CN110085248B - 个人通信中降噪和回波消除时的噪声估计 - Google Patents

个人通信中降噪和回波消除时的噪声估计 Download PDF

Info

Publication number
CN110085248B
CN110085248B CN201811229838.2A CN201811229838A CN110085248B CN 110085248 B CN110085248 B CN 110085248B CN 201811229838 A CN201811229838 A CN 201811229838A CN 110085248 B CN110085248 B CN 110085248B
Authority
CN
China
Prior art keywords
signal
target
noise
signals
covariance matrix
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
Application number
CN201811229838.2A
Other languages
English (en)
Other versions
CN110085248A (zh
Inventor
U·克耶姆斯
J·詹森
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Rituen Dsp
Oticon AS
Original Assignee
Rituen Dsp
Oticon AS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Rituen Dsp, Oticon AS filed Critical Rituen Dsp
Priority to CN201811229838.2A priority Critical patent/CN110085248B/zh
Publication of CN110085248A publication Critical patent/CN110085248A/zh
Application granted granted Critical
Publication of CN110085248B publication Critical patent/CN110085248B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/20—Speech recognition techniques specially adapted for robustness in adverse environments, e.g. in noise, of stress induced speech
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R3/00—Circuits for transducers, loudspeakers or microphones
    • H04R3/005—Circuits for transducers, loudspeakers or microphones for combining the signals of two or more microphones
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Processing of the speech or voice signal 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M9/00—Arrangements for interconnection not involving centralised switching
    • H04M9/08—Two-way loud-speaking telephone systems with means for conditioning the signal, e.g. for suppressing echoes for one or both directions of traffic
    • H04M9/082—Two-way loud-speaking telephone systems with means for conditioning the signal, e.g. for suppressing echoes for one or both directions of traffic using echo cancellers
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Processing of the speech or voice signal 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
    • G10L2021/02161—Number of inputs available containing the signal or the noise to be suppressed
    • G10L2021/02166—Microphone arrays; Beamforming
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R1/00—Details of transducers, loudspeakers or microphones
    • H04R1/10—Earpieces; Attachments therefor ; Earphones; Monophonic headphones
    • H04R1/1083—Reduction of ambient noise
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R2225/00—Details of deaf aids covered by H04R25/00, not provided for in any of its subgroups
    • H04R2225/43—Signal processing in hearing aids to enhance the speech intelligibility
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R2227/00—Details of public address [PA] systems covered by H04R27/00 but not provided for in any of its subgroups
    • H04R2227/009—Signal processing in [PA] systems to enhance the speech intelligibility
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R3/00—Circuits for transducers, loudspeakers or microphones
    • H04R3/02—Circuits for transducers, loudspeakers or microphones for preventing acoustic reaction, i.e. acoustic oscillatory feedback

Abstract

本发明涉及个人通信中降噪和回波消除时的噪声估计，其中音频信号处理方法包括步骤：在一个或多个子频带中，接收M个通信信号；用一组波束形成器系数处理通信信号以获得波束形成器输出信号；处理通信信号以获得N个目标消除的信号；处理通信信号以获得目标不存在信号；估计N阶的、目标消除的协方差矩阵的逆矩阵；依据目标消除的协方差矩阵的逆矩阵和N个目标消除的信号确定实值换算因子；确定波束形成器输出信号中的噪声功率的初始估计量；使初始噪声估计量乘以换算因子以获得波束形成器输出信号中噪声功率的精确估计量；所述目标消除波束形成器从M个通信信号的分析自适应计算。本发明具有声音质量得以提高及不想要的信号分量得以减少的优点。

