CN114387982A - 一种语音信号处理方法、装置及计算机设备 - Google Patents

一种语音信号处理方法、装置及计算机设备 Download PDF

Info

Publication number
CN114387982A
CN114387982A CN202011118205.1A CN202011118205A CN114387982A CN 114387982 A CN114387982 A CN 114387982A CN 202011118205 A CN202011118205 A CN 202011118205A CN 114387982 A CN114387982 A CN 114387982A
Authority
CN
China
Prior art keywords
current frame
signal
speech signal
noise
calculating
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
CN202011118205.1A
Other languages
English (en)
Inventor
刘溪
杨晓霞
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.)
Volkswagen Mobvoi Beijing Information Technology Co Ltd
Original Assignee
Volkswagen Mobvoi Beijing Information 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 Volkswagen Mobvoi Beijing Information Technology Co Ltd filed Critical Volkswagen Mobvoi Beijing Information Technology Co Ltd
Priority to CN202011118205.1A priority Critical patent/CN114387982A/zh
Publication of CN114387982A publication Critical patent/CN114387982A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • 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
    • G10L2021/02082—Noise filtering the noise being echo, reverberation of the speech

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)
  • Spectroscopy & Molecular Physics (AREA)
  • Quality & Reliability (AREA)
  • Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)

Abstract

本发明实施例公开了一种语音信号处理方法、装置及计算机设备，包括：获取当前帧的原始语音信号、参考信号以及近端语音信号；计算近端语音信号的噪声功率；根据第一互相关系数、第二互相关系数、噪声功率以及前一帧目标语音信号存在的后验概率计算当前帧目标语音信号不存在的先验概率和当前帧目标语音信号的后验信噪比；根据后验信噪比计算先验信噪比，进而根据当前帧目标语音信号不存在的先验概率计算当前帧目标语音信号存在的后验概率；根据后验概率计算混合抑制因子；最后根据混合抑制因子对当前帧近端语音信号进行残余回声抑制和噪声抑制处理。本发明实施例的技术方案能够在保证语音信号处理性能的前提下，降低语音信号处理的计算复杂度。

Description

一种语音信号处理方法、装置及计算机设备
技术领域
本发明实施例涉及语音处理技术领域，尤其涉及一种语音信号处理方法、装置、计算机设备及存储介质。
背景技术
在语音信号处理流程中，语音增强处理是实现流畅语音交互的前端信号处理手段。线性回声消除、残余回声抑制以及噪声抑制是目前前端信号处理中三个主要部分，同时也占据了大部分的语音信号处理计算资源。线性回声消除采用自适应滤波技术将语音信号中的绝大部分回声做抑制处理；残余回声抑制主要通过特定的非线性手段消除语音信号中残余的非线性回声成分；噪声抑制则是利用非线性算法来消除语音信号中的环境噪声。
目前，语音信号处理流程中将上述三部分语音处理操作独立串行完成，计算量较大，尤其是在一些计算资源受限的情况下，上述语音信号处理算法无法达到最优的语音处理效果。
发明内容
本发明实施例提供一种语音信号处理方法、装置、计算机设备及存储介质，以在保证语音信号处理性能的前提下，降低语音信号处理的计算复杂度。
第一方面，本发明实施例提供了一种语音信号处理方法，包括：
获取当前帧原始语音信号、当前帧参考信号以及当前帧近端语音信号；
计算所述当前帧近端语音信号的噪声功率；
根据所述当前帧原始语音信号与所述当前帧参考信号之间的第一互相关系数、所述当前帧原始语音信号与所述当前帧近端语音信号之间的第二互相关系数以及所述当前帧近端语音信号的噪声功率计算当前帧目标语音信号不存在的先验概率；
根据前一帧目标语音信号存在的后验概率计算当前帧目标语音信号的后验信噪比；
根据所述当前帧目标语音信号的后验信噪比计算当前帧目标语音信号的先验信噪比，并根据所述当前帧目标语音信号的先验信噪比以及所述当前帧目标语音信号不存在的先验概率计算当前帧目标语音信号存在的后验概率；
根据所述当前帧目标语音信号存在的后验概率计算混合抑制因子；
根据所述混合抑制因子以及所述当前帧近端语音信号计算所述当前帧近端语音信号经过残余回声抑制和噪声抑制处理后得到的语音信号。
第二方面，本发明实施例还提供了一种语音信号处理装置，包括：
信号获取模块，用于获取当前帧原始语音信号、当前帧参考信号以及当前帧近端语音信号；
噪声功率计算模块，用于计算所述当前帧近端语音信号的噪声功率；
先验概率计算模块，用于根据所述当前帧原始语音信号与所述当前帧参考信号之间的第一互相关系数、所述当前帧原始语音信号与所述当前帧近端语音信号之间的第二互相关系数以及所述当前帧近端语音信号的噪声功率计算当前帧目标语音信号不存在的先验概率；
后验信噪比计算模块，用于根据前一帧目标语音信号存在的后验概率计算当前帧目标语音信号的后验信噪比；
后验概率计算模块，用于根据所述当前帧目标语音信号的后验信噪比计算当前帧目标语音信号的先验信噪比，并根据所述当前帧目标语音信号的先验信噪比以及所述当前帧目标语音信号不存在的先验概率计算当前帧目标语音信号存在的后验概率；
混合抑制因子计算模块，用于根据所述当前帧目标语音信号存在的后验概率计算混合抑制因子；
语音信号处理模块，用于根据所述混合抑制因子以及所述当前帧近端语音信号计算所述当前帧近端语音信号经过残余回声抑制和噪声抑制处理后得到的语音信号。
第三方面，本发明实施例还提供了一种计算机设备，所述计算机设备包括：一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例所提供的语音信号处理方法。
第四方面，本发明实施例还提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例所提供的语音信号处理方法。
本发明实施例通过计算当前帧近端语音信号的噪声功率，根据当前帧原始语音信号与当前帧参考信号之间的第一互相关系数、当前帧原始语音信号与当前帧近端语音信号之间的第二互相关系数以及噪声功率计算当前帧目标语音信号不存在的先验概率，并根据前一帧目标语音信号存在的后验概率计算当前帧目标语音信号的后验信噪比，进而根据当前帧目标语音信号的后验信噪比计算当前帧目标语音信号的先验信噪比，并根据当前帧目标语音信号的先验信噪比以及当前帧目标语音信号不存在的先验概率计算当前帧目标语音信号存在的后验概率，从而根据当前帧目标语音信号存在的后验概率计算混合抑制因子，以根据混合抑制因子以及当前帧近端语音信号计算当前帧近端语音信号经过残余回声抑制和噪声抑制处理后得到的语音信号，解决现有对语音信号独立进行残余回声抑制以及噪声抑制处理存在的计算量大及处理效果不理想等问题，实现在保证语音信号处理性能的前提下，降低语音信号处理的计算复杂度。
附图说明
图1是本发明实施例一提供的一种语音信号处理方法的流程图；
图2是本发明实施例二提供的一种语音信号处理方法的流程图；
图3是本发明实施例二提供的一种语音信号处理方法的流程图；
图4是本发明实施例三提供的一种语音信号处理装置的示意图；
图5为本发明实施例四提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。
另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
本发明实施例的说明书和权利要求书及附图中的术语“第一”和“第二”等是用于区别不同的对象，而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形，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、产品或设备没有设定于已列出的步骤或单元，而是可包括没有列出的步骤或单元。
实施例一
图1是本发明实施例一提供的一种语音信号处理方法的流程图，本实施例可适用于对语音信号同时进行残余回声抑制和噪声抑制处理的情况，该方法可以由语音信号处理装置来执行，该装置可以由软件和/或硬件的方式来实现，并一般可集成在计算机设备中。相应的，如图1所示，该方法包括如下操作：
S110、获取当前帧原始语音信号、当前帧参考信号以及当前帧近端语音信号。
其中，当前帧原始语音信号可以是需要进行残余回声抑制处理和噪声抑制处理的语音信号。示例性的，车载终端通过麦克风设备获取的用户输入的当前帧语音指令信号(也即当前帧麦克风信号)或其他智能终端采集的当前帧语音指令信号均可以作为当前帧原始语音信号。当前帧原始语音信号可以包括但不限于目标语音信号、噪音信号、回声信号或残留回声信号等。其中，残留回声信号即为对当前帧原始语音信号进行回声消除后残留的回声信号。目标语音信号即为用户所发出的语音指令信号。当前帧参考信号可以为当前帧的系统音频信号，如终端播放的wav格式的音频信号等。相应的，当前帧原始语音信号中包括的回声信号可以为语音采集设备(如麦克风)采集到的终端播放的音频信号。当前帧近端语音信号可以为当前帧原始语音信号经过AEC(Adaptive Echo Cancellation，自适应线性回声消除)处理后得到的当前帧语音信号。在本发明实施例中，所谓当前帧也即当前需要处理的语音帧。
考虑到残余回声抑制以及噪声抑制都是采用非线性算法对语音信号进行处理，而且残余回声信号可以近似为一种特殊的噪声信号，因此，在本发明实施例中，可以计算一个混合抑制因子对语音信号同时进行残余回声抑制处理和噪声抑制处理。在计算混合抑制因子时，需要借助当前帧原始语音信号、当前帧参考信号以及当前帧近端语音信号三种类型的语音信号。
S120、计算所述当前帧近端语音信号的噪声功率。
在获取到当前帧近端语音信号后，可以进一步计算当前帧近端语音信号的噪声功率。可选的，可以根据最小值追踪方法计算当前帧近端语音信号的噪声功率。最小值跟踪方法实时追踪一段时间区间内每一个频点上的功率最小值，可选的，时间区间可以为2秒或3秒等，本发明实施例并不对时间区间的具体时间范围进行限定。
S130、根据所述当前帧原始语音信号与所述当前帧参考信号之间的第一互相关系数、所述当前帧原始语音信号与所述当前帧近端语音信号之间的第二互相关系数以及所述当前帧近端语音信号的噪声功率计算当前帧目标语音信号不存在的先验概率。
其中，第一互相关系数可以是当前帧原始语音信号与当前帧参考信号之间的互相关系数。第二互相关系数可以是当前帧原始语音信号与当前帧近端语音信号之间的互相关系数。
相应的，计算得到当前帧近端语音信号的噪声功率后，可以根据第一互相关系数、第二互相关系数以及当前帧近端语音信号的噪声功率计算当前帧目标语音信号不存在的先验概率。
S140、根据前一帧目标语音信号存在的后验概率计算当前帧目标语音信号的后验信噪比。
在本发明实施例中，还可以根据前一帧目标语音信号存在的后验概率计算当前帧目标语音信号的后验信噪比。
S150、根据所述当前帧目标语音信号的后验信噪比计算当前帧目标语音信号的先验信噪比，并根据所述当前帧目标语音信号的先验信噪比以及所述当前帧目标语音信号不存在的先验概率计算当前帧目标语音信号存在的后验概率。
相应的，在计算得到当前帧目标语音信号的后验信噪比之后，可以根据当前帧目标语音信号的后验信噪比计算当前帧目标语音信号的先验信噪比，并根据当前帧目标语音信号的先验信噪比以及当前帧目标语音信号不存在的先验概率计算当前帧目标语音信号存在的后验概率。
S160、根据所述当前帧目标语音信号存在的后验概率计算混合抑制因子。
相应的，在计算得到当前帧目标语音信号存在的后验概率之后，即可根据当前帧目标语音信号存在的后验概率计算混合抑制因子。
S170、根据所述混合抑制因子以及所述当前帧近端语音信号计算所述当前帧近端语音信号经过残余回声抑制和噪声抑制处理后得到的语音信号。
在本发明实施例中，在计算得到混合抑制因子后，即可根据混合抑制因子以及当前帧近端语音信号计算当前帧近端语音信号经过残余回声抑制和噪声抑制处理后得到的语音信号，以实现对当前帧近端语音信号同时进行残余回声抑制和噪声抑制处理。
本发明实施例通过计算当前帧近端语音信号的噪声功率，根据当前帧原始语音信号与当前帧参考信号之间的第一互相关系数、当前帧原始语音信号与当前帧近端语音信号之间的第二互相关系数以及噪声功率计算当前帧目标语音信号不存在的先验概率，并根据前一帧目标语音信号存在的后验概率计算当前帧目标语音信号的后验信噪比，进而根据当前帧目标语音信号的后验信噪比计算当前帧目标语音信号的先验信噪比，并根据当前帧目标语音信号的先验信噪比以及当前帧目标语音信号不存在的先验概率计算当前帧目标语音信号存在的后验概率，从而根据当前帧目标语音信号存在的后验概率计算混合抑制因子，以根据混合抑制因子以及当前帧近端语音信号计算当前帧近端语音信号经过残余回声抑制和噪声抑制处理后得到的语音信号，解决现有对语音信号独立进行残余回声抑制以及噪声抑制处理存在的计算量大及处理效果不理想等问题，实现在保证语音信号处理性能的前提下，降低语音信号处理的计算复杂度。
实施例二
图2是本发明实施例二提供的一种语音信号处理方法的流程图，图3是本发明实施例二提供的一种语音信号处理方法的流程图，本实施例以上述实施例为基础进行具体化，在本实施例中，给出了噪声功率、互相关系数、当前帧目标语音信号不存在的先验概率、当前帧目标语音信号的后验信噪比和先验信噪比、当前帧目标语音信号存在的后验概率以及混合抑制因子的具体计算方式。相应的，如图2和图3所示，本实施例的方法可以包括：
S210、获取当前帧原始语音信号、当前帧参考信号以及当前帧近端语音信号。
S220、计算所述当前帧近端语音信号的噪声功率。
S230、计算所述当前帧原始语音信号与所述当前帧参考信号之间的第一互相关系数，以及所述当前帧原始语音信号与所述当前帧近端语音信号之间的第二互相关系数。
相应的，S230具体可以包括：
S231、计算所述当前帧原始语音信号与所述当前帧参考信号之间的第一互相关谱。
在本发明的一个可选实施例中，计算所述当前帧原始语音信号与所述当前帧参考信号之间的第一互相关谱，可以包括：
基于如下公式计算所述当前帧原始语音信号与所述当前帧参考信号的功率谱：
Figure BDA0002731097020000081
Figure BDA0002731097020000082
其中，Sd(i,j)表示所述当前帧原始语音信号第j个频点的功率谱，Sd(i-1,j)表示前一帧原始语音信号第j个频点的功率谱，β表示平滑系数，可选的，β可以取值为0.85，本发明实施例并不对β的具体数值进行限定。di,j表示所述当前帧原始语音信号第j个频点的频谱，
Figure BDA0002731097020000083
表示所述当前帧原始语音信号第j个频点的频谱的共轭复数，Sx(i,j)表示所述当前帧参考信号第j个频点的功率谱；Sx(i-1,j)表示前一帧参考信号第j个频点的功率谱，xi,j表示所述当前帧参考信号第j个频点的频谱，
Figure BDA0002731097020000084
表示所述当前帧参考信号第j个频点的频谱的共轭复数。
需要说明的是，在本发明实施例中，“当前帧”也即表示第i帧。示例性的，Sd(i,j)也可以表示第i帧原始语音信号第j个频点的功率谱，也即，当前帧原始语音信号第j个频点的功率谱即为第i帧原始语音信号第j个频点的功率谱。相应的，“前一帧”也即表示第i-1帧。示例性的，Sd(i-1,j)也可以表示第i-1帧原始语音信号第j个频点的功率谱，也即，前一帧原始语音信号第j个频点的功率谱即为第i-1帧原始语音信号第j个频点的功率谱。
基于如下公式计算所述第一互相关谱：
Figure BDA0002731097020000091
其中，Sxd(i,j)所述当前帧原始语音信号第j个频点与所述当前帧参考信号第j个频点的第一互相关谱，Sxd(i-1,j)表示所述前一帧原始语音信号第j个频点与所述前一帧参考信号第j个频点的第一互相关谱。
S232、根据所述第一互相关谱、所述当前帧原始语音信号的频谱以及所述当前帧参考信号的频谱计算第一互相关系数。
在本发明的一个可选实施例中，根据所述第一互相关谱、所述当前帧原始语音信号的频谱以及所述当前帧参考信号的频谱计算第一互相关系数，可以包括：基于如下公式计算所述第一互相关系数：
Figure BDA0002731097020000092
其中，Cxd(i,j)表示所述第一互相关系数，
Figure BDA0002731097020000093
表示所述第一互相关谱的共轭复数。
S233、计算所述当前帧原始语音信号与所述当前帧近端语音信号之间的第二互相关谱。
在本发明的一个可选实施例中，计算所述当前帧原始语音信号与所述当前帧近端语音信号之间的第二互相关谱，可以包括：
基于如下公式计算所述当前帧近端语音信号的功率谱：
Figure BDA0002731097020000101
其中，Se(i,j)表示所述当前帧近端语音信号第j个频点的功率谱，Se(i-1,j)表示所述前一帧近端语音信号第j个频点的功率谱，ei,j表示所述当前帧近端语音信号第j个频点的频谱，
Figure BDA0002731097020000102
表示所述当前帧近端语音信号第j个频点的频谱的共轭复数；
基于如下公式计算所述第二互相关谱：
Figure BDA0002731097020000103
其中，Sde(i,j)表示所述当前帧原始语音信号第j个频点与所述当前帧近端语音信号第j个频点的第二互相关谱，Sde(i-1,j)表示所述前一帧原始语音信号第j个频点与所述前一帧近端语音信号第j个频点的第二互相关谱。
S234、根据所述第二互相关谱、所述当前帧原始语音信号的频谱以及所述当前帧近端语音信号的频谱计算第二互相关系数。
在本发明的一个可选实施例中，根据所述第二互相关谱、所述当前帧原始语音信号的频谱以及所述当前帧近端语音信号的频谱计算第二互相关系数；可以包括：基于如下公式计算所述第二互相关系数：
Figure BDA0002731097020000104
其中，Cde(i,j)表示所述第二互相关系数，
Figure BDA0002731097020000105
表示所述第二互相关谱的共轭复数。
在本发明实施例中，Cde(i,j)可以作为当前帧第j个频点上目标语音信号所占的比例，Cxd(i,j)则可以作为当前帧第j个频点上残余回声信号所占的比例。
S240、根据所述当前帧原始语音信号与所述当前帧参考信号之间的第一互相关系数、所述当前帧原始语音信号与所述当前帧近端语音信号之间的第二互相关系数以及所述当前帧近端语音信号的噪声功率计算当前帧目标语音信号不存在的先验概率。
在本发明的一个可选实施例中，根据所述当前帧原始语音信号与所述当前帧参考信号之间的第一互相关系数、所述当前帧原始语音信号与所述当前帧近端语音信号之间的第二互相关系数以及所述当前帧近端语音信号的噪声功率计算当前帧目标语音信号不存在的先验概率，可以包括：根据所述当前帧近端语音信号的噪声功率、所述第一互相关系数以及所述第二互相关系数计算当前帧目标语音信号与当前帧噪声信号之间的功率比值；根据所述当前帧目标语音信号与当前帧噪声信号之间的功率比值计算所述当前帧目标语音信号不存在的先验概率。
在本发明的一个可选实施例中，根据所述当前帧近端语音信号的噪声功率、所述第一互相关系数以及所述第二互相关系数计算当前帧目标语音信号与当前帧噪声信号之间的功率比值，可以包括：基于如下公式计算所述当前帧目标语音信号与当前帧噪声信号之间的功率比值：
Figure BDA0002731097020000111
其中，η1(i,j)表示所述当前帧目标语音信号与当前帧噪声信号之间的初步功率比值，所谓初步功率比值可以理解为阶段性的功率比值，也即，可以继续根据初步功率比值计算数值更精确、更合理的目标功率比值。λnoise(i,j)表示所述当前帧近端语音信号的噪声功率，Cde(i,j)表示所述第二互相关系数，Cxd(i,j)表示所述第一互相关系数，ei,j表示所述当前帧近端语音信号第j个频点的频谱。
在本发明的一个可选实施例中，根据所述当前帧近端语音信号的噪声功率、所述第一互相关系数以及所述第二互相关系数计算当前帧目标语音信号与当前帧噪声信号之间的功率比值，可以包括：基于如下公式计算所述当前帧目标语音信号与当前帧噪声信号之间的功率比值：
η(i,j)＝min((Cde(i,j)/Cxd(i,j))2,η1(i,j))
其中，η(i,j)所述当前帧目标语音信号与当前帧噪声信号之间的目标功率比值。
在本申请实施例中，考虑到残余回声信号并非一直存在，因此，可以进一步细化当前帧目标语音信号与当前帧噪声信号之间的初步功率比值，得到当前帧目标语音信号与当前帧噪声信号之间的目标功率比值。
在本发明的一个可选实施例中，根据所述当前帧目标语音信号与当前帧噪声信号之间的功率比值计算所述当前帧目标语音信号不存在的先验概率，可以包括：基于如下公式计算所述当前帧目标语音信号不存在的先验概率：
Figure BDA0002731097020000121
其中，q(i,j)表示所述当前帧近端语音信号不存在的先验概率，ν0表示门限值，可选的，ν0可以取5，本发明实施例并不对ν0的具体数值进行限定。η*表示所述当前帧目标语音信号与当前帧噪声信号之间的功率比值，η*取η1(i,j)或η(i,j)。
由上述功率比值的计算公式可知，功率比值越大，可以认为目标语音信号存在的概率越大，功率比值越小则可以认为目标语音信号存在概率越小。当功率比值小于1时，可以认为此时不存在目标语音信号。因此，可以按照该准则根据当前帧目标语音信号与当前帧噪声信号之间的功率比值计算当前帧目标语音信号不存在的先验概率。
S250、根据前一帧目标语音信号存在的后验概率计算当前帧目标语音信号的后验信噪比。
在本发明的一个可选实施例中，根据前一帧目标语音信号存在的后验概率计算当前帧目标语音信号的后验信噪比，可以包括：根据所述前一帧近端语音信号存在的后验概率计算当前帧残余回声信号以及当前帧噪声信号的联合功率谱；根据所述当前帧残余回声信号以及当前帧噪声信号的联合功率谱计算所述当前帧目标语音信号的后验信噪比。
其中，联合功率谱可以同时包括当前帧残余回声信号以及当前帧噪声信号的功率谱。
在本发明的一个可选实施例中，根据所述前一帧近端语音信号存在的后验概率计算当前帧残余回声信号以及当前帧噪声信号的联合功率谱，可以包括：基于如下公式计算所述当前帧残余回声信号以及当前帧噪声信号的联合功率谱：
Figure BDA0002731097020000131
Figure BDA0002731097020000132
其中，λ(i,j)表示所述当前帧残余回声信号以及当前帧噪声信号的联合功率谱，
Figure BDA0002731097020000133
表示前一帧近端语音信号的可变平滑因子，λ(i-1,j)表示前一帧残余回声信号以及前一帧噪声信号的联合功率谱，p(i-1,j)表示所述前一帧近端语音信号存在的后验概率；αn表示固定平滑系数；αn的取值可以根据实际需求设定，本发明实施例对此并不进行限制。
由于，目标语音信号的存在概率与残余回声信号以及噪声信号互相影响，因此，由上述公式可以看出，用于计算当前帧残余回声信号以及当前帧噪声信号的联合功率谱的可变平滑因子与近端语音信号存在的后验概率直接相关。
在本发明的一个可选实施例中，根据所述当前帧残余回声信号以及当前帧噪声信号的联合功率谱计算所述当前帧目标语音信号的后验信噪比，可以包括：基于如下公式计算所述当前帧目标语音信号的后验信噪比：
Figure BDA0002731097020000134
其中，γ(i,j)表示所述当前帧目标语音信号的后验信噪比。
S260、根据所述当前帧目标语音信号的后验信噪比计算当前帧目标语音信号的先验信噪比，并根据所述当前帧目标语音信号的先验信噪比以及所述当前帧目标语音信号不存在的先验概率计算当前帧目标语音信号存在的后验概率。
其中，当前帧目标语音信号的先验信噪比可以理解为目标语音信号的功率谱与残余回声信号以及噪声信号的联合功率谱之间的比值。
在本发明的一个可选实施例中，根据所述当前帧目标语音信号的后验信噪比计算当前帧目标语音信号的先验信噪比，可以包括：基于如下公式计算所述当前帧目标语音信号的先验信噪比：
ξ(i,j)＝αG1 2(i-1,j)γ(i-1,j)+(1-α)max{γ(i,j)-1,0}
Figure BDA0002731097020000141
在本发明的一个可选实施例中，根据所述当前帧目标语音信号的先验信噪比以及所述当前帧目标语音信号不存在的先验概率计算当前帧目标语音信号存在的后验概率，可以包括：基于如下公式计算所述当前帧目标语音信号存在的后验概率：
Figure BDA0002731097020000142
其中，ξ(i,j)表示所述当前帧目标语音信号的先验信噪比，α表示平滑系数，可选的，α可以取值为0.9，本发明实施例并不对α的具体数值进行限定。G1(i-1,j)表示前一帧近端语音信号的混合抑制因子中间值，γ(i-1,j)表示前一帧目标语音信号的后验信噪比，ξ(i-1,j)表示前一帧目标语音信号的先验信噪比，p(i,j)表示所述当前帧目标语音信号存在的后验概率。
S270、根据所述当前帧目标语音信号存在的后验概率计算混合抑制因子。
在本发明的一个可选实施例中，根据所述当前帧目标语音信号存在的后验概率计算混合抑制因子，可以包括：基于如下公式计算所述混合抑制因子：
G(i,j)＝(G1(i,j))p(i,j)Gmin(i,j)(1-p(i,j))
其中，G(i,j)表示所述混合抑制因子，G1(i,j)表示当前帧近端语音信号的混合抑制因子中间值，Gmin(i,j)表示所述混合抑制因子的门限控制值。
S280、根据所述混合抑制因子以及所述当前帧近端语音信号计算所述当前帧近端语音信号经过残余回声抑制和噪声抑制处理后得到的语音信号。
在本发明的一个可选实施例中，根据所述混合抑制因子以及所述当前帧近端语音信号计算所述当前帧近端语音信号经过残余回声抑制和噪声抑制处理后得到的语音信号，可以包括：基于如下公式计算所述当前帧近端语音信号经过残余回声抑制和噪声抑制处理后得到的语音信号：
M(i,j)＝ei,jG(i,j)
其中，M(i,j)表示所述当前帧近端语音信号经过残余回声抑制和噪声抑制处理后得到的语音信号。
由此可见，本发明实施例所提供的语音信号处理方法通过根据麦克风信号、参考信号以及经过线性回声消除之后的语音信号之间的互相关系数，初步得到残余回声信号的存在情况，然后结合噪声功率来估计得到目标语音信号存在概率，以及先验信噪比及后验信噪比，并结合以上数据最终得到残余回声信号和噪声信号的混合抑制参数，以通过混合抑制参数同时抑制语音信号中的残余回声信号和噪声信号，在保证语音增强性能的同时，可以明显降低计算复杂度，更利于工程应用。
本发明实施例通过计算当前帧近端语音信号的噪声功率，根据当前帧原始语音信号与当前帧参考信号之间的第一互相关系数、当前帧原始语音信号与当前帧近端语音信号之间的第二互相关系数以及噪声功率计算当前帧目标语音信号不存在的先验概率，并根据前一帧目标语音信号存在的后验概率计算当前帧目标语音信号的后验信噪比，进而根据当前帧目标语音信号的后验信噪比计算当前帧目标语音信号的先验信噪比，并根据当前帧目标语音信号的先验信噪比以及当前帧目标语音信号不存在的先验概率计算当前帧目标语音信号存在的后验概率，从而根据当前帧目标语音信号存在的后验概率计算混合抑制因子，以根据混合抑制因子以及当前帧近端语音信号计算当前帧近端语音信号经过残余回声抑制和噪声抑制处理后得到的语音信号，解决现有对语音信号独立进行残余回声抑制以及噪声抑制处理存在的计算量大及处理效果不理想等问题，实现在保证语音信号处理性能的前提下，降低语音信号处理的计算复杂度。
需要说明的是，以上各实施例中各技术特征之间的任意排列组合也属于本发明的保护范围。
实施例三
图4是本发明实施例三提供的一种语音信号处理装置的示意图，如图4所示，所述装置包括：信号获取模块310、噪声功率计算模块320、先验概率计算模块330、后验信噪比计算模块340、后验概率计算模块350、混合抑制因子计算模块360以及语音信号处理模块370，其中：
信号获取模块310，用于获取当前帧原始语音信号、当前帧参考信号以及当前帧近端语音信号；
噪声功率计算模块320，用于计算所述当前帧近端语音信号的噪声功率；
先验概率计算模块330，用于根据所述当前帧原始语音信号与所述当前帧参考信号之间的第一互相关系数、所述当前帧原始语音信号与所述当前帧近端语音信号之间的第二互相关系数以及所述当前帧近端语音信号的噪声功率计算当前帧目标语音信号不存在的先验概率；
后验信噪比计算模块340，用于根据前一帧目标语音信号存在的后验概率计算当前帧目标语音信号的后验信噪比；
后验概率计算模块350，用于根据所述当前帧目标语音信号的后验信噪比计算当前帧目标语音信号的先验信噪比，并根据所述当前帧目标语音信号的先验信噪比以及所述当前帧目标语音信号不存在的先验概率计算当前帧目标语音信号存在的后验概率；
混合抑制因子计算模块360，用于根据所述当前帧目标语音信号存在的后验概率计算混合抑制因子；
语音信号处理模块370，用于根据所述混合抑制因子以及所述当前帧近端语音信号计算所述当前帧近端语音信号经过残余回声抑制和噪声抑制处理后得到的语音信号。
本发明实施例通过计算当前帧近端语音信号的噪声功率，根据当前帧原始语音信号与当前帧参考信号之间的第一互相关系数、当前帧原始语音信号与当前帧近端语音信号之间的第二互相关系数以及噪声功率计算当前帧目标语音信号不存在的先验概率，并根据前一帧目标语音信号存在的后验概率计算当前帧目标语音信号的后验信噪比，进而根据当前帧目标语音信号的后验信噪比计算当前帧目标语音信号的先验信噪比，并根据当前帧目标语音信号的先验信噪比以及当前帧目标语音信号不存在的先验概率计算当前帧目标语音信号存在的后验概率，从而根据当前帧目标语音信号存在的后验概率计算混合抑制因子，以根据混合抑制因子以及当前帧近端语音信号计算当前帧近端语音信号经过残余回声抑制和噪声抑制处理后得到的语音信号，解决现有对语音信号独立进行残余回声抑制以及噪声抑制处理存在的计算量大及处理效果不理想等问题，实现在保证语音信号处理性能的前提下，降低语音信号处理的计算复杂度。
可选的，先验概率计算模块330，具体用于：根据所述当前帧近端语音信号的噪声功率、所述第一互相关系数以及所述第二互相关系数计算当前帧目标语音信号与当前帧噪声信号之间的功率比值；根据所述当前帧目标语音信号与当前帧噪声信号之间的功率比值计算所述当前帧目标语音信号不存在的先验概率。
可选的，先验概率计算模块330，具体用于：基于如下公式计算所述当前帧目标语音信号与当前帧噪声信号之间的功率比值：
Figure BDA0002731097020000181
其中，η1(i,j)表示所述当前帧目标语音信号与当前帧噪声信号之间的初步功率比值，λnoise(i,j)表示所述当前帧近端语音信号的噪声功率，Cde(i,j)表示所述第二互相关系数，Cxd(i,j)表示所述第一互相关系数，ei,j表示所述当前帧近端语音信号第j个频点的频谱。
可选的，先验概率计算模块330，具体用于：基于如下公式计算所述当前帧目标语音信号与当前帧噪声信号之间的功率比值：
η(i,j)＝min((Cde(i,j)/Cxd(i,j))2,η1(i,j))
其中，η(i,j)所述当前帧目标语音信号与当前帧噪声信号之间的目标功率比值。
可选的，先验概率计算模块330，具体用于：基于如下公式计算所述当前帧目标语音信号不存在的先验概率：
Figure BDA0002731097020000182
其中，q(i,j)表示所述当前帧近端语音信号不存在的先验概率，ν0表示门限值，η*表示所述当前帧目标语音信号与当前帧噪声信号之间的功率比值，η*取η1(i,j)或η(i,j)。
可选的，后验信噪比计算模块340，具体用于：根据所述前一帧近端语音信号存在的后验概率计算当前帧残余回声信号以及当前帧噪声信号的联合功率谱；根据所述当前帧残余回声信号以及当前帧噪声信号的联合功率谱计算所述当前帧目标语音信号的后验信噪比。
可选的，后验信噪比计算模块340，具体用于：基于如下公式计算所述当前帧残余回声信号以及当前帧噪声信号的联合功率谱：
Figure BDA0002731097020000191
Figure BDA0002731097020000192
其中，λ(i,j)表示所述当前帧残余回声信号以及当前帧噪声信号的联合功率谱，
Figure BDA0002731097020000193
表示前一帧近端语音信号的可变平滑因子，λ(i-1,j)表示前一帧残余回声信号以及前一帧噪声信号的联合功率谱，p(i-1,j)表示所述前一帧近端语音信号存在的后验概率；αn表示固定平滑系数；
根据所述当前帧残余回声信号以及当前帧噪声信号的联合功率谱计算所述当前帧目标语音信号的后验信噪比，包括：
基于如下公式计算所述当前帧目标语音信号的后验信噪比：
Figure BDA0002731097020000194
其中，γ(i,j)表示所述当前帧目标语音信号的后验信噪比。
可选的，后验概率计算模块350，具体用于：基于如下公式计算所述当前帧目标语音信号的先验信噪比：
ξ(i,j)＝αG1 2(i-1,j)γ(i-1,j)+(1-α)max{γ(i,j)-1,0}
Figure BDA0002731097020000195
根据所述当前帧目标语音信号的先验信噪比以及所述当前帧目标语音信号不存在的先验概率计算当前帧目标语音信号存在的后验概率，包括：
基于如下公式计算所述当前帧目标语音信号存在的后验概率：
Figure BDA0002731097020000196
其中，ξ(i,j)表示所述当前帧目标语音信号的先验信噪比，α表示平滑系数，G1(i-1,j)表示前一帧近端语音信号的混合抑制因子中间值，γ(i-1,j)表示前一帧目标语音信号的后验信噪比，ξ(i-1,j)表示前一帧目标语音信号的先验信噪比，p(i,j)表示所述当前帧目标语音信号存在的后验概率。
可选的，混合抑制因子计算模块360，具体用于：基于如下公式计算所述混合抑制因子：
G(i,j)＝(G1(i,j))p(i,j)Gmin(i,j)(1-p(i,j))
其中，G(i,j)表示所述混合抑制因子，G1(i,j)表示当前帧近端语音信号的混合抑制因子中间值，Gmin(i,j)表示所述混合抑制因子的门限控制值。
可选的，语音信号处理模块370，具体用于：基于如下公式计算所述当前帧近端语音信号经过残余回声抑制和噪声抑制处理后得到的语音信号：
M(i,j)＝ei,jG(i,j)
其中，M(i,j)表示所述当前帧近端语音信号经过残余回声抑制和噪声抑制处理后得到的语音信号。
上述语音信号处理装置可执行本发明任意实施例所提供的语音信号处理方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明任意实施例提供的语音信号处理方法。
由于上述所介绍的语音信号处理装置为可以执行本发明实施例中的语音信号处理方法的装置，故而基于本发明实施例中所介绍的语音信号处理方法，本领域所属技术人员能够了解本实施例的语音信号处理装置的具体实施方式以及其各种变化形式，所以在此对于该语音信号处理装置如何实现本发明实施例中的语音信号处理方法不再详细介绍。只要本领域所属技术人员实施本发明实施例中语音信号处理方法所采用的装置，都属于本申请所欲保护的范围。
实施例四
图5为本发明实施例四提供的一种计算机设备的结构示意图。图5示出了适于用来实现本发明实施方式的计算机设备412的框图。图5显示的计算机设备412仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。计算机设备412典型的可以是承担语音处理功能的终端设备等。
如图5所示，计算机设备412以通用计算设备的形式表现。计算机设备412的组件可以包括但不限于：一个或者多个处理器416，存储装置428，连接不同系统组件(包括存储装置428和处理器416)的总线418。
总线418表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture，ISA)总线，微通道体系结构(Micro Channel Architecture，MCA)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。
计算机设备412典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备412访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储装置428可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory，RAM)430和/或高速缓存存储器432。计算机设备412可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统434可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如只读光盘(Compact Disc-Read Only Memory，CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线418相连。存储装置428可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块426的程序436，可以存储在例如存储装置428中，这样的程序模块426包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块426通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备412也可以与一个或多个外部设备414(例如键盘、指向设备、摄像头、显示器424等)通信，还可与一个或者多个使得用户能与该计算机设备412交互的设备通信，和/或与使得该计算机设备412能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(Input/Output，I/O)接口422进行。并且，计算机设备412还可以通过网络适配器420与一个或者多个网络(例如局域网(Local Area Network，LAN)，广域网Wide Area Network，WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器420通过总线418与计算机设备412的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备412使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arraysof Independent Disks，RAID)系统、磁带驱动器以及数据备份存储系统等。
处理器416通过运行存储在存储装置428中的程序，从而执行各种功能应用以及数据处理，例如实现本发明上述实施例所提供的语音信号处理方法。
也即，所述处理单元执行所述程序时实现：获取当前帧原始语音信号、当前帧参考信号以及当前帧近端语音信号；计算所述当前帧近端语音信号的噪声功率；根据所述当前帧原始语音信号与所述当前帧参考信号之间的第一互相关系数、所述当前帧原始语音信号与所述当前帧近端语音信号之间的第二互相关系数以及所述当前帧近端语音信号的噪声功率计算当前帧目标语音信号不存在的先验概率；根据前一帧目标语音信号存在的后验概率计算当前帧目标语音信号的后验信噪比；根据所述当前帧目标语音信号的后验信噪比计算当前帧目标语音信号的先验信噪比，并根据所述当前帧目标语音信号的先验信噪比以及所述当前帧目标语音信号不存在的先验概率计算当前帧目标语音信号存在的后验概率；根据所述当前帧目标语音信号存在的后验概率计算混合抑制因子；根据所述混合抑制因子以及所述当前帧近端语音信号计算所述当前帧近端语音信号经过残余回声抑制和噪声抑制处理后得到的语音信号。
实施例五
本发明实施例六还提供一种存储计算机程序的计算机存储介质，所述计算机程序在由计算机处理器执行时用于执行本发明上述实施例任一所述的语音信号处理方法：获取当前帧原始语音信号、当前帧参考信号以及当前帧近端语音信号；计算所述当前帧近端语音信号的噪声功率；根据所述当前帧原始语音信号与所述当前帧参考信号之间的第一互相关系数、所述当前帧原始语音信号与所述当前帧近端语音信号之间的第二互相关系数以及所述当前帧近端语音信号的噪声功率计算当前帧目标语音信号不存在的先验概率；根据前一帧目标语音信号存在的后验概率计算当前帧目标语音信号的后验信噪比；根据所述当前帧目标语音信号的后验信噪比计算当前帧目标语音信号的先验信噪比，并根据所述当前帧目标语音信号的先验信噪比以及所述当前帧目标语音信号不存在的先验概率计算当前帧目标语音信号存在的后验概率；根据所述当前帧目标语音信号存在的后验概率计算混合抑制因子；根据所述混合抑制因子以及所述当前帧近端语音信号计算所述当前帧近端语音信号经过残余回声抑制和噪声抑制处理后得到的语音信号。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、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。计算机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、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ReadOnly Memory，ROM)、可擦式可编程只读存储器((Erasable Programmable Read OnlyMemory，EPROM)或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机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。
计算机可读的信号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，其中承载了计算机可读的程序代码。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。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、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、电线、光缆、射频(Radio Frequency，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或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，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)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (16)

1.一种语音信号处理方法，其特征在于，包括：
获取当前帧原始语音信号、当前帧参考信号以及当前帧近端语音信号；
计算所述当前帧近端语音信号的噪声功率；
根据所述当前帧原始语音信号与所述当前帧参考信号之间的第一互相关系数、所述当前帧原始语音信号与所述当前帧近端语音信号之间的第二互相关系数以及所述当前帧近端语音信号的噪声功率计算当前帧目标语音信号不存在的先验概率；
根据前一帧目标语音信号存在的后验概率计算当前帧目标语音信号的后验信噪比；
根据所述当前帧目标语音信号的后验信噪比计算当前帧目标语音信号的先验信噪比，并根据所述当前帧目标语音信号的先验信噪比以及所述当前帧目标语音信号不存在的先验概率计算当前帧目标语音信号存在的后验概率；
根据所述当前帧目标语音信号存在的后验概率计算混合抑制因子；
根据所述混合抑制因子以及所述当前帧近端语音信号计算所述当前帧近端语音信号经过残余回声抑制和噪声抑制处理后得到的语音信号。
2.根据权利要求1所述的方法，其特征在于，根据所述当前帧原始语音信号与所述当前帧参考信号之间的第一互相关系数、所述当前帧原始语音信号与所述当前帧近端语音信号之间的第二互相关系数以及所述当前帧近端语音信号的噪声功率计算当前帧目标语音信号不存在的先验概率，包括：
根据所述当前帧近端语音信号的噪声功率、所述第一互相关系数以及所述第二互相关系数计算当前帧目标语音信号与当前帧噪声信号之间的功率比值；
根据所述当前帧目标语音信号与当前帧噪声信号之间的功率比值计算所述当前帧目标语音信号不存在的先验概率。
3.根据权利要求2所述的方法，其特征在于，根据所述当前帧近端语音信号的噪声功率、所述第一互相关系数以及所述第二互相关系数计算当前帧目标语音信号与当前帧噪声信号之间的功率比值，包括：
基于如下公式计算所述当前帧目标语音信号与当前帧噪声信号之间的功率比值：
Figure FDA0002731097010000021
其中，η1(i,j)表示所述当前帧目标语音信号与当前帧噪声信号之间的初步功率比值，λnoise(i,j)表示所述当前帧近端语音信号的噪声功率，Cde(i,j)表示所述第二互相关系数，Cxd(i,j)表示所述第一互相关系数，ei,j表示所述当前帧近端语音信号第j个频点的频谱。
4.根据权利要求3所述的方法，其特征在于，根据所述当前帧近端语音信号的噪声功率、所述第一互相关系数以及所述第二互相关系数计算当前帧目标语音信号与当前帧噪声信号之间的功率比值，包括：
基于如下公式计算所述当前帧目标语音信号与当前帧噪声信号之间的功率比值：
η(i,j)＝min((Cde(i,j)/Cxd(i,j))2,η1(i,j))
其中，η(i,j)所述当前帧目标语音信号与当前帧噪声信号之间的目标功率比值。
5.根据权利要求3或4所述的方法，其特征在于，根据所述当前帧目标语音信号与当前帧噪声信号之间的功率比值计算所述当前帧目标语音信号不存在的先验概率，包括：
基于如下公式计算所述当前帧目标语音信号不存在的先验概率：
Figure FDA0002731097010000031
其中，q(i,j)表示所述当前帧近端语音信号不存在的先验概率，ν0表示门限值，η*表示所述当前帧目标语音信号与当前帧噪声信号之间的功率比值，η*取η1(i,j)或η(i,j)。
6.根据权利要求1所述的方法，其特征在于，根据前一帧目标语音信号存在的后验概率计算当前帧目标语音信号的后验信噪比，包括：
根据所述前一帧近端语音信号存在的后验概率计算当前帧残余回声信号以及当前帧噪声信号的联合功率谱；
根据所述当前帧残余回声信号以及当前帧噪声信号的联合功率谱计算所述当前帧目标语音信号的后验信噪比。
7.根据权利要求6所述的方法，其特征在于，根据所述前一帧近端语音信号存在的后验概率计算当前帧残余回声信号以及当前帧噪声信号的联合功率谱，包括：
基于如下公式计算所述当前帧残余回声信号以及当前帧噪声信号的联合功率谱：
Figure FDA0002731097010000032
Figure FDA0002731097010000033
其中，λ(i,j)表示所述当前帧残余回声信号以及当前帧噪声信号的联合功率谱，
Figure FDA0002731097010000034
表示前一帧近端语音信号的可变平滑因子，λ(i-1,j)表示前一帧残余回声信号以及前一帧噪声信号的联合功率谱，p(i-1,j)表示所述前一帧近端语音信号存在的后验概率；αn表示固定平滑系数；
根据所述当前帧残余回声信号以及当前帧噪声信号的联合功率谱计算所述当前帧目标语音信号的后验信噪比，包括：
基于如下公式计算所述当前帧目标语音信号的后验信噪比：
Figure FDA0002731097010000041
其中，γ(i,j)表示所述当前帧目标语音信号的后验信噪比。
8.根据权利要求1所述的方法，其特征在于，根据所述当前帧目标语音信号的后验信噪比计算当前帧目标语音信号的先验信噪比，包括：
基于如下公式计算所述当前帧目标语音信号的先验信噪比：
ξ(i,j)＝αG1 2(i-1,j)γ(i-1,j)+(1-α)max{γ(i,j)-1,0}
Figure FDA0002731097010000042
根据所述当前帧目标语音信号的先验信噪比以及所述当前帧目标语音信号不存在的先验概率计算当前帧目标语音信号存在的后验概率，包括：
基于如下公式计算所述当前帧目标语音信号存在的后验概率：
Figure FDA0002731097010000043
其中，ξ(i,j)表示所述当前帧目标语音信号的先验信噪比，α表示平滑系数，G1(i-1,j)表示前一帧近端语音信号的混合抑制因子中间值，γ(i-1,j)表示前一帧目标语音信号的后验信噪比，ξ(i-1,j)表示前一帧目标语音信号的先验信噪比，p(i,j)表示所述当前帧目标语音信号存在的后验概率。
9.根据权利要求1所述的方法，其特征在于，根据所述当前帧目标语音信号存在的后验概率计算混合抑制因子，包括：
基于如下公式计算所述混合抑制因子：
Figure FDA0002731097010000051
其中，G(i,j)表示所述混合抑制因子，G1(i,j)表示当前帧近端语音信号的混合抑制因子中间值，Gmin(i,j)表示所述混合抑制因子的门限控制值。
10.根据权利要求1所述的方法，其特征在于，根据所述混合抑制因子以及所述当前帧近端语音信号计算所述当前帧近端语音信号经过残余回声抑制和噪声抑制处理后得到的语音信号，包括：
基于如下公式计算所述当前帧近端语音信号经过残余回声抑制和噪声抑制处理后得到的语音信号：
M(i,j)＝ei,jG(i,j)
其中，M(i,j)表示所述当前帧近端语音信号经过残余回声抑制和噪声抑制处理后得到的语音信号。
11.一种语音信号处理装置，其特征在于，包括：
信号获取模块，用于获取当前帧原始语音信号、当前帧参考信号以及当前帧近端语音信号；
噪声功率计算模块，用于计算所述当前帧近端语音信号的噪声功率；
先验概率计算模块，用于根据所述当前帧原始语音信号与所述当前帧参考信号之间的第一互相关系数、所述当前帧原始语音信号与所述当前帧近端语音信号之间的第二互相关系数以及所述当前帧近端语音信号的噪声功率计算当前帧目标语音信号不存在的先验概率；
后验信噪比计算模块，用于根据前一帧目标语音信号存在的后验概率计算当前帧目标语音信号的后验信噪比；
后验概率计算模块，用于根据所述当前帧目标语音信号的后验信噪比计算当前帧目标语音信号的先验信噪比，并根据所述当前帧目标语音信号的先验信噪比以及所述当前帧目标语音信号不存在的先验概率计算当前帧目标语音信号存在的后验概率；
混合抑制因子计算模块，用于根据所述当前帧目标语音信号存在的后验概率计算混合抑制因子；
语音信号处理模块，用于根据所述混合抑制因子以及所述当前帧近端语音信号计算所述当前帧近端语音信号经过残余回声抑制和噪声抑制处理后得到的语音信号。
12.根据权利要求11所述的装置，其特征在于，所述先验概率计算模块具体用于：
根据所述当前帧近端语音信号的噪声功率、所述第一互相关系数以及所述第二互相关系数计算当前帧目标语音信号与当前帧噪声信号之间的功率比值；
根据所述当前帧目标语音信号与当前帧噪声信号之间的功率比值计算所述当前帧目标语音信号不存在的先验概率。
13.根据权利要求12所述的装置，其特征在于，所述先验概率计算模块具体用于：
基于如下公式计算所述当前帧目标语音信号与当前帧噪声信号之间的功率比值：
Figure FDA0002731097010000061
其中，η1(i,j)表示所述当前帧目标语音信号与当前帧噪声信号之间的初步功率比值，λnoise(i,j)表示所述当前帧近端语音信号的噪声功率，Cde(i,j)表示所述第二互相关系数，Cxd(i,j)表示所述第一互相关系数，ei,j表示所述当前帧近端语音信号第j个频点的频谱。
14.根据权利要求13所述的装置，其特征在于，所述先验概率计算模块具体用于：
基于如下公式计算所述当前帧目标语音信号与当前帧噪声信号之间的功率比值：
η(i,j)＝min((Cde(i,j)/Cxd(i,j))2,η1(i,j))
其中，η(i,j)所述当前帧目标语音信号与当前帧噪声信号之间的目标功率比值。
15.根据权利要求11所述的装置，其特征在于，所述后验信噪比计算模块具体用于：
根据所述前一帧近端语音信号存在的后验概率计算当前帧残余回声信号以及当前帧噪声信号的联合功率谱；
根据所述当前帧残余回声信号以及当前帧噪声信号的联合功率谱计算所述当前帧目标语音信号的后验信噪比。
16.一种计算机设备，其特征在于，所述计算机设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-10中任一所述的语音信号处理方法。
CN202011118205.1A 2020-10-19 2020-10-19 一种语音信号处理方法、装置及计算机设备 Pending CN114387982A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011118205.1A CN114387982A (zh) 2020-10-19 2020-10-19 一种语音信号处理方法、装置及计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011118205.1A CN114387982A (zh) 2020-10-19 2020-10-19 一种语音信号处理方法、装置及计算机设备

Publications (1)

Publication Number Publication Date
CN114387982A true CN114387982A (zh) 2022-04-22

Family

ID=81193769

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011118205.1A Pending CN114387982A (zh) 2020-10-19 2020-10-19 一种语音信号处理方法、装置及计算机设备

Country Status (1)

Country Link
CN (1) CN114387982A (zh)

Similar Documents

Publication Publication Date Title
CN108615535B (zh) 语音增强方法、装置、智能语音设备和计算机设备
JP4210521B2 (ja) 雑音低減法および装置
CN108696648B (zh) 一种短时语音信号处理的方法、装置、设备及存储介质
CN113436643B (zh) 语音增强模型的训练及应用方法、装置、设备及存储介质
CN110931035B (zh) 音频处理方法、装置、设备及存储介质
CN113077806B (zh) 音频处理方法及装置、模型训练方法及装置、介质和设备
CN114242098B (zh) 一种语音增强方法、装置、设备以及存储介质
US20240046947A1 (en) Speech signal enhancement method and apparatus, and electronic device
CN110992975B (zh) 一种语音信号处理方法、装置及终端
CN114530160A (zh) 模型训练方法、回声消除方法、系统、设备及存储介质
EP2774147B1 (en) Audio signal noise attenuation
CN113096679A (zh) 音频数据处理方法和装置
WO2024041512A1 (zh) 音频降噪方法、装置、电子设备及可读存储介质
CN113763975B (zh) 一种语音信号处理方法、装置及终端
WO2021007841A1 (zh) 噪声估计方法、噪声估计装置、语音处理芯片以及电子设备
CN114387982A (zh) 一种语音信号处理方法、装置及计算机设备
CN114333912B (zh) 语音激活检测方法、装置、电子设备和存储介质
CN111048096B (zh) 一种语音信号处理方法、装置及终端
CN112489669B (zh) 一种音频信号处理方法、装置、设备和介质
CN115662461A (zh) 降噪模型训练方法、装置以及设备
CN115273880A (zh) 语音降噪方法、模型训练方法、装置、设备、介质及产品
CN114882879A (zh) 音频降噪方法、确定映射信息的方法、装置及电子设备
CN114360563A (zh) 语音降噪方法、装置、设备及存储介质
CN113113038A (zh) 回声消除方法、装置及电子设备
CN113270108A (zh) 语音活动检测方法、装置、电子设备及介质

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