CN113345438A

CN113345438A - 一种基于扬声器磁场的监听方法及系统

Info

Publication number: CN113345438A
Application number: CN202110591237.1A
Authority: CN
Inventors: 伍楷舜; 廖倩茹
Original assignee: Shenzhen University
Current assignee: Shenzhen University
Priority date: 2021-05-28
Filing date: 2021-05-28
Publication date: 2021-09-03
Also published as: US20220383875A1; US11763820B2

Abstract

本发明公开了一种基于扬声器磁场的监听方法及系统。该方法包括：采集扬声器附近的磁场信号，并将磁场信号转换为磁场数字信号；将所述磁场数字信号转换为语音信号并去除干扰，获得滤波后的语音信号；去除语音信号中的噪音，并对语音功率谱进行短时傅里叶逆变换，得到去噪后的语音信号；均衡去燥后语音信号对各频率的响应，以将语音信号转换为可理解的语音音频信号；对所述语音音频信号进行识别，并转换为文字内容。本发明构建了磁场信号与语音信号转换的模型，能够以高准确率在不同的场合监听不同内嵌扬声器的电子设备中所播放的音频。

Description

一种基于扬声器磁场的监听方法及系统

技术领域

本发明涉及信息处理与智能感知技术领域，更具体地，涉及一种基于扬声器磁场的监听方法及系统。

背景技术

近年来，随着信息和通信技术的日益繁荣，各式各样的电子设备被广泛应用，这些电子设备能够提供多样的服务，丰富人们的日常体验。声学传感器(如扬声器和麦克风)作为电子设备的一个重要组成部分，被广泛应用于电子设备中。据预测，到2021年微型扬声器的市场预计将达到156.1亿台。在享受声学传感器提供的高质量服务(如VoIP，远程会议和在线信息娱乐)的同时，用户也面临着隐私泄露的威胁。尽管已经有了许多预防的措施，新的监听技术仍在不断涌现。

最先进的监听系统已经证实了利用智能手机中的各种非声学传感器(如运动传感器和振动马达)来推断用户敏感信息的可行性。然而，这种方法需要攻击者在用户手机上安装恶意软件，从而获取读取传感器数据的权限。设备供应商或相关组织可以通过部署新的政策来对此类黑客行为加以管制和施加限制。此外，也有研究提出了利用无线振动来监听扬声器，能够从接收到的WiFi包的RSS数据中解调扬声器的振动信号，从而恢复了钢琴声和十个数字的声音。但是该研究没有验证其是否能够在句子级别上恢复可理解的人类语音，同时，当WiFi包没有足够高的传输速率时，该研究无法从智能手机的扬声器中恢复音频，对于小型耳机更无法应用。

发明内容

本发明的目的是克服上述现有技术的缺陷，提供一种基于扬声器磁场的监听方法及系统。

根据本发明的第一方面，提供一种基于扬声器磁场的监听方法。该方法包括以下步骤：

S1：采集扬声器附近的磁场信号，并将磁场信号转换为磁场数字信号；

S2：将所述磁场数字信号转换为语音信号并去除干扰，获得滤波后的语音信号；

S3：去除语音信号中的噪音，并对语音功率谱进行短时傅里叶逆变换，得到去噪后的语音信号；

S4：均衡去燥后语音信号对各频率的响应，以将语音信号转换为可理解的语音音频信号；

S5：对所述语音音频信号进行识别，并转换为文字内容。

根据本发明的第二方面，提供一种基于扬声器磁场的监听系统。该系统包括：

信号采集模块：用于采集扬声器附近的磁场信号，并将磁场信号转为数字信号传输给计算机处理；

信号预处理模块：用于将所述磁场数字信号转换为语音信号并去除干扰，获得滤波后的语音信号；

降噪模块：用于去除语音信号中的噪音，并对语音功率谱进行短时傅里叶逆变换，得到去噪后的语音信号；

均衡模块：用于均衡去燥后语音信号对各频率的响应，以将语音信号转换为可理解的语音音频信号。

语音转文字模块：用于对所述语音音频信号进行识别，并转换为文字内容。

与现有技术相比，本发明的优点在于，利用扬声器泄露的磁场信号进行监听，通过信号处理技术以实现能还原可理解语音内容的小型监听方法及系统。本发明可用于合法监听，即使目标扬声器被水泥墙所阻隔的情况下也能够以高准确率还原语音内容。

