CN108172233B - 基于远端估计信号和误差信号回归因子的回声消除方法 - Google Patents
基于远端估计信号和误差信号回归因子的回声消除方法 Download PDFInfo
- Publication number
- CN108172233B CN108172233B CN201711317096.4A CN201711317096A CN108172233B CN 108172233 B CN108172233 B CN 108172233B CN 201711317096 A CN201711317096 A CN 201711317096A CN 108172233 B CN108172233 B CN 108172233B
- Authority
- CN
- China
- Prior art keywords
- signal
- distal end
- filter
- echo
- error signal
- 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
- 239000013598 vector Substances 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000000611 regression analysis Methods 0.000 claims abstract description 4
- 238000001228 spectrum Methods 0.000 claims description 19
- 230000011664 signaling Effects 0.000 claims description 17
- 230000009466 transformation Effects 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 230000005856 abnormality Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 24
- 238000001514 detection method Methods 0.000 abstract description 11
- 230000008901 benefit Effects 0.000 abstract description 3
- 230000004044 response Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 239000004568 cement Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000035939 shock 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
- G10L21/0216—Noise filtering characterised by the method used for estimating noise
-
- 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
-
- 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
- G10L25/21—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 power information
-
- 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)
- Computational Linguistics (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)
- Quality & Reliability (AREA)
- Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
Abstract
本发明公开了一种基于远端估计信号和误差信号回归因子的回声消除方法,利用远端估计信号和近远端误差信号的回归分析,得出来回归因子,同时该回归因子代表着自适应滤波器的估计偏差情况。进而计算滤波器更新的最优步长,同时,回归因子中蕴含着三种语音活动状态,省去了远近端语音活动检测、双讲语音活动检测。本发明的优点是能够通过一个参数的计算来统筹管理整个回声消除算法的关键步骤,使得计算复杂度大大减少。同时最优步长的计算和远近端的数据都有关系,使得近端语音失真减小。
Description
技术领域
本发明属于语音增强领域,具体涉及一种基于远端估计信号和误差信号回归因子的回声消除方法。
背景技术
语音增强是改善人耳对带噪语音在某些特定方面的感知,回声是影响听觉的一大因素,无论是在传统通信还是当前比较热门的VOIP通信中,对消除回声是提高通话质量的关键步骤。
在回声消除算法中,最优步长和语音的双端检测都是影响回声消除效果的关键因素。为了保证系统的稳定性和通信质量,在双讲的情况下应该停止或者缓慢滤波器的系数更新,否则会使得滤波器无法收敛;而在其它情况下加速滤波器的更新,因此,一个可靠的双端检测对于回声消除具有至关重要的作用。
回声消除是语音增强的一个模块,是一个比较重要且相对复杂的模块。在语音增强中很多实现都是利用自适应滤波器,同样的回声消除也不例外,目前使用最多的是归一化最小均方(NLMS)误差自适应滤波器。
