CN103907152A - 用于音频信号噪声抑制的方法和系统 - Google Patents

Abstract

一种音频信号噪声抑制的方法和系统，该音频信号包括至少两个音频系统输入信号的组合，其中每个输入信号都具有声源信号部分和背景噪声部分，该方法和系统包括以下步骤和装置：从输入信号中提取至少两种不同类型的空间声场特征，例如，区别语音特征和/或背景噪声特征；根据所提取的空间声场特征计算第一中间空间噪声抑制增益；计算第二中间平稳噪声抑制增益；将两个中间噪声抑制增益组合，以形成总噪声抑制增益，其中，通过比较该两个中间噪声抑制增益的值，并根据其比率或相对差，来组合两个中间噪声抑制增益，以确定总噪声抑制增益；将总噪声抑制增益施加至音频信号，以产生噪声抑制的音频系统输出信号。

Description

用于音频信号噪声抑制的方法和系统

本发明涉及用于音频信号噪声抑制的装置、系统和方法，所述音频信号包括至少两个音频系统输入信号的组合，其中每个音频系统输入信号具有源信号部分和背景噪声部分。

背景技术

在音频通信中，典型地，不失真且无噪声地传输用户的声音是有利的。然而，通信装置经常在嘈杂环境中使用；装置的麦克风所拾取的信号是用户的声音和干扰噪声的混合体。

麦克风处的声场的特性根据不同的信号和噪声环境会大量变化。例如，该声音可能来自单一方向，或同时来自许多方向。其可能在远离麦克风或靠近麦克风的地方产生。其可能是平稳/恒定的，或是不平稳/瞬时的。噪声也可能由麦克风端口处的风湍流(wind turbulence)产生。

多麦克风背景降噪方法分为两个一般类别。第一种类型是波束成形，其中，将输出采样计算为输入采样的线性组合。第二种类型是噪声抑制，其中，通过对信号应用时变滤波器(time-variant filter)来减小噪声成分，例如，通过使滤波器组域(bank domain)中的信号上的与时间和频率相关的增益增加。

当仅一个麦克风或音频输入可用时，噪声抑制滤波器不可能是空间敏感的。无法获得声场的空间特征，提供与语音和背景噪声相关的判别信息，典型地，仅将其限制为，抑制背景噪声的平稳成分或准平稳成分。

波束成形和噪声抑制可以顺序地应用，因为它们的降噪效果是加成的。

在WO2009/132646A1中公开了适应性波束成形器的一个实例。

在O.Yilmaz和S.Rickard的Blind Separation of Speech Mixtures viaTime-Frequency Masking(通过时频掩蔽而盲分离混合语音)，IEEETransactions on Signal Processing(IEEE信号处理学报)，Vol.52，No.7，第1830至1847页，2004年7月)中，公开了一种分离混合声音的方法。在两个特征的基础上，以时频表示方式计算分离掩蔽，该两个特征即，两个传感器信号之间的级差和相位延迟。

在WO2009/096958A1中公开了一种将方向噪声抑制和平稳噪声抑制算法组合的方法。然而，此方法并未考虑空间噪声抑制成分，该空间噪声抑制成分除了方向特征以外，其还利用一组空间区别特征的组合。

发明内容

本发明所解决的噪声抑制的基本问题是，在时间和频率上，将声音信号分类成，主要感兴趣的信号(例如，用户的声音或语音)，或主要是干扰噪声，并应用相关过滤以减小输出信号中的噪声成分。当语音和噪声的分布不同时，此分类具有成功的机会。

使用不同的分布，文献中的许多方法提出了空间特征，该空间特征将信号映射至接下来将解决的一维分类问题。这种特征的实例是到达角、接近性、相关性以及和差比率。

本发明利用这样的事实：每个所提出的空间特征附有一定的不确定度，并且，有利地可以将它们组合，实现更高程度的分类精度，另外可通过任何一个单独空间特征来实现该更高程度的分类精度。已这样选择所提出的空间特征，使得，其中每个都对分类器增加分辨权重(power)。

