CN105931650B - 一种基于音频特征提取的自适应降噪方法 - Google Patents
一种基于音频特征提取的自适应降噪方法 Download PDFInfo
- Publication number
- CN105931650B CN105931650B CN201610250747.1A CN201610250747A CN105931650B CN 105931650 B CN105931650 B CN 105931650B CN 201610250747 A CN201610250747 A CN 201610250747A CN 105931650 B CN105931650 B CN 105931650B
- Authority
- CN
- China
- Prior art keywords
- sound
- preset value
- signal
- audio communication
- secondary audio
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000009467 reduction Effects 0.000 title claims abstract description 26
- 238000000605 extraction Methods 0.000 title claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 16
- 230000000717 retained effect Effects 0.000 claims abstract description 5
- 238000004891 communication Methods 0.000 claims description 49
- 230000006870 function Effects 0.000 claims description 23
- 230000003044 adaptive effect Effects 0.000 claims description 18
- 238000005070 sampling Methods 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000009131 signaling function Effects 0.000 claims description 7
- 238000012546 transfer Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 206010039203 Road traffic accident Diseases 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 239000012814 acoustic material Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 239000012774 insulation material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003313 weakening effect Effects 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
- G10L21/0272—Voice signal separating
- G10L21/0308—Voice signal separating characterised by the type of parameter measurement, e.g. correlation techniques, zero crossing techniques or predictive techniques
-
- 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
- G10L21/0232—Processing in the frequency domain
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Soundproofing, Sound Blocking, And Sound Damping (AREA)
