CN105390142B - 一种数字助听器语音噪声消除方法 - Google Patents
一种数字助听器语音噪声消除方法 Download PDFInfo
- Publication number
- CN105390142B CN105390142B CN201510963022.2A CN201510963022A CN105390142B CN 105390142 B CN105390142 B CN 105390142B CN 201510963022 A CN201510963022 A CN 201510963022A CN 105390142 B CN105390142 B CN 105390142B
- Authority
- CN
- China
- Prior art keywords
- subband
- frame
- formula
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 206010011878 Deafness Diseases 0.000 title claims abstract description 20
- 230000009467 reduction Effects 0.000 claims abstract description 18
- 238000009432 framing Methods 0.000 claims abstract description 13
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 7
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 7
- 230000011218 segmentation Effects 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 claims description 15
- 230000002708 enhancing effect Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000001027 hydrothermal synthesis Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000010370 hearing loss Effects 0.000 description 2
- 231100000888 hearing loss Toxicity 0.000 description 2
- 208000016354 hearing loss disease Diseases 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G10L21/0216—Noise filtering characterised by the method used for estimating noise
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R25/00—Deaf-aid sets, i.e. electro-acoustic or electro-mechanical hearing aids; Electric tinnitus maskers providing an auditory perception
- H04R25/50—Customised settings for obtaining desired overall acoustical characteristics
- H04R25/505—Customised settings for obtaining desired overall acoustical characteristics using digital signal processing
Landscapes
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Neurosurgery (AREA)
- Otolaryngology (AREA)
- Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明涉及语音信号处理技术领域,尤其涉及一种数字助听器语音噪声消除方法,主要包括以下步骤:S1.将输入语音的采样信号分割子带和分帧,得到各帧子带带噪语音信号;S2.计算各帧子带带噪语音信号的增益函数;S3.根据增益函数衰减各帧子带带噪语音信号,得到各帧子带增强信号;S4.将各帧子带增强信号通过综合滤波器组并相加,得到降噪后输出语音。本发明降低了计算复杂度,从而降低了时间延迟和功率消耗,同时改进的算法使得降噪后语音的信噪比得到了超过5dB的改善,有效的抑制了语音信号中的噪声,提高了语音可懂度,具有较高的实用价值。
Description
技术领域
本发明涉及语音信号处理技术领域,尤其涉及一种数字助听器语音噪声消除方法。
背景技术
