CN116312447B - 一种定向噪声消除方法及系统 - Google Patents

Abstract

本发明涉及一种定向噪声消除方法，具体包括：使用两个声传感器分别采集得到两路声音信号，对两路声音信号做经验模态信号分解，得到本征模态函数信号成分，对每对本征模态函数信号成分以互相关函数计算时延差，筛除时延差高于预设时延阈值的每对本征模态函数信号成分，以剩余的本征模态函数信号成分重构定向降噪信号。本发明的方法能够对两个声传感器采集的声音做信号成分分析，并比较每个信号成分在两个声传感器到达的时延差，从而判断每个信号成分的来源方向，从而精准识别来自测试台的测试声音信号，对外源声信号做定向降噪。

Description

一种定向噪声消除方法及系统

技术领域

本发明属于噪声消除技术领域，具体涉及一种定向噪声消除方法及系统。

背景技术

音频类消费电子产品生产及测试过程中，会面临很多来自周围环境的声学干扰因素：如在音频设备放置于测试台中心时，周边机器发出的单频或多频带干扰声音、生产人员活动发出的干扰声音会从周围传播至测试台，这一系列的干扰所产生的噪声都会传播到产品测试台的声传感器，影响产品测试的稳定性与准确性。

现有的降噪方法一般基于带通滤波实施，在对噪声进行消除时极易同时影响到测试信号，导致测试结果失准。如果能够准确地识别外源性干扰，并为这些外源性干扰进行有针对性的降噪处理将能够有效提升测试质量，既减少因为干扰带来的复测时间增加、又提升产品性能分析指标(频响/失真)的准确性。

因此需要一种定向噪声消除方法及系统，能够有效识别非来自测试台的声音，从而提高测试质量。

发明内容

基于现有技术中存在的上述缺点和不足，本发明的目的之一是至少解决现有技术中存在的上述问题之一或多个，换言之，本发明的目的之一是提供满足前述需求之一或多个的一种定向噪声消除方法及系统。

为了达到上述发明目的，本发明采用以下技术方案：

一种定向噪声消除方法，具体包括如下步骤：

S1、使用两个声传感器分别采集得到两路声音信号；

S2、对两路声音信号做经验模态信号分解，获取两路声音信号的本征模态函数信号成分；

S3、对两路声音信号的每对本征模态函数信号成分以互相关函数计算时延差；

S4、筛除时延差高于预设时延阈值的每对本征模态函数信号成分；

S5、以剩余的本征模态函数信号成分重构定向降噪信号。

作为优选方案，步骤S2具体包括：

S21、在声音信号中确定定位最大点及定位最小点，将定位最大点连接为上包络，将定位最小点连接为下包络；

S22、计算上包络和下包络的中值曲线；

S23、将声音信号减去中值曲线，得到去低频新信号；

S24、判断去低频新信号是否满足本征模态函数定义的条件，若否则返回步骤S21，若是则进入步骤S25；

S25、使用声音信号减去去低频新信号，得到去高频新信号；

S26、判断去高频新信号是否为单调曲线，若是则完成经验模态信号分解，若否则记录本次去低频新信号，返回步骤S21。作为优选方案，步骤S5具体包括：

使用剩余的本征模态函数信号成分与经验模态信号分解的残余信号重新叠加，生成定向降噪信号。

作为优选方案，两个声传感器被配置为与待降噪声源的距离相同。

作为优选方案，步骤S4中，时延阈值根据待降噪声源的尺寸预设。

另一方面，本发明还提供一种定向噪声消除系统，包括：

两个声传感器，用于采集声音信号；

经验模态信号分解模块，用于对两个声传感器采集的两路声音信号做经验模态信号分解，获取两路声音信号的本征模态函数信号成分；

互相关函数计算模块，用于对两路声音信号的每对本征模态函数信号成分以互相关函数计算时延差；

筛除模块，用于筛除时延差高于预设时延阈值的每对本征模态函数信号成分；

重构模块，用于以剩余的本征模态函数信号成分重构定向降噪信号。

作为优选方案，系统还包括时延阈值设定模块，用于预设时延阈值。

作为优选方案，经验模态信号分解模块具体包括：

包络计算单元，用于在声音信号中确定定位最大点及定位最小点，将定位最大点连接为上包络，将定位最小点连接为下包络，并计算上包络和下包络的中值曲线；

去低频单元，用于将声音信号减去中值曲线，得到去低频新信号；

本征模态函数判断单元，用于判断去低频新信号是否满足本征模态函数定义的条件；

去高频单元，用于使用声音信号减去去低频新信号，得到去高频新信号；

分解判断单元，用于判断去高频新信号是否为单调曲线。

作为优选方案，重构模块具体包括：

信号叠加单元，用于将剩余的本征模态函数信号成分与经验模态信号分解的残余信号重新叠加；

重构单元，用于将信号叠加单元获得的叠加信号重构为定向降噪信号。

作为优选方案，两个声传感器被配置为与待降噪声源的距离相同。

本发明与现有技术相比，有益效果是：

本发明的方法能够对两个声传感器采集的声音做信号成分分析，并比较每个信号成分在两个声传感器到达的时延差，从而判断每个信号成分的来源方向，从而精准识别来自测试台的测试声音信号，对外源声信号做定向降噪。

附图说明

图1是本发明的定向噪声消除方法的声传感器布局示意图；

图2是本发明的定向噪声消除方法的流程图；

图3是本发明的经验模态信号分解的流程图；

图4是本发明的经验模态信号分解的包络曲线计算示意图；

图5是本发明的本征模态函数信号成分示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。

在下述介绍中提供了本申请的多个实施例，不同实施例之间可以替换或者合并组合，因此本申请也可认为包含所记载的相同和/或不同实施例的所有可能组合。因而，如果一个实施例包含特征A、B、C，另一个实施例包含特征B、D，那么本申请也应视为包括含有A、B、C、D的一个或多个所有其他可能的组合的实施例，尽管该实施例可能并未在以下内容中有明确的文字记载。

下面的描述提供了示例，并且不对权利要求书中阐述的范围、适用性或示例进行限制。可以在不脱离本申请内容的范围的情况下，对描述的元素的功能和布置做出改变。各个示例可以适当省略、替代或添加各种过程或组件。例如所描述的方法可以以所描述的顺序不同的顺序来执行，并且可以添加、省略或组合各种步骤。此外，可以将关于一些示例描述的特征组合到其他示例中。

在具体讲述本发明方法的实施方式之前，在此对当前音频设备测试方法及本发明的定向降噪方法所采用的声传感器布局做如下说明：

如图1所示，在音频设备测试时，居中设置一个测试台，音频设备放置于测试台上，而本发明的方法所采用的两个声传感器以测试台为中心对称放置，使音频设备的扬声器到两个声传感器的距离相同。

