CN107180643A - 一种啸叫声检测和消除系统 - Google Patents
一种啸叫声检测和消除系统 Download PDFInfo
- Publication number
- CN107180643A CN107180643A CN201610137534.8A CN201610137534A CN107180643A CN 107180643 A CN107180643 A CN 107180643A CN 201610137534 A CN201610137534 A CN 201610137534A CN 107180643 A CN107180643 A CN 107180643A
- Authority
- CN
- China
- Prior art keywords
- sfm
- signal
- modules
- howling
- pitched sounds
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 44
- 230000008030 elimination Effects 0.000 title claims abstract description 32
- 238000003379 elimination reaction Methods 0.000 title claims abstract description 32
- 238000001914 filtration Methods 0.000 claims abstract description 29
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 238000000605 extraction Methods 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 19
- 238000001228 spectrum Methods 0.000 claims description 11
- 125000004122 cyclic group Chemical group 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims 1
- 230000003595 spectral effect Effects 0.000 description 6
- 239000013598 vector Substances 0.000 description 6
- 230000003044 adaptive effect Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000005311 autocorrelation function Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 230000021615 conjugation Effects 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000017105 transposition 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
- G10L21/0208—Noise filtering
-
- 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
- G10L21/0264—Noise filtering 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
- G10L25/18—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being spectral information of each sub-band
-
- 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
- G10L2021/02082—Noise filtering the noise being echo, reverberation of the speech
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Circuit For Audible Band Transducer (AREA)
Abstract
本发明涉及一种啸叫声检测和消除系统，包括VAD判决模块、SFM特征计算模块、SFM阈值比较模块以及BFDAF滤波模块；信号输入至啸叫声检测和消除系统后，首先经过VAD判决模块；若输入信号判决为浊音或者啸叫声，则将信号再输入至SFM特征计算模块进行处理；对输入的信号提取SFM特征参数，然后通过SFM阈值比较模块进行比较；若提取的该SFM特征参数小于或等于该预先设定的阈值，则表明信号为啸叫声，此时将信号输入BFDAF滤波模块；BFDAF滤波模块通过自适应滤波将啸叫声去除，最后将滤波后的信号输出。该系统既可以去除啸叫声，又可以最大限度地保护语音，其具有可移植性强、适用范围广、成本低的优点。
Description
技术领域
本发明涉及一种啸叫声检测和消除系统，属于音频设备去噪技术领域。
背景技术
在日常生活中，当人们以免提方式通话并且手机间相隔较近，或者话筒与音箱同时使用且音响系统重放的声音能够通过空间传到话筒时，此时系统就会形成正反馈从而自激发出刺耳的啸叫声，严重影响通话质量。同时，自激时功率放大器会产生很大的功率输出，可能会超出扩声设备的承受范围，烧坏功率放大器和发声设备。
现有的啸叫声消除方法通常是采用基于陷波器或者反向抵消原理设计的硬件电路来实现，不仅具有结构复杂、可移植性差、成本高的缺点；而且，随着设备和外界环境的变化，啸叫声的反馈点频率可能会发生变化，参数固定的电路就难以自适应跟踪其变化。