在数字助听器中,降噪的效率对听力损失患者至关重要。语音的信噪比严重影响着听力损失患者的听觉认知。相对于听力正常者,在理解同一段语音时他们需要更高的信噪比。数字助听器中对语音的降噪处理不仅可以提高听损患者对语音的可听度,同时也提高了听损患者对语音的可懂度。
传统的维纳滤波噪声消除算法,在计算增益函数时引入了先验信噪比,并采用了“直接判决”法对先验信噪比进行估计,该方法有效的抑制了语音中的噪声,但该算法需要对输入信号进行傅里叶变换,计算复杂度较高。
近年来,很多优秀的降噪方法被提出。R.C.Hendriks等人提出了一种DFT域单麦克风降噪语音增强的方法。斯坦福大学的Andrew L.Maas提出了一种新的基于深层神经网络的降噪算法,取得了优秀的降噪效率。除此之外,正交分解、小波变换和压缩传感等方法都被用来提高降噪的性能。但是,同样这些算法大多数计算复杂度都较高,并不满足于数字助听器对实时性和功耗限制的要求。在数字助听器中,语音从麦克风输入到输出的时间延迟一般不能超过10毫秒。因此,因数字助听器系统对时延的敏感性,降低算法的计算复杂度至关重要。
发明内容
针对现有技术存在的不足,本发明的目的在于提供一种计算复杂度低的数字助听器语音噪声消除方法。
为实现上述目的,本发明可以通过以下技术方案予以实现:
一种数字助听器语音噪声消除方法,包括以下步骤:
S1.将输入语音的采样信号分割子带和分帧,得到各帧子带带噪语音信号;
S2.计算各帧子带带噪语音信号的增益函数;
S3.根据增益函数衰减各帧子带带噪语音信号,得到各帧子带增强信号;
S4.将各帧子带增强信号通过综合滤波器组并相加,得到降噪后输出语音。
进一步的,步骤S1中所述的分割子带包括:
将输入语音的采样信号设定为x(n),n表示离散时间点,将x(n)通过分析滤波器组H1(z),H2(z),...,H16(z)分解为16个子带信号,各滤波器输出的子带信号为:
yk(n)=x(n)*hk(n) (式1)
式中k为子带号,k=1,2,...,16,yk(n)为子带k的输出,hk(n)为滤波器单位脉冲响应;
步骤S1中所述的分帧包括:
将子带信号yk(n)分帧,用y(m,k)表示第k子带第m帧带噪语音信号矢量,y(m,k)=[yk(0) yk(1)…yk(N-1)],将y(m,k)表示为y(m,k)=s(m,k)+n(m,k),其中s(m,k)为纯净语音信号矢量,s(m,k)=[sk(0),sk(1),…,sk(N-1)],n(m,k)为噪声信号矢量,n(m,k)=[nk(0),nk(1),…,nk(N-1)],N为帧长。
进一步的,步骤S2中的增益函数为:
(式2)
式中SNRprio(m,k)为先验信噪比。
进一步的,先验信噪比SNRprio(m,k)的计算公式为:
(式3)
式中表示子带k第m-1帧的纯净语音功率估计值,表示子带k第m-1帧的噪声功率估计值,α取值0.95~0.99,SNRpost(m,k)表示后验信噪比。
进一步的,表示子带k第m-1帧的增强
信号,N为帧长。
进一步的, (式4)
式中表示子带k第m帧的噪声功率估计值,||Y(m,k)||2表示子带k第m帧的带噪语音信号功率,||Y(m,k)||2=Σy2(m,k)/N。
进一步的,所述噪声功率估计值的计算步骤包括:
(2)计算各帧子带带噪语音信号功率;
(2)对各帧子带带噪语音信号功率进行平滑处理;
(3)搜索各帧子带带噪语音信号功率中的最小值;
(4)判断各帧子带带噪语音信号中是否存在纯净语音;
(5)计算纯净语音出现的概率;
(6)计算得到各帧子带噪声功率估计值。
进一步的,所述噪声功率估计值的各个计算步骤的计算公式为:
(1)子带k第m帧的带噪语音信号功率为
||Y(m,k)||2=Σy2(k,m)/N (式5)
式中N为帧长;
(2)P(m,k)=αp·P(m-1,k)+(1-αp)·||Y(m,k)||2 (式6)
式中αp∈[0,1],P(m,k)为子带k第m帧平滑后的带噪语音信号功率,其中P(0,k)取值为||Y(0,k)||2;
(3)假设最小值为Pmin(m,k)
(式7)
式中β取值为0.96,γ取值为0.998,Pmin(0,k)取值为P(0,k);
(4)纯净语音存在函数I(m,k)为:
(式8)
式中δ取值为2.5~3.5;
(5)纯净语音出现概率p(m,k)为:
p(m,k)=ξ·p(m-1,k)+(1-ξ)·I(m,k) (式9)
式中ζ取值为0.2,p(0,k)取值为0;
(6)子带k第m帧的带噪功率估计值为:
(式12)
式中ψ(m,k)=ζ+(1-ζ)p(m,k),ζ取值为0.95,取值为P(0,k)。
进一步的,步骤S3中,子带k第m帧的增强信号为:
(式10);
其中N为帧长。
进一步的,步骤S4具体为:
将各子带第m帧的增强信号通过综合滤波器组并相加得到降噪后输出语音:
(式11)
式中n=1,2,...,N-1。
与现有技术相比,本发明的有益效果是:
利用计算各子带信号功率取代传统方法中的FFT变换,降低了计算复杂度,从而降低了时间延迟和功率消耗,同时改进的算法使得降噪后语音的信噪比得到了超过5dB的改善,有效的抑制了语音信号中的噪声,提高了语音可懂度,具有较高的实用价值。
附图说明
图1是本发明的方法流程图;
图2是本发明的噪声功率估计值的计算步骤图;
图3是纯净语音、加噪语音和降噪后语音波形对比图;