Abstract
本发明适用于降噪领域,一种基于音频特征提取的自适应降噪方法,包括以下步骤:A、通过拾音器采集声音;B、根据频率范围对采集的声音进行分段分析处理;C、将处理的声音与预设频率范围进行对比,判断是否在预设范围内,如是,则保留执行下一步骤,如否,则进行去噪处理;D、判断设定频率范围内的声音是否大于物理样本的预设值a,如大于预设值a,则执行下一步骤,如小于预设值a,则为人对话声音;E、判断设定频率范围内的声音是否大于声学特征进行预设值b,如大于预设值b,则执行下一步骤,如小于预设值b,则为人对话声音;F、判断设定频率范围内的声音是否大于语义特征进行预设值c,如大于预设值c,则保留的声音为音乐声音,如小于预设值c,则为人对话声音。
Description
技术领域
本发明属于降噪领域,尤其涉及一种基于音频特征提取的自适应降噪方法。
背景技术
在车载领域,由于车体内发动机的转动,造成车声振动,从而产生噪声。汽车大部分情况下是一个封闭空间,当人长期在有噪声的封闭空间中行驶时,人很容易疲乏、反应迟钝,会造成交通事故,严重会危及人类的生命安全。传统做法一般是物理降噪法,在产生噪音的位置例如发动机盖下、轮胎周围、后备箱盖下等等添加大量的隔音材质。物理降噪的效果取决于隔音材料本身的特性以及材料的用量,由于材料科学发展比较缓慢,一味增加隔音材料也会增加车体重量,导致油耗增加,所以物理降噪技术已经进入瓶颈期。随着人们对声讯特征研究的不断深入,以及自适应算法的不断完善,人们逐渐开始将主动降噪技术引入到人们的日产生活中,这就是ANC技术。
发明内容
本发明的目的在于提供一种基于音频特征提取的自适应降噪方法,旨在解决减弱或者消除车内噪声的问题。
本发明是这样实现的,一种基于音频特征提取的自适应降噪方法,所述方法包括以下步骤:
A、通过拾音器采集声音;
B、根据频率范围对采集的声音进行分段分析处理;
C、将处理的声音与预设频率范围进行对比,判断是否在预设范围内,如是,则保留执行下一步骤,如否,则进行去噪处理;
D、判断设定频率范围内的声音是否大于物理样本的预设值a,如大于预设值a,则执行下一步骤,如小于预设值a,则为人对话声音;
E、判断设定频率范围内的声音是否大于声学特征进行预设值b,如大于预设值b,则执行下一步骤,如小于预设值b,则为人对话声音;
F、判断设定频率范围内的声音是否大于语义特征进行预设值c,如大于预设值c,则保留的声音为音乐声音,如小于预设值c,则为人对话声音。
本发明的进一步技术方案是:所述步骤C中去噪处理包括以下步骤:
C1:通过函数式将参考信号转换为修正后的噪音信号及控制器输出信号;
C2、通过函数式将控制器输出信号转换为次级声讯信号;
C3、修正后的噪声信号与转换后的次级声讯信号进入误差传感器相互抵消去掉噪音;
C4、误差传感器将采集到的误差信号返回步骤C2进行循环去噪,其中误差信号为修正后的噪音信号与次级声讯信号的合集。
本发明的进一步技术方案是:所述步骤C1中还包括以下步骤:
C11、通过初级声通道函数式d(k)=X(k)*L(z)将参考信号转换为修正后的噪音信号,其中d(k)是修正后的噪声信号,X(k)是参考输入信号,L(z)是初级声通道,k的取值范围为-∞<k<+∞,z的取值范围为z=e^sT,其中,e为常量、s为变量、T为采样周期;
C12、通过自适应LMS滤波器函数式及Pi(k+1)=Pi(k)+2δe(k)X(k-i)s将参考信号转换为控制器输出信号,其中,s(k)是控制器的输出信号、Pi(k)是权重是k的函数、X(k-i+1)是k-i+1的参考信号函数0≤i≤M-1,M为滤波器阶数、δ为步长因子、e(k)是误差传感器采集到的误差信号,k为时间点,Pi为滤波器权重。
本发明的进一步技术方案是:所述步骤C2中是通过次级声讯通道传递函数式y(k)=s(k)*C(z)将控制器输出信号转换为次级声讯信号,其中,y(k)为产生的次级声讯,s(k)为控制器输出信号,C(z)是次级声讯通道的传递函数,k的取值范围为-∞<k<+∞,z的取值范围为z=e^sT,其中,e为常量、s为变量、T为采样周期。
本发明的进一步技术方案是:所述步骤D中的预设值a为75。
本发明的进一步技术方案是:所述步骤E中的预设值b为60。
本发明的进一步技术方案是:所述步骤F中的预设值c为80。
本发明的进一步技术方案是:所述步骤A中所述拾音器为2个。