因此有必要设计一种啸叫声检测和消除系统，以克服上述问题。
发明内容
本发明的目的在于克服现有技术之缺陷，提供了一种啸叫声检测和消除系统，其运算复杂度小，适用于智能手机、视频会议、车载通信等系统，相比于传统的基于硬件电路方式的实现，具有可移植性强、适用范围广、成本低的优点，所述啸叫声检测和消除系统既可以去除啸叫声，又可以最大限度地保护语音。
本发明是这样实现的：
本发明提供一种啸叫声检测和消除系统，包括VAD判决模块、SFM特征计算模块、SFM阈值比较模块以及BFDAF滤波模块；信号输入至所述啸叫声检测和消除系统后，先经过所述VAD判决模块，若输入信号为静音或者清音，则VAD判决结果为无信号，此时所述啸叫声检测和消除系统直接将帧信号输出；若输入信号为浊音或者啸叫声，则VAD判决结果为有信号，此时将本帧信号输入SFM特征计算模块进行处理；所述SFM特征计算模块对输入信号提取SFM特征参数，然后通过SFM阈值比较模块将提取的SFM特征参数与预先设定的阈值进行比较，若提取的SFM特征参数大于预先设定的阈值，则表明信号为非啸叫声，所述啸叫声检测和消除系统直接将信号输出；若该SFM特征参数小于或等于该预先设定的阈值，则表明信号为啸叫声，此时将信号输入BFDAF滤波模块；所述BFDAF滤波模块通过自适应滤波将啸叫声去除，然后将滤波后的信号输出。
进一步地，所述VAD判决模块使用的判决方法为基于短时过零率和短时能量的门限法、基于频带方差的检测法、基于谱熵的检测法、基于小波变换或EMD分解的检测法。
进一步地，所述啸叫声检测和消除系统用SFM特征参数来检测啸叫声，SFM特征参数的提取采用自相关、周期图或AR模型谱的方法。
进一步地，所述啸叫声检测和消除系统采用自适应滤波器滤除啸叫声，自适应滤波器的目标信号为输入信号经过延迟后的信号，自适应滤波器类型为BFDAF滤波器。
本发明具有以下有益效果：
所述啸叫声检测和消除系统通过VAD判决模块、SFM特征计算模块、SFM阈值比较模块以及BFDAF滤波模块对输入信号进行啸叫声检测和消除，属于纯软件控制，其运算复杂度小，适用于智能手机、视频会议、车载通信等系统，相比于传统的基于硬件电路方式的实现，具有可移植性强、适用范围广、成本低的优点。经过所述啸叫声检测和消除系统处理后的信号，其中包含的啸叫声将被去除，而又最大限度地保护了语音。
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简单地介绍，显而易见地，下面描述中的附图仅仅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它的附图。
图1为本发明实施例提供的一种啸叫声检测和消除系统的框图；
图2为本发明实施例提供的BFDAF滤波模块的框图。
具体实施方式
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，所描述的实施例仅仅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做出创造性劳动的前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1，本发明实施例提供一种啸叫声检测和消除系统(后面简称本系统)，包括VAD判决模块、SFM特征计算模块、SFM阈值比较模块以及BFDAF滤波模块。
一帧信号输入至所述啸叫声检测和消除系统后，先经过VAD判决模块，若输入信号为静音或者清音，则VAD判决结果为无信号，此时所述啸叫声检测和消除系统直接将该帧信号输出；若输入信号为浊音或者啸叫声，则VAD判决结果为有信号，此时将本帧信号输入至SFM特征计算模块进行处理。
所述SFM特征计算模块对输入的一帧信号提取SFM特征参数，然后通过SFM阈值比较模块将提取的SFM特征参数与预先设定的阈值进行比较，若该SFM特征参数大于该预先设定的阈值，则表明信号为非啸叫声，所述啸叫声检测和消除系统直接将该帧信号输出；若该SFM特征参数小于或等于该预先设定的阈值，则表明信号为啸叫声，此时将本帧信号输入至BFDAF滤波模块。
所述BFDAF滤波模块通过自适应滤波将啸叫声去除，然后将滤波后的信号输出。经过本系统处理后的信号，其中包含的啸叫声将被去除，而又最大限度地保护了语音。
以下对各个模块进行详细描述：
1.VAD判决模块：活动语音检测(Voice Activity Detection，VAD)，又称端点检测，是对语音信号中的有声片段和无声片段进行分类。因为在本系统中，只对有声段进行检测和处理，对无声段不进行处理。这一方面可以降低运算复杂度，另一方面也可以防止静音和清音对自适应滤波器的影响。VAD判决模块是数字语音处理系统模块，其判决方法有基于短时过零率和短时能量的门限法、基于频带方差的检测法、基于谱熵的检测法、基于小波变换或EMD分解(经验模态分解)的检测法等，但不限于上述方法。本系统的VAD判决模块采用其中一种方法，只要该方法能够将静音和清音同浊音和啸叫声区分即可。
2.SFM(谱平坦度度量)特征计算模块和SFM阈值比较模块：
SFM用于表征信号频谱的分布特征。啸叫声信号的频谱特性同语音信号相比，两者有比较明显的差异，而SFM参数能够很好的表征两者之间的差异，因此本系统选择SFM参数来区分语音和啸叫声。本系统用SFM特征参数来检测啸叫声，SFM特征参数的提取可以采用自相关、周期图、AR模型谱等方法，但不限于上述方法。
假定输入信号x(n)的功率谱密度函数为Sxx(ejω)，定义谱平坦度度量sfm为：
式(1)中exp[·]表示以自然数e为底的指数运算。
为了方便sfm参数的计算，我们将功率谱密度函数Sxx(ejω)在(0，π)间隔内分成N个宽度为Δω＝π/N的部分，则功率谱密度函数的样值为：
其中
则有：
在sfm参数的计算过程中，我们用到了PSD函数Sxx(ejω)，其表征了信号的功率和频率的函数关系。