图4是纯净语音、加噪语音和降噪后语音语谱图对比图。
具体实施方式
下面将结合附图以及具体实施方式对本发明作进一步的说明:
如图1所示,本发明所述的数字助听器语音噪声消除方法,主要包括以下步骤:
S1.将输入语音的采样信号分割子带和分帧,得到各帧子带带噪语音信号,可以先分割子带再分帧,也可以先分帧再分割子带,在本实施例中采用先分割子带再分帧的顺序。
分割子带包括以下步骤:
由麦克风输入的语音信号采样频率fs为16KHz,因语音信号的短时平稳性,取一帧信号长度为128个点,即8ms。将输入语音的采样信号设定为x(n),n表示离散时间点,将x(n)通过分析滤波器组H1(z),H2(z),...,H16(z)分解为16个子带信号,为进一步降低计算复杂度,分析滤波器组中各滤波器均为6阶的IIR滤波器。各滤波器输出的子带信号为:
yk(n)=x(n)*hk(n) (式1)
式中k为子带号,k=1,2,...,16,yk(n)为子带k的输出,hk(n)为滤波器单位脉冲响应。
分帧包括以下步骤:
在第k个子带中,将子带信号yk(n)分帧,用y(m,k)表示第k子带第m帧带噪语音信号矢量,即在第m帧内y(m,k)=[yk(0) yk(1)…yk(N-1)],将y(m,k)表示为y(m,k)=s(m,k)+n(m,k),其中s(m,k)为纯净语音信号矢量,s(m,k)=[sk(0),sk(1),…,sk(N-1)],n(m,k)为噪声信号矢量,n(m,k)=[nk(0),nk(1),…,nk(N-1)],N为帧长,N值为128。
S2.计算各帧子带带噪语音信号的增益函数。
增益函数为:
(式2)
式中SNRprio(m,k)为先验信噪比。
计算先验信噪比:
(式3)
式中表示子带k第m-1帧的纯净语音功率估计值,N为帧长,表示子带k第m-1帧的增强信号,由(式10)计算所得。
表示子带k第m-1帧的噪声功率估计值,α为调节系数,α取值0.95~0.99时效果较佳,max函数返回两个参数的最大值。
SNRpost(m,k)表示后验信噪比:
(式4)
式中表示子带k第m帧的噪声功率估计值,||Y(m,k)||2表示子带k第m帧的带噪语音信号功率,||Y(m,k)||2=Σy2(m,k)/N。
如图2所示,式3和式4中的噪声功率估计值的计算步骤包括:
(1)计算各帧子带带噪语音信号功率:
子带k第m帧的带噪语音信号功率为
||Y(m,k)||2=Σy2(k,m)/N (式5)
式中N为帧长,N值为128;
(2)对各帧子带带噪语音信号功率进行平滑处理:
P(m,k)=αp·P(m-1,k)+(1-αp)·||Y(m,k)||2 (式6)
式中αp为平滑因子,αp∈[0,1],P(m,k)为子带k第m帧平滑后的带噪语音信号功率,其中P(0,k)取值为||Y(0,k)||2;
(3)搜索各帧子带带噪语音信号功率中的最小值:
假设最小值为Pmin(m,k)
(式7)
式中β和γ为经验常数,根据实验效果,β取值为0.96,γ取值为0.998,Pmin(0,k)取值为P(0,k);
(4)判断各帧子带带噪语音信号中是否存在纯净语音:
纯净语音存在函数I(m,k)为:
(式8)
式中δ为门限值,当δ取值2.5~3.5时效果较佳;
(5)计算纯净语音出现的概率:
纯净语音出现概率p(m,k)为:
p(m,k)=ξ·p(m-1,k)+(1-ξ)·I(m,k) (式9)
式中ζ为概率更新系数,取值为0.2,p(0,k)取值为0;
(6)计算得到各帧子带噪声功率估计值:
子带k第m帧的带噪功率估计值为:
(式12)
式中ψ(m,k)=ζ+(1-ζ)p(m,k),ζ为常系数,取值为0.95,取值为P(0,k)。
S3.根据增益函数衰减各帧子带带噪语音信号,得到各帧子带增强信号。
使用(式2)求得G(m,k)后便得到了子带k第m帧信号所需的衰减值,将子带带噪信号y(m,k)乘以此衰减值便可得子带k第m帧中增强信号
(式10);
其中N为帧长。
S4.将各帧子带增强信号通过综合滤波器组并相加,得到降噪后输出语音。
将各子带第m帧的增强信号通过综合滤波器组并相加得到全带降噪后输出语音:
(式11)
式中n=1,2,...,N-1。
向纯净语音中加入四种不同的噪声(white,tank,speech babble,HF channel)进行仿真实验,设定不同的输入信噪比,从输出信噪比对算法的降噪性能进行评估,表1是对不同的输入信噪比、含有不同噪声的语音进行降噪后的信噪比提升情况。
表1
图3为纯净语音、加噪语音(所加噪声为白噪声,输入信噪比为5dB)和降噪后语音波形对比图。图4为纯净语音、加噪语音(所加噪声为白噪声,输入信噪比为5dB)和降噪后语音语谱图的对比图,从图中可以看出信号中的噪声得到了很好的抑制,真耳试听效果良好。同时仿真实验显示传统的维纳滤波法由于需要对输入信号进行傅里叶变换,其对信号的延时超过了100ms,而本发明提出的方法对信号的延迟不超过20ms,大大的降低了时延,减少了对功率的损耗。
对于本领域的技术人员来说,可根据以上技术方案以及构思,做出其他各种相应的改变以及变形,而所有的这些改变和变形都应该属于本发明权利要求的保护范围之内。
Claims (9)
1.一种数字助听器语音噪声消除方法,其特征在于,包括以下步骤:
S1.将输入语音的采样信号分割子带和分帧,得到各帧子带带噪语音信号;
S2.计算各帧子带带噪语音信号的增益函数;
S3.根据增益函数衰减各帧子带带噪语音信号,得到各帧子带增强信号;
S4.将各帧子带增强信号通过综合滤波器组并相加,得到降噪后输出语音;
其中,步骤S2中所述增益函数通过先验信噪比计算得出,所述先验信噪比通过纯净语音功率估计值、噪声功率估计值、后验信噪比计算得出;
所述噪声功率估计值的计算步骤包括:
(1)计算各帧子带带噪语音信号功率;
(2)对各帧子带带噪语音信号功率进行平滑处理;
(3)搜索各帧子带带噪语音信号功率中的最小值;
(4)判断各帧子带带噪语音信号中是否存在纯净语音;
(5)计算纯净语音出现的概率;
(6)计算得到各帧子带噪声功率估计值。
2.根据权利要求1所述的数字助听器语音噪声消除方法,其特征在于,步骤S1中所述的分割子带包括:
将输入语音的采样信号设定为x(n),n表示离散时间点,将x(n)通过分析滤波器组H1(z),H2(z),...,H16(z)分解为16个子带信号,各滤波器输出的子带信号为:
yk(n)=x(n)*hk(n) (式1)
式中k为子带号,k=1,2,...,16,yk(n)为子带k的输出,hk(n)为滤波器单位脉冲响应;
步骤S1中所述的分帧包括:
将子带信号yk(n)分帧,用y(m,k)表示第k子带第m帧带噪语音信号矢量,y(m,k)=[yk(0) yk(1)…yk(N-1)],将y(m,k)表示为y(m,k)=s(m,k)+n(m,k),其中s(m,k)为纯净语音信号矢量,s(m,k)=[sk(0),sk(1),…,sk(N-1)],n(m,k)为噪声信号矢量,n(m,k)=[nk(0),nk(1),…,nk(N-1)],N为帧长。
3.根据权利要求2所述的数字助听器语音噪声消除方法,其特征在于,步骤S2中的增益函数为:
式中SNRprio(m,k)为先验信噪比。
4.根据权利要求3所述的数字助听器语音噪声消除方法,其特征在于,所述先验信噪比SNRprio(m,k)的计算公式为:
式中表示子带k第m-1帧的纯净语音功率估计值,表示子带k第m-1帧的噪声功率估计值,α取值0.95~0.99,SNRpost(m,k)表示后验信噪比。
5.根据权利要求4所述的数字助听器语音噪声消除方法,其特征在于: 表示子带k第m-1帧的增强信号,N为帧长。
6.根据权利要求4所述的数字助听器语音噪声消除方法,其特征在于:
式中表示子带k第m帧的噪声功率估计值,||Y(m,k)||2表示子带k第m帧的带噪语音信号功率,||Y(m,k)||2=∑y2(m,k)/N。
7.根据权利要求6所述的数字助听器语音噪声消除方法,其特征在于,所述噪声功率估计值的各个计算步骤的计算公式为:
(1)子带k第m帧的带噪语音信号功率为
||Y(m,k)||2=∑y2(k,m)/N (式5)
式中N为帧长;
(2)P(m,k)=αp·P(m-1,k)+(1-αp)·||Y(m,k)||2 (式6)
式中αp∈[0,1],P(m,k)为子带k第m帧平滑后的带噪语音信号功率,其中P(0,k)取值为||Y(0,k)||2;
(3)假设最小值为Pmin(m,k)
式中β取值为0.96,γ取值为0.998,Pmin(0,k)取值为P(0,k);
(4)纯净语音存在函数I(m,k)为:
式中δ取值为2.5~3.5;
(5)纯净语音出现概率p(m,k)为:
p(m,k)=ξ·p(m-1,k)+(1-ξ)·I(m,k) (式9)
式中ζ取值为0.2,p(0,k)取值为0;
(6)子带k第m帧的带噪功率估计值为:
式中ψ(m,k)=ζ+(1-ζ)p(m,k),ζ取值为0.95,取值为P(0,k)。
8.根据权利要求3所述的数字助听器语音噪声消除方法,其特征在于:步骤S3中,子带k第m帧的增强信号为:
其中N为帧长。
9.根据权利要求8所述的数字助听器语音噪声消除方法,其特征在于:步骤S4具体为:
将各子带第m帧的增强信号通过综合滤波器组并相加得到降噪后输出语音:
式中n=1,2,...,N-1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510963022.2A CN105390142B (zh) | 2015-12-17 | 2015-12-17 | 一种数字助听器语音噪声消除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510963022.2A CN105390142B (zh) | 2015-12-17 | 2015-12-17 | 一种数字助听器语音噪声消除方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105390142A CN105390142A (zh) | 2016-03-09 |
CN105390142B true CN105390142B (zh) | 2019-04-05 |
Family
ID=55422358