Description

个人通信中降噪和回波消除时的噪声估计
本申请是2013年08月23日申请的、发明创造名称为“个人通信中降噪和回波消除时的噪声估计”、申请号为201310373384.7的中国专利申请的分案申请。
技术领域
本申请涉及音频处理，尤其涉及语音增强，特别是提高嘈杂环境中目标语音信号的信号质量。本发明涉及嵌入在从存在于包括一个或多个目标声源和多个不受欢迎的噪声源的声环境中的多个传声器获得的多通道音频信号中的噪声的传声器间谱相关矩阵的估计。
本发明例如可用于获得谱信噪比估计量并形成将应用于波束形成器输出信号以获得增强信号的谱权重，其中保留目标语音内容及噪声分量得以大大减小。
谱权重例如可用于进一步减小已从回波消除系统的初始级逸出的残留回波信号。
本发明例如可用在下述应用中：耳机、助听器、有源耳朵保护系统、移动电话、远程会议系统、卡拉OK系统、广播系统、移动通信装置、免提通信装置、话音控制系统、汽车音频系统、导航系统、音频捕获、摄像机、和视频电话。
背景技术
背景噪声、回响和回波信号为个人通信系统中及包括有声命令的自动识别的系统中所出现问题的典型原因。背景噪声和房间回响可严重降低声音质量及所需要语音信号的可懂度。在声音识别系统中，背景噪声和回响增大出错率。另外，在一些通信系统中，扬声器系统将已知的音频信号传到环境，其由传声器阵列拾取。例如，对于声控电视机，当捕获声音命令时，可能希望无视传到扬声器的电视伴音信号的回波。类似地，在电话/有声通信设置中，远端语音信号传给一个或多个本地扬声器，这产生由本地传声器拾取为不想要的回波的音频信号。该回波应在近端语音信号传给远端之前消除。类似地，声控系统受益于回波分量的消除。
解决背景噪声的常规方法包括波束形成和单通道降噪。波束形成使能通过采用空间滤波器即信号增益取决于声音相对于传声器阵列的空间方向的滤波器来区分声源。多传声器增强方法可看作波束形成器算法和单通道降噪算法的结合；因此，除由独立的单通道系统提供的时频滤波之外，多传声器方法还可执行空间滤波。
常规的回波消除方法基于自适应估计从每一扬声器信号到每一传声器信号的传递函数并从传声器信号减去回波估计量。然而，回波信号的某些分量不能通过这样的方法得以足够衰减，尤其在具有长回响时间的房间中更是如此。与延迟回响相关联的回波信号部分通常与环境噪声类似，因为两个声场实际上通常均为弥散场。这是多传声器谱降噪系统也可用于消除回波信号的残留回响部分的主要原因。
用于语音增强的多通道维纳滤波器(MWF)(例如参见参考文献[3]Chapter 3.2)在目标信号的均方误差意义上为最佳的线性估计器，假定传声器信号由具有附加无关联噪声的目标信号组成。MWF可分解为最小方差无失真响应(MVDR)波束形成器和单通道维纳后滤波器的结合。在这两个系统理论上一样的同时，分解后的系统在实践中对MWF滤波器的强力实施是有利的。具体地，可利用空间信号统计量(需要进行估计以实施MVDR波束形成器)在不同于信号统计量(需要进行估计以实施后滤波器)的速率下(通常更慢)随时间变化。
大多数后滤波器依赖于进入后滤波器的噪声和不想要的回响信号的功率谱密度(PSD)的估计。将多传声器降噪系统考虑为波束形成器和后滤波器的结合，显然可使用众所周知的单通道噪声追踪算法(例如参见参考文献[4]Section II,Eq.(1)-(3))从波束形成器的输出信号直接估计噪声PSD。然而，总的来说，当估计进入后滤波器的噪声的PSD时，通过利用具有多个可用传声器信号的情形可获得更好的性能。
使用多个传声器信号用于估计进入后滤波器的噪声的PSD的想法并非新想法。在参考文献[10](图1)中，Zelinski使用多个传声器信号估计在传声器处观察到的噪声PSD，假定噪声序列在传声器之间无关联，即传声器间噪声协方差矩阵为对角矩阵。McCowan(参考文献[11]，图1)和Lefkimmiatis(参考文献[12]，图1)用噪声场的弥散(同质、迷向)模型代替该通常不切实际的模型。最近，Wolff(参考文献[9]，图1)在广义旁瓣消除器(GSC)结构中考虑波束形成器，并使用阻塞矩阵的输出，与话音活动检测(VAD)算法结合，以计算进入后滤波器的噪声的PSD的估计量。
发明内容
在此提出一种估计时变和随频率而变的传声器间噪声协方差矩阵的方法和相应装置，与先前公开的方法和装置不同，其在最大似然意义上最佳。
在所描述的实施例中，噪声协方差矩阵可用于降噪、语音增强及残留回波信号的衰减，或用于提高话音控制系统中的识别率。本发明的优点在于噪声得以准确估计，这可导致增强后的音频信号中声音质量的提高，或可提高自动话音控制系统的识别率。
在实施例中，谱关联矩阵可用于估计波束形成器输出处的噪声级，其对多通道音频信号如从两个以上传声器的阵列获得的信号起作用。该噪声估计量可用于估计波束形成器输出处的信噪比，其可用于计算将应用于波束形成器输出的后滤波的随频率而变的增益权重。在描述的另一实施例中，对多通道音频信号起作用的波束形成器输出处的、估计的噪声级连同波束形成器输出信号一起用于自动话音命令识别。
用于噪声功率估计的最大似然方法的推导
在下面部分，导出噪声功率推算式。使对第m个传声器起作用的嘈杂信号由下式给出：
ym(n)＝xm(n)+vm(n),m＝1…M
其中，ym(n)、xm(n)和vm(n)分别表示嘈杂目标信号、纯净目标信号和噪声信号的信号样本，M为可用传声器信号的数量，及其中为方便起见，已忽略模数转换并简单地使用离散时间指数n。为数学上方便，假定观察数据为零平均值高斯随机过程的实现，及噪声过程统计上独立于目标过程。
每一传声器信号可通过离散傅里叶变换(DFT)滤波器组，导致复DFT系数
其中l和k分别表示帧和频率窗口(bin)指数，Q为帧长度，D为滤波器组抽取因子，wA(n)为分析窗口函数，及为虚数单位。其它滤波器组结构也是可能的，例如非均匀滤波器组。
采用标准假设，即DFT系数跨帧和频率指数不相关联，这使能独立地处理每一DFT系数。因此，在不丧失一般性的情形下，对于给定频率指数k，可按向量(/>表示M维复空间)收集每一传声器的帧l的DFT系数，即
类似的等式描述目标向量和噪声向量/>
将目标信号建模为作用在阵列上的点源。使d(l,k)＝9d1(l,k)…dM(l,k)]T表示(复值)传播向量，其元素dm表示相应的、在频率指数k时估计的、从该源到第m个传声器的声传递函数。则X(l,k)可写为X(l,k)＝x(l,k)d(l,k)，其中x(l,k)为在所涉及频率指数时具有帧指数l的纯净目标DFT系数。
现在，嘈杂信号Y(l,k)的关联矩阵ΦYY(l,k)定义为平均E[Y(l,k)YH(l,k)]，其中上标H表示厄米转置(共轭转置)。通过假定目标和噪声独立，ΦYY(l,k)可写为噪声和目标协方差矩阵ΦXX(l,k)及ΦVV(l,k)的和，即
ΦYY(l,k)＝ΦXX(l,k)(ΦVV(l,k)
＝φxx(l,k)d(l,k)dH(l,k)+E[V(l,k)VH(l,k)],
其中φxx(l,k)＝E[|x(l,k)|2]为目标信号的功率。
最后，假定下面的模型用于显现跨时间的噪声协方差矩阵：
ΦVV(l,k)＝c2(l,k)ΦVV(l0,k),l＞l0(等式1)
其中c2(l,k)为时变实值换算因子，及ΦVV(l0,k)为估计为跨最近帧指数的平均值的噪声协方差矩阵，其中不存在目标并在最近的帧指数l0结束。因此，但存在语音时，上面的等式表示ΦVV(l,k)的演变；噪声过程不需要静态，但协方差结构必须保持固定直到标量乘法为止。
因此，该模型可看作从早期单通道降噪系统获知的方法的放宽，其中在最近仅存在噪声的区域估计的噪声功率在存在语音时假定跨时间保持恒定不变。
该部分的目标在于导出噪声协方差矩阵的估计量，ΦVV(l,k)＝c2(l,k)ΦVV(l0,k),l＞l0，即当存在语音时。总的想法是基于一组线性独立的目标消除波束形成器的输出进行，有时在GSC术语中称为阻塞矩阵，参见参考文献[5](图4)，同样参见参考文献[6](第5.9章及其中引用的文献)。
考虑任何满秩矩阵N＜M，其满足
BH(l,k)d(l,k)＝0
显然，存在许多这样的矩阵。假定d(l,k)已知并归一化到单位长度，及使H(l,k)＝IM-d(l,k)dH(l,k)，其中IM为M维单位矩阵。则可验证一个这样的矩阵B(l,k)由矩阵H的前N列给出，即
H(l,k)＝[B(l,k)hN+1(l,k)…hM(l,k)](等式2)
其中hn简单地为H中的第n列。
矩阵B的每一列可看作一目标消除波束形成器，因为，当应用于嘈杂输入向量Y(l,k)时，输出仅与噪声有关
Z(l,k)＝BH(l,k)Y(l,k)＝BH(l,k)V(l,k)(等式3)
从上面的等式看出，Z(l,k)的协方差矩阵由下式给出：
ΦZZ(l,k)≡E[Z(l,k)ZH(l,k)]＝BH(l,k)ΦVV(l,k)B(l,k),l＞l0(等式4)
将等式1插入等式4，得到
ΦZZ(l,k)＝c2(l,k)BH(l,k)ΦVV(l0,k)B(l,k),l＞l0(等式5)
对于复滤波器组，从高斯假定得出，向量Z(l,k)遵循零平均值(复、圆形对称)高斯分布，即
其中，|·|表示矩阵行列式。当ΦVV可逆时，矩阵ΦZZ可逆(参见等式5)，通常均是这样。
因此，似然函数可写为
使相对于未知的换算因子c2(l,k)最大化导致最大似然估计量
注意，等式6表示了估计换算因子的两种不同方式，或使用目标已消除的信号Z(l,k)的协方差矩阵ΦZZ(l0,k)的显式估计量，或使用协方差矩阵ΦVV(l0,k)的估计量。
进一步应注意，使得噪声协方差估计量
保持正定，只要在不存在目标的情形下在最近时间帧获得的噪声协方差估计量正定。
最后，使表示线性波束形成滤波器，使得波束形成器输出由Yw(l,k)＝wH(l,k)Y(l,k)给出。则波束形成器输出中噪声功率的估计量由下式给出
在等效方式中，波束形成器输出中噪声功率的估计量由下式给出
其中φVV0(l,k)为波束形成器输出噪声的初始估计量，其可估计为波束形成器输出功率|Yw(l,k)|2跨最近帧指数的平均值，其中目标不存在并在最近帧指数l0结束。这可从波束形成器输出信号明确地进行，或经等式8中所示的估计的噪声协方差矩阵。
在实施例中，该噪声功率估计量可用于推导后滤波器增益值。通过将波束形成器输出信号的量值与噪声功率比较，可导出信噪比，其可用于计算增益值。在对波束形成器输出信号采用话音识别的其它实施例中，话音识别可受益于同时基于波束形成信号和噪声PSD估计量。实施例
因此，结合从传声器阵列接收的声信号的波束形成和自适应后滤波的音频信号处理方法可包括下面的部分或所有步骤：
在子频带中接收M个通信信号，其中M至少为2；
在每一子频带中，用M行及N列线性独立列的阻塞矩阵(203,303,403)处理相应的M个子频带通信信号，其中N>＝1及N<M，以获得N个目标消除的信号；
在每一子频带中，用一组波束形成器系数处理相应的M个子频带通信信号和N个目标消除的信号以获得波束形成器输出信号；
用目标不存在检测器处理M个通信信号以获得每一子频带中的目标不存在信号；
使用目标不存在信号以获得每一子频带中的N阶、目标消除的协方差矩阵的逆矩阵(310,410)；