基于上述布局，本申请提供一种定向噪声消除方法，其流程图如图2所示，具体包括如下步骤：

S1、使用如上述举例中的两个声传感器分别采集测试声音及周围环境噪声的声信号，每个声传感器分别得到一路声音信号，两个声传感器共得到两路声音信号。

更具体的，在步骤S1执行时，还需要对音频设备的扬声器施加激励信号，使其播放测试声音。

S2、对两路声音信号做经验模态信号（EMD）分解，获取两路声音信号的本征模态函数（IMF）信号成分，将每路声音信号均分割为多个信号成分的集合。

作为一种具体的实现方式，步骤S2的步骤如图3所示，包括如下过程：

S21、在声音信号的波形函数中确定定位最大点及定位最小点，然后将全部定位最大点连接为上包络，将全部定位最小点连接为下包络；

对于每路声音信号x(t)，如图4所示，在其声音信号的波形函数中确定定位最大点及定位最小点，然后将全部定位最大点连接为上包络，将全部定位最小点连接为下包络。

S22、计算上包络和下包络的中值曲线m(t)。

S23、将声音信号减去中值曲线，得到去低频新信号；

即将声音信号x(t)减去中值曲线m(t)，得到去低频新信号hi(t)，以用于计算IMF。

S24、判断去低频新信号h _i (t)是否满足本征模态函数定义的条件，若否则返回步骤S21，若是则进入步骤S25。

具体的，本征模态函数定义的条件为，极值点个数与过零点相差不超，且中值曲线均值接近0，即abs(mean(m))<Ɛ,其中Ɛ为一个极小数。

S25、使用声音信号x(t)减去去低频新信号h _i (t)，得到去高频新信号r(t)；

S26、判断去高频新信号是否为单调曲线，若是则完成经验模态信号分解，若否则记录本次去低频新信号，返回步骤S21。

具体的，步骤S26判断上述残余值的去高频新信号r(t)是否为单调曲线，即是否只有单个局部最大最小点，若是则完成经验模态信号分解，若否则记录本次去低频新信号作为一个信号成分，然后以残余的r(t)作为新的x(t)，回到返回步骤S21继续分解。

经过上述过程分解完成的本征模态函数信号成分如图5所示。

S3、对两路声音信号的每对本征模态函数信号成分以互相关函数计算时延差。

具体的，此处的互相关函数是描述信号 f (t)，g (t)在任意两个不同时刻 n，m的取值间的相关程度，对于离散数据，有定义：

；

互相关就是两个时间序列滑动相乘，互相关函数与其互功率谱密度互为傅里叶变换对，则f和g的互相关函数又可以表示为：

；

其中，F(ω)和G(ω)分别为f(t)和g(t)的傅里叶变换，G _fg (ω)则称为麦克风信号f(t)和g(t)间的互功率谱，G ^*(ω)为G(ω)取复共轭.R _{f g} (τ) 对应最大峰值处的横坐标即为所求的时延估计值。

S4、筛除时延差高于预设时延阈值的每对本征模态函数信号成分。由于两路声传感器与测试平台的距离一致，因此如果两路声音信号中的同一对信号成分来自于测试平台，则其这一对信号成分之间的时延差应该小于预设时延阈值。而反之，如果这一对信号成分来自于外部环境，由于其距离两个声传感器的距离不同，那么这一对信号成分之间的时延差应该大于预设时延阈值，由此实现并非来自测试平台的外部噪声筛选。

S5、以剩余的本征模态函数信号成分重构定向降噪信号。

作为具体的实施方式，步骤S5使用剩余的本征模态函数信号成分与经验模态信号分解的残余信号重新叠加，生成定向降噪信号，公式具体为：

。

另外，在本申请的某些优选实施例中，步骤S4中的时延阈值是根据待降噪声源的尺寸预设，比如测试平台为0.5m*0.5m平台，被测产品在平台边缘发出声音最大延迟为1.47ms,如果延迟超出此范围，则视为外源干扰。

另一方面，本申请还提供一种定向噪声消除系统，包括：

两个声传感器，用于采集声音信号；

经验模态信号分解模块，用于执行上述步骤S2，对两个声传感器采集的两路声音信号做经验模态信号分解，获取两路声音信号的本征模态函数信号成分；

互相关函数计算模块，用于执行上述步骤S3，对两路声音信号的每对本征模态函数信号成分以互相关函数计算时延差；

筛除模块，用于执行上述步骤S4，筛除时延差高于预设时延阈值的每对本征模态函数信号成分；

重构模块，用于执行上述步骤S5，以剩余的本征模态函数信号成分重构定向降噪信号。

在本申请的某些优选实施例中，系统还包括时延阈值设定模块，用于预设时延阈值，这一时延阈值的预设可以手动输入阈值，也可以输入待测声源的尺寸后根据声速自动计算得到。

在本申请的某些实施例中，与上述方法对应，经验模态信号分解模块具体包括：

包络计算单元，用于在声音信号中确定定位最大点及定位最小点，将定位最大点连接为上包络，将定位最小点连接为下包络，并计算上包络和下包络的中值曲线；

去低频单元，用于将声音信号减去中值曲线，得到去低频新信号；

本征模态函数判断单元，用于判断去低频新信号是否满足本征模态函数定义的条件；

去高频单元，用于使用声音信号减去去低频新信号，得到去高频新信号；

分解判断单元，用于判断去高频新信号是否为单调曲线。

重构模块具体包括：

信号叠加单元，用于将剩余的本征模态函数信号成分与经验模态信号分解的残余信号重新叠加；

重构单元，用于将信号叠加单元获得的叠加信号重构为定向降噪信号。

另外，为了能够顺利根据两路声信号的互相关函数判断声源方向，两个声传感器被配置为与待降噪声源的距离相同。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