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510963022.2A Expired - Fee Related CN105390142B (zh) | 2015-12-17 | 2015-12-17 | 一种数字助听器语音噪声消除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105390142B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105679330B (zh) * | 2016-03-16 | 2019-11-29 | 南京工程学院 | 基于改进子带信噪比估计的数字助听器降噪方法 |
CN106060717A (zh) * | 2016-05-26 | 2016-10-26 | 广东睿盟计算机科技有限公司 | 一种高清晰度动态降噪拾音器 |
CN106653047A (zh) * | 2016-12-16 | 2017-05-10 | 广州视源电子科技股份有限公司 | 一种音频数据的自动增益控制方法与装置 |
CN108899042A (zh) * | 2018-06-25 | 2018-11-27 | 天津科技大学 | 一种基于移动平台的语音降噪方法 |
CN109285556B (zh) * | 2018-09-29 | 2022-05-20 | 阿波罗智联(北京)科技有限公司 | 音频处理方法、装置、设备以及存储介质 |
CN109246515B (zh) * | 2018-10-09 | 2019-10-29 | 王青云 | 一种可提升个性化音质功能的智能耳机及方法 |
CN109961799A (zh) * | 2019-01-31 | 2019-07-02 | 杭州惠耳听力技术设备有限公司 | 一种基于迭代维纳滤波的助听器多通道语音增强算法 |
CN109859768A (zh) * | 2019-03-12 | 2019-06-07 | 上海力声特医学科技有限公司 | 人工耳蜗语音增强方法 |
WO2021062582A1 (en) * | 2019-09-30 | 2021-04-08 | Shenzhen Voxtech Co., Ltd. | Systems and methods for noise reduction using sub-band noise reduction technique |
CN114387772B (zh) * | 2021-12-15 | 2022-11-25 | 深圳市东峰盛科技有限公司 | 一种安防监控用具有警报结构的摄像头 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1883170A (zh) * | 2003-11-13 | 2006-12-20 | 艾利森电话股份有限公司 | 自适应插值的信道估算 |
WO2010144135A1 (en) * | 2009-06-09 | 2010-12-16 | Dean Robert Gary Anderson | Method and apparatus for directional acoustic fitting of hearing aids |
CN102984634A (zh) * | 2011-11-22 | 2013-03-20 | 南京工程学院 | 一种数字助听器非等宽子带自动增益控制方法 |
CN103559887A (zh) * | 2013-11-04 | 2014-02-05 | 深港产学研基地 | 用于语音增强系统的背景噪声估计方法 |
CN103731780A (zh) * | 2014-01-16 | 2014-04-16 | 中国科学院声学研究所 | 数字助听器信号处理方法 |
CN105023572A (zh) * | 2014-04-16 | 2015-11-04 | 王景芳 | 一种含噪语音端点鲁棒检测方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ES2349718T3 (es) * | 2004-09-16 | 2011-01-10 | France Telecom | Procedimiento de tratamiento de señales acústicas ruidosas y dispositivo para la realización del procedimiento. |
WO2013030345A2 (en) * | 2011-09-02 | 2013-03-07 | Gn Netcom A/S | A method and a system for noise suppressing an audio signal |
CN102306496B (zh) * | 2011-09-05 | 2014-07-09 | 歌尔声学股份有限公司 | 一种多麦克风阵列噪声消除方法、装置及系统 |
-
2015
- 2015-12-17 CN CN201510963022.2A patent/CN105390142B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1883170A (zh) * | 2003-11-13 | 2006-12-20 | 艾利森电话股份有限公司 | 自适应插值的信道估算 |