以二次齐式使用目标消除的协方差矩阵的逆矩阵处理每一子频带中的N个目标消除的信号以产生每一子频带中的实值噪声校正因子(312,412)；
使用目标不存在信号获得每一子频带中跨目标不存在的最近帧求平均的波束形成器输出信号中噪声功率的初始估计量(311,411)；
使初始噪声估计量与噪声校正因子相乘以获得每一子频带中波束形成器输出噪声信号分量的功率的精确估计量(417)；
用波束形成器输出的量值处理波束形成器输出噪声信号分量的功率的精确估计量以获得每一子频带中的后滤波器增益值；
用后滤波器增益值处理波束形成器输出信号以获得每一子频带中的后滤波器输出信号；
通过合成滤波器组(207,307,407)处理后滤波器输出子频带信号以获得增强的波束形成的输出信号，其中目标信号通过衰减噪声信号分量而得以增强。
其优点在于后滤波器增益值从波束形成器输出的噪声分量的功率的准确估计量导出。这得以实现，是因为噪声功率从N个目标消除的信号的结合导出，每一目标消除的信号从独立的空间滤波器获得(即阻塞矩阵)，其消除了想要的目标信号因而受之影响非常小。这使能即使在存在目标信号的情形下也可估计噪声级。
通过使用具有矩阵系数的二次齐式，其中这些系数推导为N个阻塞矩阵信号的关联矩阵的逆矩阵，估计量在最大似然意义上变得最佳。先前使用空间滤波器估计波束形成器输出噪声的方法(参考文献[1](图2，模块15)、[2](图2)、[7](图2)、[10](图1)、[11](图1)、[12](图1))没有这种性质，因而不太准确。
常规的回波消除方法包括自适应估计从每一扬声器信号到每一传声器信号的传递函数，及从每一检测到的传声器信号减去预测的扬声器信号。由于回波信号的某些分量在实践中可能不能足够地衰减，尤其在长房间脉冲响应时，所公开的方法是有利的，因为与延迟回响相关联的残留回波信号被估计为环境噪声，及在实施例中，其随后通过自适应后滤波器衰减。
在其它实施例中，延迟回响信号和噪声得以准确地估计是有利的，因为这使能增加自适应波束形成的信号正通过其的话音控制系统的识别速率，及估计所述信号中噪声的PSD。
在实施例中，目标增强波束形成器为借助于GSC结构(参见参考文献[3]，5.2章，图5.1)实施的MVDR波束形成器(参考文献[3]，2.3章，等式2.25)。所提出的方法是有利的，因为其与按GSC形式实施的MVDR波束形成器共享许多同样的计算步骤。这可通过考虑MVDR波束形成器认识到，其可通过等式实施，其中Y(l,k)为通道k的M维子频带信号向量，及w0(l,k)为表示遵循的波束形成器的M维复向量，其中d(l,k)为M阶的复向量，称为视向量。该向量表示第k个子频带中目标信号相对于M个传声器的传递函数，及d0(l,k)为视向量的特定预定元素，有时称为参考传声器。N维复向量qMVDR(l,k)保持MVDR系数，其中N为目标消除波束形成器的数量，1≤N＜M，由阻塞矩阵B(l,k)表示，及Z(l,k)＝BH(l)Y(l,k)为N个目标消除的信号的向量。用于确定qMVDR(l,k)的方法使用闭合式表达式其中/>
应当强调的是，在本发明中，算子E[·]以“平均”的含义使用，这意味着其或解释为统计预期值，或解释为一批样本的经验平均值，或解释为最近样本的低通滤波。常见的求平均公式是使用对应于z变换H(z)＝λ/(1-(1-λ)z-1)的一阶IIR低通滤波器，其中λ为满足0≤λ(l)≤1的参数，定义求平均过程的时间常数τ(l)；其中时间常数τ(l)和λ(l)之间的关系可计算为 其中fs为帧率。在实施例中，平均值E[Z(l)ZH(l)]实施为递归更新方程式
ΦZZ(l,k)＝(Z(l,k)ZH(l,k)-ΦZZ(l-1,k))λ(l,k)+ΦZZ(l-1,k) (等式9)
在实施例中，系数λ(l,k)被使得随时间变化，以能够控制平均值应跨哪些时间帧场合进行计算或应用各个时间帧场合的什么权重进行计算。优选地，求平均跨目标不存在的帧进行，由每一子频带中的目标不存在信号T(l,k)指示。在实施例中，当目标不存在时，信号T(l,k)达到值1；否则，为接近或等于0的预定值ε，及系数λ(l,k)通过关系λ(l,k)＝T(l,k)λ0(k)而被使得与目标不存在有关，其中λ0(k)反映每一子频带的预定求平均时间常数。在另一实施例中，信号T(l,k)从VAD(话音活动检测器)的输出导出。
由于目标增强波束形成器系数的MVDR系数计算和噪声估计方法均受益于跨受控于干扰信号如噪声信号、传声器噪声及残留回波信号的帧的求平均，每一子频带中的N阶逆矩阵可重新使用，这是所公开方法的优点。
在一些通信情形下，目标信号的声入射方向未预先确定。在实施例中，在这样的声设置中，自适应估计阻塞矩阵是有利的。在另一实施例中，这可通过分析在目标信号存在(由例如从话音活动检测器导出的目标存在信号指示)的帧期间估计的协方差矩阵而自适应估计每一子频带中的视向量d(l,k)进行。在实施例中，前述分析借助于在目标不存在的最近帧期间估计的传声器信号的M阶协方差矩阵ΦVV(l0,k)和在目标存在的最近帧期间估计的传声器信号的M阶协方差矩阵ΦYY(lP,k)的广义特征向量分析进行，其中lP可表示目标存在的最新帧指数。前述分析可通过推导对应于广义特征值问题的最大特征值的特征向量进行，ΦYY(lP,k)v＝λΦVV(l0,k)v，其中为特征向量，及λ为实值特征值，这可通过矩阵/>的特征向量分析进行。如果该特征向量由v1(l,k)表示，可以发现，MVDR系数向量与该向量成正比，因为/> 及视向量d(l,k)＝ΦVV(l0,k)v1(l,k)。该广义特征向量方法因而具有既提供可用于自适应计算阻塞矩阵的视向量估计量又提供用于增强目标信号的MVDR波束形成器的优点。
除非明确指出，在此所用的单数形式的含义均包括复数形式(即具有“至少一”的意思)。应当进一步理解，说明书中使用的术语“具有”、“包括”和/或“包含”表明存在所述的特征、整数、步骤、操作、元件和/或部件，但不排除存在或增加一个或多个其他特征、整数、步骤、操作、元件、部件和/或其组合。应当理解，除非明确指出，当元件被称为“连接”或“耦合”到另一元件时，可以是直接连接或耦合到其他元件，也可以存在中间插入元件。如在此所用的术语“和/或”包括一个或多个列举的相关项目的任何及所有组合。除非明确指出，在此公开的任何方法的步骤不必须精确按所公开的顺序执行。
附图说明
本发明将在下面参考附图、结合优选实施方式进行更完全地说明。
图1示出了根据本发明实施例的、个人通信或话音控制场合的用户、回波消除及降噪系统。
图2示出了根据本发明实施例的、基于噪声和残留回波功率估计的、组合的回波消除系统、波束形成器和降噪及残留回波减少系统。
图3示出了根据本发明实施例的、基于目标消除的协方差矩阵的逆矩阵的波束形成器和降噪系统，具有阻塞矩阵、目标不存在检测器及用于噪声精确估计的二次齐式。
图4示出了根据本发明实施例的、具有自适应目标方向和噪声功率估计的波束形成器和降噪系统。
图5示出了根据本发明实施例的波束形成器和降噪系统中的计算步骤。
为清晰起见，这些附图均为示意性及简化的图，它们只给出了对于理解本发明所必要的细节，而省略其他细节。在所有附图中，同样的附图标记用于同样或对应的部分。
通过下面给出的详细描述，本发明进一步的适用范围将显而易见。然而，应当理解，在详细描述和具体例子表明本发明优选实施例的同时，它们仅为说明目的给出。对于本领域的技术人员来说，从下面的详细描述可显而易见地得出其它实施方式。
具体实施方式
下面参考图示了本发明可怎样实施的附图进行描述。
图1示出了处于通信情形的用户的示意图，其可表示例如汽车中的免提电话情形、远程会议、或话音控制情形，其中装置正进行残留回波和噪声减少。用户105处于环境噪声源102中，其中一个或多个扬声器103重现例如来自远端讲话人104的声信号。扬声器还可正重现来自其它声源如无线电、音乐源、声轨、卡拉OK系统等的信号。用户可产生目标语音信号，该装置的目标是高质量地检测。M个变换器101的阵列检测声混合信号，其可能由目标语音信号、来自扬声器的回波信号、环境噪声和变换器噪声的叠加组成。传声器阵列信号和扬声器信号传到初始回波消除系统106，其自适应估计从一个或多个扬声器到一个或多个传声器的传递函数，并减去通过根据一个或多个估计的传递函数对一个或多个扬声器信号进行滤波产生的信号以获得M个初始回波消除的通信信号。这些通信信号传到波束形成器/后滤波器模块107，其实施空间滤波器以增强目标语音信号并衰减噪声和残留回波信号，及在一些实施例中还可由波束形成器/后滤波器模块107处理以借助于从信骚比的随时间-频率而变的估计量导出的随时间-频率而变的增益函数进一步减少噪声和残留回波信号，信骚比估计量从随时间-频率而变的噪声估计量导出。在话音控制情形下，增强的信号(其可以也可尚未被后滤波)传到随后的系统108进行语音识别。在远程会议系统中，增强的信号传回给远端。在其它实施例中，除增强的信号之外，随时间-频率而变的噪声功率估计量的表示也传给随后的话音识别系统。
图2示出了所公开的噪声功率估计器205可怎样嵌入在具有回波消除、波束形成和降噪的通信系统中。一个或多个音频通道中的扬声器信号可以数字形式从音频信号源211获得并通过一个或多个扬声器再现为声信号。适于匹配声回波传递函数的一组回波滤波器210对扬声器信号进行滤波以获得M个传声器中的每一个的回波信号估计量，M＞1。从传声器信号减去回波信号估计量以获得M个通信信号ym(n),m＝1..M，其中n为离散样本时间指数。在实施例中，分析滤波器组(未示出)处理每一扬声器信号，及在一个或多个子频带中估计声回波传递函数，及随后的在每一传声器信号处减去估计的回波信号在子频带域进行。滤波器组202产生每一通信信号的时频表示，在实施例中，其可执行为短时傅里叶变换(STFT)以获得系数 其中l和k表示帧和频率窗口指数，及预先确定的参数Q、D和wA(n)为帧长、抽取因子(每跳大小)和分析窗口。为使记法简化，将M个通信信号的所有系数收集在向量/>中。M行×N列的阻塞矩阵B(l,k)203，其中1≤N＜M，通过运算Z(l,k)＝BH(l,k)Y(l,k)进行应用。阻塞矩阵设计来衰减目标信号，同时，具有满秩，即N列线性独立。在实施例中，阻塞矩阵可预先确定。在另一实施例中，阻塞矩阵可以是自适应矩阵，以追踪改变位置的目标。一实施例可使用等式2计算阻塞矩阵。波束形成器204借助于一组波束形成器权重w(l,k)处理M个通信信号以获得增强的波束形成的信号，使得Yw(l,k)＝wH(l,k)Y(l,k)。在一些实施例中，波束形成器可具有预先确定的权重。在其它实施例中，波束形成器可以自适应。常见方法是广义旁瓣消除器(GSC)结构，其中阻塞矩阵信号Z(l,k)用系数q(l,k)自适应滤波并从预先确定的参考波束形成器w0(k)减去以使波束形成器输出最小化，例如w(l,k)＝w0(k)-B(l,k)q(l,k)。噪声功率估计器205提供增强的波束形成的信号的噪声分量的功率的估计量/>进一步在图3中详细图示。噪声功率估计量由后滤波器206用于产生随时间-频率而变的增益g(l,k)，其应用于增强的波束形成的信号。该增益可借助于增益函数导出，例如作为估计的信噪比(SNR)值ξ(l,k)的函数，因为g(l,k)＝G(ξ(l,k))，在一些实施例中，其可以是有界维纳滤波器，即/>其中gmin为所应用增益上的预先确定的下限以减少听得见的非自然信号。在一些实施例中，其它函数可作用于或处理增益值，如均衡、动态压缩、反馈控制或音量控制。在一些实施例中，增益函数为有界减谱规则，即/>在另一实施例中，估计的SNR值可从以决策为导向的方法导出，例如参见Ephraim andMalah[13](参见等式48-52)，使得/>其中α为通常设定为0.94-0.98的值的预先确定的控制参数，及/>为来自先前帧的目标信号的量值平方的估计量，遵循/>后滤波器将时频加权的信号输出给合成滤波器组207，其产生增强的时域信号，其中目标信号得以保留，而噪声和回波信号被衰减。合成滤波器组可应用重叠-求和方案，使根据获得增强的输出信号/>其中as(w)为合成窗口，例如平方根自乘的余弦窗口。在一些实施例中，增强的信号可用于传给远处的部分。在其它实施例中，自动语音识别系统或话音控制系统可接收信号进行处理。