通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。

附图说明

被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。

图1是根据本发明一个实施例的基于扬声器磁场的监听方法的流程图；

图2是根据本发明一个实施例的基于扬声器磁场的监听方法的硬件构成示意图；

图3是根据本发明一个实施例将磁场信号转换为音频信号的效果示意图；

图4是根据本发明一个实施例对信号预处理后的效果示意图；

图5是根据本发明一个实施例的对信号去噪后的效果示意图；

图6是根据本发明一个实施例的对信号使用均衡器后的效果示意图；

图7是根据本发明一个实施例的基于扬声器磁场的监听系统的示意图。

具体实施方式

现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

参见图1所示，所提供的基于扬声器磁场的监听方法包括以下步骤。

步骤S11，采集扬声器附近的磁场信号，并将磁场信号转换为数字信号。

图2是信号采集装置的硬件结构图，其包括线圈、电容、放大器、模数转换器，其中线圈与电容并联，线圈与放大器连接、放大器与模数转换器连接、模数转换器可进一步连接计算机或其他的信号处理设备。

具体地，利用漆包线制作线圈(或其它可采集磁场的传感器)，同时给线圈并联电容来降低线圈自身的共振频率，从而放大低频信号。接着，将放大器与线圈相连，以放大信号。最后，利用模数转换器将模拟电信号转换为可被计算机处理的数字信号。将以上设备相连后，将线圈放置在扬声器附近即可采集其磁场信号。

步骤S12，将采集的磁场信号转换为语音信号并去除干扰，获得滤波后的语音信号。

具体地，首先，将采集到的磁场信号以44100Hz的采样率写入wav音频文件中，即可将采集的磁场信号转换为语音信号。图3是将磁场信号转为音频信号的效果示意图。

接着，采用巴特沃茨滤波器去除采集信号中非人类语音的频率成分，例如，使用上限截止频率为20KHz，下限截止频率为85Hz的带通滤波器进行滤波处理。

然后，利用陷波器过滤掉50Hz及其谐波的直流分量，从而消除电力线所带来的电磁干扰。图4是对信号进行上述预处理操作后的效果示意图。

步骤S13，去除语音信号中的噪音。

优选地，采用谱减法消除信号中的噪音。谱减法在信号一开始的安静时段计算出噪音功率谱，然后将原始信号的功率谱减去噪音功率谱，得到纯净的语音功率谱。最后，对该语音功率谱进行短时傅里叶逆变换以恢复出时域信号，得到去噪后的语音信号。具体步骤如下：

首先，将经过步骤S1和S2预处理后的语音信号记为Y(ω)，该信号由噪音信号D(ω)和纯净的语音信号X(ω)组成，即Y(ω)＝D(ω)+X(ω)，在一个实施例中，将信号的前5帧作为噪音。

接着，对语音信号进行分帧，对每一帧进行短时傅里叶变换，计算出当前帧的SNR(信噪比)，然后使用语音信号的功率谱减去噪音信号的功率谱。具体计算为：

其中α是过减因子，β是谱下限参数，分别用于控制语音谱的失真程度和残留噪音的大小。

在一个实施例中，将过减因子设置为

其中SNR为当前帧的信噪比。将谱下限参数β设置为0.02。这种设置能够有效去除语音信号中的噪音。

在将原信号的功率谱减去噪音功率谱后，可以得到纯净语音信号的功率谱，对该功率谱信号进行短时傅里叶逆变换即可恢复出时域信号，最后根据分帧的帧长和帧移长度即可重组时域信号，恢复出去噪后的语音信号。图5是对信号使用谱减法降噪处理后的效果示意图。

步骤S14，均衡语音信号对各频率的响应。

优选地，使用均衡器补偿采集信号不均衡的频率响应，从而将失真的语音信号还原为可理解的语音内容。具体采用了10段均衡器，放大低频部分的增益，减小信号高频部分的增益。图6是对信号使用均衡器后的效果示意图。

步骤S15，将音频信号转换为文字。

在此步骤S5中，可使用现有的语音转文字算法，将处理后的语音信号转换为文字。

相应地，本发明还提供一种基于扬声器磁场的监听系统，用于实现上述方法的一个方面或多个方面，其中涉及的各模块和单元可采用可编程逻辑器件或专用处理器实现。例如，参见图7所示，该系统包括：

