CN111564162A - 基于fpga的有效呼吸声去除方法及系统 - Google Patents
基于fpga的有效呼吸声去除方法及系统 Download PDFInfo
- Publication number
- CN111564162A CN111564162A CN202010227104.1A CN202010227104A CN111564162A CN 111564162 A CN111564162 A CN 111564162A CN 202010227104 A CN202010227104 A CN 202010227104A CN 111564162 A CN111564162 A CN 111564162A
- Authority
- CN
- China
- Prior art keywords
- respiratory sound
- frame
- sound
- signal
- acquiring
- 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
- 238000000034 method Methods 0.000 title claims abstract description 15
- 208000037656 Respiratory Sounds Diseases 0.000 claims abstract description 81
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000001228 spectrum Methods 0.000 claims description 28
- 230000005236 sound signal Effects 0.000 claims description 19
- 238000009432 framing Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims 1
- 230000005540 biological transmission Effects 0.000 abstract description 8
- 238000004891 communication Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 101000802640 Homo sapiens Lactosylceramide 4-alpha-galactosyltransferase Proteins 0.000 description 1
- 102100035838 Lactosylceramide 4-alpha-galactosyltransferase Human genes 0.000 description 1
- 241001282135 Poromitra oscitans Species 0.000 description 1
- 206010048232 Yawning Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 206010041232 sneezing Diseases 0.000 description 1
Images
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
- 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
- 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
-
- 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
-
- 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
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
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)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及信号处理技术领域,本发明公开了一种基于FPGA的有效呼吸声去除方法及系统,本发明首先计算语音信号和呼吸声信号的特征值,接着计算两组特征值的差值,然后通过两次判断来判断当前帧是否为呼吸声帧,如果是就剔除,否则不做处理。本发明基于FPGA硬件平台,流程简单,易于实现,可靠性高,能够在不影响通话质量的情况下,去除大部分的呼吸声。同时说话过程中的呼吸声也可以有效去除,且不影响话音质量。本发明只需要保证通信传输正常,无需增加额外设备通过FPGA就可以实现呼吸声的有效去除。
Description
技术领域
本发明涉及信号处理技术领域,尤其涉及一种基于FPGA的有效呼吸声去除方法及系统。
背景技术
随着现代通信传输的快速发展,通信传输的速度和内容得到了极大的提高和丰富。语音信号传输由于直接简单在通信传输中一直占有重要地位。语音信号传输通过有线或无线传输信道,将发送方的语音信息直接传送给接收方的耳机或其他发声设备。传输过程中不需要对语音信号做其他处理,只需保证通信传输的正常高效,而传输的信号内容不需要知道,这也就导致了话筒会将采集到的所有语音信号发送出去,其中包括某些无效信息(例如呼吸声,哈欠,喷嚏等等)。在一些情况下,如电话会议中,参会者需佩戴耳机,并将话筒放在嘴巴附近,这是如果话筒离鼻孔很近,那么呼吸声也会被采集并发送给对方。这会极大的降低整个电话会议的通话质量。
因此如何找到呼吸声,并将呼吸声提取去除变得十分重要。在工程上呼吸声和话音很难区分,这是因为呼吸声和话音能量相近,且由于呼吸声声源的不同和场景的不同导致呼吸声的能量具有很大的随机性,即很难通过设定能量阈值将呼吸声和话音分开。频域上,呼吸声和话音两两相叠加在一起,也无法像白噪声一样,在频域上设定阈值去除。换言之,常规的在时域和频域上找呼吸声的特征值都不能达到很好的去除效果。由于话音的重要性,呼吸声的特征值需要明显区别于话音,去除呼吸声的同时不能影响话音,如果不小心去除了通话过程中的一部分话音,那将会严重影响整个通话质量。
发明内容
为了解决上述问题,本发明提出一种基于FPGA的有效呼吸声去除方法及系统,用于需要去除呼吸声的情况,还可以应用于其他目标语音信号(如某些特定词语、语段)的去除,本发明的具体技术方案如下:
一种基于FPGA的有效呼吸声去除方法,包括以下步骤:
获取呼吸声信号并提取特征值:先获取呼吸声并进行分帧以便把每一帧当作平稳信号处理,再将分帧后的呼吸声进行快速傅立叶变换并求取功率谱,并将得到的功率谱通过一组带通滤波器得到一组能量数据,最后将得到的能量取对数得到一组呼吸声特征值;
获取语音信号并提取特征值:先获取语音信号并进行分帧以便把每一帧当作平稳信号处理,再将分帧后的语音信号进行快速傅立叶变换并求取功率谱,并将得到的功率谱通过一组带通滤波器得到一组能量数据,最后将得到的能量取对数得到一组语音信号特征值;
第一次判断:将得到的呼吸声特征值和语音特征值进行比较,如果差值大于阈值则为有效文字信号,否则为呼吸声帧;
第二次判断:判断出当前帧为呼吸声帧后,结合前后两帧来判断是否剔除当前帧,即只有当前一帧和后一帧都为呼吸声帧时才剔除当前帧,否则不做处理;
剔除呼吸声:如果经过上述判断,当前帧可以去除,则将当前信号的幅值赋为零。
进一步的,所述获取呼吸声信号并提取特征值步骤中,若有n个所述带通滤波器,则得到n个能量数据,每个能量数据分别对应通过相应滤波器的能量值。
进一步的,所述获取呼吸声信号并提取特征值步骤中,带通滤波器组的频率响应为:
其中f(m)为每个滤波器的中心频率,m=0,1,2,3...M,M为所述带通滤波器个数,k为傅立叶变换后对应的各个频率点。
一种基于FPGA的有效呼吸声去除系统,包括:
获取呼吸声信号及提取特征值模块:先获取呼吸声并进行分帧以便把每一帧当作平稳信号处理,再将分帧后的呼吸声进行快速傅立叶变换并求取功率谱,并将得到的功率谱通过一组带通滤波器得到一组能量数据,最后将得到的能量取对数得到一组呼吸声特征值;
获取语音信号及提取特征值模块:先获取语音信号并进行分帧以便把每一帧当作平稳信号处理,再将分帧后的语音信号进行快速傅立叶变换并求取功率谱,并将得到的功率谱通过一组带通滤波器得到一组能量数据,最后将得到的能量取对数得到一组语音信号特征值;
第一判断模块:将得到的呼吸声特征值和语音特征值进行比较,如果差值大于阈值则为有效文字信号,否则为呼吸声帧;
第二判断模块:判断出当前帧为呼吸声帧后,结合前后两帧来判断是否剔除当前帧,即只有当前一帧和后一帧都为呼吸声帧时才剔除当前帧,否则不做处理;
呼吸声剔除模块:如果经过上述判断,当前帧可以去除,则将当前信号的幅值赋为零。
进一步的,所述获取呼吸声信号及提取特征值模块中,若有n个所述带通滤波器,则得到n个能量数据,每个能量数据分别对应通过相应滤波器的能量值。
进一步的,所述获取呼吸声信号及提取特征值模块中,带通滤波器组的频率响应为:
其中f(m)为每个滤波器的中心频率,m=0,1,2,3...M,M为所述带通滤波器个数,k为傅立叶变换后对应的各个频率点。
本发明的有益效果在于:本发明首先计算语音信号和呼吸声信号的特征值,接着计算两组特征值的差值,然后通过两次判断来判断当前帧是否为呼吸声帧,如果是的话就剔除,如果不是就不做处理。本发明基于FPGA硬件平台,流程简单,易于实现,可靠性高,能够在不影响通话质量的情况下,去除大部分的呼吸声。同时说话过程中的呼吸声也可以有效去除,且不影响话音质量。本发明只需要保证通信传输正常,无需增加额外设备通过FPGA就可以实现呼吸声的有效去除。
附图说明
图1是本发明的呼吸声去除方法流程图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现说明本发明的具体实施方式。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明,即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。基于本发明的实施例,本领域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他实施例,都属于本发明保护的范围。
本实施例提供了一种基于FPGA的有效呼吸声去除方法及系统,具体如下:
如图1所示,一种基于FPGA的有效呼吸声去除方法,包括以下步骤:
获取呼吸声信号并提取特征值:(1)分帧:获取呼吸声并进行分帧,这是因为语音信号是迅速变换的,所以需要进行分帧处理,以便把每一帧当作平稳信号处理;(2)快速傅立叶变换求功率谱:将分帧后的呼吸声进行快速傅立叶变换并求取功率谱;(3)带通滤波器:将得到的功率谱通过一组带通滤波器得到一组能量数据,例如有20个带通滤波器,则得到20个能量数据,每个数据分别对应通过相应滤波器的能量值;(4)取对数:将得到的能量取对数得到一组呼吸声特征值;
获取语音信号并提取特征值:这里提取语音特征值与提取呼吸声特征值一样,只是将输入信号由呼吸声变成语音信号(例如可以是话音信号);提取语音信号特征值也包括:分帧,快速傅立叶变换求功率谱,通过带通滤波器组,取对数;
第一次判断:将得到的呼吸声特征值和语音特征值进行比较,如果差值大于阈值则为有效文字信号,否则为呼吸声帧;
第二次判断:判断出当前帧为呼吸声帧后,结合前后两帧来判断是否剔除当前帧,即只有当前一帧和后一帧都为呼吸声帧时才剔除当前帧,否则不做处理;这里可以理解为只有一段的呼吸声才去除,一帧很短的呼吸声可能是特征值与话音的特征值相近,不一定是呼吸声所以不做处理;
剔除呼吸声:如果经过上述判断,当前帧可以去除,则将当前信号的幅值赋为零。
更为具体的,获取呼吸声信号并提取特征值步骤中,带通滤波器组的频率响应为:
其中f(m)为每个滤波器的中心频率,m=0,1,2,3...M,M为带通滤波器个数,k为傅立叶变换后对应的各个频率点。
一种基于FPGA的有效呼吸声去除系统,包括:
获取呼吸声信号及提取特征值模块:(1)分帧:获取呼吸声并进行分帧,这是因为语音信号是迅速变换的,所以需要进行分帧处理,以便把每一帧当作平稳信号处理;(2)快速傅立叶变换求功率谱:将分帧后的呼吸声进行快速傅立叶变换并求取功率谱;(3)带通滤波器:将得到的功率谱通过一组带通滤波器得到一组能量数据,例如有20个带通滤波器,则得到20个能量数据,每个数据分别对应通过相应滤波器的能量值;(4)取对数:将得到的能量取对数得到一组呼吸声特征值;
获取语音信号及提取特征值模块:这里提取语音特征值与提取呼吸声特征值一样,只是将输入信号由呼吸声变成语音信号(例如可以是话音信号);提取语音信号特征值模块也包括:分帧,快速傅立叶变换求功率谱,通过带通滤波器组,取对数;
第一判断模块:将得到的呼吸声特征值和语音特征值进行比较,如果差值大于阈值则为有效文字信号,否则为呼吸声帧;
第二判断模块:判断出当前帧为呼吸声帧后,结合前后两帧来判断是否剔除当前帧,即只有当前一帧和后一帧都为呼吸声帧时才剔除当前帧,否则不做处理;这里可以理解为只有一段的呼吸声才去除,一帧很短的呼吸声可能是特征值与话音的特征值相近,不一定是呼吸声所以不做处理;
呼吸声剔除模块:如果经过上述判断,当前帧可以去除,则将当前信号的幅值赋为零。
更为具体的,获取呼吸声信号及提取特征值模块中,带通滤波器组的频率响应为:
其中f(m)为每个滤波器的中心频率,m=0,1,2,3...M,M为带通滤波器个数,k为傅立叶变换后对应的各个频率点。
在本发明的一个优选实施例中,获取呼吸声信号并提取特征值步骤具体为:
(1)分帧
将得到呼吸声信号分为一帧一帧的信号方便后续的处理,其中帧长度可以根据实际情况进行调整。
(2)快速傅里叶变换并求取功率谱
首先将分帧后的呼吸声通过快速傅里叶变换变换到频域进行处理。
有限离散信号x(n),n=0,1,…,N-1的傅里叶变换定义为:
快速傅里叶变换是在傅里叶变换的基础上通过计算顺序的改变使得计算更加利于实现,在本质上是一样的。同时这里N表示为有限离散信号的长度,在本发明中则是每一帧的点数(即帧长度乘以采样率fs),如果以12ms的帧长度为例,则此时的N=fs*12*10-3。
然后将变换到频域的信号的幅值进行平方得到功率谱P(k):
P(k)=X(k)2k=0,1,…,N-1
(3)带通滤波器
将得到的功率谱通过一组带通滤波器得到过滤后的能量数据Pfiter(m),m=1,2,…,M,M表示滤波器的个数。这里滤波器的个数同样可以根据实际情况进行调整。例如如果设定为有20个滤波器,则将信号的功率谱通过滤波器组后可以得到20个能量数据,每个数据分别对应通过相应滤波器的能量值。
(4)取对数
为了将数据变得方便计算比较,将上述通过带通滤波器组的能量值Pfiter(m)取对数得到呼吸声的特征值Fbreath。
Fbreath=log(Pfiter(m))m=1,2,…,M
其中M为滤波器的个数。
以上所述仅是本发明的优选实施方式,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
在本发明的描述中,需要说明的是,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
Claims (6)
1.一种基于FPGA的有效呼吸声去除方法,其特征在于,包括以下步骤:
获取呼吸声信号并提取特征值:先获取呼吸声并进行分帧以便把每一帧当作平稳信号处理,再将分帧后的呼吸声进行快速傅立叶变换并求取功率谱,并将得到的功率谱通过一组带通滤波器得到一组能量数据,最后将得到的能量取对数得到一组呼吸声特征值;
获取语音信号并提取特征值:先获取语音信号并进行分帧以便把每一帧当作平稳信号处理,再将分帧后的语音信号进行快速傅立叶变换并求取功率谱,并将得到的功率谱通过一组带通滤波器得到一组能量数据,最后将得到的能量取对数得到一组语音信号特征值;
第一次判断:将得到的呼吸声特征值和语音特征值进行比较,如果差值大于阈值则为有效文字信号,否则为呼吸声帧;
第二次判断:判断出当前帧为呼吸声帧后,结合前后两帧来判断是否剔除当前帧,即只有当前一帧和后一帧都为呼吸声帧时才剔除当前帧,否则不做处理;
剔除呼吸声:如果经过上述判断,当前帧可以去除,则将当前信号的幅值赋为零。
2.根据权利要求1所述的一种基于FPGA的有效呼吸声去除方法,其特征在于,所述获取呼吸声信号并提取特征值步骤中,若有n个所述带通滤波器,则得到n个能量数据,每个能量数据分别对应通过相应滤波器的能量值。
4.一种基于FPGA的有效呼吸声去除系统,其特征在于,包括:
获取呼吸声信号及提取特征值模块:先获取呼吸声并进行分帧以便把每一帧当作平稳信号处理,再将分帧后的呼吸声进行快速傅立叶变换并求取功率谱,并将得到的功率谱通过一组带通滤波器得到一组能量数据,最后将得到的能量取对数得到一组呼吸声特征值;
获取语音信号及提取特征值模块:先获取语音信号并进行分帧以便把每一帧当作平稳信号处理,再将分帧后的语音信号进行快速傅立叶变换并求取功率谱,并将得到的功率谱通过一组带通滤波器得到一组能量数据,最后将得到的能量取对数得到一组语音信号特征值;
第一判断模块:将得到的呼吸声特征值和语音特征值进行比较,如果差值大于阈值则为有效文字信号,否则为呼吸声帧;
第二判断模块:判断出当前帧为呼吸声帧后,结合前后两帧来判断是否剔除当前帧,即只有当前一帧和后一帧都为呼吸声帧时才剔除当前帧,否则不做处理;
呼吸声剔除模块:如果经过上述判断,当前帧可以去除,则将当前信号的幅值赋为零。
5.根据权利要求1所述的一种基于FPGA的有效呼吸声去除系统,其特征在于,所述获取呼吸声信号及提取特征值模块中,若有n个所述带通滤波器,则得到n个能量数据,每个能量数据分别对应通过相应滤波器的能量值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010227104.1A CN111564162A (zh) | 2020-03-27 | 2020-03-27 | 基于fpga的有效呼吸声去除方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010227104.1A CN111564162A (zh) | 2020-03-27 | 2020-03-27 | 基于fpga的有效呼吸声去除方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111564162A true CN111564162A (zh) | 2020-08-21 |
Family
ID=72069916
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010227104.1A Pending CN111564162A (zh) | 2020-03-27 | 2020-03-27 | 基于fpga的有效呼吸声去除方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111564162A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113838475A (zh) * | 2021-11-29 | 2021-12-24 | 成都航天通信设备有限责任公司 | 一种基于对数mmse估计器的语音信号增强方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102332269A (zh) * | 2011-06-03 | 2012-01-25 | 陈威 | 呼吸面具中呼吸噪声的消除方法 |
CN104112446A (zh) * | 2013-04-19 | 2014-10-22 | 华为技术有限公司 | 呼吸声检测方法及装置 |
CN106714036A (zh) * | 2016-12-15 | 2017-05-24 | 成都航天通信设备有限责任公司 | 一种数字通讯控制器及控制方法 |
CN108550375A (zh) * | 2018-03-14 | 2018-09-18 | 鲁东大学 | 一种基于语音信号的情感识别方法、装置和计算机设备 |
CN110473563A (zh) * | 2019-08-19 | 2019-11-19 | 山东省计算中心(国家超级计算济南中心) | 基于时频特征的呼吸声检测方法、系统、设备及介质 |
-
2020
- 2020-03-27 CN CN202010227104.1A patent/CN111564162A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102332269A (zh) * | 2011-06-03 | 2012-01-25 | 陈威 | 呼吸面具中呼吸噪声的消除方法 |
CN104112446A (zh) * | 2013-04-19 | 2014-10-22 | 华为技术有限公司 | 呼吸声检测方法及装置 |
CN106714036A (zh) * | 2016-12-15 | 2017-05-24 | 成都航天通信设备有限责任公司 | 一种数字通讯控制器及控制方法 |
CN108550375A (zh) * | 2018-03-14 | 2018-09-18 | 鲁东大学 | 一种基于语音信号的情感识别方法、装置和计算机设备 |
CN110473563A (zh) * | 2019-08-19 | 2019-11-19 | 山东省计算中心(国家超级计算济南中心) | 基于时频特征的呼吸声检测方法、系统、设备及介质 |
Non-Patent Citations (2)
Title |
---|
ERIC E.HAMKE 等: ""Breath Activity Detection Algorithm"", 《HTTPS://ARXIV.ORG/ABS/1602.07767》 * |
崔星星: ""呼吸音分类识别系统的设计与实现"", 《中国优秀硕士学位论文全文数据库(信息科技辑)》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113838475A (zh) * | 2021-11-29 | 2021-12-24 | 成都航天通信设备有限责任公司 | 一种基于对数mmse估计器的语音信号增强方法及系统 |
CN113838475B (zh) * | 2021-11-29 | 2022-02-15 | 成都航天通信设备有限责任公司 | 一种基于对数mmse估计器的语音信号增强方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2649812B1 (en) | Hearing aid and a method of enhancing speech reproduction | |
CN108712703B (zh) | 低功耗的高效降噪耳机及降噪系统 | |
CN108847208A (zh) | 一种降噪处理方法、装置和耳机 | |
WO2020177373A1 (zh) | 一种用于数字助听器的神经网络啸叫抑制方法、系统及存储介质 | |
CN103152546B (zh) | 基于模式识别和延迟前馈控制的视频会议回声抑制方法 | |
CN109493877B (zh) | 一种助听装置的语音增强方法和装置 | |
CN109195042A (zh) | 低功耗的高效降噪耳机及降噪系统 | |
CN110996238B (zh) | 双耳同步信号处理助听系统及方法 | |
CN111199751B (zh) | 一种麦克风的屏蔽方法、装置和电子设备 | |
CN106453762A (zh) | 音频系统中语音啸叫的处理方法及系统 | |
CN111564162A (zh) | 基于fpga的有效呼吸声去除方法及系统 | |
CN108133712A (zh) | 一种处理音频数据的方法和装置 | |
CN113259824B (zh) | 一种实时多通道数字助听器降噪方法和系统 | |
WO2023000602A1 (zh) | 一种耳机及其音频处理方法、装置、存储介质 | |
CN112908353A (zh) | 用于助听器的边缘计算与云计算相结合的语音增强方法 | |
CN106534461A (zh) | 耳机的降噪系统及其降噪方法 | |
GB2609303A (en) | Single-microphone wind detector for audio device | |
CN112802489A (zh) | 一种通话语音自动调节系统及方法 | |
CN110265055B (zh) | 一种poc对讲的语音去噪增强系统及语音去噪增强方法 | |
TWI622978B (zh) | 語音信號處理裝置及語音信號處理方法 | |
CN110933235A (zh) | 一种基于机器学习的智能呼叫系统中的噪声去除方法 | |
CN117238312B (zh) | 一种执法记录仪背景声音放大方法与系统 | |
CN117392993A (zh) | 一种基于mfcc和短时能量实现的语音处理方法及系统 | |
Kowalewski et al. | Effects of slow-and fast-acting compression on hearing-impaired listeners’ consonant-vowel identification in interrupted noise | |
CN116015993A (zh) | 一种音频信号处理方法及终端 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200821 |
|
RJ01 | Rejection of invention patent application after publication |