在本发明的一个实施方式中，对分类器的输入是所提出的特征的加权和。

因此，本发明的一个目的是，在个人通信装置的传输路径中提供一种噪声抑制器，该噪声抑制器消除平稳噪声以及非平稳背景噪声。

根据本发明的第一方面，这个目的通过音频信号噪声抑制的方法来实现，该音频信号包括至少两个音频系统输入信号的组合，其中每个输入信号都具有声源信号部分和背景噪声部分，该方法包括以下步骤：

a)从输入信号中提取至少两种不同类型的空间声场特征，例如，区别语音和/或背景噪声特征，

b)在所提取的空间声场特征的基础上，计算第一中间空间噪声抑制增益，

c)计算第二中间平稳噪声抑制增益，

d)将两个中间噪声抑制增益相组合，以形成总噪声抑制增益，其中，通过比较它们的值，并根据它们的比率或相对差，来组合两个中间噪声抑制增益，确定总噪声抑制增益，

e)将总噪声抑制增益施加至音频信号，以产生噪声抑制的音频系统输出信号。

有利地，可针对至少一个频率次频带(sub-band)，在频域中执行该方法。可以应用傅里叶转换的众所周知的方法(例如，快速傅里叶转换(FFT))，将信号从时域转换至频域。结果，可以在每个频带中应用最优滤波。可每20毫秒(ms)或在任何其他适当的时间间隔下，用FFT算法计算新的频谱。

为了在上述步骤d)中实现最优的噪声抑制增益，可将总噪声抑制增益选择为，两个中间噪声抑制增益的最小增益或最大增益。如果希望迅速(aggressive，有侵略性的)抑制噪声，那么可选择最小增益，如果希望稳定(conservative，保守的)抑制噪声，使得通过更大量的语音，那么可选择最大增益。

在最小和最大增益的范围内，也可能在步骤d)中应用加权因子，以实现更灵活的总噪声抑制增益。因此，总噪声抑制增益被选择为，两个中间噪声抑制增益的线性组合。如果对两个中间增益应用同一因子0.5，那么结果将是平均增益。可以应用其他因子，例如，对第一中间增益应用0.3，对第二中间增益应用0.7，或者反之亦然。所选择的组合可以以每种降噪方法所提供的置信度的测量值为基础。

在本发明的一个实施方式中，空间声场特征可包括声源接近性和/或声信号相关性和/或声波方向性(例如入射角)。

该方法在步骤e)之前可能进一步包括以下步骤：通过波束成形器空间地过滤音频信号，然后在步骤e)中，对来自波束成形器的输出信号施加总噪声抑制增益。这样，在施加总噪声抑制增益之前，音频信号在一定程度上已被空间过滤。

该方法可能进一步包括以下步骤：计算从所提取的空间特征中得出的至少一组空间差异线索，并在该组(或多组)空间差异线索的基础上，计算空间噪声抑制增益。可从空间线索的线性组合中完成空间噪声抑制增益的计算。优选地，该方法包括，作为时间和/或频率的函数，将一组空间线索中的不同类型的空间线索的内容的相互关系进行加权。这样，例如，在一个频率次频带中可将方向性线索选择为更突出，而在另一频率次频带中将接近性线索选择为更突出。可每20毫秒或在任何其他适当的时间间隔下计算新的空间线索。

在一个实施方式中，该方法包括，在波束成形器输出信号的基础上，计算平稳噪声抑制增益。这使得平稳噪声抑制滤波器能够计算音频系统信号的背景噪声和期望声源部分(声音/语音)的改进估计值。

音频系统输入信号可包括将由该方法处理的至少两个麦克风信号。

本发明的第二方面涉及一种用于音频信号噪声抑制的系统，音频信号包括至少两个音频系统输入信号的组合，其中每个输入信号都具有声源信号部分和背景噪声部分，其中，该系统包括：

-空间噪声抑制增益块，用于计算第一中间空间噪声抑制增益，该空间噪声抑制增益块包括空间特征提取装置以及计算装置，该空间特征提取装置用于从输入信号提取至少两种不同类型的空间声场特征，该计算装置用于在所提取的空间声场特征(例如，区别语音和/或背景噪声特征)的基础上，计算空间噪声抑制增益，

-平稳噪声抑制增益块，用于计算第二中间平稳噪声抑制增益，

-噪声抑制增益组合块，用于通过比较两个中间噪声抑制增益的值，并根据它们的比率或相对差，来组合两个中间噪声抑制增益，以确定总噪声抑制增益，

-输出滤波块，用于对音频信号施加总噪声抑制增益，以产生噪声抑制的音频系统输出信号。

空间声场特征可进一步包括与以上根据本发明的第一方面提到的特征相同的特征。类似地，可以以与根据本发明的第一方面说明的方式相同的方式，来确定并选择总噪声抑制增益。

该系统可能进一步包括音频波束成形器，该音频波束成形器具有作为输入的两个音频系统输入信号，和作为输出的空间滤波的音频信号，该输出信号用作输入至输出滤波块的输入信号。

本发明的第二方面的特征提供至少与根据本发明的第一方面说明的优点相同的优点。

本发明的第三方面涉及一种头戴式耳机，该头戴式耳机包括至少两个麦克风、一个扬声器以及一个根据本发明第二方面的噪声抑制系统，其中，麦克风信号用作输入至噪声抑制系统的输入信号。

附图说明

将结合附图，更详细地描述本发明的优选实施方式，在附图中：

图1示出了根据本发明的用于音频信号噪声抑制的系统的第一实施方式。

图2示出了根据本发明的用于音频信号噪声抑制的系统的第二实施方式。

图3示出了包括根据本发明的用于音频信号噪声抑制的系统的头戴式耳机的实施方式。

具体实施方式

在图1中，示出了根据本发明的一个实施方式的用于音频信号噪声抑制的系统的图示。将在下面详细地描述根据本发明的该系统以及执行音频信号噪声抑制的方法的实例。

该系统处理来自至少两个音频通道的输入，例如，来自放置在声场中的两个音频麦克风的输入，所述输入包括期望的声源信号，例如，来自个人通信装置的用户嘴部的语音，以及不期望的背景噪声(例如，平稳或非平稳背景噪声)。使用用于噪声抑制的系统的一种典型个人通信装置可以是头戴式耳机，例如，放在用户耳部上或耳部附近的电话头戴式耳机。对在头戴式耳机中传输的音频信号应用噪声抑制算法，在电话通话的过程中，可改进在远端用户处接收的音频信号的感知质量(perceived quality)。

利用声场信息以便在用户语音和背景噪声之间进行区分，并且，利用诸如方向性、接近性和相关性的空间特征来抑制不是从用户嘴部发出的声音。

典型地，麦克风离期望的声源具有不同的距离，以提供具有不同信噪比的信号，使得可能进一步处理，以有效地去除信号的背景噪声部分。

在图1中，离用户嘴部最近的麦克风1称为前麦克风，离用户嘴部较远的麦克风2称为后麦克风。这些麦克风适于收集声音，并将所收集的声音转换成模拟电信号。然而，为了提供数字输出信号以便进一步处理，这些麦克风可以是数字的，或者，音频系统可以具有包括A/D转换器(未示出)的输入电路。将第一音频信号供应至第一处理装置3，该第一处理装置包括滤波器(H-滤波器)，以将感兴趣的声源(例如，来自头戴式耳机用户嘴部的语音)的相位和振幅对准，从而补偿声源与麦克风1和声源与麦克风2之间的距离差。第二处理装置(W-滤波器)4包括麦克风匹配滤波器，该麦克风匹配滤波器应用于来自空间匹配滤波器的输出，以补偿麦克风中的任何固有变化以及两个麦克风之间的输入电路振幅及相位灵敏度。可以对来自后麦克风2的信号应用延时(未示出)，以时间对准两个麦克风信号。

有利地，对准的输入信号通过众所周知的方法(例如，快速傅里叶转换(FFT)5)进行傅里叶转换，以将信号从时域转换至频域。这使得能够在各个频率次频带中进行信号处理，这确保有效降噪，因为次频带与次频带间的信噪比可能变化非常大。可选地，可以在对准以及匹配滤波器3，4之前应用FFT算法5。

用于计算第一中间空间噪声抑制增益的空间噪声抑制增益块6，7，包括空间特征提取装置和计算装置，该计算装置用于在所提取的空间声场特征的基础上计算空间噪声抑制增益。该特征可以是区别语音和/或背景噪声特征，例如，声源接近性、声信号相关性和声波方向性。可以提取一种或多种不同的类型。接近性特征带有与从声源到信号感测单元(例如，放置在头戴式耳机中的两个麦克风)的距离相关的信息。用户的嘴部将位于离麦克风非常良好限定距离的位置处，使得可能在语音与来自周围环境的噪声之间进行区分。

相关性特征带有与麦克风感测到的信号的相似性相关的信息。来自用户嘴部的语音信号将在两个输入信号中产生两个高度相关的声源部分，而噪声信号将产生较低相关的信号。方向性特征带有如下信息，比如麦克风隔膜的表面上的入射声波的到达角。典型地，用户的嘴部相对于噪声源将位于非常良好限定的到达角处。在这些空间特征的基础上，空间线索被计算，并进一步处理，映射至空间增益。

典型地，用众所周知的单通道平稳噪声抑制方法(例如，维纳(Wiener)滤波)来计算平稳噪声抑制增益。该方法将产生噪声估计值和语音信号估计值。如图2中的本发明的实施方式所示，输入到平稳噪声抑制块9的输入信号可以是预处理音频信号，例如，这两个音频系统输入信号的任何线性组合。可以通过用波束成形器10(例如，适应性波束成形器系统)空间地过滤这两个输入信号来提供该线性组合，从而生成输入到平稳噪声抑制滤波器9的输入信号。在另一实施方式中，平稳噪声抑制滤波器可以运行在音频系统输入信号中的仅一个上。

用于组合两个中间噪声抑制增益的噪声抑制增益组合块8，比较这两个中间噪声抑制增益的值，并根据这两个值的比率或相对差，确定总噪声抑制增益。

为了达到最优的噪声抑制增益，可以将总噪声抑制增益选择为这两个中间噪声抑制增益的最小增益或最大增益。如果希望快速抑制噪声，那么可选择最小增益。如果希望稳定抑制噪声，使得更大量的语音通过，那么可选择最大增益。

在最小增益和最大增益的范围内，也可以应用加权因子，以实现更灵活的总噪声抑制增益。然后，总噪声抑制增益选择为，两个中间噪声抑制增益的线性组合。如果对两个中间增益应用同一因子0.5，那么结果将是平均增益。也可以应用其他因子，例如，对第一中间增益应用0.3，对第二中间增益应用0.7，或者反之亦然。所选择的组合可以以每种降噪方法所提供的置信度的测量值为基础。

可选地，噪声抑制增益组合块8可以包括如图1所示的增益细化(refinement，精炼)滤波器。增益细化滤波器8可以在时间和频率上过滤增益，例如，以避免噪声抑制增益中的过于突然的变化。

最后，输出滤波块11对音频信号施加总噪声抑制增益，以产生噪声抑制的音频系统输出信号。再一次，该音频信号可以是预处理音频信号，例如，由波束成形器10(例如，适应性波束成形器系统)提供的两个音频系统输入信号的线性组合。快速傅里叶逆转换(IFFT)12将输出信号从频域转换回至时域，以提供处理过的音频系统输出信号。

在图2所示的实施方式中，输出滤波块11通过乘法对音频信号施加总噪声抑制增益。然而，这也可以通过以下方式来实现：在时域音频信号上卷积(convolution)，以产生噪声抑制的音频系统输出信号。

在下面，一个实例将说明如何根据图1和图2所示的系统的实施方式，来计算空间噪声抑制增益。

在下面，使用简化符号(short hand notation，速记符号)，其中，假设滤波器组转移函数，但是省略时间和二进制指数(bin indices)。从空间线索的线性组合计算初步空间增益：

$G_1=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\α}}_k{m}_k$

$G_{\mathrm{spat}}=\frac{<G_1^2{\left|Z_{\mathrm{ADM}}\right|}^2>}{<{\left|Z_{\mathrm{ADM}}\right|}^2>}$

其中，m_k，α_k和Z_ADM分别是空间线索、线索权重、以及来自例如波束成形器的输出。运算符<·>表示在时间(例如20毫秒)上取平均值。将空间线索m_k和线索权重α_k设计成用于产生0和1之间的空间增益。可以应用空间线索权重，以在空间噪声抑制增益的计算中，使得一个或多个空间线索更突出，并且反之亦然，即，使得一个或其他空间线索更不突出。

接近性线索可以计算为：

$m_1=1-\mathrm{\&beta;}\max \left(\right|10\log \frac{P_1}{P_2}|-R_0,0)$

方向性线索可以计算为：

m₂＝1-max(|k∠P₁₂|-ω₀，0)

其中，P₁，P₂和P₁₂是对准的输入信号的自功率和互功率。常数β，R₀和ω₀确定空间线索函数的参数。k是与频率相关的标准化因子(normalization factor，归一化因子)，用于将相位映射至到达角。

本发明特别以定向背景噪声和非平稳背景噪声为目标，但是，本发明也处理平稳噪声情况和风噪。有利地，如上所述，将根据本发明的方法和系统使用在头戴式耳机中。在图3中示出了这种头戴式耳机13的一个实施方式，该头戴式耳机具有扬声器14和两个麦克风1，2。典型地，取决于头戴式耳机的尺寸和所处理的语音信号的频率范围，麦克风之间的距离可以在5毫米和25毫米之间变化。可以用麦克风之间的相对大的距离，来处理窄频带语音，而宽频带语音的处理可以从麦克风之间的更短距离中受益。该方法和系统能够以相同的优点应用于具有两个以上麦克风(对音频系统提供两个以上输入信号)的系统。

同样地，在其他具有两个或多个麦克风的个人通信装置(例如，移动电话，扬声器电话或助听器)中，能够执行该方法和系统。

Claims (18)

1.一种音频信号噪声抑制的方法，所述音频信号包括至少两个音频系统输入信号的组合，其中每个输入信号都具有声源信号部分和背景噪声部分，所述方法包括以下步骤：

-a)从所述输入信号中提取至少两种不同类型的空间声场特征，例如，区别语音特征和/或背景噪声特征，

-b)在所提取的空间声场特征的基础上，计算第一中间空间噪声抑制增益，

-c)计算第二中间平稳噪声抑制增益，

-d)将两个中间噪声抑制增益组合，以形成总噪声抑制增益，其中，通过比较所述两个中间噪声抑制增益的值并根据所述两个中间噪声抑制增益的比率或相对差，来组合所述两个中间噪声抑制增益，以确定所述总噪声抑制增益，

-e)将所述总噪声抑制增益施加至所述音频信号，以产生噪声抑制的音频系统输出信号。

2.根据权利要求1所述的音频信号噪声抑制的方法，其中，对至少一个频率次频带，在频域中执行所述方法。

3.根据权利要求1或2所述的音频信号噪声抑制的方法，其中，在步骤d)中，将所述总噪声抑制增益选择为，所述两个中间噪声抑制增益中的最小增益或最大增益。

4.根据前述权利要求中任一项所述的音频信号噪声抑制的方法，其中，在步骤d)中，将所述总噪声抑制增益选择为，所述两个中间噪声抑制增益的线性组合，例如平均增益。

5.根据前述权利要求中任一项所述的音频信号噪声抑制的方法，其中，所述空间声场特征包括，声源接近性和/或声信号相关性和/或声波方向性，所述声波方向性例如入射角。

6.根据前述权利要求中任一项所述的音频信号噪声抑制的方法，在步骤e)之前，包括通过波束成形器空间地过滤所述音频信号的步骤，并且随后在步骤e)中，将所述总噪声抑制增益施加至来自所述波束成形器的输出信号。

7.根据前述权利要求中任一项所述的音频信号噪声抑制的方法，包括：

-从所提取的空间特征计算至少一组空间差异线索，并根据所述空间差异线索的组计算所述空间噪声抑制增益。

8.根据权利要求7所述的音频信号噪声抑制的方法，包括：

-从空间线索的线性组合计算所述空间噪声抑制增益。

9.根据权利要求7或8所述的音频信号噪声抑制的方法，包括：

-作为时间和/或频率的函数，将空间线索的组中的不同类型的空间线索的内容的相互关系加权。

10.根据前述权利要求中任一项所述的音频信号噪声抑制的方法，包括：

-根据波束成形器输出信号而计算平稳噪声抑制增益。

11.根据前述权利要求中任一项所述的音频信号噪声抑制的方法，其中，所述音频系统输入信号包括至少两个麦克风信号。

12.一种用于音频信号噪声抑制的系统，所述音频信号包括至少两个音频系统输入信号的组合，其中每个输入信号具有声源信号部分和背景噪声部分，其中，所述系统包括：

-空间噪声抑制增益块，用于计算第一中间空间噪声抑制增益，所述空间噪声抑制增益块包括空间特征提取装置以及计算装置，所述空间特征提取装置用于从所述输入信号提取至少两种不同类型的空间声场特征，所述计算装置用于根据所提取的空间声场特征，例如，区别语音特征和/或背景噪声特征，而计算所述空间噪声抑制增益，

-平稳噪声抑制增益块，用于计算第二中间平稳噪声抑制增益，

-噪声抑制增益组合块，用于通过比较两个中间噪声抑制增益的值并根据所述两个中间噪声抑制增益的比率或相对差，来组合所述两个中间噪声抑制增益，以确定总噪声抑制增益，

-输出滤波块，用于将所述总噪声抑制增益施加至所述音频信号，以产生噪声抑制的音频系统输出信号。

13.根据权利要求12所述的用于音频信号噪声抑制的系统，其中，所述总噪声抑制增益选择为，所述两个中间噪声抑制增益中的最小增益或最大增益。

14.根据权利要求12或13所述的用于音频信号噪声抑制的系统，其中，所述总噪声抑制增益选择为，所述两个中间噪声抑制增益的线性组合，例如平均增益。

15.根据权利要求12至14中的任一项所述的用于音频信号噪声抑制的系统，其中，所述空间声场特征包括：声源接近性和/或声信号相关性和/或声波方向性，所述声波方向性例如入射角。

16.根据权利要求12至15中的任一项所述的用于音频信号噪声抑制的系统，其中，所述空间声场特征是与时间和频率相关的。

17.根据权利要求12至16中的任一项所述的用于音频信号噪声抑制的系统，进一步包括音频波束成形器，所述音频波束成形器具有作为输入的两个音频系统输入信号，以及作为输出的空间滤波的音频信号，所述输出信号用作输入至所述输出滤波块的输入信号。

18.一种头戴式耳机，包括至少两个麦克风、扬声器以及根据权利要求12至17中的任一项所述的噪声抑制系统，其中，所述麦克风信号用作输入至所述噪声抑制系统的输入信号。

Images