在本发明较佳实施例中，PSD函数Sxx(ejω)的计算采用了自相关函数法，在其它实施例中，也可以采用其它计算方法，如周期图法、AR模型谱估计等方法。对于平稳信号而言，功率谱密度函数和ACF构成了一对傅里叶变换，因此可以通过ACF来计算功率谱密度函数。自相关函数的计算Rxx(τ)的计算公式为：
得到了自相关函数Rxx(τ)后，功率谱密度函数Sxx(ejω)的计算如下：
在计算得到sfm参数后，将其同预先设定的阈值α相比较，如果sfm＞α，则表明信号为非啸叫声，此时系统直接将该帧信号输出。如果sfm≤α，则表明信号为啸叫声，此时将本帧信号继续输入至BFDAF(块频域自适应滤波)滤波模块进行处理。
3.BFDAF滤波模块：自适应滤波器是一种能够自动调整本身参数的滤波器，在设计时不需要事先知道关于输入信号和噪声的统计特性的知识，它能够在自己工作的过程中逐渐估计出所需的统计特性，并以此为依据自动调整滤波器参数，以达到最佳滤波效果。一旦输入信号的统计特性发生变化，它又能够跟踪这种变化，自动调整参数，使滤波器性能重新达到最佳。
自适应LMS(最小均方)算法是一种误差信号对横向自适应滤波器权系数进行更新控制的递归算法，该算法简单、稳健性也比较好。但是，LMS针对每一个输入样本进行误差计算和权值更新，算法的运算复杂度比较高，难以达到实时应用。为了解决上述问题，本发明采用BFDAF滤波模块来进行啸叫声消除。
不同于LMS算法在时域滤波，BFDAF算法在频率滤波。BFDAF算法将参考信号分割成N(自适应滤波器长度)长的块，权系数的更新每N个样点进行一次，而每次的更新是由N个误差信号样点累加结果控制，这既保证了其与LMS算法有相同的收敛速度，同时可以利用快速FFT用序列的循环卷积来计算线性卷积，从而大幅度地减少运算量。
如图2，给出了本发明提出的BFDAF滤波模块的系统框图，BFDAF滤波模块包括一BFDAF滤波器。其中，本系统采用自适应滤波滤除啸叫声，自适应滤波器的目标信号为输入信号经过延迟后的信号，自适应滤波器类型为BFDAF滤波器。
算法将输入序列分割为帧长为N的块，定义输入信号矢量Xk、权向量Wk和参考信号矢量Dk分别为：
式(7)中k为帧序号，T为矩阵转置符，相应的滤波器的输出也为N长的块，即：
BFDAF滤波器输出y(n)的第k块实际上是输入x(n)的第k块与第k块对应的Wk(在第k帧内保持不变)的线性卷积：
为了高效计算式(9)，我们采用FFT变换将线性卷积转换为循环卷积。为此我们定义一个2N点长度的频率权系数矢量wk，即：
则有：
式(11)和式(12)中FFT[.]和IFFT[.]分别代表FFT正变换和逆变换，表示两个矢量对应的维数分量相乘。
[ykN，ykN+1，…，ykN+N-1]＝y′(n) N≤n≤2N-1 (13)
同时，权系数每帧更新一次，而且更新量为一帧N个样本点更新量的累加和，即：
式(14)中μ为加权系数，针对Zk有：
针对有：
式(16)中可以看作误差序列与输入序列的互相关函数值，其计算可以借助循环卷积完成。为此，定义误差Ek矢量：
则有：
式(18)中conj(·)表示取复数的共轭，经过BFDAF系统滤波后最后的输出信号矢量ek为：
ek＝(dkN-ykN，dkN+1-ykN+1，…，dkN+N-1-ykN+N-1) (19)。
综上所述，所述啸叫声检测和消除系统通过VAD判决模块、SFM特征计算模块、SFM阈值比较模块以及BFDAF滤波模块对输入信号进行啸叫声检测和消除，属于纯软件控制，其运算复杂度小，适用于智能手机、视频会议、车载通信等系统，相比于传统的基于硬件电路方式的实现，具有可移植性强、适用范围广、成本低的优点。经过所述啸叫声检测和消除系统处理后的信号，其中包含的啸叫声将被去除，而又最大限度地保护了语音。
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、改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种啸叫声检测和消除系统，其特征在于，包括VAD判决模块、SFM特征计算模块、SFM阈值比较模块以及BFDAF滤波模块；
信号输入至所述啸叫声检测和消除系统后，先经过所述VAD判决模块，若输入信号为静音或者清音，则VAD判决结果为无信号，此时所述啸叫声检测和消除系统直接将帧信号输出；若输入信号为浊音或者啸叫声，则VAD判决结果为有信号，此时将本帧信号输入SFM特征计算模块进行处理；
所述SFM特征计算模块对输入信号提取SFM特征参数，然后通过SFM阈值比较模块将提取的SFM特征参数与预先设定的阈值进行比较，若提取的SFM特征参数大于预先设定的阈值，则表明信号为非啸叫声，所述啸叫声检测和消除系统直接将信号输出；若该SFM特征参数小于或等于该预先设定的阈值，则表明信号为啸叫声，此时将信号输入BFDAF滤波模块；
所述BFDAF滤波模块通过自适应滤波将啸叫声去除，然后将滤波后的信号输出。
2.如权利要求1所述的一种啸叫声检测和消除系统，其特征在于：所述VAD判决模块使用的判决方法为基于短时过零率和短时能量的门限法、基于频带方差的检测法、基于谱熵的检测法、基于小波变换或EMD分解的检测法。
3.如权利要求1或2所述的一种啸叫声检测和消除系统，其特征在于：所述啸叫声检测和消除系统用SFM特征参数来检测啸叫声，SFM特征参数的提取采用自相关、周期图或AR模型谱的方法。
4.如权利要求1或2所述的一种啸叫声检测和消除系统，其特征在于：所述啸叫声检测和消除系统采用自适应滤波器滤除啸叫声，自适应滤波器的目标信号为输入信号经过延迟后的信号，自适应滤波器类型为BFDAF滤波器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610137534.8A CN107180643A (zh) | 2016-03-11 | 2016-03-11 | 一种啸叫声检测和消除系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610137534.8A CN107180643A (zh) | 2016-03-11 | 2016-03-11 | 一种啸叫声检测和消除系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107180643A true CN107180643A (zh) | 2017-09-19 |
