CN114006671A - 一种广播发射机噪声在线测量方法及装置、存储介质 - Google Patents

一种广播发射机噪声在线测量方法及装置、存储介质 Download PDF

Info

Publication number
CN114006671A
CN114006671A CN202111282959.5A CN202111282959A CN114006671A CN 114006671 A CN114006671 A CN 114006671A CN 202111282959 A CN202111282959 A CN 202111282959A CN 114006671 A CN114006671 A CN 114006671A
Authority
CN
China
Prior art keywords
signal
input
noise
output
framing
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
Application number
CN202111282959.5A
Other languages
English (en)
Inventor
李珊珊
王翾
任怀君
张长青
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.)
Beijing Wance Technology Co ltd
Original Assignee
Beijing Wance Technology Co ltd
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 Beijing Wance Technology Co ltd filed Critical Beijing Wance Technology Co ltd
Priority to CN202111282959.5A priority Critical patent/CN114006671A/zh
Publication of CN114006671A publication Critical patent/CN114006671A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04H—BROADCAST COMMUNICATION
    • H04H60/00—Arrangements for broadcast applications with a direct linking to broadcast information or broadcast space-time; Broadcast-related systems
    • H04H60/29—Arrangements for monitoring broadcast services or broadcast-related services
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H3/00—Measuring characteristics of vibrations by using a detector in a fluid
    • G01H3/10—Amplitude; Power
    • G01H3/14—Measuring mean amplitude; Measuring mean power; Measuring time integral of power
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/185—Electrical failure alarms
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04H—BROADCAST COMMUNICATION
    • H04H60/00—Arrangements for broadcast applications with a direct linking to broadcast information or broadcast space-time; Broadcast-related systems
    • H04H60/56—Arrangements characterised by components specially adapted for monitoring, identification or recognition covered by groups H04H60/29-H04H60/54
    • H04H60/58—Arrangements characterised by components specially adapted for monitoring, identification or recognition covered by groups H04H60/29-H04H60/54 of audio

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Monitoring And Testing Of Transmission In General (AREA)

Abstract

本方案公开了一种广播发射机噪声在线测量方法，对实时采集到的发射机输入和输出信号进行预处理以分别获得输入和输出的分帧信号；基于对输入分帧信号的端点检测获得输入信号噪声平均功率谱，基于对输出分帧信号的端点检测获得输出信号噪声平均功率谱；基于输入信号噪声平均功率谱获得输入信号的噪声功率及输入信号信噪比，基于输出信号噪声平均功率谱获得输出信号的噪声功率及输出信号的信噪比；基于输入信号的信噪比和输出信号的信噪比获得发射机的噪声系数。该方法不影响发射机的正常工作，直接采集发射机的输入输出信号，保证了发射机运行数据的准确性与时效性，而且能够实时在线监测发射机的工作情况，当发射机出现故障时能够及时给出报警。

Description

一种广播发射机噪声在线测量方法及装置、存储介质
技术领域
本发明涉及测量技术领域，特别涉及一种广播发射机噪声在线测量方法及装置、存储介质。
背景技术
AM广播发射机是广播电视系统中的重要组成部分，为保证发射机播出质量，必须坚持定期对发射机参数进行测试，以便针对所发生的问题，及时进行调整。为了衡量发射机的噪声情况，通常用信噪比这个测试指标。传统的测试方法是由测试人员根据国家标准手动测量，测量流程如图1所示，在发射机非播出时段，将发射机接上假负载，音频信号发生器产生单一频率的正弦波，将正弦波输入发射机。调幅广播发射机的信噪比定义为当发射机的调幅度为100％时，线性检波器输出的交流电压的有效值，和没有输入调制信号时候线性检波器输出的交流电压有效值的比值，以dB为单位，如公式(1)所示，
Figure BDA0003331792910000011
式(1)中，Us表示在发射机的调幅度为100％时候，线性检波器输出端电压的有效值，Uo表示在发射机没有信号输入时候，线性检波器输出端电压的有效值。
传统的测试方法在实际工作中并不是很便捷，只能在发射机非工作时间才能进行测试，采用人工手动获得时间跨度比较大的离散的测试数据，不能及时反映发射机的工作状态和质量。
发明内容
本方案的一个目的在于提供一种广播发射机噪声在线测量方法。该方法不影响发射机的正常工作，直接采集发射机的输入输出信号，保证了发射机运行数据的准确性与时效性，而且能够实时在线监测发射机的工作情况，当发射机出现故障时能够及时给出报警。
本发明的第二个目的是提供一种广播发射机噪声在线测量装置。
本发明的第三个目的是提供一种计算机可读存储介质。
为达到上述目的，本方案如下：
一种广播发射机噪声在线测量方法，该方法包括：
对实时采集到的发射机输入信号和输出信号进行预处理以分别获得输入分帧信号和输出分帧信号；
基于对所述输入分帧信号的端点检测获得输入信号噪声平均功率谱，基于对所述输出分帧信号的端点检测获得输出信号噪声平均功率谱；
基于所述输入信号噪声平均功率谱获得所述输入信号的噪声功率及输入信号信噪比，基于所述输出信号噪声平均功率谱获得所述输出信号的噪声功率及所述输出信号的信噪比；
基于所述输入信号的信噪比和所述输出信号的信噪比获得所述发射机的噪声系数。
优选的，所述输入信号和所述输出信号皆为音频模拟信号。
优选的，对实时采集到的发射机输入信号和输出信号进行预处理以分别获得输入分帧信号和输出分帧信号包括：
对所述输入信号进行采样以获得第一离散信号，所述采样的频率为fs；基于所述第一离散信号获得输入分帧信号；
对所述输出信号进行采样以获得第二离散信号，所述采样的频率为fs；基于所述第二离散信号获得输出分帧信号。
优选的，该方法进一步包括：
基于对所述输入分帧信号的端点检测，判断所述输入分帧信号是否为静音信号，当判断所述输入分帧信号为静音信号时直接更新输入信号的输入信号噪声平均功率谱；
基于对所述输出分帧信号的端点检测，判断所述输出分帧信号是否为静音信号，当判断所述输出分帧信号为静音信号时直接更新输出信号的输出信号噪声平均功率谱。
优选的，该方法进一步包括：
当判断所述输入分帧信号不是静音信号时，则通过动态估计噪声平均功率谱算法来更新所述输入信号的输入信号噪声平均功率谱；
当判断所述输出分帧信号不是静音信号时，则通过动态估计噪声平均功率谱算法来更新所述输出信号的输出信号噪声平均功率谱。
第二方面，提供一种广播发射机噪声在线测量装置，该装置包括：
信号获取单元，用于实时采集发射机的输入信号和输出信号
信号处理单元，用于执行以下操作：
对实时采集到的输入信号和输出信号进行预处理以分别获得输入分帧信号和输出分帧信号；
基于对所述输入分帧信号的端点检测获得输入信号噪声平均功率谱，基于对所述输出分帧信号的端点检测获得输出信号噪声平均功率谱；
基于所述输入信号噪声平均功率谱获得所述输入信号的噪声功率及输入信号信噪比，基于所述输出信号噪声平均功率谱获得所述输出信号的噪声功率及所述输出信号的信噪比；
基于所述输入信号的信噪比和所述输出信号的信噪比获得所述发射机的噪声系数。
优选的，所述对实时采集到的输入信号和输出信号进行预处理包括：
对所述输入信号进行采样以获得第一离散信号，所述采样的频率为fs；基于所述第一离散信号获得输入分帧信号；
对所述输出信号进行采样以获得第二离散信号，所述采样的频率为fs；基于所述第二离散信号获得输出分帧信号。
优选的，所述信号处理单元进一步执行以下操作：
基于对所述输入分帧信号的端点检测，判断所述输入分帧信号是否为静音信号，当判断所述输入分帧信号为静音信号时直接更新输入信号的输入信号噪声平均功率谱；
基于对所述输出分帧信号的端点检测，判断所述输出分帧信号是否为静音信号，当判断所述输出分帧信号为静音信号时直接更新输出信号的输出信号噪声平均功率谱。
优选的，所述信号处理单元进一步执行以下操作：
当判断所述输入分帧信号不是静音信号时，则通过动态估计噪声平均功率谱算法来更新所述输入信号的输入信号噪声平均功率谱；
当判断所述输出分帧信号不是静音信号时，则通过动态估计噪声平均功率谱算法来更新所述输出信号的输出信号噪声平均功率谱。
第三方面，提供一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述程序在被一个或多个计算机执行时，使得所述一个或多个计算机执行如上任一项所述方法。
本方案的有益效果如下：
本发明提出的实时在线测量发射机信噪比的方法是在发射机正常工作的情况下，采集发射机输入输出数据，对数据进行运算处理，将测试结果进行显示和存储；该测量方法不影响发射机的正常工作，运用设备自有接口，直接采集发射机的输入输出信号，保证了发射机运行数据的准确性与时效性，而且能够实时在线监测发射机的工作情况，当发射机出现故障时能够及时给出报警；随着数字广播的推广，传统的设备测试方法已经不能满足数字广播设备的测试需求，所以本方法具有一定的实际意义。
附图说明
为了更清楚地说明本方案的实施，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本方案的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为传统信噪比测量系统结构示意图；
图2为本发明方法步骤流程图；
图3为实施例中广播发射机噪声在线测量装置结构示意图；
图4为实施例中广播发射机噪声在线测量系统结构示意图；
图5为实施例中广播发射机噪声在线测量方法流程图。
具体实施方式
下面将结合附图对本方案的实施方式作进一步地详细描述。显然，所描述的实施例仅是本方案的一部分实施例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本方案中的实施例及实施例中的特征可以相互组合。
说明书和权利要求书及上述附图中的术语“第一”、“第二”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备，不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
人们已经习惯用信噪比作为衡量AM广播发射机噪声情况的指标，传统的测量方法是手动测量，但人工测量的方法不够便捷，不能实时动态反应发射机的工作状态和质量，因此，发明人提出了一种广播发射机噪声在线测量方法和装置。
如图2所示，广播发射机噪声在线测量方法包括如下步骤：
S100对实时采集到的发射机输入信号和输出信号进行预处理获得输入分帧信号和输出分帧信号；
S200基于对所述输入分帧信号的端点检测获得输入信号噪声平均功率谱，基于对所述输出分帧信号的端点检测获得输出信号噪声平均功率谱；
S300基于所述输入信号噪声平均功率谱获得所述输入信号的噪声功率及输入信号信噪比，基于所述输出信号噪声平均功率谱获得所述输出信号的噪声功率及所述输出信号的信噪比；
S400基于所述输入信号的信噪比和所述输出信号的信噪比获得所述发射机的噪声系数。
其中，步骤S100中的输入信号和输出信号皆为音频广播信号，对输入信号，按采样频率fs进行采样获得第一离散信号，用窗函数乘以第一离散信号得到输入分帧信号；对输出信号按采样频率为fs进行采样获得第二离散信号，用窗函数乘以第二离散信号获得输出分帧信号。
步骤S200中，基于对输入分帧信号的端点检测，不断估算和更新输入信号的输入信号噪声平均功率谱，基于双门限法判断所述输入分帧信号为静音信号时，更新输入信号的输入信号噪声平均功率谱；基于双门限法判断所述输入分帧信号不是静音信号时，则通过动态估计噪声平均功率算法更新输入信号噪声平均功率谱；
基于对所述输出分帧信号的端点检测，不断估算和更新所述输出信号的输出信号噪声平均功率谱，基于双门限法判断所述输出分帧信号为静音信号时，更新输出信号的输出信号噪声平均功率谱；基于双门限法判断所述输出分帧信号不是静音信号时，则通过动态估计噪声平均功率算法更新输出信号噪声平均功率谱。
在上述方法实施方式的基础上，本实施例进一步提供一种计算机可读存储介质。该计算机可读存储介质用于实现上述识别方法的程序产品，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在设备，例如个人电脑上运行。然而，本实施例中的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、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)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本方案操作的程序代码，所述程序设计语言包括面向对象的程序设计语言-诸如JAvA、C++等，还包括常规的过程式程序设计语言-诸如"C"语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
如图3所示，一种广播发射机噪声在线测量装置1，该装置包括：
该装置包括：
信号获取单元10，实时采集发射机的输入信号和输出信号；
信号处理单元20，用于执行以下操作：
对实时采集到的发射机输入信号和输出信号进行预处理获得第一离散信号和第二离散信号；
基于所述第一离散信号和所述第二离散信号获得输入分帧信号和输出分帧信号；
基于对所述输入分帧信号的端点检测获得输入信号噪声平均功率谱，基于对所述输出分帧信号的端点检测获得输出信号噪声平均功率谱；
基于所述输入信号噪声平均功率谱获得所述输入信号的噪声功率及输入信号信噪比，基于所述输出信号噪声平均功率谱获得所述输出信号的噪声功率及所述输出信号的信噪比；
基于所述输入信号的信噪比和所述输出信号的信噪比获得所述发射机的噪声系数。
所述信号处理单元进一步执行以下操作：
对实时采集到的输入信号和输出信号进行预处理包括：
对所述输入信号进行采样以获得第一离散信号，所述采样的频率为fs；基于所述第一离散信号获得输入分帧信号；
对所述输出信号进行采样以获得第二离散信号，所述采样的频率为fs；基于所述第二离散信号获得输出分帧信号。
基于对所述输入分帧信号的端点检测，判断所述输入分帧信号是否为静音信号，以及当判断所述输入分帧信号为静音信号时，更新输入信号的输入信号噪声平均功率谱；
基于对所述输出分帧信号的端点检测，判断所述输出分帧信号是否为静音信号，以及当判断所述输出分帧信号为静音信号时，更新输出信号的输出信号噪声平均功率谱；
当判断所述输入分帧信号不是静音信号时，则通过动态估计噪声平均功率谱算法来更新所述输入信号的输入信号噪声平均功率谱；当判断所述输出分帧信号不是静音信号时，则通过动态估计噪声平均功率谱算法来更新所述输出信号的输出信号噪声平均功率谱。
如图4所示，将广播发射机噪声在线测量装置1，用于测量输入发射机30的音频信号40和输出发射机30的音频信号40的广播发射机噪声在线测量系统中。
如图4和图5所示，广播发射机噪声在线测量方法具体包括如下步骤：
音频广播信号x(t)输入发射机，经发射机处理后输出信号y(t)，在线测量装置1将x(t)和y(t)经采样频率fs采样后得到离散信号x(n)和y(n)，对x(n)和y(n)进行运算处理，得到发射机的信噪比。
下面以对输出信号y(t)的处理获得输出信号信噪比为例进行详细说明，信号y(t)进行采样量化后得到离散信号y[n]，用一个窗函数乘以y[n]，得到分帧信号
Figure BDA0003331792910000092
如式(2)所示。
Figure BDA0003331792910000091
分帧信号是用窗函数w(n)乘以y(n)形成的加窗函数yw(n)，如式(3)所示，
yw(n)＝w(n)×y(n) (3)，
式(3)也可以用式(4)表示，
Figure BDA0003331792910000101
式(4)中，w(·)和Y(·)分别代表窗函数频谱和未加窗信号频谱。
对于一段广播信号，无语音部分的短时过零率比有语音部分要大，有语音部分的短时能量值比无语音要大。对这两个参数采用双门限法的两级判决，第一级的判决阈值是短时能量，第二级的判决阈值是短时过零率，那么就可以找出信号的静音部分，作为噪声信号来处理。
传统的基于阈值的双门限端点检测方法都假设语音信号最开始部分是一段无语音的静音段，那么就可以根据前导无音段的特征值来设置阈值。而广播信号是并没有前导静音段的不间断的连续音频信号，所以传统的将语音信号最初的几帧作为静音帧来设置阈值的方法是不适用的。如果按传统的阈值设置方法，则阈值就会设置错误，最终导致端点检测错误。
本申请中确定短时能量低门限值Tmin与高门限值Tmax的方法如式(5)和(6)所示，
Figure BDA0003331792910000102
Tmax＝2.5*Tmin (6)，
式(5)和(6)中，Tmin是低门限值，Tmax是高门限值；
式(5)中，Emean是整段音频的平均能量，EN是整段音频y的短时能量，如式(5-1)所示，
Figure BDA0003331792910000103
ZL是短时过零率，式(5-2)中，
Figure BDA0003331792910000104
Figure BDA0003331792910000105
在线测试系统中，双门限法是由公式(5)和(6)计算短时能量的高低门限，由公式(5-2)计算短时过零率，然后用双门限法(双门限法有三个阈值，前两个是语音能量的阈值，第三个是语音过零率的阈值，本申请中的双门限是指能量和过零率这两个时域特征)判断信号帧是否静音帧。当判断为非静音帧时，噪声平均幅值谱不变，当判断为静音帧时，此时就对噪声的幅值谱进行更新。
Figure BDA0003331792910000111
其中N(λ，m-1)是本帧以前的噪声平均功率值，N(λ，m)是本帧的功率谱，C是一个设置的常数，Y(λ，m)表示第λ帧m频点的幅值，式(7)就是计算出新的噪声平均幅值谱，一般C取9。
端点检测(VAD)算法的噪声功率谱只在检测到静音段时更新，对于非静音段噪声功率谱一直不变，而发射机的噪声是实时变化的。因此，为了实现精确的发射机噪声估计，就要对噪声功率谱进行实时的估计。
在线测试装置每隔一定时间采集一次发射机信号，发射机信号在时域中的长度为有限值，设发射机输出信号为y(n)，输出信号包含的纯净音频信号为sy(n)，输出信号包含的噪声信号表示为ny(n)，其中n是抽样时间点。则发射机输出信号可以表示为：
y(n)＝sy(n)+ny(n) (8)，
对公式(8)两边做傅里叶变换得：
Y(ωk)＝Sy(ωk)+Ny(ωk) (9)，
其中，ωk＝2πk/L，L＝0，1，2，…，L-1，L是一个采样帧的长度，式(9)也可以用极坐标形式表示为：
Figure BDA0003331792910000112
这里
Figure BDA0003331792910000113
和
Figure BDA0003331792910000114
分别表示发射机输出信号、输出信号包含的纯净信号和噪声信号在频率点K的幅度和相位。
通过窗函数w(n)对含有L个样本的信号y(n)进行分帧处理，设帧间重叠为R点。对y(n)进行L点的FFT运算，可以将带噪信号y(n)变换到频域：
Figure BDA0003331792910000121
上式中λ为帧号即时间的标号，m为频率分量点的标号，λ∈Z，k∈{0，1，…L-1}，w(ι)是一个窗序列。
由于假定了语音和噪声相对独立，所以式(10)可以近似为：
|Y(λ，m)|2≈|S(λ，m)|2+|N(λ，m)|2 (12)，
其中，|Y(λ，m)|2，|S(λ，m)|2，|N(λ，m)|2分别为带噪信号，纯净信号和噪声信号的周期图法幅度功率谱，λ代表频率，m代表帧号，即第m帧的第λ个频率处的值。基于信号存在概率的递归平均算法是以式(13)所示的两个假设为基础的。
Figure BDA0003331792910000122
用一个平滑过程来估计噪声功率谱密度S(λ，m)：
S(λ，m)＝α(λ，m)s(λ-1，m)+(1-α(λ，m))|Y(λ，m)|2 (14)，
式(15)给出了α最优值αopt的计算：
Figure BDA0003331792910000123
其中，αc(m)可以由式(16)计算得到：
Figure BDA0003331792910000124
式(15)中αmax的取值一般是0.96。
噪声功率估计的基本假设：
Figure BDA0003331792910000125
式(17)表达的是，在信号存在的时候，噪声功率谱密度估计是不变的，在信号不存在的时候，噪声功率谱密度估计进行更新。式(19)给出了噪声功率谱密度的估计表达式。
Figure BDA0003331792910000131
基于上面提到的假设，可以将
Figure BDA0003331792910000132
表示为式(19)的形式。
Figure BDA0003331792910000133
式中，
Figure BDA0003331792910000134
表示语音信号存在的条件概率，式(19)可以简化为式(20)。
Figure BDA0003331792910000135
式(20)中，αN(λ，m)由式(21)和式(22)得到。
αN(λ，m)＝α+(1-α)p(λ，m) (21)，
Figure BDA0003331792910000136
式(22)中，
Figure BDA0003331792910000137
为语音信号存在的先验概率，v(λ，m)＝ξλ(m)rλ(m)/(1+ξλ(m))，ξλ(m)是频率点λ的先验信噪比，rλ(m)是频率点λ的后验信噪比。p(λ，m)通过式(20)得到后，代入到式(14)与式(21)中，就可以对噪声功率谱进行估计。在噪声功率谱估计时还引入了一个β＝1.47的偏差补偿因子，如式(23)所示。
Figure BDA0003331792910000138
根据式(22)可知，需要先估计出语音不存在的先验概率q(λ，m)，然后才能求出条件概率p(λ，m)，并且含噪信号平滑功率谱最小值搜索会对q(λ，m)的估计产生影响。IMCRA算法对信号进行了两次平滑和最小值跟踪迭代。首先通过迭代对各个频率点提供一个粗略的话音活动性检测。然后再经过一次迭代，通过平滑操作把相对较强的语音成分排除掉，就可以使用较短的窗进行最小值搜索跟踪。对于高度不平稳的噪声，通过短窗能够取得更好的跟踪效果。
在第一次迭代中，根据平滑公式(14)在过去的D帧上通过对S(λ，m)的估计值来进行最小值跟踪搜索，得到Smin(λ，m)，通过式(24)来对语音存在性进行一个粗略的判断，
Figure BDA0003331792910000141
式(25)中，r0和ξ0为阈值参数。分别得到rmin(λ，m)和ξ(λ，m)如式(25)和(26)所示，
Figure BDA0003331792910000142
Figure BDA0003331792910000143
式(25)和(26)中，Bmin因子是最小噪声估计的偏差值，为了确保语音存在的判决更加准确，rmin(λ，m)和ξmin(λ，m)用了两个不同的比率，
在第二次迭代中，只对那些已经基本上被式(25)判别为噪声的频率成分进行平滑。也就是说，平滑主要是对那些包含噪声的频谱成分操作，通过式(26)可以得到
Figure BDA0003331792910000144
Figure BDA0003331792910000145
式中，w(i)为频域上的窗函数，Lw为窗长，在计算上面的
Figure BDA0003331792910000146
后，通过式(28)进行一阶平滑，
Figure BDA0003331792910000147
在第二次迭代中，可以选择比较长的平滑窗，因为经过第一迭代平滑已经剔除了高能量的语音成分。可以缩短最小值搜索窗长度D，这样就可以减少跟踪延迟在噪声功率增加的时候。在
Figure BDA0003331792910000148
的值上进行最小值跟踪。设从过去的D帧中根据式(28)得到的
Figure BDA0003331792910000149
的最小值是
Figure BDA00033317929100001410
语音不存在的先验概率q(λ，m)可以通过式(29)计算得到。
Figure BDA0003331792910000151
式(29)中，rm是阈值参数，分别得到
Figure BDA0003331792910000152
和
Figure BDA0003331792910000153
如式(30)和式(31)所示，
Figure BDA0003331792910000154
Figure BDA0003331792910000155
式(29)表示，当两个后验概率估计都超过设定的阈值时，说明有语音存在，当两个基于即时功率和平滑功率的信噪比都低于设定阈值时，说明没有语音存在。如果是在两者之间，则q(λ，m)为语音存在和语音不存在之间提供了一个平滑过渡。对于比较弱的语音成分，如果只用
Figure BDA0003331792910000156
并不能很好地判断，所以用了
Figure BDA0003331792910000157
和
Figure BDA0003331792910000158
来进行估计。在弱语音活动期间，用
Figure BDA0003331792910000159
和
Figure BDA00033317929100001510
进行组合估计，可以增加噪声估计准确性。
通过前文的描述，当双门限法阈值设置足够低的时候，VAD算法不会将非静音段误判为静音段，但是有些静音段会误判为非静音段，本发明提出一种VAD和IMCRA联合检测的算法，通过VAD算法判断信号是否静音段，如果是静音段，噪声功率谱采用公式(32)进行更新，如果是非静音段采用IMCRA算法对噪声功率谱进行更新。
Figure BDA00033317929100001511
其中，
Figure BDA00033317929100001512
和
Figure BDA00033317929100001513
分别表示当前帧噪声信号的功率谱和前一帧噪声信号的功率谱。一般采用带噪语音信号刚开始的几帧功率谱平均值作为
Figure BDA00033317929100001514
的初始值。图5给出了广播信号噪声谱动态更新的流程以及广播发射机噪声系数NF在线测试算法的流程。
发射机输出信号的信噪比如式(33)所示，
Figure BDA0003331792910000161
其中S0表示发射机输出信号的有用信号功率，N0表示发射机输出信号的噪声功率，N0和S0由公式(35)和(38)得到，
发射机输出信号第λ帧的噪声功率可以由式(35)得到，
Figure BDA0003331792910000162
其中，L是FFT计算的点数，
发射机输出信号的噪声功率可以由D帧噪声功率的平均值计算得到，
Figure BDA0003331792910000163
发射机输出信号的功率如式(36)所示，
Figure BDA0003331792910000164
其中，
Figure BDA0003331792910000165
发射机输出信号的有用信号功率由式(38)得到，
S0＝Y0-N0 (38)，
将式(35)和式(38)代入式(33)计算可以得到发射机输出信号信噪比。
同理，可以计算得到发射机输入信号信噪比SNRx，
发射机的噪声系数NF由式(39)可得，
Figure BDA0003331792910000166
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。

Claims (10)

1.一种广播发射机噪声在线测量方法，其特征在于，该方法包括：
对实时采集到的发射机输入信号和输出信号进行预处理以分别获得输入分帧信号和输出分帧信号；
基于对所述输入分帧信号的端点检测获得输入信号噪声平均功率谱，基于对所述输出分帧信号的端点检测获得输出信号噪声平均功率谱；
基于所述输入信号噪声平均功率谱获得所述输入信号的噪声功率及输入信号信噪比，基于所述输出信号噪声平均功率谱获得所述输出信号的噪声功率及所述输出信号的信噪比；
基于所述输入信号的信噪比和所述输出信号的信噪比获得所述发射机的噪声系数。
2.根据权利要求1所述的广播发射机噪声在线测量方法，其特征在于，所述输入信号和所述输出信号皆为音频模拟信号。
3.根据权利要求1所述的广播发射机噪声在线测量方法，其特征在于，对实时采集到的发射机输入信号和输出信号进行预处理以分别获得输入分帧信号和输出分帧信号包括：
对所述输入信号进行采样以获得第一离散信号，所述采样的频率为fs；基于所述第一离散信号获得输入分帧信号；
对所述输出信号进行采样以获得第二离散信号，所述采样的频率为fs；基于所述第二离散信号获得输出分帧信号。
4.根据权利要求1所述的广播发射机噪声在线测量方法，其特征在于，该方法进一步包括：
基于对所述输入分帧信号的端点检测，判断所述输入分帧信号是否为静音信号，当判断所述输入分帧信号为静音信号时直接更新输入信号的输入信号噪声平均功率谱；
基于对所述输出分帧信号的端点检测，判断所述输出分帧信号是否为静音信号，当判断所述输出分帧信号为静音信号时直接更新输出信号的输出信号噪声平均功率谱。
5.根据权利要求4所述的广播发射机噪声在线测量方法，其特征在于，该方法进一步包括：
当判断所述输入分帧信号不是静音信号时，则通过动态估计噪声平均功率谱算法来更新所述输入信号的输入信号噪声平均功率谱；
当判断所述输出分帧信号不是静音信号时，则通过动态估计噪声平均功率谱算法来更新所述输出信号的输出信号噪声平均功率谱。
6.一种广播发射机噪声在线测量装置，其特征在于，该装置包括：
信号获取单元，用于实时采集发射机的输入信号和输出信号
信号处理单元，用于执行以下操作：
对实时采集到的输入信号和输出信号进行预处理以分别获得输入分帧信号和输出分帧信号；
基于对所述输入分帧信号的端点检测获得输入信号噪声平均功率谱，基于对所述输出分帧信号的端点检测获得输出信号噪声平均功率谱；
基于所述输入信号噪声平均功率谱获得所述输入信号的噪声功率及输入信号信噪比，基于所述输出信号噪声平均功率谱获得所述输出信号的噪声功率及所述输出信号的信噪比；
基于所述输入信号的信噪比和所述输出信号的信噪比获得所述发射机的噪声系数。
7.根据权利要求6所述的广播发射机噪声在线测量装置，其特征在于，所述对实时采集到的输入信号和输出信号进行预处理包括：
对所述输入信号进行采样以获得第一离散信号，所述采样的频率为fs；基于所述第一离散信号获得输入分帧信号；
对所述输出信号进行采样以获得第二离散信号，所述采样的频率为fs；基于所述第二离散信号获得输出分帧信号。
8.根据权利要求6所述的广播发射机噪声在线测量装置，其特征在于，所述信号处理单元进一步执行以下操作：
基于对所述输入分帧信号的端点检测，判断所述输入分帧信号是否为静音信号，当判断所述输入分帧信号为静音信号时直接更新输入信号的输入信号噪声平均功率谱；
基于对所述输出分帧信号的端点检测，判断所述输出分帧信号是否为静音信号，当判断所述输出分帧信号为静音信号时直接更新输出信号的输出信号噪声平均功率谱。
9.根据权利要求8所述的广播发射机噪声在线测量方法，其特征在于，所述信号处理单元进一步执行以下操作：
当判断所述输入分帧信号不是静音信号时，则通过动态估计噪声平均功率谱算法来更新所述输入信号的输入信号噪声平均功率谱；
当判断所述输出分帧信号不是静音信号时，则通过动态估计噪声平均功率谱算法来更新所述输出信号的输出信号噪声平均功率谱。
10.一种计算机可读存储介质，所述存储介质上存储有计算机程序，其特征在于，所述程序在被一个或多个计算机执行时，使得所述一个或多个计算机执行如权利要求1至5任一项所述的方法。
CN202111282959.5A 2021-11-01 2021-11-01 一种广播发射机噪声在线测量方法及装置、存储介质 Pending CN114006671A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111282959.5A CN114006671A (zh) 2021-11-01 2021-11-01 一种广播发射机噪声在线测量方法及装置、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111282959.5A CN114006671A (zh) 2021-11-01 2021-11-01 一种广播发射机噪声在线测量方法及装置、存储介质

Publications (1)

Publication Number Publication Date
CN114006671A true CN114006671A (zh) 2022-02-01

Family

ID=79926136

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111282959.5A Pending CN114006671A (zh) 2021-11-01 2021-11-01 一种广播发射机噪声在线测量方法及装置、存储介质

Country Status (1)

Country Link
CN (1) CN114006671A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103456310A (zh) * 2013-08-28 2013-12-18 大连理工大学 一种基于谱估计的瞬态噪声抑制方法
CN108735225A (zh) * 2018-04-28 2018-11-02 南京邮电大学 一种基于人耳掩蔽效应与贝叶斯估计的改进谱减方法
CN109308904A (zh) * 2018-10-22 2019-02-05 上海声瀚信息科技有限公司 一种阵列语音增强算法
CN112133322A (zh) * 2020-10-19 2020-12-25 南通赛洋电子有限公司 一种基于噪声分类优化imcra算法的语音增强方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103456310A (zh) * 2013-08-28 2013-12-18 大连理工大学 一种基于谱估计的瞬态噪声抑制方法
CN108735225A (zh) * 2018-04-28 2018-11-02 南京邮电大学 一种基于人耳掩蔽效应与贝叶斯估计的改进谱减方法
CN109308904A (zh) * 2018-10-22 2019-02-05 上海声瀚信息科技有限公司 一种阵列语音增强算法
CN112133322A (zh) * 2020-10-19 2020-12-25 南通赛洋电子有限公司 一种基于噪声分类优化imcra算法的语音增强方法

Similar Documents

Publication Publication Date Title
Drugman et al. Joint robust voicing detection and pitch estimation based on residual harmonics
Renevey et al. Entropy based voice activity detection in very noisy conditions.
US10510363B2 (en) Pitch detection algorithm based on PWVT
US6721699B2 (en) Method and system of Chinese speech pitch extraction
Lal et al. Epoch estimation from emotional speech signals using variational mode decomposition
CN112967738B (zh) 人声检测方法、装置及电子设备和计算机可读存储介质
CN111292758B (zh) 语音活动检测方法及装置、可读存储介质
JP3105465B2 (ja) 音声区間検出方法
US20020156624A1 (en) Speech enhancement device
Friedman Pseudo-maximum-likelihood speech pitch extraction
Labied et al. An overview of automatic speech recognition preprocessing techniques
Yadava et al. A spatial procedure to spectral subtraction for speech enhancement
JP5282523B2 (ja) 基本周波数抽出方法、基本周波数抽出装置、およびプログラム
Kobayashi et al. A modified cepstrum method for pitch extraction
US6470311B1 (en) Method and apparatus for determining pitch synchronous frames
CN104036785A (zh) 语音信号的处理方法和装置、以及语音信号的分析系统
CN114006671A (zh) 一种广播发射机噪声在线测量方法及装置、存储介质
Safa et al. The real time implementation on dsp of speech enhancement based on kalman filter and wavelet thresholding
Farsi Improvement of minimum tracking in minimum statistics noise estimation method
KR20100086457A (ko) 노래방 환경에서 음성 인식기술을 이용한 곡목 검색 장치 및 그 방법
Kim et al. Speech enhancement of noisy speech using log-spectral amplitude estimator and harmonic tunneling
Saha et al. Robust analysis for improvement of vowel onset point detection under noisy conditions
US20240013803A1 (en) Method enabling the detection of the speech signal activity regions
Pakulova et al. Using the random components of the jitter of speech pitch period to assess the state of the user of social-cyber-physical system
Li et al. A New Online Dynamic Testing Method for Noise of Broadcast Transmitter

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: 20220201

RJ01 Rejection of invention patent application after publication