本发明的另一目的在于提供一种基于音频特征提取的自适应降噪系统,所述系统包括声音采集模块,用于通过拾音器采集声音;语音识别模块,用于根据频率范围对采集的声音进行分段分析处理;对比判断模块,用于将处理的声音与预设频率范围进行对比,判断是否在预设范围内,如是,则保留执行下一步骤,如否,则进行去噪处理;物理样本判断模块,判断设定频率范围内的声音是否大于物理样本的预设值a,如大于预设值a,则执行下一步骤,如小于预设值a,则为人对话声音;声学特征判断模块,判断设定频率范围内的声音是否大于声学特征进行预设值b,如大于预设值b,则执行下一步骤,如小于预设值b,则为人对话声音;语义特征判断模块,判断设定频率范围内的声音是否大于语义特征进行预设值c,如大于预设值c,则保留的声音为音乐声音,如小于预设值c,则为人对话声音。
本发明的进一步技术方案是:拾音器为2个,预设值a为75,预设值b为60,预设值c为80,通过初级声通道函数式d(k)=X(k)*L(z)将参考信号转换为修正后的噪音信号,其中,d(k)是修正后的噪声信号,X(k)是参考输入信号,L(z)是初级声通道,k的取值范围为-∞<k<+∞,z的取值范围为z=e^sT,其中,e为常量、s为变量、T为采样周期;通过自适应LMS滤波器函数式及Pi(k+1)=Pi(k)+2δe(k)X(k-i)s将参考信号转换为控制器输出信号,其中,s(k)是控制器的输出信号、Pi(k)是权重是k的函数、X(k-i+1)是k-i+1的参考信号函数0≤i≤M-1,M为滤波器阶数、δ为步长因子、e(k)是误差传感器采集到的误差信号,k为时间点,Pi为滤波器权重;通过次级声讯通道传递函数式y(k)=s(k)*C(z)将控制器输出信号转换为次级声讯信号,其中,y(k)为产生的次级声讯,s(k)为控制器输出信号,C(z)是次级声讯通道的传递函数,k的取值范围为-∞<k<+∞,z的取值范围为z=e^sT,其中,e为常量、s为变量、T为采样周期;修正后的噪声信号与转换后的次级声讯信号进入误差传感器相互抵消去掉噪音;误差传感器将采集到的误差信号返回对比判断模块进行循环去噪,其中误差信号为修正后的噪音信号与次级声讯信号的合集。
本发明的有益效果是:通过该方法能够有效地降低车内噪音,同时,在车内有人讲话的时候,还可以自动调整音乐音量,使得车内人的语音信息能够更加清晰。在车载系统中,由于发动机的振动,以及车外风噪、路噪等影响,导致车内环境非常恶劣。人长期处于这样的环境,会造成大脑疲劳,精神分散,容易导致交通事故的出现。同时,当车内开有音乐时,一旦有人需要对话,就需要降低车内其他音量。
附图说明
图1是本发明实施例提供的一种基于音频特征提取的自适应降噪方法步骤流程图;
图2是本发明实施例提供的发动机噪声特征提取图;
图3是本发明实施例提供的初级语音识别模块图;
图4是本发明实施例提供的自适应降噪流程图;
图5是本发明实施例提供的自适应去噪方法图;
图6是本发明实施例提供的一种基于音频特征提取的自适应降噪系统框图。
具体实施方式
图1所示,本发明提供的一种基于音频特征提取的自适应降噪方法流程图,根据方法流程图包括以下步骤:
步骤S1,通过拾音器采集声音;其中述拾音器为2个;一个拾音器置于中控台位置,作为参考信号输入,一个置于后排中头枕位置,作为误差传感器。
步骤S2,根据频率范围对采集的声音进行分段分析处理。
步骤S3,将处理的声音与预设频率范围进行对比,通过初级声通道函数式d(k)=X(k)*L(z)将参考信号转换为修正后的噪音信号,其中,d(k)是修正后的噪声信号,X(k)是参考输入信号,L(z)是初级声通道,k的取值范围为-∞<k<+∞,z的取值范围为z=e^sT,其中,e为常量、s为变量、T为采样周期;通过自适应LMS滤波器函数式及Pi(k+1)=Pi(k)+2δe(k)X(k-i)s将参考信号转换为控制器输出信号,其中,s(k)是控制器的输出信号、Pi(k)是权重是k的函数、X(k-i+1)是k-i+1的参考信号函数0≤i≤M-1,M为滤波器阶数、δ为步长因子、e(k)是误差传感器采集到的误差信号,k为时间点,Pi为滤波器权重;通过函数式将控制器输出信号转换为次级声讯信号;通过次级声讯通道传递函数式y(k)=s(k)*C(z)将控制器输出信号转换为次级声讯信号,其中,y(k)为产生的次级声讯,s(k)为控制器输出信号,C(z)是次级声讯通道的传递函数,k的取值范围为-∞<k<+∞,z的取值范围为z=e^sT,其中,e为常量、s为变量、T为采样周期;修正后的噪声信号与转换后的次级声讯信号进入误差传感器相互抵消去掉噪音;误差传感器将采集到的误差信号返回进行循环去噪,其中误差信号为修正后的噪音信号与次级声讯信号的合集;判断是否在预设范围内,如是,则保留执行下一步骤,如否,则进行去噪处理。在此步骤进行的样本对比是为了将不需要进行处理的数据过滤掉,以减少信息处理量。