Family
ID=59830691
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610137534.8A Pending CN107180643A (zh) | 2016-03-11 | 2016-03-11 | 一种啸叫声检测和消除系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107180643A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109831732A (zh) * | 2019-02-25 | 2019-05-31 | 天津大学 | 基于智能手机的智能啸叫抑制装置和方法 |
| CN110456310A (zh) * | 2019-08-19 | 2019-11-15 | 武汉理工大学 | 排气系统气流啸叫声快速定位系统及方法 |
| CN110782910A (zh) * | 2019-11-06 | 2020-02-11 | 大连理工大学 | 一种高检出率的啸叫音频检测系统 |
| CN111477246A (zh) * | 2019-01-24 | 2020-07-31 | 腾讯科技（深圳）有限公司 | 语音处理方法、装置及智能终端 |
| CN111724808A (zh) * | 2019-03-18 | 2020-09-29 | Oppo广东移动通信有限公司 | 音频信号处理方法、装置、终端及存储介质 |
| CN114582371A (zh) * | 2022-04-29 | 2022-06-03 | 北京百瑞互联技术有限公司 | 基于谱平坦度的啸叫检测及抑制方法、系统、介质及设备 |
| CN114724575A (zh) * | 2022-06-09 | 2022-07-08 | 广州市保伦电子有限公司 | 一种啸叫检测方法、装置以及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102625213A (zh) * | 2012-04-05 | 2012-08-01 | 中国科学院声学研究所 | 一种处理音频系统啸叫的方法及音频系统 |
| CN102855881A (zh) * | 2011-06-27 | 2013-01-02 | 华为技术有限公司 | 一种回声抑制方法和装置 |
| US20150104039A1 (en) * | 2013-10-15 | 2015-04-16 | Electronics And Telecommunications Research Institute | Apparatus and method of suppressing howling |
| CN105308985A (zh) * | 2013-06-19 | 2016-02-03 | 创新科技有限公司 | 声反馈消除器 |
-
2016
- 2016-03-11 CN CN201610137534.8A patent/CN107180643A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102855881A (zh) * | 2011-06-27 | 2013-01-02 | 华为技术有限公司 | 一种回声抑制方法和装置 |
| CN102625213A (zh) * | 2012-04-05 | 2012-08-01 | 中国科学院声学研究所 | 一种处理音频系统啸叫的方法及音频系统 |
| CN105308985A (zh) * | 2013-06-19 | 2016-02-03 | 创新科技有限公司 | 声反馈消除器 |
| US20150104039A1 (en) * | 2013-10-15 | 2015-04-16 | Electronics And Telecommunications Research Institute | Apparatus and method of suppressing howling |
Non-Patent Citations (2)
| Title |
|---|
| THOMAS D等: "Automated suppression of howling noise using sinusoidal model based analysis/synthesis", 《2014IEEE INTERNATIONAL ADVANCE COMPUTING CONFERENCE (IACC)》 * |
| 胡坚等: "基于分段块频域自适应滤波算法的长延时回声消除", 《数据采集与处理》 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111477246A (zh) * | 2019-01-24 | 2020-07-31 | 腾讯科技（深圳）有限公司 | 语音处理方法、装置及智能终端 |
| CN111477246B (zh) * | 2019-01-24 | 2023-11-17 | 腾讯科技（深圳）有限公司 | 语音处理方法、装置及智能终端 |
| CN109831732A (zh) * | 2019-02-25 | 2019-05-31 | 天津大学 | 基于智能手机的智能啸叫抑制装置和方法 |
| CN111724808A (zh) * | 2019-03-18 | 2020-09-29 | Oppo广东移动通信有限公司 | 音频信号处理方法、装置、终端及存储介质 |
| CN110456310A (zh) * | 2019-08-19 | 2019-11-15 | 武汉理工大学 | 排气系统气流啸叫声快速定位系统及方法 |