如图1所示,回声消除算法都是利用自适应滤波器对近端回声环境进行学习,最终表现为滤波器的抽头系数该系数是对回声环境的脉冲响应的估计。远端信号通过与滤波器抽头系数的估计值进行卷积得到估计的回声信号计算公式:
其中符号“^”代表估计,表达式上的单箭头符号代表向量。为滤波器抽头系数的估计值,是对近端环境脉冲响应的估计,通常通过自适应(NLMS)算法计算出来。在接收端,接收信号减去估计的回声信号得到估计误差信号如果滤波器抽头系数与环境脉冲响应相同,则达到回声消除的目的。其中接受信号包括:扬声器播放出来的远端信号通过与环境脉冲响应进行卷积后的回声信号其中是回声环境脉冲响应;近端背景噪声信号近端语音信号的和。计算公式如下:
定义为期望的近远端信号误差,计算公式为:最优情况是如果滤波器抽头系数与环境脉冲响应相同,此时有但由于某些客观条件的限制,很难达到理想的情况,因此需要通过条件约束和计算尽可能的达到理想状态,使得回声消除中远端回声尽可能小,且近端语音尽可能没有失真。
如图2所示,回声消除中对语音活动检测是用来确定三种语音的状态,远端、近端和双讲状态。一般的回声消除算法中,会根据不同的语音活动状态来进行滤波器抽头系数的更新和滤波行为。在仅仅有远端语音的情况下,既要更新滤波器的抽头系数同时也要进行滤波;在仅仅有近端的情况下,既不更新滤波器的抽头系数也不进行滤波;在双讲的情况下,不进行滤波器抽头系数的更细但是要进行滤波。因此,语音活动状态监测的正确与否很大程度上影响这回声消除的效果,为了实现这三种语音活动状态监测,在回声消除算法中,一般设置远端、近端和双端三个语音活动检测器。
回声消除中,最常用的自适应算法是归一化最小均方(NLMS)误差。其优化目标函数为:
也即尽量最小化期望误差与估计误差之差,其中n表示自适应循环的次数,且有:
其中下角字母“k”表示样自适应滤波器抽头位置。自适应步定义为:
其中μ是自适应滤波器的学习率,也称学习步长。
针对双讲检测算法和最优步长估计的特点,本发明提出了一种基于远端估计信号和误差信号回归因子的回声消除方法。该方法对双讲的检测和最优步长的变步长计算都是随着当前数据而变化的,可以根据环境自适应计算,准确度比较高;同时,把双讲检测和最优步长的计算融合在了一起,一定程度上优化了计算复杂度。
发明内容
本发明的目的是克服现有技术的不足,提供了一种基于远端估计信号和误差信号回归因子的回声消除方法。
基于上述内容,本发明提出了一种基于远端估计信号和误差信号回归因子的回声消除方法,包括如下步骤:
1)利用远端估计信号和近远端误差信号的回归分析,得出回归因子βl;
(1)根据远端估计信号利用傅里叶变换得到远端频域谱:利用一阶去直流滤波器可得远端信号的0均值功率谱:其中γ是递归平均常数系数;其中,k表示频域的频带,l表示帧数;正常情况下,也可以利用频域信号谱根据公式即可求得功率谱,
(2)根据近远端误差信号利用傅里叶变换可得误差信号频域谱:利用一阶去直流滤波器可得误差信号的0均值功率谱:
(3)根据和得到远端信号与近远端信号互功率谱RED(k,l)和远端信号自功率谱RDD(k,l),公式如下: 其中β是递归平均系数;
(4)根据如下公式得到回归因子βl
其中,∈为一极小数值,用于避免分母为0时的异常状态;
2)令自适应滤波器第n次循环抽头系数估计偏离因子根据下式计算滤波器更新的最优步长
更新自适应滤波器的抽头系数实现回声消除。
三种语音活动状态检测分析,仅仅近端语音活动时,近远端误差信号中不含有远端信号,∑kRED(k,l)理论上为0,分母确实一个大于0的数值,此时回归因子βl→0,相当于滤波器系数不更新;仅仅远端语音活动时,由于近远端误差信号中含有残余回声,因此∑kRED(k,l)的值必定>0且比分母值小,此时回归因子βl是区间(0,1)上的值,滤波器系数根据式(18)更新;双讲活动时,从公式(14)可以发现自适应滤波器的最优步长计算和近远端估计误差以及估计冗余回声有关。当双讲检测时,相同的背景噪声下会突然增大,导致最优步长急剧下降,根据式(5)非常小的情况下,滤波器的抽头系数基本不更新。通过上述分析可以看出,滤波器系数的更新是由远近端信号决定的。
在回声消除中,对语音活动检测往往是进行远端、近端和双讲状态的检测,根据不同的语音状态进行滤波器系数更新和滤波行为,同时滤波器最优步长的计算也仅仅与远端语音有关。本发明提出的基于远端信号估计和近远端误差信号的回归因子计算的回声消除方法,该方法中回归因子的大小蕴含着语音活动状态,最优步长的计算也和回归因子有密切的关系。
本发明能够通过一个参数的计算来统筹管理整个回声消除算法的关键步骤,使得计算复杂度大大减少。同时最优步长的计算和远近端的数据都有关系,使得近端语音失真减小。
附图说明
图1为回声消除基本原理框图;
图2为三个语音活动检测器的回声消除框架图;
图3为本发明的后回声消除方法基本原理框图;
图4为本发明最优步长计算流程图。
具体实施方式
基于公式(1)~(6),定义滤波器的估计权重误差为令
v(n)=n(n)+s(n) (7)
其中
结合公式(6)有:
定义滤波器的失调量为:得到滤波器第(n+1)循环的失调量为:
滤波器收敛的关键标志是失调量的值恒定,即:
上式是求在条件Φ(n),x(n)下,第(n+1)次循环的失调量,其中期望Ε{}仅仅作用于变量v(n),且令此处的为近端信号方差,从上式可以看出失调量于上次循环的失调量、学习步长、滤波器长度及远端信号有关,其中最关键的是学习步长,求偏导有:
把自适应滤波器估计抽头系数与理想的回声环境的冲击响应之差与远端信号的卷积定义为残余回声
由公式(1)、(2)、(6)、(11)和(12)得出当N→∞:
其中σ表示样本统计方差,和分别是残余信号和误差信号的方差,此处学习步长为时变参数,但由于式(12)中的是未知的,因此是未知参数,转换到频域有:
其中,k表示频域的频带,l表示帧数;
定义自适应滤波器在第n次循环时,对回声环境估计的估计偏离因子使得:
其中表示通过自适应滤波器的远端估计信号的第l帧信号在频域的第k个频带的功率值,且
其中表示近远端误差的第l帧信号在频域的第k个频带的功率,根据(14)和(15)、(16)得出:
为远端估计回声的第l帧第k个频带的去直流功率谱;为近远端估计误差的第l帧第k个频带的去直流功率谱;
由于远端估计回声与近端环境噪声不相关;远端估计回声音与近端语音不相关;远端估计回声与近端回声高度相关;通过一阶去直流滤波器之后,估计回声功率谱和误差功率谱均是零均值数据;麦克风接受的近端信号与通过滤波器后的回声估计信号是线性相关或者无关,和是线性关系,即存在回归系数β(k,l)满足:
根据线性回归目标函数:
求出当前帧的回归系数:
其中∈是一数值,其目的是为了避免分母为0时的异常状态;RED(k,l)是远端信号和近远端信号的互功率谱;RDD(k,l)是远端信号自功率谱,令自适应滤波器第n次循环抽头系数估计偏离因子
根据上述原理,如图3和图4所示,本发明提出了一种基于远端估计信号和误差信号回归因子的回声消除方法,包括如下步骤:
1)利用远端估计信号和近远端误差信号的回归分析,得出回归因子βl;
(1)根据远端估计信号利用傅里叶变换得到远端频域谱:利用一阶去直流滤波器可得远端信号的0均值功率谱:其中γ是递归平均常数系数;其中,k表示频域的频带,l表示帧数;正常情况下,也可以利用频域信号谱根据公式即可求得功率谱,
(2)根据近远端误差信号利用傅里叶变换可得误差信号频域谱:利用一阶去直流滤波器可得误差信号的0均值功率谱:
(3)根据和得到远端信号与近远端信号互功率谱RED(k,l)和远端信号自功率谱RDD(k,l),公式如下: 其中β是递归平均系数;
(4)根据如下公式得到回归因子βl
其中,∈为一极小数值,用于避免分母为0时的异常状态;
2)令自适应滤波器第n次循环抽头系数估计偏离因子根据下式计算滤波器更新的最优步长
更新自适应滤波器的抽头系数,远端信号通过与滤波器抽头系数的估计值进行卷积得到估计的回声信号,在接收端,接收信号减去估计的回声信号,实现回声消除。
对三种语音活动状态进行检测分析,仅仅近端语音活动时,近远端误差信号中不含有远端信号,∑kRED(k,l)理论上为0,分母确实一个大于0的数值,此时回归因子βl→0,相当于滤波器系数不更新;仅仅远端语音活动时,由于近远端误差信号中含有残余回声,因此∑kRED(k,l)的值必定>0且比分母值小,此时回归因子βl是区间(0,1)上的值,滤波器系数根据式(18)更新;双讲活动时,从公式(14)可以发现自适应滤波器的最优步长计算和近远端估计误差以及估计冗余回声有关。当双讲检测时,相同的背景噪声下会突然增大,导致最优步长急剧下降,根据式(5)非常小的情况下,滤波器的抽头系数基本不更新。通过上述分析可以看出,滤波器系数的更新是由远近端信号决定的。
即本发明方法的回归因子中蕴含着三种语音活动状态,省去了远近端语音活动检测、双讲语音活动检测。且最优步长的计算也是由远近端信号而非仅仅由远端信号决定。
Claims (1)
1.一种基于远端估计信号和误差信号回归因子的回声消除方法,其特征在于包括如下步骤:
1)利用远端估计信号和近远端误差信号的回归分析,得出回归因子βl;
(1)根据远端估计信号利用傅里叶变换得到远端频域信号:利用一阶去直流滤波器可得0均值功率谱: 其中γ是递归平均常数系数;其中,k表示频域的频带,l表示帧数;
(2)根据近远端误差信号利用傅里叶变换可得误差信号频域信号:利用一阶去直流滤波器可得0均值功率谱:
(3)根据和得到远端估计信号与近远端误差信号互功率谱RED(k,l)和远端估计信号自功率谱RDD(k,l),公式如下: 其中β是递归平均系数;
(4)根据如下公式得到回归因子βl
其中,∈为一极小数值,用于避免分母为0时的异常状态;
2)令自适应滤波器第n次循环抽头系数估计偏离因子根据下式计算滤波器更新的最优步长
判断是否大于最大允许步长μmax;若大于,则取自适应滤波器的学习步长为μmax;否则取自适应滤波器的学习步长为
更新自适应滤波器的抽头系数远端信号通过与滤波器抽头系数的估计值进行卷积得到估计的回声信号,在接收端,接收信号减去估计的回声信号,实现回声消除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711317096.4A CN108172233B (zh) | 2017-12-12 | 2017-12-12 | 基于远端估计信号和误差信号回归因子的回声消除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711317096.4A CN108172233B (zh) | 2017-12-12 | 2017-12-12 | 基于远端估计信号和误差信号回归因子的回声消除方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108172233A CN108172233A (zh) | 2018-06-15 |
CN108172233B true CN108172233B (zh) | 2019-08-13 |
Family
ID=62524974