步骤S4,判断设定频率范围内的声音是否大于物理样本的预设值a,如大于预设值a,则执行下一步骤,如小于预设值a,则为人对话声音;其中预设值a为75;在此步骤进行的样本对比是为了将不需要进行处理的数据过滤掉,以减少信息处理量。
步骤S5,判断设定频率范围内的声音是否大于声学特征进行预设值b,如大于预设值b,则执行下一步骤,如小于预设值b,则为人对话声音;其中预设值b为60;在此步骤进行的样本对比是为了将不需要进行处理的数据过滤掉,以减少信息处理量。
步骤S6,判断设定频率范围内的声音是否大于语义特征进行预设值c,如大于预设值c,则保留的声音为音乐声音,如小于预设值c,则为人对话声音;其中预设值c为80。
图6所示,一种基于音频特征提取的自适应降噪系统,所述系统包括声音采集模块,用于通过拾音器采集声音;语音识别模块,用于根据频率范围对采集的声音进行分段分析处理;对比判断模块,用于将处理的声音与预设频率范围进行对比,判断是否在预设范围内,如是,则保留执行下一步骤,如否,则进行去噪处理;物理样本判断模块,判断设定频率范围内的声音是否大于物理样本的预设值a,如大于预设值a,则执行下一步骤,如小于预设值a,则为人对话声音;声学特征判断模块,判断设定频率范围内的声音是否大于声学特征进行预设值b,如大于预设值b,则执行下一步骤,如小于预设值b,则为人对话声音;语义特征判断模块,判断设定频率范围内的声音是否大于语义特征进行预设值c,如大于预设值c,则为保留的声音为音乐声音,如小于预设值c,则为人对话声音。
拾音器为2个,预设值a为75,预设值b为60,预设值c为80,通过初级声通道函数式d(k)=X(k)*L(z)将参考信号转换为修正后的噪音信号,其中,d(k)是修正后的噪声信号,X(k)是参考输入信号,L(z)是初级声通道,k的取值范围为-∞<k<+∞,z的取值范围为z=e^sT,其中,e为常量、s为变量、T为采样周期;通过自适应LMS滤波器函数式及Pi(k+1)=Pi(k)+2δe(k)X(k-i)s将参考信号转换为控制器输出信号,其中,s(k)是控制器的输出信号、Pi(k)是权重是k的函数、X(k-i+1)是k-i+1的参考信号函数0≤i≤M-1,M为滤波器阶数、δ为步长因子、e(k)是误差传感器采集到的误差信号,k为时间点,Pi为滤波器权重;通过次级声讯通道传递函数式y(k)=s(k)*C(z)将控制器输出信号转换为次级声讯信号,其中,y(k)为产生的次级声讯,s(k)为控制器输出信号,C(z)是次级声讯通道的传递函数,k的取值范围为-∞<k<+∞,z的取值范围为z=e^sT,其中,e为常量、s为变量、T为采样周期;修正后的噪声信号与转换后的次级声讯信号进入误差传感器相互抵消去掉噪音;误差传感器将采集到的误差信号返回对比判断模块进行循环去噪,其中误差信号为修正后的噪音信号与次级声讯信号的合集。
图2所示,特征库的提取非常关键,对于发动机振动产生的噪声,需要采用实车试验获取。以五座乘用车为样本,获取过程:车上放置200KG物重,驾驶位100KG,后排中位100KG,转速从2000r/min~7000r/min,以250r/min的递进速度依次增加,声音采集器采用两个独立高灵敏度麦克风,一个置于中控台位置,一个置于后排中位靠近头枕的地方。记录下每个麦克对应每个转速时的噪音,建立噪声特征库。
图3所示,对于人声和音乐声,采用初级语音识别技术进行识别,以高灵敏度麦克作为拾音器,对车内声音进行采集,送入语音识别模块LD3320中,进行语音识别。此语音识别模块式一种基于非特定人语音识别技术的专用模块,内置语音搜索引擎及语音识别模型特征库,实际实现是只需要将拾音器的输出连接到LD3320的AD引脚,既可以完成语音识别功能。