以上所述者，仅为本公开的示例性实施例，不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰，皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践这里的公开后，将容易想到本公开的其实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的范围和精神由权利要求限定。

Claims (6)

1.一种定向噪声消除方法，其特征在于，具体包括如下步骤：

S1、使用两个声传感器分别采集得到两路声音信号；

S2、对所述两路声音信号做经验模态信号分解，获取所述两路声音信号的本征模态函数信号成分；

S3、对所述两路声音信号的每对所述本征模态函数信号成分以互相关函数计算时延差；

S4、筛除时延差高于预设时延阈值的每对所述本征模态函数信号成分；

S5、以剩余的所述本征模态函数信号成分重构定向降噪信号；

所述两个声传感器被配置为与待降噪声源的距离相同；

步骤S5使用剩余的本征模态函数信号成分与经验模态信号分解的残余信号重新叠加，生成定向降噪信号，公式具体为：

，其中/>为声音信号，/> 为低频新信号，/> 为高频新信号。

2.如权利要求1所述的一种定向噪声消除方法，其特征在于，所述步骤S2具体包括：

S21、在所述声音信号中确定定位最大点及定位最小点，将所述定位最大点连接为上包络，将所述定位最小点连接为下包络；

S22、计算所述上包络和所述下包络的中值曲线；

S23、将所述声音信号减去所述中值曲线，得到去低频新信号；

S24、判断所述去低频新信号是否满足本征模态函数定义的条件，若否则返回步骤S21，若是则进入步骤S25；

S25、使用所述声音信号减去所述去低频新信号，得到去高频新信号；

S26、判断所述去高频新信号是否为单调曲线，若是则完成经验模态信号分解，若否则记录本次所述去低频新信号，返回步骤S21。

3.如权利要求1所述的一种定向噪声消除方法，其特征在于，所述步骤S4中，所述时延阈值根据待降噪声源的尺寸预设。

4.一种定向噪声消除系统，其特征在于，包括：

两个声传感器，用于采集声音信号；

经验模态信号分解模块，用于对所述两个声传感器采集的两路声音信号做经验模态信号分解，获取所述两路声音信号的本征模态函数信号成分；

互相关函数计算模块，用于对所述两路声音信号的每对所述本征模态函数信号成分以互相关函数计算时延差；

筛除模块，用于筛除时延差高于预设时延阈值的每对所述本征模态函数信号成分；

重构模块，用于以剩余的所述本征模态函数信号成分重构定向降噪信号；

所述两个声传感器被配置为与待降噪声源的距离相同；

所述重构模块具体包括：

信号叠加单元，用于将剩余的所述本征模态函数信号成分与所述经验模态信号分解的残余信号重新叠加；

重构单元，用于将所述信号叠加单元获得的叠加信号重构为定向降噪信号，公式具体为：

，其中/>为声音信号，/> 为低频新信号，/> 为高频新信号。

5.如权利要求4所述的一种定向噪声消除系统，其特征在于，所述系统还包括时延阈值设定模块，用于预设时延阈值。

6.如权利要求4所述的一种定向噪声消除系统，其特征在于，所述经验模态信号分解模块具体包括：

包络计算单元，用于在所述声音信号中确定定位最大点及定位最小点，将所述定位最大点连接为上包络，将所述定位最小点连接为下包络，并计算所述上包络和所述下包络的中值曲线；

去低频单元，用于将所述声音信号减去所述中值曲线，得到去低频新信号；

本征模态函数判断单元，用于判断所述去低频新信号是否满足本征模态函数定义的条件；

去高频单元，用于使用所述声音信号减去所述去低频新信号，得到去高频新信号；

分解判断单元，用于判断所述去高频新信号是否为单调曲线。