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711317096.4A Active CN108172233B (zh) | 2017-12-12 | 2017-12-12 | 基于远端估计信号和误差信号回归因子的回声消除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108172233B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108986837B (zh) * | 2018-09-05 | 2021-08-17 | 科大讯飞股份有限公司 | 一种滤波器更新方法及装置 |
CN109379501B (zh) * | 2018-12-17 | 2021-12-21 | 嘉楠明芯(北京)科技有限公司 | 一种用于回声消除的滤波方法及装置、设备、介质 |
CN109754813B (zh) * | 2019-03-26 | 2020-08-25 | 南京时保联信息科技有限公司 | 基于快速收敛特性的变步长回声消除方法 |
CN110138990A (zh) * | 2019-05-14 | 2019-08-16 | 浙江工业大学 | 一种消除移动设备VoIP电话回声的方法 |
WO2020252629A1 (zh) * | 2019-06-17 | 2020-12-24 | 深圳市汇顶科技股份有限公司 | 残余回声检测方法、残余回声检测装置、语音处理芯片及电子设备 |
CN111028856B (zh) * | 2020-01-08 | 2022-01-28 | 西南交通大学 | 一种变步长的回声消除方法 |
CN111161748B (zh) * | 2020-02-20 | 2022-09-23 | 百度在线网络技术(北京)有限公司 | 一种双讲状态检测方法、装置以及电子设备 |
CN111899751B (zh) * | 2020-08-04 | 2022-04-22 | 西南交通大学 | 抗饱和失真的广义混合范数自适应回声消除方法 |
CN111916099B (zh) * | 2020-10-13 | 2020-12-29 | 南京天悦电子科技有限公司 | 一种变步长助听器自适应回声消除装置及回声消除方法 |
CN112491449B (zh) * | 2020-11-04 | 2024-04-16 | 北京百度网讯科技有限公司 | 声回波消除方法、装置、电子设备和存储介质 |
CN114650340A (zh) * | 2022-04-21 | 2022-06-21 | 深圳市中科蓝讯科技股份有限公司 | 一种回声消除方法、装置及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103718538A (zh) * | 2011-05-17 | 2014-04-09 | 谷歌公司 | 用于实现声学回声消除的非线性后期处理 |
WO2016003955A1 (en) * | 2014-07-02 | 2016-01-07 | Microsoft Technology Licensing, Llc | Variable step size echo cancellation with accounting for instantaneous interference |
CN106533500A (zh) * | 2016-11-25 | 2017-03-22 | 上海伟世通汽车电子系统有限公司 | 一种优化回声消除器收敛特性的方法 |
CN107770683A (zh) * | 2017-10-12 | 2018-03-06 | 北京小鱼在家科技有限公司 | 一种回声场景下音频采集状态的检测方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI559297B (zh) * | 2014-08-20 | 2016-11-21 | 元智大學 | 回音消除方法及其系統 |
-
2017
- 2017-12-12 CN CN201711317096.4A patent/CN108172233B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103718538A (zh) * | 2011-05-17 | 2014-04-09 | 谷歌公司 | 用于实现声学回声消除的非线性后期处理 |
WO2016003955A1 (en) * | 2014-07-02 | 2016-01-07 | Microsoft Technology Licensing, Llc | Variable step size echo cancellation with accounting for instantaneous interference |
CN106533500A (zh) * | 2016-11-25 | 2017-03-22 | 上海伟世通汽车电子系统有限公司 | 一种优化回声消除器收敛特性的方法 |
CN107770683A (zh) * | 2017-10-12 | 2018-03-06 | 北京小鱼在家科技有限公司 | 一种回声场景下音频采集状态的检测方法及装置 |
Non-Patent Citations (1)
Title |
---|
长时延环境中的回声消除器设计;傅政军 等;《微计算机信息》;20071231;第23卷(第3-1期);298-300 |
Also Published As
Publication number | Publication date |
---|---|