对于人对话和音乐的分离,采用复杂的识别算法,进行分离。音乐大部分也包含人的声音,但是和普通对话是有很大区别的。具体实现过程:第一步,采用物理样本特征库对比,物理样本包括采样率,时间刻度,格式,编码等,当拾音器采集的语音和物理样本特征库符合度高于75%,则送往下一步进行处理,否则作为对话音;第二步,从物理样本特征库对比后送入的离散信号,采用声学特征库对比,包括音调、音强、旋律、节奏、能量、过零率、LPC系数等,当符合度大于60%,则继续送往下一步进行处理,否则作为对话音;第三步:进行语义级特征对比,包括叙事、对象描述、语音识别文本、事件等高级语义处理算法,当符合度高于80%,我们认为这部分即为音乐,从而可以和未通过这三步的语音区别开来。
图5所示,对于噪声的处理,则采用自适应算法,设计中采用两个拾音器,一个拾音器置于中控台位置,作为参考信号输入,一个置于后排中头枕位置,作为误差传感器。参考信号和发动机振动频率相关,用于对噪声特征库进行实时修正,修正后的噪声经过物理线路的传输,送入到误差传感器。X(k)是参考输入信号,即参考麦克风采集的噪声信号,是噪声信号的数学模型,L(z)是初级声通道的函数d(k)=X(k)*L(z),即噪声修正通道,即噪声从麦克风传输到喇叭通道整个传输过程的数学模型,此模型根据系统设计不同而不同;d(k)是修正后的噪声信号,即参考麦克风采集的噪声信号经过修正通道后得到的噪声数学模型,再送入到误差传感器处;s(k)是控制器的输出信号,即经过自适应处理后得到的原始次级声讯,P(z)是自适应LMS滤波器,将误差信号e(k)和参考信号X(k)经过算法处理,输出s(k),其中,k为时间点,Pi为滤波器权重,Pi(k+1)=Pi(k)+2δe(k)X(k-i)s,自适应LMS滤波函数式中的s(k)是控制器的输出信号,Pi(k)是权重是k的函数,X(k-i+1)是k-i+1的参考信号函数0≤i≤M-1,M为滤波器阶数,k的取值范围为-∞<k<+∞,z的取值范围为z=e^sT,其中,e为常量、s为变量、T为采样周期,δ为步长因子;C(z)是次级声讯通道的传递函数y(k)=s(k)*C(z),即控制器输出信号s(k)从控制器到喇叭整个传输通道的数学模型,不同系统设计C(z)不同;y(k)为产生的次级声讯,即从控制器输出的信号经过传输通道后得到的信号,与d(k)幅值相同,相位相差180°,用来抵消或者削弱噪声信号;e(k)是误差传感器采集到的误差信号,即次级声讯信号和噪声信号空间叠加后产生的信号,此信号用作P(z)的反馈信号,来修正滤波器权重Pi,从而使得整个过程形成一个闭环处理系统,e(k)=d(k)-y(k)。
图4所示,将参考信号传递控制器,控制器将参考信号进行分析,通过自适应算法进行去噪,进行声讯分离,通过声讯分离将有用声讯和噪声信号进行分离,自适应算法将信号进行转化为次级信号,有用声讯、噪声信号、次级信号通过误差传感器进行去除噪音,误差传感器将检测到的误差信号在传递回控制器进行循环的去噪过程,在有用声讯中对参考信号进行声音、音乐特征对比,如果判断为有人的声音,在音乐的音量将自行调小,如果判断没有人的声音,则音乐的音量保持不变。
通过该方法能够有效地降低车内噪音,同时,在车内有人讲话的时候,还可以自动调整音乐音量,使得车内人的语音信息能够更加清晰。在车载系统中,由于发动机的振动,以及车外风噪、路噪等影响,导致车内环境非常恶劣。人长期处于这样的环境,会造成大脑疲劳,精神分散,容易导致交通事故的出现。同时,当车内开有音乐时,一旦有人需要对话,就需要降低车内其他音量。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于音频特征提取的自适应降噪方法,其特征在于,所述方法包括以下步骤:
A、通过拾音器采集声音;
B、根据频率范围对采集的声音进行分段分析处理;
C、将处理的声音与预设频率范围进行对比,判断是否在预设范围内,如是,则保留执行下一步骤,如否,则进行去噪处理,所述去噪处理包括以下步骤:
C1:通过函数式将参考信号转换为修正后的噪音信号及控制器输出信号;
C2、通过函数式将控制器输出信号转换为次级声讯信号;
C3、修正后的噪声信号与转换后的次级声讯信号进入误差传感器相互抵消去掉噪音;
C4、误差传感器将采集到的误差信号返回步骤C2进行循环去噪,其中误差信号为修正后的噪音信号与次级声讯信号的合集;
D、判断设定频率范围内的声音是否大于物理样本的预设值a,如大于预设值a,则执行下一步骤,如小于预设值a,则为人对话声音;
E、判断设定频率范围内的声音是否大于声学特征进行预设值b,如大于预设值b,则执行下一步骤,如小于预设值b,则为人对话声音;
F、判断设定频率范围内的声音是否大于语义特征进行预设值c,如大于预设值c,则保留的声音为音乐声音,如小于预设值c,则为人对话声音。