WO2010144135A1 (en) * | 2009-06-09 | 2010-12-16 | Dean Robert Gary Anderson | Method and apparatus for directional acoustic fitting of hearing aids |
CN102984634A (zh) * | 2011-11-22 | 2013-03-20 | 南京工程学院 | 一种数字助听器非等宽子带自动增益控制方法 |
CN103559887A (zh) * | 2013-11-04 | 2014-02-05 | 深港产学研基地 | 用于语音增强系统的背景噪声估计方法 |
CN103731780A (zh) * | 2014-01-16 | 2014-04-16 | 中国科学院声学研究所 | 数字助听器信号处理方法 |
CN105023572A (zh) * | 2014-04-16 | 2015-11-04 | 王景芳 | 一种含噪语音端点鲁棒检测方法 |
Non-Patent Citations (4)
Title |
---|
"Multichannel compression hearing aids:effect of number of channels on speech discrimination in noise";E.William Yund ET AL;《Acoustical of America》;19950228;全文 |
"基于先验信噪比估计和增益平滑的语音增强";安扣成;《计算机应用》;20120710;全文 |
"多通道助听器语音降噪算法研究";奚吉;《计算机工程与应用》;20141231;第50卷(第11期);第238-239页 |
"说话人识别中语音增强算法的研究和系统实现";张亮;《中国优秀硕士学位论文全文数据库》;20091215;第26-27页 |
Also Published As
Publication number | Publication date |
---|---|
CN105390142A (zh) | 2016-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105390142B (zh) | 一种数字助听器语音噪声消除方法 | |
CN108831499B (zh) | 利用语音存在概率的语音增强方法 | |
CN108464015B (zh) | 麦克风阵列信号处理系统 | |
CN103531204B (zh) | 语音增强方法 | |
CN105679330B (zh) | 基于改进子带信噪比估计的数字助听器降噪方法 | |
CN108986832B (zh) | 基于语音出现概率和一致性的双耳语音去混响方法和装置 | |
CN103544961B (zh) | 语音信号处理方法及装置 | |
CN101582264A (zh) | 语音增强的方法及语音增加的声音采集系统 | |
CN110310656A (zh) | 一种语音增强方法 | |
CN107785028B (zh) | 基于信号自相关的语音降噪方法及装置 | |
CN105427859A (zh) | 一种用于对说话人识别的前端语音增强方法 | |
CN106875938A (zh) | 一种改进的非线性自适应语音端点检测方法 | |
CN111091833A (zh) | 一种降低噪声影响的端点检测方法 | |
CN103578466B (zh) | 基于分数阶傅里叶变换的语音非语音检测方法 | |
CN101625869A (zh) | 一种基于小波包能量的非空气传导语音增强方法 | |
CN105489226A (zh) | 一种用于拾音器的多窗谱估计的维纳滤波语音增强方法 | |
CN109961799A (zh) | 一种基于迭代维纳滤波的助听器多通道语音增强算法 | |
CN111312275B (zh) | 一种基于子带分解的在线声源分离增强系统 | |
WO2020024787A1 (zh) | 音乐噪声抑制方法及装置 | |
Amehraye et al. | Perceptual improvement of Wiener filtering | |
CN109102823A (zh) | 一种基于子带谱熵的语音增强方法 | |
CN102637438B (zh) | 一种语音滤波方法 | |
CN104064197A (zh) | 一种基于语音帧间动态信息提高语音识别鲁棒性的方法 | |
CN106997766B (zh) | 一种基于宽带噪声的同态滤波语音增强方法 | |
EP2063420A1 (en) | Method and assembly to enhance the intelligibility of speech |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190405 |
|
CF01 | Termination of patent right due to non-payment of annual fee |