CN108172233A (zh) | 2018-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108172233B (zh) | 基于远端估计信号和误差信号回归因子的回声消除方法 | |
You et al. | /spl beta/-order MMSE spectral amplitude estimation for speech enhancement | |
Hu et al. | Subjective comparison of speech enhancement algorithms | |
US9100466B2 (en) | Method for processing an audio signal and audio receiving circuit | |
RU2450368C2 (ru) | Средство обнаружения голосовой активности с использованием нескольких микрофонов | |
KR100821177B1 (ko) | 통계적 모델에 기반한 선험적 음성 부재 확률 추정 방법 | |
KR20070037439A (ko) | 바크 대역 위너 필터링 및 변형된 도블링거 잡음 추정에기반한 잡음 억제 | |
Wu et al. | Subband Kalman filtering for speech enhancement | |
Habets et al. | Joint dereverberation and residual echo suppression of speech signals in noisy environments | |
Yen et al. | Adaptive co-channel speech separation and recognition | |
Yang et al. | A noise reduction method based on LMS adaptive filter of audio signals | |
WO2006114101A1 (en) | Detection of speech present in a noisy signal and speech enhancement making use thereof | |
WO2021016000A2 (en) | Frequency domain adaptation with dynamic step size adjustment based on analysis of statistic of adaptive filter coefficient movement | |
Batina et al. | Noise power spectrum estimation for speech enhancement using an autoregressive model for speech power spectrum dynamics | |
Chen et al. | Study of the noise-reduction problem in the Karhunen–Loève expansion domain | |
Tashev et al. | Unified framework for single channel speech enhancement | |
KR100545832B1 (ko) | 간섭신호에 강인한 음향 반향 제거장치 | |
Schwartz et al. | RNN-based step-size estimation for the RLS algorithm with application to acoustic echo cancellation | |
Schmid et al. | A maximum a posteriori approach to multichannel speech dereverberation and denoising | |
Wang et al. | A single-channel noise cancelation filter in the short-time-fourier-transform domain | |
KR20090111739A (ko) | 잡음 제거 장치 및 방법 | |
Schmid et al. | Dereverberation preprocessing and training data adjustments for robust speech recognition in reverberant environments | |
Shukurov et al. | The role of adaptive filters in the recognition of speech commands | |
Yoshioka et al. | Speech dereverberation and denoising based on time varying speech model and autoregressive reverberation model | |
KR101537653B1 (ko) | 주파수 또는 시간적 상관관계를 반영한 잡음 제거 방법 및 시스템 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |