CN109920451A - 语音活动检测方法、噪声抑制方法和噪声抑制系统 - Google Patents

Abstract

本发明提供了一种语音活动检测方法，包括：获取麦克风采集的语音信号，以及传感器采集的振动信号；将所述语音信号从时域转换到频域，将所述振动信号从时域转换至频域；利用所述语音信号和所述振动信号计算频域相干系数，在检测频率范围内计算检测量，当所述检测量高于某一预设阈值，则判定麦克风采集的语音信号是佩戴者的讲话语音，否则判定麦克风采集的语音信号存在噪声或干扰信号。本发明通过计算频域相干系数，在检测频率范围内计算检测量，提高语音活动检测的准确性，以及噪声抑制的清晰度和可懂度。

Description

语音活动检测方法、噪声抑制方法和噪声抑制系统

技术领域

本发明涉及无线通信技术领域，特别涉及语音活动检测方法、噪声抑制方法和噪声抑制系统。

背景技术

随着社会的发展和科学技术的进步，耳机已经逐渐成为人们生活的必须品。在音频播放、电话通话时，人们常常会通过耳机来实现。对于内置语音助手的无线智能耳机，可以帮助用户查询天气、接打电话、播报天气、监测心率等，基于深度学习的智能音乐推荐系统，还会根据用户的听歌习惯、实时心率、活动场景等，进行精准多元的音乐推荐，但是内置语音助手的无线智能耳机，需要通过语音活动检测(VAD)来判断是否有人在讲话。然而在嘈杂的环境中，对语音活动检测的要求较高。

通用的语音活动检测系统采用通用的语音能量检测法，语音特征提取法，通常从麦克风拾取到的信号中提取语音特征来判断是否是佩戴者在讲话，其无法区分是耳机佩戴者本人还是旁边人讲话，当周围环境噪音比较大的时候，特别是商场，机场，地铁，公交，大风噪等环境下，误唤醒率比较高。在这些环境下，尤其是大风噪条件下，当用户使用耳机打电话的时候，对方很难听清楚佩戴者的说话内容。传统语音活动检测系统的一个显著缺点是无法分辨是本人在讲话还是旁边人在讲话，而且许多简单的语音活动检测算法在大噪声环境下，误识别率非常高，对于智能唤醒(AOV)智能耳机，会缩短待机时间。

为了解决上述出现的的问题，经过一些列的努力，现有技术中也做了相应的改进，例如中国专利申请CN201811078891.7，通过在耳道内增加麦克的方法来提高语音活动检测的准确性。又例如中国专利申请CN201810775043.5，通过设置传感器获取振动信号来提高语音活动检测的准确性。

然而现有技术中通过设置传感器获取振动信号提高语音活动检测的准确性，其依然采用的传统的算法，从振动信号中判断是否有佩戴者的通话语音，检测效果欠佳，在语音活动检测过程中依然会出现检测错误的情形。

因此，为了解决现有技术中的上述问题，需要一种语音活动检测方法、噪声抑制方法和噪声抑制系统，在采用传感器获取振动信号的基础上，通过计算频域相干系数，在检测频率范围内计算检测量，提高语音活动检测的准确性，以及噪声抑制的清晰度和可懂度。

发明内容

本发明的一个方面在于提供一种语音活动检测方法，所述方法包括：

获取麦克风采集的语音信号，以及传感器采集的振动信号；

将所述语音信号从时域转换到频域，将所述振动信号从时域转换至频域，

利用所述语音信号和所述振动信号计算频域相干系数，在检测频率范围内计算检测量，

当所述检测量高于某一预设阈值，则判定麦克风采集的语音信号纯的讲话语音，否则判定麦克风采集的语音信号存在噪声或干扰信号。

在一个优选的实施例中，所述频域相干系数通过如下方法计算：

其中，C_y1y2(w)为频域相干系数，Φ_y1y2(w)为语音信号和振动信号的互功率谱密度，Φ_y1y1(w)为语音信号的功率谱密度，Φ_y2y2(w)为振动信号的功率谱密度，w为数字角频率。

在一个优选的实施例中，检测量通过如下方法计算：

其中，C_y1y2(w)为频域相干系数，w为数字角频率，ind1为检测频率范围的下界，ind2为检测频率范围的上界。

本发明的另一个方面在于提供一种借助语音活动检测进行噪声抑制的方法，所述方法包括：

至少一个麦克风采集语音信号，传感器采集振动信号；

借助振动信号对语音信号进行语音活动检测，当判定麦克风采集的语音信号存在噪声或干扰信号，则对麦克风采集的语音信号进行噪声抑制得到噪声抑制信号；

将所述噪声抑制信号从频域转换到时频，经高通滤波处理；将所述振动信号从频域转换到时域，经低通滤波处理；

经过高通滤波后的噪声抑制信号，与经过低通滤波后的振动信号进行数据融合，得到最终降噪抑制后的信号。

在一个优选的实施例中，第一麦克风采集第一语音信号，第二麦克风采集第二语音信号，第一语音信号与第二语音信号做波束成形得到语音信号。

本发明的再一个方面在于提供一种具有语音活动检测的降噪系统，其特征在于，所述系统包括：

耳机，所述耳机上至少设置一个麦克风，用于采集语音信号；

一个传感器，用于采集讲话时颌骨的振动信号；

语音活动检测模块，用于借助振动信号对语音信号进行语音活动检测；

噪声抑制模块，当判定麦克风采集的语音信号存在噪声或干扰信号，所述噪声抑制模块对麦克风采集的语音信号进行噪声抑制；

高通滤波器，用于对噪声抑制信号做高通滤波处理；低通滤波器，用于对振动信号做低通滤波处理；

混合器，用于对经过高通滤波后的噪声抑制信号，与经过低通滤波后的振动信号进行数据融合。

在一个优选的实施例中，所述系统还包括波束成形模块，所述耳机设置第一麦克风和第二麦克风，

第一麦克风采集第一语音信号，第二麦克风采集第二语音信号，第一语音信号与第二语音信号经所述波束成形模块处理得到语音信号。

本发明利用传感器和麦克数据进行相关运算，通过计算频域相干系数，在检测频率范围内计算检测量，提高了语音活动检测的准确性。

本发明利用传感器和麦克数据在大噪声环境下做数据融合，改善了大噪声条件下通话时语音低频频段的清晰度，提高了通话质量，使得通话时的语音清晰度和可懂度提高，有效降低了智能耳机的误唤醒率，降低了功耗，提高了耳机的待机时间。

应当理解，前述大体的描述和后续详尽的描述均为示例性说明和解释，并不应当用作对本发明所要求保护内容的限制。

附图说明

参考随附的附图，本发明更多的目的、功能和优点将通过本发明实施方式的如下描述得以阐明，其中：

图1示意性示出了本发明噪声抑制系统的结构框图。

图2示出了本发明语音活动检测的流程框图。

图3示出了本发明噪声抑制的流程框图。

具体实施方式

通过参考示范性实施例，本发明的目的和功能以及用于实现这些目的和功能的方法将得以阐明。然而，本发明并不受限于以下所公开的示范性实施例；可以通过不同形式来对其加以实现。说明书的实质仅仅是帮助相关领域技术人员综合理解本发明的具体细节。

在下文中，将参考附图描述本发明的实施例。在附图中，相同的附图标记代表相同或类似的部件，或者相同或类似的步骤。为了解决现有技术中传感器数据与麦克数据处理，进行语音活动检测不准确性的缺陷，本发明提出一种语音活动检测方法。

为了使本发明的内容得以清晰的说明，首先对噪声抑制系统进行说明，如图1所示本发明噪声抑制系统的结构框图，降噪系统包括耳机，一个传感器，用于采集讲话时颌骨的振动信号。传感器布置于耳机壳体的前端，使佩戴者使用耳机时传感器伸入到耳道内，采集内耳处颌骨的振动信号。通过传感器采集的内耳处颌骨的振动信号进行语音活动检测(VAD)以及辅助耳机降噪。传感器为加速传感器或振动传感器。

噪声抑制系统还包括至少一个麦克风，本实施例中为两个无线连接的耳机，每一个耳机具有两个麦克风(Mic1和Mic2)。

噪声抑制系统的每一个耳机内具有一个数据处理芯片，具体包括语音活动检测模块102，用于借助振动信号对语音信号进行语音活动检测。

噪声抑制模块103，当判定麦克风采集的语音信号存在噪声或干扰信号，噪声抑制模块对麦克风采集的语音信号进行噪声抑制。

高通滤波器104，用于对噪声抑制信号做高通滤波处理；低通滤波器105，用于对振动信号做低通滤波处理。

混合器106，用于对经过高通滤波后的噪声抑制信号，与经过低通滤波后的振动信号进行数据融合。

本实施例中，在处理芯片上布置一波束成形模块101，耳机设置第一麦克风(Mic1)和第二麦克风(Mic2)，第一麦克风采集第一语音信号，第二麦克风采集第二语音信号，第一语音信号与第二语音信号经波束成形模块处理得到语音信号。得到的语音信号经过语音活动检测模块102进行佩戴者讲话语音的检测。

下面具体对本发明的语音活动检测方法进行说明，如图2所示本发明语音活动检测的流程框图，本实施例中，第一麦克风(Mic1)采集第一语音信号，第二麦克风(Mic2)采集第二语音信号，在一些实施例中第一语音信号和第二语音信号均来自佩戴者周围环境的声音，在另一些实施例中，可以设置一个麦克风采集佩戴者周围环境的声音，另一个麦克风设置在耳道内，采集耳道内空气中的声音。

第一语音信号和第二语语音信号经过波束成形模块101处理后得到语音信号，语音活动检测模块102获取语音信号和振动信号进行语音活动检测。

步骤S101、获取麦克风采集的语音信号，以及传感器采集的振动信号。

本实施中获取波束成形处理后的语音信号，在一些实施例中，仅有一个麦克风采集语音信号，则直接获取该语音信号。传感器获取佩戴者耳道内颌骨振动产生的振动信号。

步骤S102、频域转换。

将语音信号从时域转换到频域，将振动信号从时域转换至频域。具体地，获取的语音信号从时域转换为频域，表述为：

Y₁(w,m)＝X₁(w,m)+N₁(w,m)，其中，X₁(w,m)为干净的语音信号，即佩戴者讲话的语音信号，N₁(w,m)为环境的噪声信号，w数字角频率，m时域帧数。

获取的振动信号从时域转换为频域，表述为：

Y₂(w,m)＝X₂(w,m)，X₂(w,m)为获取的颌骨振动信号时域信号，w数字角频率，m时域帧数。

步骤S103、计算相干系数。

利用所述语音信号和所述振动信号计算频域相干系数，频域相干系数通过如下方法计算：

其中，C_y1y2(w)为频域相干系数，Φ_y1y2(w)为语音信号和振动信号的互功率谱密度，Φ_y1y1(w)为语音信号的功率谱密度，Φ_y2y2(w)为振动信号的功率谱密度，w为数字角频率。

步骤S104、计算检测量。

在检测频率范围内计算检测量，检测量通过如下方法计算：

其中，C_y1y2(w)为频域相干系数，w为数字角频率，ind1为检测频率范围的下界，ind2为检测频率范围的上界。

本发明中，检测频率范围由讲话者颌骨振动信号的频率范围及传感器的灵敏度所决定，例如通常情况下人体讲话时颌骨振动信号的频率范围在100Hz～1.5KHz之间。

步骤105、判断检测量是否高于预设阈值。

预先设定一个检测阈值，当步骤S104计算得到的检测量高于某一预先设定阈值，则判定麦克风采集的语音信号为佩戴者的讲话语音，否则判定麦克风采集的语音信号存在噪声或干扰信号。

本发明提供的一种语音活动检测方法，在采用传感器获取振动信号的基础上，通过计算频域相干系数，在检测频率范围内计算检测量，能够提高语音活动检测的准确性。

根据本发明的实施例，噪声抑制系统中，借助上述语音活动检测方法进行噪声抑制，如图3所示本发明噪声抑制的流程框图，噪声抑制方法包括如下方法步骤。

步骤S201、获取麦克风采集的语音信号，以及传感器采集的振动信号。

耳机的至少一个麦克风采集语音信号，传感器采集振动信号。本实施例中，耳机具有两个麦克风，第一麦克风(Mic1)采集第一语音信号，第二麦克风(Mic2)采集第二语音信号。第一语音信号与第二语音信号做波束成形处理后得到的语音信号，作为麦克风采集的语音信号进行噪声抑制。

步骤S202、语音活动检测。

本发明借助振动信号对语音信号进行语音活动检测，即噪声抑制过程借助上述语音活动检测的步骤S102至步骤105进行语音活动检测，详细过程不再赘述。

当判定麦克风采集的语音信号存在噪声或干扰信号，则对麦克风采集的语音信号进行噪声抑制得到噪声抑制信号。当判定克风采集的语音信号为纯的讲话声音，则直接将语音信号作为噪声抑制信号。具体地，通过如下方法实现：

其中，Y₁(w,m)为频域下的语音信号，μ为噪声抑制因子，Z(w,m)为噪声抑制信号。

步骤S203、滤波。

将噪声抑制信号Z(w,m)从频域转换到时频z(t)，经高通滤波器做高通滤波处理；将振动信号Y₂(w,m)从频域转换到时域y₂(t)，经低通滤波器做低通滤波处理。

步骤S204、数据融合。

经过高通滤波后的噪声抑制信号，与经过低通滤波后的振动信号进行数据融合：u(t)＝hpf(z(t))+lpf(y₂(t))，得到最终降噪抑制后的信u(t)号，其中，hpf(z(t))表示对噪声抑制信号z(t)进行高通滤波，lpf(y₂(t))表示对振动信号y₂(t)进行低通滤波。

本发明语音活动检测方法、噪声抑制方法和噪声抑制系统，利用传感器和麦克数据进行相关运算，通过计算频域相干系数，在检测频率范围内计算检测量，提高了语音活动检测的准确性。

本发明语音活动检测方法、噪声抑制方法和噪声抑制系统，利用传感器和麦克数据在大噪声环境下做数据融合，改善了大噪声条件下通话时语音低频频段的清晰度，提高了通话质量，使得通话时的语音清晰度和可懂度提高，有效降低了智能耳机的误唤醒率，降低了功耗，提高了耳机的待机时间。

结合这里披露的本发明的说明和实践，本发明的其他实施例对于本领域技术人员都是易于想到和理解的。说明和实施例仅被认为是示例性的，本发明的真正范围和主旨均由权利要求所限定。

Claims (7)

1.一种语音活动检测方法，其特征在于，所述方法包括：

获取麦克风采集的语音信号，以及传感器采集的振动信号；

将所述语音信号从时域转换到频域，将所述振动信号从时域转换至频域；

利用所述语音信号和所述振动信号计算频域相干系数，在检测频率范围内计算检测量，

当所述检测量高于某一预设阈值，则判定麦克风采集的语音信号是佩戴者的讲话语音，否则判定麦克风采集的语音信号存在噪声或干扰信号。

2.根据权利要求1所述的方法，其特征在于，所述频域相干系数通过如下方法计算：

其中，C_y1y2(w)为频域相干系数，Φ_y1y2(w)为语音信号和振动信号的互功率谱密度，Φ_y1y1(w)为语音信号的功率谱密度，Φ_y2y2(w)为振动信号的功率谱密度，w为数字角频率。

3.根据权利要求1或2所述的方法，其特征在于，检测量通过如下方法计算：

其中，C_y1y2(w)为频域相干系数，w为数字角频率，ind1为检测频率范围的下界，ind2为检测频率范围的上界。

4.一种借助权利要求1至3任一权利要求所述语音活动检测方法进行噪声抑制的方法，其特征在于，所述噪声抑制的方法包括：

至少一个麦克风采集语音信号，传感器采集振动信号；

借助振动信号对语音信号进行语音活动检测，当判定麦克风采集的语音信号存在噪声或干扰信号，则对麦克风采集的语音信号进行噪声抑制得到噪声抑制信号；

将所述噪声抑制信号从频域转换到时频，经高通滤波处理；将所述振动信号从频域转换到时域，经低通滤波处理；

经过高通滤波后的噪声抑制信号，与经过低通滤波后的振动信号进行数据融合，得到最终降噪抑制后的信号。

5.根据权利要求4所述噪声抑制的方法，其特征在于，第一麦克风采集第一语音信号，第二麦克风采集第二语音信号，第一语音信号与第二语音信号做波束成形得到语音信号。

6.一种具有权利要求1至3任一权利要求所述语音活动检测方法的降噪系统，其特征在于，所述系统包括：

耳机，所述耳机上至少设置一个麦克风，用于采集语音信号；

一个传感器，用于采集讲话时颌骨的振动信号；

语音活动检测模块，用于借助振动信号对语音信号进行语音活动检测；

噪声抑制模块，当判定麦克风采集的语音信号存在噪声或干扰信号，所述噪声抑制模块对麦克风采集的语音信号进行噪声抑制；

高通滤波器，用于对噪声抑制信号做高通滤波处理；低通滤波器，用于对振动信号做低通滤波处理；

混合器，用于对经过高通滤波后的噪声抑制信号，与经过低通滤波后的振动信号进行数据融合。

7.根据权利要求6所述的系统，其特征在于，所述系统还包括波束成形模块，所述耳机设置第一麦克风和第二麦克风，

第一麦克风采集第一语音信号，第二麦克风采集第二语音信号，第一语音信号与第二语音信号经所述波束成形模块处理得到语音信号。