图3示出了根据本发明实施例的噪声功率估计器205的进一步的细节。在该图中，301-308模块对应于图2中的201-208模块，及309-312模块表示噪声功率估计器205的细节。目标不存在检测器309处理子频带通信信号Y(l,k)以获得目标不存在指示信号T(l,k)，在实施例中，其可以是从短期平均功率<|Y(l,k)|2>与噪声基底功率估计量的比较导出的二元指示器，如R.Martin[4](Section II-III)，对每一子频带中的参考传声器信号起作用，使得当短期平均功率与噪声基底功率估计量的比不超出预定阈值例如8dB时，假定目标不存在。在实施例中，目标消除的协方差矩阵的逆矩阵可在310中借助于求平均过程ΦZZ(l,k)＝(Z(l,k)ZH(l,k)-ΦZZ(l-1,k))λ(l,k)+ΦZZ(l-1,k)从目标消除的协方差矩阵ΦZZ(l,k)进行计算。在实施例中，当目标不存在时目标不存在信号T(l,k)的值为1，否则为0，这样，通过使λ(l,k)＝T(l,k)λ0，协方差可计算为目标不存在的最近帧的平均。在实施例中，预定参数λ0可设定为对应于为0.1秒的预定时间常数。初始噪声功率估计量φVV0(l,k)在311中计算。在该计算中，使用与310中使用的一样的目标不存在信号和求平均过程很重要，在实施例中，其对应于求平均过程φVV0(l,k)＝(Yw(l,k)Yw H(l,k)-φVV0(l-1,k))λ(l,k)+φVV0(l-1,k)，并使用同样的信号λ(l,k)。在312中使用二次齐式以计算校正因子其中N等于阻塞矩阵中的列数，及该校正因子连同初始噪声功率估计量一起使用以产生精确的噪声功率估计量/>306-308模块中的处理可与图2中206-208模块中的处理类似。
图4示出了噪声功率估计可怎样嵌入在用于自适应波束形成和降噪的系统中，其中涉及自适应目标定向。记为401、402、403、404的模块分别对应于图2中记为201、202、203、204的模块。噪声分析409可包含对应于309模块的目标不存在检测以用求平均获得目标不存在信号T(l,k)，进而获得通信信号的M阶噪声协方差矩阵ΦVV(l,k)的估计量。在实施例中，求平均执行为递归滤波器ΦVV(l,k)＝(Y(l,k)YH(l,k)-ΦVV(l-1,k))λ(l,k)+ΦVV(l-1,k)，其中λ(l,k)＝T(l,k)λ0，及λ0为在实施例中可设定为对应于为0.1秒的时间常数的预定参数。目标协方差矩阵从目标分析413获得，及在实施例中可包括目标存在检测以获得目标存在信号S(l,k)，其可以是VAD(话音活动检测器)的形式，如果目标存在，则使得S(l,k)＝1，否则为0，及在实施例中可与递归求平均过程ΦXX(l,k)＝(Y(l,k)YH(l,k)-ΦXX(l-1,k))S(l,k)λ0+ΦXX(l-1,k)一起使用以获得目标受控的帧的平均值。视向量估计量d(l,k)在414中通过分析噪声和目标协方差矩阵获得，该视向量分析在实施例中可通过使用单列矩阵差ΦXX(l,k)-ΦVV(l,k)进行。在另一实施例中，视向量通过使用对应于前述差矩阵的最大特征值的特征向量进行估计。调整后的阻塞矩阵B(l,k)在415中获得，其可基于估计的视向量根据等式2进行计算。从噪声协方差估计量和视向量，一实施例可导出一组波束形成器系数416，其可以是依据 的一组MVDR系数。初始波束形成器噪声估计量411可推导为φVV0(l,k)＝wH(l,k)ΦVV(l,k)w(l,k)。同样，目标消除的协方差矩阵的逆矩阵可在410中计算为/>校正因子/>在412中从使用/>的二次齐式进行计算。精确的噪声功率估计量在417中发现为/>406-408模块中的处理可与图2的206-208模块中的处理类似。
图5示出了根据本发明实施例的降噪和波束形成方法的计算。根据本发明的实施例可通过组合多个步骤而包括在此明确或暗中描述的步骤，步骤的具体顺序并不重要。M个通道中的音频信号，其中M≥2，借助于传感器阵列501进行检测，及分析滤波器组502将信号处理为随频率而变的子频带。一组N个目标消除滤波器503，其中1≤N＜M，处理音频信号以获得N个目标消除的信号。在一些实施例中，目标消除滤波器在时域进行，在其它实施例中，滤波在滤波器组提供的频域进行。目标增强波束形成器504可将M个音频信号处理为目标增强的信号。目标不存在信号检测器505提供信号供在目标不存在期间提供目标增强波束形成器输出噪声功率的初始估计量的估计器506使用。使用同样的目标不存在信号，在一个或多个子频带中获得N维目标消除的协方差，507。在一些实施例中，目标消除的协方差矩阵可通过在矩阵求逆之前在对角线上增加小值而规则化，以获得估计的、目标消除的协方差矩阵的逆矩阵，其用作目标消除的子频带信号的N阶二次齐式的系数，508。二次齐式的结果用作将与目标增强波束形成器输出噪声功率的初始估计量相乘以获得目标增强波束形成器输出噪声功率的精确噪声估计量的校正换算信号，509。精确的噪声估计量形成计算信噪比的估计量的基础，510，其在实施例中可与经典方法如Ephraim&Malah[13](等式48-52)一起使用以获得每一子频带中的后滤波器增益值，进而应用于目标增强波束形成器511以获得后滤波的增强目标信号。合成滤波器组512用于获得时域信号，其中目标信号得以保持，而噪声源和残留回波信号被衰减。
本发明由独立权利要求的特征限定。从属权利要求限定优选实施例。权利要求中的任何附图标记不意于限定其范围。
一些优选实施例已经在前面进行了说明，但是应当强调的是，本发明不受这些实施例的限制，而是可以权利要求限定的主题内的其它方式实现。例如，在助听器中，可能需要另外的处理步骤，例如用于听力损失补偿的步骤。
参考文献
[1]EP 2 026 597 B1,Noise reduction by combined beamforming and post-filtering.
[2]US patent 8,204,263B2,Method of estimating a weighting function ofaudio signals in a hearing aid.
[3]M.Brandstein and D.Ward,"Microphone Arrays",Springer 2001.
[4]R.Martin,"Noise Power Spectral Density Estimation Based on OptimalSmoothing and Minimum Statistics",IEEE Trans.on Speech and Audio Processing,vol.9,no.5,2001.
[5]L.J.Griffiths and C.W.Jim,“An Alternative Approach to LinearlyConstrained Adaptive Beamforming,”IEEE Trans.Antennas Propagat.,vol.30,no.1,pp.27–34,January 1982.
[6]S.Haykin,Adaptive Filter Theory,Prentice Hall,Third edition,1996
[7]K.U.Simmer,J.Bitzer,and C.Marro,“Post-Filtering Techniques,”inMicrophone Arrays–Signal Processing Techniques and Applications,M.Brandsteinand D.Ward,Eds.2001,Springer Verlag.
[8]E.Warsitz,"Blind Acoustic Beamforming Based onGeneralizedEigenvalue Decomposition",IEEE Trans.Audio Speech and LanguageProcessing,Vol.15,no 5,2007.
[9]T.Wolff and M.Buck,“Spatial maximum a posteriori post-filteringforarbitrary beamforming,”in Handsfree Speech Communication andMicrophoneArrays(HSCMA),2008.
[10]R.Zelinski,“A Microphone Array With Adaptive Post-FilteringforNoise Reduction in Reverberant Rooms,”in Proc.IEEE InternationalConference onAcoustics,Speech and Signal Processing,1988,vol.5,pp.2578–2581.
[11]I.A.McCowan and H.Bourlard,“Microphone Array Post-Filter BasedonNoise Field Coherence,”IEEE Trans.Speech and Audio Processing,vol.11,no.6,pp.709–716,2003.
[12]S.Lefkimmiatis and P.Maragos,“Optimum post-filter estimationfornoise reduction in multichannel speech processing,”in Proc.14th EuropeanSignalProcessing Conference,2006.
[13]Y.Ephraim and D.Malah,"Speech enhancement using a minimum-meansquare error short-time spectral amplitude estimator,"Acoustics,SpeechandSignal Processing,IEEE Transactions on,vol.32,no.6,pp.1109-1121,Dec 1984.

Claims (15)

1.一种音频信号处理方法，包括步骤：
在一个或多个子频带中，接收时间帧中包括目标信号(Xm(l,k))和噪声信号(Vm(l,k))的M个通信信号(Ym(l,k))，其中M≥2；
在每一子频带中，用一组波束形成器系数(w(l,k))处理M个子频带通信信号(Ym(l,k))以获得波束形成器输出信号(Yw(l,k))；
在每一子频带中，在N个线性独立的目标消除波束形成器(B(l,k))中处理M个子频带通信信号(Ym(l,k))，其中1≤N<M，以获得N个目标消除的信号(Z(l,k))，其中目标信号(Xm(l,k))相对于噪声信号(Vm(l,k))被抑制；
用目标不存在检测器(309)处理通信信号(Ym(l,k))以获得目标不存在信号(T(l,k))；
在每一子频带中，估计N阶的、目标消除的协方差矩阵的逆矩阵
在每一子频带中，依据目标消除的协方差矩阵的逆矩阵和N个目标消除的信号(Z(l,k))确定实值换算因子/>
在每一子频带中，将波束形成器输出信号(Yw(l,k))中的噪声功率的初始估计量(φVV0(l,k)311,411)确定为平均值，其中各个时间帧使用所述目标不存在信号的函数(T(l,k))进行加权；
在每一子频带中，使初始噪声估计量(φVV0(l,k))乘以换算因子以获得波束形成器输出信号(Yw(l,k))中噪声功率的精确估计量(φVV(l,k),417)；
在一个或多个子频带中，所述N个线性独立的目标消除波束形成器(B(l,k))从M个通信信号的分析进行自适应计算。
2.根据权利要求1所述的方法，还包括：
在每一子频带中，将目标消除的信号(Z(l,k))的N阶协方差矩阵(ΦZZ(l,k))估计为平均值，其中各个时间帧按目标不存在信号的函数(T(l,k))进行加权。
3.根据权利要求2所述的方法，其中：
在一个或多个子频带中，波束形成器输出信号(Yw(l,k))使用从目标消除的协方差矩阵的逆矩阵和N个目标消除的信号(Z(l,k))推导的至少一自适应滤波器产生。
4.根据权利要求3所述的方法，其中：
在一个或多个子频带中，N个线性独立的目标消除波束形成器(B(l,k))从一视向量(d(l,k),414)自适应确定，所述视向量从在目标存在的最近帧期间估计的M阶混合协方差矩阵和在目标不存在的最近帧期间估计的通信信号的M阶噪声协方差矩阵的分析推导。
5.根据权利要求4所述的方法，其中：
在一个或多个子频带中，所述分析包括所述混合协方差矩阵和所述噪声协方差矩阵之间的差的特征向量分析，及将与最大特征值相关联的特征向量选择为视向量(d(l,k))。
6.根据权利要求4所述的方法，其中：
在一个或多个子频带中，所述分析包括所述噪声协方差矩阵乘以所述混合协方差矩阵的逆矩阵的广义特征向量分析，并使用与最大特征值相关联的特征向量获得视向量(d(l,k))。
7.根据权利要求1-6任一所述的方法，其中：
在每一子频带中，目标消除的协方差矩阵的逆矩阵通过外积处理N个目标消除信号(Z(l,k))以获得N阶外积矩阵进行估计；
将目标消除的协方差矩阵(ΦZZ(l,k))估计为所述N阶外积矩阵的平均值，其中各个时间帧按目标不存在信号的函数(T(l,k))进行加权；
对目标消除的协方差矩阵(ΦZZ(l,k))求逆以获得目标消除的协方差矩阵的逆矩阵
8.根据权利要求1-6任一所述的方法，其中目标消除的协方差矩阵的逆矩阵通过下述步骤计算：
在每一子频带中，通过外积处理M个通信信号以获得M阶外积信号矩阵；
将M阶的噪声协方差矩阵(ΦVV(l,k))估计为所述M阶外积信号矩阵的平均值，其中各个时间帧按目标不存在信号的函数(T(l,k))进行加权；
在每一子频带中，用阻塞矩阵(B(l,k))处理噪声协方差矩阵(ΦVV(l,k))以获得N阶的目标消除的协方差矩阵(ΦZZ(l,k))；
在每一子频带中，对目标消除的协方差矩阵(ΦZZ(l,k))求逆以获得目标消除的协方差矩阵的逆矩阵
9.根据权利要求1所述的方法，还包括：
借助于包括M个传声器的传声器阵列(101,201,301,401)接收音频信号，以获得M个传声器信号(ym(n))，每一传声器信号包括目标信号(xm(n))和噪声信号(vm(n))；
使M个传声器信号(ym(n))通过分析滤波器组(202,302,402)以在一个或多个子频带中获得M个通信信号(Ym(l,k))；
在每一子频带中，根据波束形成器输出信号(Yw(l,k))中噪声功率的精确估计量(φVV(l,k))和波束形成器输出信号(Yw(l,k))确定后滤波器增益值；
在每一子频带中，用后滤波器增益值处理波束形成器输出信号(Yw(l,k))以获得后滤波器输出信号；
在合成滤波器组(207,307,407)中组合所述子频带的后滤波器输出信号以获得增强的波束形成的输出信号。
10.根据权利要求1所述的方法，还包括：
从L个相应的扬声器(209)接收L个扬声器信号(ui(n))，其中L≥1；
借助于包括M个传声器的传声器阵列(101,201,301,401)接收音频信号，以获得M个受回波污染的传声器信号(am(n))，每一传声器信号包括目标信号(xm(n))和噪声信号(vm(n))；
自适应估计用于对L个扬声器信号(ui(n)中的每一信号进行滤波以逼近M个受回波污染的传声器信号(am(n))中的每一信号的滤波器权重；
将L个滤波后的扬声器信号中的每一信号从M个受回波污染的传声器信号(am(n))减去以获得M个回波消除的传声器信号(ym(n))；
在每一子频带中，根据波束形成器输出信号(Yw(l,k))中噪声功率的精确估计量(φVV(l,k))和波束形成器输出信号(Yw(l,k))确定后滤波器增益值；
在每一子频带中，用后滤波器增益值处理波束形成器输出信号(Yw(l,k))以获得后滤波器输出信号；
在合成滤波器组(207,307,407)中组合所述子频带的后滤波器输出信号以获得增强的波束形成的输出信号。
11.根据权利要求9或10所述的方法，其中所述增强的波束形成的输出信号用作话音控制系统的输入。
12.根据权利要求1所述的方法，其中所述波束形成器输出信号和波束形成器输出信号噪声分量的功率的精确估计量用作话音控制系统的输入。
13.适于执行根据权利要求1-12任一所述的方法的装置。
14.适于执行根据权利要求1-12任一所述的方法的助听器。
15.一种双耳助听器系统，包括两个助听器，其中每一助听器均适于执行根据权利要求1-12任一所述的方法。
CN201811229838.2A 2012-08-24 2013-08-23 个人通信中降噪和回波消除时的噪声估计 Active CN110085248B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811229838.2A CN110085248B (zh) 2012-08-24 2013-08-23 个人通信中降噪和回波消除时的噪声估计

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
EP12181723.3 2012-08-24
EP12181723.3A EP2701145B1 (en) 2012-08-24 2012-08-24 Noise estimation for use with noise reduction and echo cancellation in personal communication
CN201811229838.2A CN110085248B (zh) 2012-08-24 2013-08-23 个人通信中降噪和回波消除时的噪声估计
CN201310373384.7A CN103632675B (zh) 2012-08-24 2013-08-23 个人通信中降噪和回波消除时的噪声估计

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201310373384.7A Division CN103632675B (zh) 2012-08-24 2013-08-23 个人通信中降噪和回波消除时的噪声估计

Publications (2)

Publication Number Publication Date
CN110085248A CN110085248A (zh) 2019-08-02
CN110085248B true CN110085248B (zh) 2023-09-29

Family

ID=46796347

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201811229838.2A Active CN110085248B (zh) 2012-08-24 2013-08-23 个人通信中降噪和回波消除时的噪声估计
CN201310373384.7A Active CN103632675B (zh) 2012-08-24 2013-08-23 个人通信中降噪和回波消除时的噪声估计

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201310373384.7A Active CN103632675B (zh) 2012-08-24 2013-08-23 个人通信中降噪和回波消除时的噪声估计

Country Status (5)

Country Link
US (1) US9224393B2 (zh)
EP (3) EP3462452A1 (zh)
CN (2) CN110085248B (zh)
AU (1) AU2013219177A1 (zh)
DK (2) DK2701145T3 (zh)

Families Citing this family (143)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140105411A1 (en) * 2012-10-16 2014-04-17 Peter Santos Methods and systems for karaoke on a mobile device
US9048942B2 (en) * 2012-11-30 2015-06-02 Mitsubishi Electric Research Laboratories, Inc. Method and system for reducing interference and noise in speech signals
US10049658B2 (en) * 2013-03-07 2018-08-14 Nuance Communications, Inc. Method for training an automatic speech recognition system
US10306389B2 (en) 2013-03-13 2019-05-28 Kopin Corporation Head wearable acoustic system with noise canceling microphone geometry apparatuses and methods
US9257952B2 (en) 2013-03-13 2016-02-09 Kopin Corporation Apparatuses and methods for multi-channel signal compression during desired voice activity detection
DE102013205790B4 (de) 2013-04-02 2017-07-06 Sivantos Pte. Ltd. Verfahren zum Schätzen eines Nutzsignals und Hörvorrichtung
US9269350B2 (en) * 2013-05-24 2016-02-23 Google Technology Holdings LLC Voice controlled audio recording or transmission apparatus with keyword filtering
US9984675B2 (en) 2013-05-24 2018-05-29 Google Technology Holdings LLC Voice controlled audio recording system with adjustable beamforming
TW201507489A (zh) * 2013-08-09 2015-02-16 Nat Univ Tsing Hua 利用陣列麥克風消除迴聲的方法
GB2520048B (en) * 2013-11-07 2018-07-11 Toshiba Res Europe Limited Speech processing system
US9704478B1 (en) * 2013-12-02 2017-07-11 Amazon Technologies, Inc. Audio output masking for improved automatic speech recognition
EP2882203A1 (en) 2013-12-06 2015-06-10 Oticon A/s Hearing aid device for hands free communication
EP2916320A1 (en) * 2014-03-07 2015-09-09 Oticon A/s Multi-microphone method for estimation of target and noise spectral variances
EP2916321B1 (en) * 2014-03-07 2017-10-25 Oticon A/s Processing of a noisy audio signal to estimate target and noise spectral variances
DE102014205503A1 (de) * 2014-03-25 2015-10-01 Hamm Ag Verfahren zur Korrektur eines Messwerteverlaufs durch das Eliminieren periodisch auftretender Messartefakte, insbesondere bei einem Bodenverdichter
EP2928210A1 (en) 2014-04-03 2015-10-07 Oticon A/s A binaural hearing assistance system comprising binaural noise reduction
EP2928211A1 (en) * 2014-04-04 2015-10-07 Oticon A/s Self-calibration of multi-microphone noise reduction system for hearing assistance devices using an auxiliary device
US9990939B2 (en) * 2014-05-19 2018-06-05 Nuance Communications, Inc. Methods and apparatus for broadened beamwidth beamforming and postfiltering
EP3252766B1 (en) 2016-05-30 2021-07-07 Oticon A/s An audio processing device and a method for estimating a signal-to-noise-ratio of a sound signal
US9564144B2 (en) * 2014-07-24 2017-02-07 Conexant Systems, Inc. System and method for multichannel on-line unsupervised bayesian spectral filtering of real-world acoustic noise
US9949041B2 (en) 2014-08-12 2018-04-17 Starkey Laboratories, Inc. Hearing assistance device with beamformer optimized using a priori spatial information
DK2999235T3 (da) * 2014-09-17 2020-01-20 Oticon As Høreanordning der omfatter en gsc stråleformer
GB2527865B (en) 2014-10-30 2016-12-14 Imagination Tech Ltd Controlling operational characteristics of an acoustic echo canceller
EP3021600B1 (en) 2014-11-13 2017-10-11 Oticon A/s A method of fitting a hearing device to a user, a fitting system for a hearing device and a hearing device
US9508357B1 (en) 2014-11-21 2016-11-29 Apple Inc. System and method of optimizing a beamformer for echo control
US10405829B2 (en) 2014-12-01 2019-09-10 Clarius Mobile Health Corp. Ultrasound machine having scalable receive beamformer architecture comprising multiple beamformers with common coefficient generator and related methods
RU2673390C1 (ru) * 2014-12-12 2018-11-26 Хуавэй Текнолоджиз Ко., Лтд. Устройство обработки сигналов для усиления речевого компонента в многоканальном звуковом сигнале
US10649088B1 (en) * 2015-01-13 2020-05-12 DSCG Solutions, Inc. Absolute object position location identification
EP3054706A3 (en) 2015-02-09 2016-12-07 Oticon A/s A binaural hearing system and a hearing device comprising a beamformer unit
DK3057337T3 (da) * 2015-02-13 2020-05-11 Oticon As Høreapparat omfattende en adskilt mikrofonenhed til at opfange en brugers egen stemme
EP3057340B1 (en) 2015-02-13 2019-05-22 Oticon A/s A partner microphone unit and a hearing system comprising a partner microphone unit
US10334390B2 (en) * 2015-05-06 2019-06-25 Idan BAKISH Method and system for acoustic source enhancement using acoustic sensor array
WO2016186997A1 (en) 2015-05-15 2016-11-24 Harman International Industries, Inc. Acoustic echo cancelling system and method
EP3101919B1 (en) 2015-06-02 2020-02-19 Oticon A/s A peer to peer hearing system
US9407989B1 (en) 2015-06-30 2016-08-02 Arthur Woodrow Closed audio circuit
EP3118851B1 (en) * 2015-07-01 2021-01-06 Oticon A/s Enhancement of noisy speech based on statistical speech and noise models
EP3338461B1 (en) 2015-08-19 2020-12-16 Retune DSP ApS Microphone array signal processing system
US9401158B1 (en) * 2015-09-14 2016-07-26 Knowles Electronics, Llc Microphone signal fusion
DK3157268T3 (da) * 2015-10-12 2021-08-16 Oticon As Høreanordning og høresystem, der er konfigureret til at lokalisere en lydkilde
US11631421B2 (en) * 2015-10-18 2023-04-18 Solos Technology Limited Apparatuses and methods for enhanced speech recognition in variable environments
US20170150254A1 (en) * 2015-11-19 2017-05-25 Vocalzoom Systems Ltd. System, device, and method of sound isolation and signal enhancement
US10643633B2 (en) * 2015-12-02 2020-05-05 Nippon Telegraph And Telephone Corporation Spatial correlation matrix estimation device, spatial correlation matrix estimation method, and spatial correlation matrix estimation program
US9721582B1 (en) * 2016-02-03 2017-08-01 Google Inc. Globally optimized least-squares post-filtering for speech enhancement
US10095470B2 (en) 2016-02-22 2018-10-09 Sonos, Inc. Audio response playback
US10264030B2 (en) 2016-02-22 2019-04-16 Sonos, Inc. Networked microphone device control
US9826306B2 (en) 2016-02-22 2017-11-21 Sonos, Inc. Default playback device designation
DK3236672T3 (da) 2016-04-08 2019-10-28 Oticon As Høreanordning, der omfatter en stråleformerfiltreringsenhed
EP3229489B1 (en) 2016-04-08 2021-03-17 Oticon A/s A hearing aid comprising a directional microphone system
EP3229490B1 (en) * 2016-04-10 2019-10-16 Oticon A/s A distortion free filter bank for a hearing device
CN105846793B (zh) * 2016-04-14 2019-10-08 北京智联安科技有限公司 一种动态可变时间常数滤波器及滤波方法
US11483663B2 (en) 2016-05-30 2022-10-25 Oticon A/S Audio processing device and a method for estimating a signal-to-noise-ratio of a sound signal
US10861478B2 (en) * 2016-05-30 2020-12-08 Oticon A/S Audio processing device and a method for estimating a signal-to-noise-ratio of a sound signal
DK3509325T3 (da) * 2016-05-30 2021-03-22 Oticon As Høreapparat, der omfatter en stråleformerfiltreringsenhed, der omfatter en udglatningsenhed
US10433076B2 (en) * 2016-05-30 2019-10-01 Oticon A/S Audio processing device and a method for estimating a signal-to-noise-ratio of a sound signal
AU2017286519B2 (en) * 2016-06-13 2020-05-07 Med-El Elektromedizinische Geraete Gmbh Recursive noise power estimation with noise model adaptation
US9818425B1 (en) * 2016-06-17 2017-11-14 Amazon Technologies, Inc. Parallel output paths for acoustic echo cancellation
US10115400B2 (en) 2016-08-05 2018-10-30 Sonos, Inc. Multiple voice services
DK3285501T3 (da) 2016-08-16 2020-02-17 Oticon As Høresystem, der omfatter et høreapparat og en mikrofonenhed til at opfange en brugers egen stemme
EP3306956B1 (en) 2016-10-05 2019-08-14 Oticon A/s A binaural beamformer filtering unit, a hearing system and a hearing device
US10181323B2 (en) 2016-10-19 2019-01-15 Sonos, Inc. Arbitration-based voice recognition
CN106782608B (zh) * 2016-12-10 2019-11-05 广州酷狗计算机科技有限公司 噪声检测方法及装置
EP3340653B1 (en) * 2016-12-22 2020-02-05 GN Hearing A/S Active occlusion cancellation
US10170134B2 (en) * 2017-02-21 2019-01-01 Intel IP Corporation Method and system of acoustic dereverberation factoring the actual non-ideal acoustic environment
US10182290B2 (en) * 2017-02-23 2019-01-15 Microsoft Technology Licensing, Llc Covariance matrix estimation with acoustic imaging
US10555094B2 (en) 2017-03-29 2020-02-04 Gn Hearing A/S Hearing device with adaptive sub-band beamforming and related method
US10463476B2 (en) 2017-04-28 2019-11-05 Cochlear Limited Body noise reduction in auditory prostheses
CN107026950B (zh) * 2017-05-04 2019-09-17 重庆第二师范学院 一种频域自适应回声消除方法
CN110603587A (zh) * 2017-05-08 2019-12-20 索尼公司 信息处理设备
US10468020B2 (en) * 2017-06-06 2019-11-05 Cypress Semiconductor Corporation Systems and methods for removing interference for audio pattern recognition
EP4184950A1 (en) 2017-06-09 2023-05-24 Oticon A/s A microphone system and a hearing device comprising a microphone system
US20180358032A1 (en) * 2017-06-12 2018-12-13 Ryo Tanaka System for collecting and processing audio signals
US10475449B2 (en) 2017-08-07 2019-11-12 Sonos, Inc. Wake-word detection suppression
CN107301869B (zh) * 2017-08-17 2021-01-29 珠海全志科技股份有限公司 麦克风阵列拾音方法、处理器及其存储介质
US10048930B1 (en) 2017-09-08 2018-08-14 Sonos, Inc. Dynamic computation of system response volume
EP3460795A1 (en) * 2017-09-21 2019-03-27 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Signal processor and method for providing a processed audio signal reducing noise and reverberation
US10446165B2 (en) * 2017-09-27 2019-10-15 Sonos, Inc. Robust short-time fourier transform acoustic echo cancellation during audio playback
US10482868B2 (en) 2017-09-28 2019-11-19 Sonos, Inc. Multi-channel acoustic echo cancellation
US10621981B2 (en) 2017-09-28 2020-04-14 Sonos, Inc. Tone interference cancellation
US10466962B2 (en) 2017-09-29 2019-11-05 Sonos, Inc. Media playback system with voice assistance
EP3471440A1 (en) 2017-10-10 2019-04-17 Oticon A/s A hearing device comprising a speech intelligibilty estimator for influencing a processing algorithm
EP3477964B1 (en) 2017-10-27 2021-03-24 Oticon A/s A hearing system configured to localize a target sound source
US10110994B1 (en) * 2017-11-21 2018-10-23 Nokia Technologies Oy Method and apparatus for providing voice communication with spatial audio
US10679617B2 (en) * 2017-12-06 2020-06-09 Synaptics Incorporated Voice enhancement in audio signals through modified generalized eigenvalue beamformer
US11146887B2 (en) 2017-12-29 2021-10-12 Harman International Industries, Incorporated Acoustical in-cabin noise cancellation system for far-end telecommunications
WO2019130239A1 (en) * 2017-12-29 2019-07-04 Harman International Industries, Incorporated Acoustical in-cabin noise cancellation system for far-end telecommunications
DK3506658T3 (da) 2017-12-29 2020-11-30 Oticon As Høreanordning, der omfatter en mikrofon, som er tilpasset til at blive placeret ved eller i en brugers øregang
DK3525488T3 (da) 2018-02-09 2020-11-30 Oticon As Høreanordning, der omfatter en stråleformerfiltreringsenhed til reduktion af feedback
JP6845373B2 (ja) * 2018-02-23 2021-03-17 日本電信電話株式会社 信号分析装置、信号分析方法及び信号分析プログラム
US10418048B1 (en) * 2018-04-30 2019-09-17 Cirrus Logic, Inc. Noise reference estimation for noise reduction
US11175880B2 (en) 2018-05-10 2021-11-16 Sonos, Inc. Systems and methods for voice-assisted media content selection
US10959029B2 (en) 2018-05-25 2021-03-23 Sonos, Inc. Determining and adapting to changes in microphone performance of playback devices
EP3582513B1 (en) 2018-06-12 2021-12-08 Oticon A/s A hearing device comprising adaptive sound source frequency lowering
EP3588983B1 (en) 2018-06-25 2023-02-22 Oticon A/s A hearing device adapted for matching input transducers using the voice of a wearer of the hearing device
US10938994B2 (en) * 2018-06-25 2021-03-02 Cypress Semiconductor Corporation Beamformer and acoustic echo canceller (AEC) system
US11417351B2 (en) * 2018-06-26 2022-08-16 Google Llc Multi-channel echo cancellation with scenario memory
US10559317B2 (en) * 2018-06-29 2020-02-11 Cirrus Logic International Semiconductor Ltd. Microphone array processing for adaptive echo control
US10587430B1 (en) 2018-09-14 2020-03-10 Sonos, Inc. Networked devices, systems, and methods for associating playback devices based on sound codes
US11024331B2 (en) 2018-09-21 2021-06-01 Sonos, Inc. Voice detection optimization using sound metadata
US11100923B2 (en) 2018-09-28 2021-08-24 Sonos, Inc. Systems and methods for selective wake word detection using neural network models
US11178480B2 (en) * 2018-10-12 2021-11-16 Oticon A/S Noise reduction method and system
US11899519B2 (en) 2018-10-23 2024-02-13 Sonos, Inc. Multiple stage network microphone device with reduced power consumption and processing load
WO2020100340A1 (ja) * 2018-11-12 2020-05-22 日本電信電話株式会社 伝達関数推定装置、方法及びプログラム
CN110491403B (zh) * 2018-11-30 2022-03-04 腾讯科技（深圳）有限公司 音频信号的处理方法、装置、介质和音频交互设备
JP7407580B2 (ja) 2018-12-06 2024-01-04 シナプティクス インコーポレイテッド システム、及び、方法
US11183183B2 (en) 2018-12-07 2021-11-23 Sonos, Inc. Systems and methods of operating media playback systems having multiple voice assistant services
US11132989B2 (en) 2018-12-13 2021-09-28 Sonos, Inc. Networked microphone devices, systems, and methods of localized arbitration
EP3675517B1 (en) 2018-12-31 2021-10-20 GN Audio A/S Microphone apparatus and headset
US10867604B2 (en) 2019-02-08 2020-12-15 Sonos, Inc. Devices, systems, and methods for distributed voice processing
CN109740582B (zh) * 2019-03-04 2020-09-11 广东石油化工学院 一种用于能量分解的功率信号噪声滤除方法及系统
CN109949820B (zh) * 2019-03-07 2020-05-08 出门问问信息科技有限公司 一种语音信号处理方法、装置及系统
US11120794B2 (en) 2019-05-03 2021-09-14 Sonos, Inc. Voice assistant persistence across multiple network microphone devices
CN110211601B (zh) * 2019-05-21 2020-05-08 出门问问信息科技有限公司 一种空域滤波器参数矩阵的获取方法、装置及系统
US11200894B2 (en) 2019-06-12 2021-12-14 Sonos, Inc. Network microphone device with command keyword eventing
US11044556B2 (en) * 2019-06-28 2021-06-22 Bose Corporation Systems and methods for canceling echo in a microphone signal
CN110324753A (zh) * 2019-07-31 2019-10-11 歌尔科技有限公司 一种基于耳机的声音播放方法、装置及耳机
US10871943B1 (en) 2019-07-31 2020-12-22 Sonos, Inc. Noise classification for event detection
TWI719619B (zh) * 2019-09-03 2021-02-21 瑞昱半導體股份有限公司 具回音消除省電機制之電子系統及相關回音消除方法
EP3793210A1 (en) 2019-09-11 2021-03-17 Oticon A/s A hearing device comprising a noise reduction system
FI20195895A1 (en) * 2019-10-16 2021-04-17 Nokia Solutions & Networks Oy Distribution of limiting noise between bands
US11189286B2 (en) 2019-10-22 2021-11-30 Sonos, Inc. VAS toggle based on device orientation
CN110931007B (zh) * 2019-12-04 2022-07-12 思必驰科技股份有限公司 语音识别方法及系统
CN110856072B (zh) * 2019-12-04 2021-03-19 北京声加科技有限公司 一种耳机通话降噪方法及耳机
US11200900B2 (en) 2019-12-20 2021-12-14 Sonos, Inc. Offline voice control
US11562740B2 (en) 2020-01-07 2023-01-24 Sonos, Inc. Voice verification for media playback
US11064294B1 (en) 2020-01-10 2021-07-13 Synaptics Incorporated Multiple-source tracking and voice activity detections for planar microphone arrays
US11308958B2 (en) 2020-02-07 2022-04-19 Sonos, Inc. Localized wakeword verification
US11632635B2 (en) * 2020-04-17 2023-04-18 Oticon A/S Hearing aid comprising a noise reduction system
US11482224B2 (en) 2020-05-20 2022-10-25 Sonos, Inc. Command keywords with input detection windowing
WO2022048736A1 (en) * 2020-09-02 2022-03-10 Huawei Technologies Co., Ltd. Acoustic processing device for mimo acoustic echo cancellation
CN112530451A (zh) * 2020-10-20 2021-03-19 国网黑龙江省电力有限公司伊春供电公司 基于去噪自编码器的语音增强方法
CN112542176B (zh) * 2020-11-04 2023-07-21 北京百度网讯科技有限公司 信号增强方法、装置及存储介质
EP4040806A3 (en) 2021-01-18 2022-12-21 Oticon A/s A hearing device comprising a noise reduction system
EP4040801A1 (en) 2021-02-09 2022-08-10 Oticon A/s A hearing aid configured to select a reference microphone
CN113038338A (zh) * 2021-03-22 2021-06-25 联想(北京)有限公司 降噪处理方法和装置
CN113257270B (zh) * 2021-05-10 2022-07-15 中国科学技术大学 一种基于参考麦克风优化的多通道语音增强方法
CN113506582A (zh) * 2021-05-25 2021-10-15 北京小米移动软件有限公司 声音信号识别方法、装置及系统
US11889261B2 (en) * 2021-10-06 2024-01-30 Bose Corporation Adaptive beamformer for enhanced far-field sound pickup
EP4178221A1 (en) 2021-11-08 2023-05-10 Oticon A/s A hearing device or system comprising a noise control system
JP2024512927A (ja) * 2021-11-11 2024-03-21 深▲セン▼市韶音科技有限公司 音声活動検出方法、システム、音声強調方法及びシステム
US11823707B2 (en) 2022-01-10 2023-11-21 Synaptics Incorporated Sensitivity mode for an audio spotting system
US20230308817A1 (en) 2022-03-25 2023-09-28 Oticon A/S Hearing system comprising a hearing aid and an external processing device
DE102022111300A1 (de) 2022-05-06 2023-11-09 Elevear GmbH Vorrichtung zur Reduzierung des Rauschens bei der Wiedergabe eines Audiosignals mit einem Kopfhörer oder Hörgerät und entsprechendes Verfahren
CN115424609A (zh) * 2022-08-16 2022-12-02 青岛大学 一种自动语音识别方法、系统、介质、设备及终端

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6144937A (en) * 1997-07-23 2000-11-07 Texas Instruments Incorporated Noise suppression of speech by signal processing including applying a transform to time domain input sequences of digital signals representing audio information
CN101263734A (zh) * 2005-09-02 2008-09-10 丰田自动车株式会社 麦克风阵列用后置滤波器
CN101505447A (zh) * 2008-02-07 2009-08-12 奥迪康有限公司 估计助听器中的音频信号加权函数的方法
JP2010028653A (ja) * 2008-07-23 2010-02-04 Nippon Telegr & Teleph Corp <Ntt> エコー消去装置、エコー消去方法、そのプログラム、記録媒体
CN102164328A (zh) * 2010-12-29 2011-08-24 中国科学院声学研究所 一种用于家庭环境的基于传声器阵列的音频输入系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100534001C (zh) * 2003-02-07 2009-08-26 日本电信电话株式会社 声音获取方法和声音获取装置
KR100657912B1 (ko) * 2004-11-18 2006-12-14 삼성전자주식회사 잡음 제거 방법 및 장치
DE602007003220D1 (de) 2007-08-13 2009-12-24 Harman Becker Automotive Sys Rauschverringerung mittels Kombination aus Strahlformung und Nachfilterung
CN101763858A (zh) * 2009-10-19 2010-06-30 瑞声声学科技(深圳)有限公司 双麦克风信号处理方法
EP2372700A1 (en) * 2010-03-11 2011-10-05 Oticon A/S A speech intelligibility predictor and applications thereof
JP5678445B2 (ja) * 2010-03-16 2015-03-04 ソニー株式会社 音声処理装置、音声処理方法およびプログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6144937A (en) * 1997-07-23 2000-11-07 Texas Instruments Incorporated Noise suppression of speech by signal processing including applying a transform to time domain input sequences of digital signals representing audio information
CN101263734A (zh) * 2005-09-02 2008-09-10 丰田自动车株式会社 麦克风阵列用后置滤波器
CN101505447A (zh) * 2008-02-07 2009-08-12 奥迪康有限公司 估计助听器中的音频信号加权函数的方法
JP2010028653A (ja) * 2008-07-23 2010-02-04 Nippon Telegr & Teleph Corp <Ntt> エコー消去装置、エコー消去方法、そのプログラム、記録媒体
CN102164328A (zh) * 2010-12-29 2011-08-24 中国科学院声学研究所 一种用于家庭环境的基于传声器阵列的音频输入系统

Also Published As

Publication number Publication date
EP2701145B1 (en) 2016-10-12
CN110085248A (zh) 2019-08-02
EP3462452A1 (en) 2019-04-03
DK3190587T3 (en) 2019-01-21
CN103632675B (zh) 2018-11-20
AU2013219177A1 (en) 2014-03-13
US9224393B2 (en) 2015-12-29
CN103632675A (zh) 2014-03-12
EP2701145A1 (en) 2014-02-26
US20140056435A1 (en) 2014-02-27
EP3190587A1 (en) 2017-07-12
DK2701145T3 (en) 2017-01-16
EP3190587B1 (en) 2018-10-17

Similar Documents

Publication Publication Date Title
CN110085248B (zh) 个人通信中降噪和回波消除时的噪声估计
EP2237271B1 (en) Method for determining a signal component for reducing noise in an input signal
EP2237270B1 (en) A method for determining a noise reference signal for noise compensation and/or noise reduction
US7386135B2 (en) Cardioid beam with a desired null based acoustic devices, systems and methods
JP5436814B2 (ja) ビームフォーミングおよびポストフィルタリングの組み合わせによる雑音低減
Warsitz et al. Blind acoustic beamforming based on generalized eigenvalue decomposition
Benesty et al. Microphone array signal processing
Habets Speech dereverberation using statistical reverberation models
Wang et al. Noise power spectral density estimation using MaxNSR blocking matrix
Spriet et al. Stochastic gradient-based implementation of spatially preprocessed speech distortion weighted multichannel Wiener filtering for noise reduction in hearing aids
Priyanka A review on adaptive beamforming techniques for speech enhancement
Jin et al. Multi-channel noise reduction for hands-free voice communication on mobile phones
Priyanka et al. Adaptive Beamforming Using Zelinski-TSNR Multichannel Postfilter for Speech Enhancement
Comminiello et al. A novel affine projection algorithm for superdirective microphone array beamforming
Kodrasi et al. Curvature-based optimization of the trade-off parameter in the speech distortion weighted multichannel wiener filter
Martın-Donas et al. A postfiltering approach for dual-microphone smartphones
Yong et al. Incorporating multi-channel Wiener filter with single-channel speech enhancement algorithm
Gustafsson et al. Dual-Microphone Spectral Subtraction
Meng et al. Fully Automatic Balance between Directivity Factor and White Noise Gain for Large-scale Microphone Arrays in Diffuse Noise Fields.
Zhang et al. A frequency domain approach for speech enhancement with directionality using compact microphone array.
Azarpour et al. Adaptive binaural noise reduction based on matched-filter equalization and post-filtering
Zhang et al. Speech enhancement using compact microphone array and applications in distant speech acquisition

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