CN105304093B - 用于语音识别的信号前端处理方法及装置 - Google Patents

Abstract

本申请提出一种用于语音识别的信号前端处理方法和装置，其中，该方法包括：若检测存在语音信号，根据扬声器播出信号的第一时间与麦克风接收回声信号的第二时间确定回声路径时延；根据所述回声路径时延和自适应滤波器的处理帧长对所述回声信号进行时延补偿，并跟踪所述回声信号进行消除。通过本发明提供的用于语音识别的信号前端处理方法和装置，实现了实时跟踪扬声器与麦克风之间的时延差，保证了自适应滤波器可靠而稳定的运行，提高了语音系统识别的稳健性。

Description

用于语音识别的信号前端处理方法及装置

技术领域

本申请涉及语音识别处理技术领域，尤其涉及一种用于语音识别的信号前端处理方法及装置。

背景技术

随着语音识别技术的发展，语音识别系统的应用领域越来越广，例如：车载语音识别系统、远场语音识别系统，语音输入法系统以及智能家居系统。在真实的声场环境，尤其是远场拾音中，麦克风接收到的语音通常会带有不同程度的回声，这给现有的语音识别系统带来了极大的困难。

为了提高语音识别性能，在语音识别系统前端加入回声消除模块来抵消回声干扰信号，但是当麦克风与扬声器电路不同步时，会导致回声消除模块中的自适应滤波器发散而无法正常工作。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本申请的第一个目的在于提出一种用于语音识别的信号前端处理方法，该方法实现了实时跟踪扬声器与麦克风之间的时延差，保证了自适应滤波器可靠而稳定的运行，提高了语音系统识别的稳健性。

本申请的第二个目的在于提出一种用于语音识别的信号前端处理装置。

为达上述目的，本申请第一方面实施例提出了一种用于语音识别的信号前端处理方法，包括：若检测存在语音信号，根据扬声器播出信号的第一时间与麦克风接收回声信号的第二时间确定回声路径时延；根据所述回声路径时延和自适应滤波器的处理帧长对所述回声信号进行时延补偿，并跟踪所述回声信号进行消除。

本申请实施例的用于语音识别的信号前端处理方法，首先若检测存在语音信号，根据扬声器播出信号的第一时间与麦克风接收回声信号的第二时间确定回声路径时延；根据所述回声路径时延和自适应滤波器的处理帧长对所述回声信号进行时延补偿，并跟踪所述回声信号进行消除。由此，实现了实时跟踪扬声器与麦克风之间的时延差，保证了自适应滤波器可靠而稳定的运行，提高了语音系统识别的稳健性。

为达上述目的，本申请第二方面实施例提出了一种用于语音识别的信号前端处理装置，包括：语音检测模块，用于检测是否存在语音信号；时延估计模块，用于若检测存在语音信号，根据扬声器播出信号的第一时间与麦克风接收回声信号的第二时间确定回声路径时延，根据所述回声路径时延和自适应滤波器的处理帧长对所述回声信号进行时延补偿；回声消除模块，用于跟踪所述回声信号进行消除。

本申请实施例的用于语音识别的信号前端处理装置，通过语音检测模块检测是否存在语音信号，若检测存在语音信号，通过时延估计模块根据扬声器播出信号的第一时间与麦克风接收回声信号的第二时间确定回声路径时延，根据所述回声路径时延和自适应滤波器的处理帧长对所述回声信号进行时延补偿；通过回声消除模块跟踪所述回声信号进行消除。由此，实现了实时跟踪扬声器与麦克风之间的时延差，保证了自适应滤波器可靠而稳定的运行，提高了语音系统识别的稳健性。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1是本申请一个实施例的用于语音识别的信号前端处理方法的流程图；

图2为声学回声信号形成过程示意图；

图3为图2所示回声信号中扬声器信号与麦克风信号的相对时延关系示意图；

图4是本申请另一个实施例的用于语音识别的信号前端处理方法的流程图；

图5是图4所示实施例的信号处理过程示意图；

图6为语音信号通过高通滤波的幅频响应图；

图7为高通滤波处理前后的时域波形和频谱图；

图8为对语音信号自动增益控制处理的幅度放大示意图；

图9为对语音信号动态范围控制处理的幅度放大示意图；

图10是本申请一个实施例的用于语音识别的信号前端处理装置的结构示意图；

图11是本申请另一个实施例的用于语音识别的信号前端处理装置的结构示意图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。

