝牙等数据传输设备。

另外，DSP模块40处理后的信号还可以经过数模转换模块80转为模拟信号，通过输出设备90进行播放，输出设备90可以是播放器、计算机等可以播放音频的设备；

存储模块50，可以用于存储一些辅助DSP模块40进行信号处理的信息和信号等。

图5为本发明提供的消除干扰信号的处理装置另一实施例的结构示意图，如图5所示，图4中的核心部件DSP模块具体包括：前处理模块501、波束形成模块502、信号特征分析模块503、非线性处理算法模块504，其中：

前处理模块501和波束形成模块502采用现有技术对图4中数模转换模块30处理后的信号进行处理，例如，对信号中的一些干扰信号进行一定程度的抑制，获取波束形成模块502处理后的信号x(t)，在该信号x(t)中会存在一些残留的干扰信号，依然会对主说话人信号造成影响，需要进一步抑制或消除；

信号特征分析模块503，对接收到的信号x(t)进行信号特征分析处理，具体工作内容可参照图2所示装置中的分析模块和图3所示装置中的第二获取模块，在此不再赘述；

非线性处理算法模块504，将接受到的上述信号x(t)和接收到的信号特征分析模块503获取的特征参数相乘，即对上述信号x(t)进行非线性处理，具体可参照图2所示装置中的处理模块，在此不再赘述。

本实施例中，通过信号特征分析处理获取特征参数，通过该特征参数可以确定出当前信号帧是否为干扰信号，针对干扰信号和非干扰信号进行不同处理，即与不同抑制系数相乘，实现对干扰信号，例如非主说话干扰信号、噪声信号等的降低或消除。

本发明实施例还提供一种消除干扰信号的处理装置，该装置包括一处理器，该处理器在信号处理的过程中执行以下操作，包括：获取通过麦克风阵列采集到的原始信号中每一个信号帧对应的信号频谱；对各信号频谱进行信号特征分析处理，获取所述每一个信号帧的、能够确定当前信号帧是否为干扰信号的特征参数；根据预设规则以及每一个信号帧的特征参数，将所述信号频谱与对应的抑制系数相乘后，输出目标信号；所述预设规则包括：若所述特征参数比第一预设门限值大，则对应的抑制系数为g1；若所述特征参数比第一预设门限值小，则对应的抑制系数为g2，且g1>g2。其中，抑制参数g1=1，g2=0.1；所述特征参数为子带信噪比和SSNR的滑动平均mov_SSNR。

具体的，获取第p个信号帧的mov_SSNR(p)的方法包括：

将对应的信号频谱划分为w个子带，根据公式计算各子带信号能量E_i；其中，i=0,1,2...w-1，M_i表示第i子带中包含的频点个数，I表示第i子带起始频点的索引，e_I+k表示第I+k个频点的能量；

若E_i小于第二预设门限值，则根据公式

i＝0,1,2,...w-1计算各子带信号能量的滑动平均

其中，β为第一平滑系数；根据如下格式计算子带信噪比sub_snr_i,p和子带信噪比和SSNR：

$\mathrm{sub}\_{\mathrm{snr}}_{i,p}=10\·\log \left(\frac{E_{i,p}}{\stackrel{\‾}{E_{i,p}}}\right),$ $\mathrm{SSNR}=\underset{i=0}{\overset{\mathrm{\ω}}{\mathrm{\Σ}}}\mathrm{MAX}(10\·\log \left(\frac{E_{i,p}}{\stackrel{\‾}{E_{i,p}}}\right),0);$

根据公式mov_SSNR(p)=a*mov_SSNR(p-1)+(1-a)*SSNR计算所述mov_SSNR(p)；其中，a为第二平滑系数。

进一步的，若SSNR小于第三预设门限值，则直接将上一信号帧的mov_SSNR（p-1）作为当前信号帧的SSNR的滑动平均。

在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种消除干扰信号的处理方法，其特征在于，包括：

获取通过麦克风阵列采集到的原始信号中每一个信号帧对应的信号频谱；

根据信号频谱进行信号特征分析处理，获取所述每一个信号帧的、能够确定当前信号帧是否为干扰信号帧的特征参数；

根据预设规则以及每一个信号帧的特征参数，将所述信号频谱与对应的抑制系数相乘后，输出目标信号；

所述预设规则包括：若所述特征参数比第一预设门限值大，则对应的抑制系数为g1；若所述特征参数比第一预设门限值小，则对应的抑制系数为g2，且g1>g2。

2.根据权利要求1所述的方法，其特征在于，其中：g1=1，g2=0.1。

3.根据权利要求1或2所述的方法，其特征在于，所述特征参数为子带信噪比和SSNR的滑动平均mov_SSNR。

4.根据权利要求3所述的方法，其特征在于，获取第p个信号帧的mov_SSNR(p)的方法包括：

将对应的信号频谱划分为w个子带，根据公式

计算各子带信号能量E_i；其中，i=0,1,2...w-1，M_i表示第i子带中包含的频点个数，I表示第i子带起始频点的索引，e_I+k表示第I+k个频点的能量；

若E_i小于第二预设门限值，则根据公式

i＝0,1,2,...w-1计算各子带信号能量的滑动平均

其中，β为第一平滑系数；

根据如下格式计算子带信噪比sub_snr_i，p和子带信噪比和SSNR：

$\mathrm{sub}\_{\mathrm{snr}}_{i,p}=10\·\log \left(\frac{E_{i,p}}{\stackrel{\‾}{E_{i,p}}}\right),$ $\mathrm{SSNR}=\underset{i=0}{\overset{\mathrm{\ω}}{\mathrm{\Σ}}}\mathrm{MAX}(10\·\log \left(\frac{E_{i,p}}{\stackrel{\‾}{E_{i,p}}}\right),0);$

根据公式mov_SSNR(p)=a*mov_SSNR(p-1)+(1-a)*SSNR计算所述mov_SSNR(p)；其中，a为第二平滑系数。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

若SSNR小于第三预设门限值，则直接将上一信号帧的mov_SSNR（p-1）作为当前信号帧的SSNR的滑动平均。

6.一种消除干扰信号的处理装置，其特征在于，包括：

第一获取模块，用于获取通过麦克风阵列采集到的原始信号中每一个信号帧对应的信号频谱；

分析模块，用于根据信号频谱进行信号特征分析处理，获取所述每一个信号帧的、能够确定当前信号帧是否为干扰信号帧的特征参数；

处理模块，用于根据预设规则以及每一个信号帧的特征参数，将所述信号频谱与对应的抑制系数相乘后，输出目标信号；

所述预设规则包括：若所述特征参数比第一预设门限值大，则对应的抑制系数为g1；若所述特征参数比第一预设门限值小，则对应的抑制系数为g2，且g1>g2。

7.根据权利要求6所述的装置，其特征在于，所述处理模块中使用的抑制参数g1＝1，g2=0.1。

8.根据权利要求6或7所述的装置，其特征在于，所述分析模块中获取的特征参数为子带信噪比和SSNR的滑动平均mov_SSNR。

9.根据权利要求8所述的装置，其特征在于，还包括：

第二获取模块，用于获取第p个信号帧的mov_SSNR(p)；

所述第二获取模块，具体用于将对应的信号频谱划分为w个子带，根据公式

计算各子带信号能量E_i；其中，i=0,1,2...w-1，M_i表示第i子带中包含的频点个数，I表示第i子带起始频点的索引，e_I+k表示第I+k个频点的能量；

若E_i小于第二预设门限值，则根据公式

i＝0,1,2，...w-1计算各子带信号能量的滑动平均

其中，β为第一平滑系数；

根据如下格式计算子带信噪比sub_snr_i,p和子带信噪比和SSNR：

$\mathrm{sub}\_{\mathrm{snr}}_{i,p}=10\·\log \left(\frac{E_{i,p}}{\stackrel{\‾}{E_{i,p}}}\right),$ $\mathrm{SSNR}=\underset{i=0}{\overset{\mathrm{\ω}}{\mathrm{\Σ}}}\mathrm{MAX}(10\·\log \left(\frac{E_{i,p}}{\stackrel{\‾}{E_{i,p}}}\right),0);$

根据公式mov_SSNR(p)=a*mov_SSNR(p-1)+(1-a)*SSNR计算所述mov_SSNR(p)；其中，a为第二平滑系数。

10.根据权利要求9所述的装置，其特征在于，所述第二获取模块，还用于若SSNR小于第三预设门限值，则直接将上一信号帧的mov_SSNR（p-1）作为当前信号帧的SSNR的滑动平均。

Images