2.根据权利要求1所述的自适应降噪方法,其特征在于,所述步骤C1中还包括以下步骤:
C11、通过初级声通道函数式d(k)=X(k)*L(z)将参考信号转换为修正后的噪音信号,其中d(k)是修正后的噪声信号,X(k)是参考输入信号,L(z)是初级声通道,k的取值范围为-∞<k<+∞,z的取值范围为z=e^sT,其中,e为常量、s为变量、T为采样周期;
C12、通过自适应LMS滤波器函数式及Pi(k+1)=Pi(k)+2δe(k)X(k-i)s将参考信号转换为控制器输出信号,其中,s(k)是控制器的输出信号、Pi(k)是权重是k的函数、X(k-i+1)是k-i+1的参考信号函数, 0≤i≤M-1,M为滤波器阶数、δ为步长因子、e(k)是误差传感器采集到的误差信号,k为时间点,Pi为滤波器权重。
3.根据权利要求1所述的自适应降噪方法,其特征在于,所述步骤C2中是通过次级声讯通道传递函数式y(k)=s(k)*C(z)将控制器输出信号转换为次级声讯信号,其中,y(k)为产生的次级声讯,s(k)为控制器输出信号,C(z)是次级声讯通道的传递函数,k的取值范围为-∞<k<+∞,z的取值范围为z=e^sT,其中,e为常量、s为变量、T为采样周期。
4.根据权利要求1所述的自适应降噪方法,其特征在于,所述步骤D中的预设值a为75。
5.根据权利要求1所述的自适应降噪方法,其特征在于,所述步骤E中的预设值b为60。
6.根据权利要求1所述的自适应降噪方法,其特征在于,所述步骤F中的预设值c为80。
7.根据权利要求1所述的自适应降噪方法,其特征在于,所述步骤A中所述拾音器为2个。
8.一种基于音频特征提取的自适应降噪系统,其特征在于,所述系统包括声音采集模块,用于通过拾音器采集声音;语音识别模块,用于根据频率范围对采集的声音进行分段分析处理;对比判断模块,用于将处理的声音与预设频率范围进行对比,判断是否在预设范围内,如是,则保留执行下一步骤,如否,则进行去噪处理,通过初级声通道函数式d(k)=X(k)*L(z),将参考信号转换为修正后的噪音信号,其中,d(k)是修正后的噪声信号,X(k)是参考输入信号,L(z)是初级声通道,k的取值范围为-∞<k<+∞,z的取值范围为z=e^sT,其中,e为常量、s为变量、T为采样周期;通过自适应LMS滤波器函数式及Pi(k+1)=Pi(k)+2δe(k)X(k-i)s将参考信号转换为控制器输出信号,其中,s(k)是控制器的输出信号、Pi(k)是权重是k的函数、X(k-i+1)是k-i+1的参考信号函数, 0≤i≤M-1,M为滤波器阶数、δ为步长因子、e(k)是误差传感器采集到的误差信号,k为时间点,Pi为滤波器权重;通过次级声讯通道传递函数式y(k)=s(k)*C(z)将控制器输出信号转换为次级声讯信号,其中,y(k)为产生的次级声讯,s(k)为控制器输出信号,C(z)是次级声讯通道的传递函数,k的取值范围为-∞<k<+∞,z的取值范围为z=e^sT,其中,e为常量、s为变量、T为采样周期;修正后的噪声信号与转换后的次级声讯信号进入误差传感器相互抵消去掉噪音;误差传感器将采集到的误差信号返回对比判断模块进行循环去噪,其中误差信号为修正后的噪音信号与次级声讯信号的合集;物理样本判断模块,判断设定频率范围内的声音是否大于物理样本的预设值a,如大于预设值a,则执行下一步骤,如小于预设值a,则为人对话声音;声学特征判断模块,判断设定频率范围内的声音是否大于声学特征进行预设值b,如大于预设值b,则执行下一步骤,如小于预设值b,则为人对话声音;语义特征判断模块,判断设定频率范围内的声音是否大于语义特征进行预设值c,如大于预设值c,则保留的声音为音乐声音,如小于预设值c,则为人对话声音。
9.根据权利要求8所述的自适应降噪系统,其特征在于,拾音器为2个,预设值a为75,预设值b为60,预设值c为80。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610250747.1A CN105931650B (zh) | 2016-04-20 | 2016-04-20 | 一种基于音频特征提取的自适应降噪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610250747.1A CN105931650B (zh) | 2016-04-20 | 2016-04-20 | 一种基于音频特征提取的自适应降噪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105931650A CN105931650A (zh) | 2016-09-07 |
CN105931650B true CN105931650B (zh) | 2019-11-29 |
Family
ID=56839633
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610250747.1A Active CN105931650B (zh) | 2016-04-20 | 2016-04-20 | 一种基于音频特征提取的自适应降噪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105931650B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107481730B (zh) * | 2016-10-14 | 2020-09-18 | 宝沃汽车(中国)有限公司 | 汽车拾音系统的降噪方法及系统 |
CN107967438A (zh) * | 2016-10-18 | 2018-04-27 | 法乐第(北京)网络科技有限公司 | 车辆降噪方法及装置、车辆 |
CN107066477A (zh) * | 2016-12-13 | 2017-08-18 | 合网络技术(北京)有限公司 | 一种智能推荐视频的方法及装置 |
CN107086035A (zh) * | 2016-12-20 | 2017-08-22 | 武汉理工大学 | 一种基于车内噪声监测的语音提醒装置 |
CN106683666B (zh) * | 2016-12-23 | 2019-11-08 | 云知声(上海)智能科技有限公司 | 一种基于深度神经网络的领域自适应方法 |
CN109426177B (zh) * | 2017-08-24 | 2021-08-27 | 中车株洲电力机车研究所有限公司 | 一种列车主动降噪方法及装置 |
CN107919132A (zh) * | 2017-11-17 | 2018-04-17 | 湖南海翼电子商务股份有限公司 | 环境声音监听方法、装置及耳机 |
CN108800476B (zh) * | 2018-06-20 | 2021-06-18 | 广东美的制冷设备有限公司 | 环境噪音的检测装置及空调的控制方法、装置和系统 |
CN110595596B (zh) * | 2019-09-24 | 2021-07-06 | 重庆长安汽车股份有限公司 | 一种进排气口噪声对车内噪声贡献量的测试方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1670823A (zh) * | 2004-03-17 | 2005-09-21 | 哈曼贝克自动系统股份有限公司 | 通过麦克风阵列检测和降低噪声的方法 |
CN1953059A (zh) * | 2006-11-24 | 2007-04-25 | 北京中星微电子有限公司 | 一种噪声消除装置和方法 |
CN101211558A (zh) * | 2006-12-28 | 2008-07-02 | 海尔集团公司 | 有源降噪方法及有源降噪装置 |
CN101887720A (zh) * | 2009-05-13 | 2010-11-17 | 鸿富锦精密工业(深圳)有限公司 | 声讯语义辨识系统及方法 |
CN202634671U (zh) * | 2012-04-27 | 2012-12-26 | 浙江吉利汽车研究院有限公司杭州分公司 | 一种车载音响音量智能声控系统 |
CN104916288A (zh) * | 2014-03-14 | 2015-09-16 | 深圳Tcl新技术有限公司 | 一种音频中人声突出处理的方法及装置 |
CN105103220A (zh) * | 2013-03-12 | 2015-11-25 | 伯斯有限公司 | 机动车辆的主动降噪 |
-
2016
- 2016-04-20 CN CN201610250747.1A patent/CN105931650B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1670823A (zh) * | 2004-03-17 | 2005-09-21 | 哈曼贝克自动系统股份有限公司 | 通过麦克风阵列检测和降低噪声的方法 |