信号采集模块11，用于采集扬声器附近的磁场信号，并将磁场信号转为数字信号传输给计算机处理。

信号预处理模块12，用于将磁场信号转为语音信号，并去除无用的频率成分。

降噪模块13，使用降噪算法去除语音信号中的噪音。

均衡模块14，使用均衡器来补偿语音信号对各频率的响应。

语音转文字模块15，用于将处理后的语音信号转成文字。

在一个实施例中，信号采集模块11包括：

接收线圈单元111，用于采集扬声器附近的磁场，并将磁场信号转换为感应电压。

外接电容单元112，用于调整线圈自身的共振频率，从而增大监听距离。

放大器单元113，用于放大线圈的感应电压。

模数转换单元114，用于将模拟电信号转换为可以被计算机处理的数字信号。

在一个实施例中，信号预处理模块12包括：

语音信号转换单元121，用于将采集到的磁场信号转换为语音信号，以便后续进一步的处理。

滤波单元122，用于去除非人类语音的频率成分。

陷波器单元123，使用多个陷波器来去除电力线在50Hz及其谐波的干扰。

为进一步验证本发明的效果，进行了实验。对多个现有的内嵌扬声器的电子设备的实验表明，能够在距离30cm的位置以86％的准确率还原智能手机播放的语音内容，在25cm的距离以86％的准确率还原耳机播放的音频。同时，当目标设备被25cm厚的水泥墙所阻隔时，也能达到80％的准确率。

应理解的，在不违背本发明精神和范围的前提下，本领域技术人员可对上述实施例进行适当的改变或变型，例如设置不同的滤波器截止频率，或将采集到的磁场信号以不同的采样率写入wav音频文件等。而上述实施例提供的各种参数设置是经反复验证的优选配置，能够有效提升语音识别的准确性。

综上所述，本发明提出了基于扬声器泄露的磁场信号来还原语音信息的技术方案，可成功应用于不同内嵌扬声器的电子设备，能够在距离电子设备一定距离内还原电子设备播放的语音内容；本发明的硬件系统外形小巧，具有便携性。即使目标设备被水泥墙所阻隔，也能够以高准确率还原语音信息。

本发明可用于合法监听，适用于内嵌扬声器的多种类型的电子设备，如智能手机、可穿戴设备等。本发明基于扬声器附近变换的磁场，构建了磁场信号与语音信号转换的模型，能够以高准确率在不同的场合监听不同内嵌扬声器的电子设备中所播放的音频，这种新颖的监听方式为目前的监听技术提供了新的方向，适用于电子设备日益多样化的趋势，并且经验证便于实际应用。

本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++、Python等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。

这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。

Claims

1.一种基于扬声器磁场的监听方法，包括以下步骤：

S5：对所述语音音频信号进行识别，并转换为文字内容。

2.根据权利要求1所述的方法，其特征在于，在步骤S1中，利用信号采集装置采集扬声器附近的磁场信号，该信号采集装置包括接收线圈单元，用于采集扬声器附近的磁场信号，并将磁场信号转换为感应电压；外接电容单元，用于与所述接收线圈单元并联，以调整线圈自身的共振频率；放大器单元，用于放大所采集的磁场信号；模数转换单元，用于将模拟电信号转换为数字信号。

3.根据权利要求1所述的方法，其特征在于，步骤S2包括：

将采集到的磁场信号以设定的采样率存储到音频文件，以转换为语音信号；

采用带通滤波器去除语音信号中非人类语音的频率成分；

采用陷波器滤除设定频率及其谐波的直流成分。

4.根据权利要求3所述的方法，其特征在于，所述设定的采样率是44100Hz，所述带通滤波器是巴特沃茨滤波器，上限截止频率设置为20KHz，下限截止频率设置为85Hz，所述采用陷波器设置为滤除设定频率50Hz及其谐波的直流成分。

5.根据权利要求1所述的方法，其特征在于，在步骤S3中，采用谱减法消除语音信号中的噪音，包括以下步骤；

识别语音信号中噪音持续时间，并计算对应的噪音功率谱；

将原始语音信号的功率谱减去噪音功率谱，得到纯净的语音功率谱；

对该纯净的语音功率谱进行短时傅里叶逆变换，恢复出时域信号，得到去噪后的语音信号。

6.根据权利要求5所述的方法，其特征在于，所述将原始语音信号的功率谱减去噪音功率谱，得到纯净的语音功率谱，计算过程表示为：：

其中，α是过减因子，β是谱下限参数，分别用于控制语音谱的失真程度和残留噪音的大小，Y(ω)表示原始语音信号，D(ω)表示噪音信号，X(ω)表示纯净的语音信号。

7.根据权利要求6所述的方法，其特征在于，将所述谱下限参数β设置为0.02，经所述过减因子设置为：

其中，SNR为当前帧的信噪比。

8.根据权利要求1所述的方法，其特征在于，在步骤S4中，使用均衡器补偿去燥后语音信号对各频率的响应，从而将失真的语音信号还原为可理解的语音内容。

9.一种基于扬声器磁场的监听系统，包括：

均衡模块：用于均衡去燥后语音信号对各频率的响应，以将语音信号转换为可理解的语音音频信号；

10.一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现根据权利要求1至8中任一项所述方法的步骤。