下面参考附图描述本申请实施例的用于语音识别的信号前端处理方法及装置。

图1是本申请一个实施例的用于语音识别的信号前端处理方法的流程图。

如图1所示，该用于语音识别的信号前端处理方法包括：

步骤101，若检测存在语音信号，根据扬声器播出信号的第一时间与麦克风接收回声信号的第二时间确定回声路径时延。

步骤102，根据所述回声路径时延和自适应滤波器的处理帧长对所述回声信号进行时延补偿，并跟踪所述回声信号进行消除。

具体来说，本实施例提供的用于语音识别的信号前端处理方法用于语音识别系统对所接收的语音信号的预处理过程。在语音识别的过程中，回声干扰会降低语音识别性能，图2为声学回声信号形成过程示意图，如图2所示，终端设备的扬声器播出的声音经路径传递后再次进入麦克风形成回声，这样的回声在语音识别系统中需要通过回声消除技术(AEC)将回声消除。

因此，在语音识别系统前端，首先实时检测是否存在语音信号，如果存在语音信号，则根据扬声器播出信号的第一时间与麦克风接收回声信号的第二时间确定回声路径时延(TDE)，即第二时间与第一时间的时间差为回声路径时延。参见图2，由于扬声器播出的声音通过各种传播路径再次进入麦克风形成回声，因此，实际扬声器播出的信号(图2中(a)点)与麦克风通过不同传播路径接受到的回声信号(图2中(b)点)之间的时延关系不同，即回声路径时延不同，图3为图2所示回声信号中扬声器信号与麦克风信号的相对时延关系示意图，扬声器信号(a)与麦克风信号的相对时延关系可以表示为图3中的(b)、(b’)和(b”)。

根据回声路径时延和自适应滤波器的处理帧长对所述回声信号进行时延补偿，并跟踪所述回声信号进行消除。参见图3具体说明如下：扬声器信号(a)与麦克风信号的相对时延关系可以表示为图3中的(b)、(b’)和(b”)，考虑到回声消除处理中的自适应滤波器对语音信号是进行分帧处理的，其中，“τ”为帧长。因此，针对(b)所示的情况，回声路径时延大于零且小于处理帧长，因此，自适应滤波器可以正常的跟踪与处理；，针对(b’)所示的情况，回声路径时延大于等于处理帧长，根据回声路径时延将回声信号提前到所述处理帧长中；针对图6中(b”)的情形，当回声路径时延小于零，即出现了非因果，例如扬声器的信号播放一段时间后，麦克风才进行正常的接收工作，此时根据回声路径时延将回声信号延迟到处理帧长中。从而当出现麦克风与扬声器电路不同步时，自适应滤波器根据回声路径时延追踪处理对回声进行消除。

本实施例的用于语音识别的信号前端处理方法，首先若检测存在语音信号，根据扬声器播出信号的第一时间与麦克风接收回声信号的第二时间确定回声路径时延；根据所述回声路径时延和自适应滤波器的处理帧长对所述回声信号进行时延补偿，并跟踪所述回声信号进行消除。由此，实现了实时跟踪扬声器与麦克风之间的时延差，保证了自适应滤波器可靠而稳定的运行，提高了语音系统识别的稳健性。

图4是本申请另一个实施例的用于语音识别的信号前端处理方法的流程图。图5是图4所示实施例的信号处理过程示意图；

参见图4和图5，该用于语音识别的信号前端处理方法包括：

步骤201，对所述扬声器播出的信号与麦克风接收的回声信号进行高通滤波处理。

具体地，如果麦克风电路出现直流偏置，低频的电流噪声会影响后端语音活动检测(VAD)的准确性，进而直接决定了噪声消除的性能。因此，首先对扬声器播出的信号与麦克风接收的回声信号分别进行高通滤波(HPF)处理，将低于预设频率的低频信号滤掉，输出高于预设频率的信号。

图6为语音信号通过高通滤波的幅频响应图，如图6所示，100Hz以下的信号会被滤除而只保留大于100Hz的信号，解决了信号的直流偏置问题，并且对于低频的噪音会有一定程度的抑制。另一方面，语音识别系统只需要提取200Hz以上的信号特征，高通滤波处理后基本不会对识别造成损失。图7为高通滤波处理前后的时域波形和频谱图。

步骤202，若检测存在语音信号，根据扬声器播出信号的第一时间与麦克风接收回声信号的第二时间确定回声路径时延。

步骤203，根据所述回声路径时延和自适应滤波器的处理帧长对所述回声信号进行时延补偿，并跟踪所述回声信号进行消除。

本实施例中的步骤202和步骤203的具体实施过程参见图1所示实施例中的步骤101和步骤102，此处不再赘述。

步骤204，对噪声进行抑制处理和幅度增益处理，输入到语音识别系统进行语音识别。

对于非纯净的语音信号，识别系统对信号的幅度有一定要求，如果幅度太小，识别系统会对整句都不做识别，尤其针对远距离(说话人距离识别器3m)语音识别任务中性能会急速下降。因此，对经过回声消除的语音信号进行噪声抑制处理和幅度增益处理。其中，幅度增益处理的具体过程可以根据具体的应用场景进行选择，具体包括：

对所述语音信号的幅度进行自动增益控制处理(AGC)；或者，

对小于预设门限的语音信号幅度进行动态范围控制处理(DRC)；或者，

对所述语音信号的幅度进行自动增益控制，再对小于预设门限的语音信号幅度进行动态范围控制处理。

其中，AGC和DRC虽然都可以调整信号幅度，但是各自又有不同的侧重。AGC的目的是提高信号的幅度，图8为对语音信号自动增益控制处理的幅度放大示意图；而DRC是为了调整信号的动态范围；图9为对语音信号动态范围控制处理的幅度放大示意图。

本实施例的用于语音识别的信号前端处理方法，首先对所述扬声器播出的信号与麦克风接收的回声信号进行高通滤波处理，若检测存在语音信号，根据扬声器播出信号的第一时间与麦克风接收回声信号的第二时间确定回声路径时延；根据所述回声路径时延和自适应滤波器的处理帧长对所述回声信号进行时延补偿，并跟踪所述回声信号进行消除，对噪声进行抑制处理和幅度增益处理，输入到语音识别系统进行语音识别。由此，消除了电路的直流偏置，部分的抑制了低频噪音，实时跟踪扬声器与麦克风之间的时延差，保证了自适应滤波器可靠而稳定的运行，对输入的小幅度信号进行自动增益，从而全面提高了语音系统识别的稳健性。

为了实现上述实施例，本申请还提出一种用于语音识别的信号前端处理装置。

图10是本申请一个实施例的用于语音识别的信号前端处理装置的结构示意图。

如图10所示，该用于语音识别的信号前端处理装置包括：

语音检测模块11，用于检测是否存在语音信号，

时延估计模块12，用于若检测存在语音信号，根据扬声器播出信号的第一时间与麦克风接收回声信号的第二时间确定回声路径时延，根据所述回声路径时延和自适应滤波器的处理帧长对所述回声信号进行时延补偿；

回声消除模块13，用于跟踪所述回声信号进行消除。

其中，所述时延估计模块12，具体用于：

获取两路信号的时延差，若所述回声路径时延小于零，根据所述回声路径时延将所述回声信号延迟到所述处理帧长中；或者，

若所述回声路径时延大于等于所述处理帧长，根据所述回声路径时延将所述回声信号提前到所述处理帧长中。

需要说明的是，前述对用于语音识别的信号前端处理方法实施例的解释说明也适用于该实施例的用于语音识别的信号前端处理装置，此处不再赘述。

本申请实施例的用于语音识别的信号前端处理装置，首先若检测存在语音信号，根据扬声器播出信号的第一时间与麦克风接收回声信号的第二时间确定回声路径时延；根据所述回声路径时延和自适应滤波器的处理帧长对所述回声信号进行时延补偿，并跟踪所述回声信号进行消除。由此，实现了实时跟踪扬声器与麦克风之间的时延差，保证了自适应滤波器可靠而稳定的运行，提高了语音系统识别的稳健性。

图11是本申请另一个实施例的用于语音识别的信号前端处理装置的结构示意图，如图11所示，基于图10所示实施例，还包括：

高通滤波模块14，用于对所述扬声器播出的信号与麦克风接收的回声信号进行高通滤波处理。

进一步地，还包括：

噪声抑制模块15，用于对噪声进行抑制处理；

幅度增益模块16，用于对经过去噪处理的语音信号进行幅度增益处理，并输入到语音识别系统进行语音识别。

其中，所述幅度增益模块16，具体用于：

对所述语音信号的幅度进行自动增益控制处理；或者，

对小于预设门限的语音信号幅度进行动态范围控制处理；或者，

对所述语音信号的幅度进行自动增益控制，再对小于预设门限的语音信号幅度进行动态范围控制处理。

需要说明的是，前述对用于语音识别的信号前端处理方法实施例的解释说明也适用于该实施例的用于语音识别的信号前端处理装置，此处不再赘述。

本申请实施例的用于语音识别的信号前端处理装置，首先对所述扬声器播出的信号与麦克风接收的回声信号进行高通滤波处理，若检测存在语音信号，根据扬声器播出信号的第一时间与麦克风接收回声信号的第二时间确定回声路径时延；根据所述回声路径时延和自适应滤波器的处理帧长对所述回声信号进行时延补偿，并跟踪所述回声信号进行消除，对噪声进行抑制处理和幅度增益处理，输入到语音识别系统进行语音识别。由此，消除了电路的直流偏置，部分的抑制了低频噪音，实时跟踪扬声器与麦克风之间的时延差，保证了自适应滤波器可靠而稳定的运行，对输入的小幅度信号进行自动增益，从而全面提高了语音系统识别的稳健性。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (8)

1.一种用于语音识别的信号前端处理方法，其特征在于，包括以下步骤：

若检测存在语音信号，根据扬声器播出信号的第一时间与麦克风接收回声信号的第二时间确定回声路径时延；

根据所述回声路径时延和自适应滤波器的处理帧长对所述回声信号进行时延补偿，并跟踪所述回声信号进行消除；

所述根据所述回声路径时延和自适应滤波器的处理帧长对所述回声信号进行时延补偿，包括：

若所述回声路径时延小于零，根据所述回声路径时延将所述回声信号延迟到所述处理帧长中；或者，

若所述回声路径时延大于等于所述处理帧长，根据所述回声路径时延将所述回声信号提前到所述处理帧长中。

2.如权利要求1所述的方法，其特征在于，在所述检测是否存在语音信号之前，还包括：

对所述扬声器播出的信号与麦克风接收的回声信号进行高通滤波处理。

3.如权利要求1-2任一所述的方法，其特征在于，在所述跟踪到所述回声信号进行消除之后，还包括：

对噪声进行抑制处理；

对经过去噪处理的语音信号进行幅度增益处理，并输入到语音识别系统进行语音识别。

4.如权利要求3所述的方法，其特征在于，所述对经过去噪处理的语音信号进行幅度增益处理，包括：

对所述语音信号的幅度进行自动增益控制处理；或者，

对小于预设门限的语音信号幅度进行动态范围控制处理；或者，

对所述语音信号的幅度进行自动增益控制，再对小于预设门限的语音信号幅度进行动态范围控制处理。

5.一种用于语音识别的信号前端处理装置，其特征在于，包括：

语音检测模块，用于检测是否存在语音信号，

时延估计模块，用于若检测存在语音信号，根据扬声器播出信号的第一时间与麦克风接收回声信号的第二时间确定回声路径时延，根据所述回声路径时延和自适应滤波器的处理帧长对所述回声信号进行时延补偿；

回声消除模块，用于跟踪所述回声信号进行消除；

所述时延估计模块，具体用于：

若所述回声路径时延小于零，根据所述回声路径时延将所述回声信号延迟到所述处理帧长中；或者，

若所述回声路径时延大于等于所述处理帧长，根据所述回声路径时延将所述回声信号提前到所述处理帧长中。

6.如权利要求5所述的装置，其特征在于，还包括：

高通滤波模块，与所述语音检测模块连接，用于对所述扬声器播出的信号与麦克风接收的回声信号进行高通滤波处理。

7.如权利要求5-6任一所述的装置，其特征在于，还包括：

噪声抑制模块，与所述回声消除模块连接，用于对噪声进行抑制处理；

幅度增益模块，用于对经过去噪处理的语音信号进行幅度增益处理，并输入到语音识别系统进行语音识别。

8.如权利要求7所述的装置，其特征在于，所述幅度增益模块，具体用于：

对所述语音信号的幅度进行自动增益控制处理；或者，

对小于预设门限的语音信号幅度进行动态范围控制处理；或者，

对所述语音信号的幅度进行自动增益控制，再对小于预设门限的语音信号幅度进行动态范围控制处理。