| CN110456310B (zh) * | 2019-08-19 | 2023-03-24 | 武汉理工大学 | 排气系统气流啸叫声快速定位系统及方法 |
| CN110782910A (zh) * | 2019-11-06 | 2020-02-11 | 大连理工大学 | 一种高检出率的啸叫音频检测系统 |
| CN110782910B (zh) * | 2019-11-06 | 2022-05-20 | 大连理工大学 | 一种高检出率的啸叫音频检测系统 |
| CN114582371A (zh) * | 2022-04-29 | 2022-06-03 | 北京百瑞互联技术有限公司 | 基于谱平坦度的啸叫检测及抑制方法、系统、介质及设备 |
| CN114582371B (zh) * | 2022-04-29 | 2022-07-08 | 北京百瑞互联技术有限公司 | 基于谱平坦度的啸叫检测及抑制方法、系统、介质及设备 |
| CN114724575A (zh) * | 2022-06-09 | 2022-07-08 | 广州市保伦电子有限公司 | 一种啸叫检测方法、装置以及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107180643A (zh) | 一种啸叫声检测和消除系统 | |
| Bae et al. | Voice recognition based on adaptive MFCC and deep learning | |
| US8010355B2 (en) | Low complexity noise reduction method | |
| CN106340292B (zh) | 一种基于连续噪声估计的语音增强方法 | |
| CN109065067A (zh) | 一种基于神经网络模型的会议终端语音降噪方法 | |
| Milani et al. | On maximum achievable noise reduction in ANC systems | |
| KR20130108063A (ko) | 다중 마이크로폰의 견고한 잡음 억제 | |
| EP1855456A1 (en) | Echo reduction in time-variant systems | |
| WO2012142270A1 (en) | Systems, methods, apparatus, and computer readable media for equalization | |
| KR20120114327A (ko) | 레벨 큐를 사용한 적응형 잡음 감소 | |
| CN104835503A (zh) | 一种改进gsc自适应语音增强方法 | |
| CN110211602B (zh) | 智能语音增强通信方法及装置 | |
| Gil-Cacho et al. | Wiener variable step size and gradient spectral variance smoothing for double-talk-robust acoustic echo cancellation and acoustic feedback cancellation | |
| EP1995722B1 (en) | Method for processing an acoustic input signal to provide an output signal with reduced noise | |
| EP3428918B1 (en) | Pop noise control | |
| Peng et al. | ICASSP 2021 acoustic echo cancellation challenge: Integrated adaptive echo cancellation with time alignment and deep learning-based residual echo plus noise suppression | |
| WO2019024621A1 (zh) | 一种声学回声抵消器输出语音信号的后处理方法及装置 | |
| JP2007251354A (ja) | マイクロホン、音声生成方法 | |
| Alam et al. | Robust feature extraction for speech recognition by enhancing auditory spectrum | |
| KR101557779B1 (ko) | 두 개의 마이크로폰을 포함하는 통신장치에서의 잡음제거방법 및 장치 | |
| Rao et al. | Speech enhancement using sub-band cross-correlation compensated Wiener filter combined with harmonic regeneration | |
| WO2022068440A1 (zh) | 啸叫抑制方法、装置、计算机设备和存储介质 | |
| Shamsa et al. | Noise reduction using multi-channel FIR warped Wiener filter | |
| Gu et al. | Residual Echo and Noise Cancellation with Feature Attention Module and Multi-Domain Loss Function. | |
| Prasad et al. | Two microphone technique to improve the speech intelligibility under noisy environment |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170919 |