CN1953059A (zh) * | 2006-11-24 | 2007-04-25 | 北京中星微电子有限公司 | 一种噪声消除装置和方法 |
CN101211558A (zh) * | 2006-12-28 | 2008-07-02 | 海尔集团公司 | 有源降噪方法及有源降噪装置 |
CN101887720A (zh) * | 2009-05-13 | 2010-11-17 | 鸿富锦精密工业(深圳)有限公司 | 声讯语义辨识系统及方法 |
CN202634671U (zh) * | 2012-04-27 | 2012-12-26 | 浙江吉利汽车研究院有限公司杭州分公司 | 一种车载音响音量智能声控系统 |
CN105103220A (zh) * | 2013-03-12 | 2015-11-25 | 伯斯有限公司 | 机动车辆的主动降噪 |
CN104916288A (zh) * | 2014-03-14 | 2015-09-16 | 深圳Tcl新技术有限公司 | 一种音频中人声突出处理的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105931650A (zh) | 2016-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105931650B (zh) | 一种基于音频特征提取的自适应降噪方法 | |
CN106382143B (zh) | 一种基于发动机转速的主动降噪装置及方法 | |
US9881616B2 (en) | Method and systems having improved speech recognition | |
CN206299429U (zh) | 一种基于发动机转速的主动降噪装置 | |
CN1856820A (zh) | 语音识别方法和通信设备 | |
CN103065629A (zh) | 一种仿人机器人的语音识别系统 | |
CN106601245A (zh) | 一种车载智能音频装置及音频处理方法 | |
CN102360187A (zh) | 语谱图互相关的驾驶员汉语语音控制系统及方法 | |
CN107424596A (zh) | 一种汽车舱内噪声主动控制方法和系统 | |
CN109389990A (zh) | 加强语音的方法、系统、车辆和介质 | |
US20220270631A1 (en) | Audio signal processing method, apparatus and device, and storage medium | |
CN105263088A (zh) | 一种汽车降噪方法及系统 | |
CN112216300A (zh) | 用于搅拌车驾驶室内声音的降噪方法、装置和搅拌车 | |
CN110189746A (zh) | 一种应用于地空通信的话音识别方法 | |
CN112259113A (zh) | 一种提高车内语音识别准确率的前处理系统及其控制方法 | |
CN107274878A (zh) | 一种有轨列车司机室内的噪声主动控制系统 | |
CN106878851A (zh) | 一种基于通道补偿与语音识别的主动降噪耳机 | |
CN112017658A (zh) | 一种基于智能人机交互的操作控制系统 | |
CN111391771B (zh) | 噪音处理的方法、装置及系统 | |
CN113066468A (zh) | 一种基于车内环境主动噪音干扰消除优化装置及方法 | |
CN116994552A (zh) | 一种基于深度学习的音频降噪方法及系统 | |
CN104157288B (zh) | 用多个话筒的语音识别 | |
CN111489763A (zh) | 一种基于gmm模型的复杂环境下说话人识别自适应方法 | |
CN113782011B (zh) | 频带增益模型的训练方法及用于车载场景的语音降噪方法 | |
CN112466276A (zh) | 一种语音合成系统训练方法、装置以及可读存储介质 |
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 |