CN1284139C - 噪声减少的方法和装置 - Google Patents

Abstract

本发明涉及一种方法，当在频域分析输入信号时，它确定输入信号帧内的噪声功率谱密度的估计量和有用信号功率谱密度的估计量，从而能计算第一噪声减少滤波器的传递函数，通过组合信号频谱和第一滤波器传递函数来实现第二轮以良好地调节有用信号电平，然后根据经良好调节的有用信号功率谱密度的估计量和噪声功率谱密度的估计量计算第二噪声减少滤波器的传递函数。然后，所述第二噪声减少滤波器用于减少帧内的噪声电平。

Description

噪声减少的方法和装置

技术领域

本发明涉及用于减少输入信号中存在的噪声电平的信号处理技术。

背景技术

一个重要的应用领域是音频信号处理(语音或音乐)，以非限制性方式包括：

·嘈杂环境下的电话会议和视频会议(在专用房间内或者甚至来自多媒体计算机，等等)；

·电话：在终端进行处理，终端是固定或便携式的并且/或者在传输网络内；

·免提终端：在特定办公室、车辆或便携式终端内；

·公共位置(车站、机场，等等)的拾音器；

·车辆内的免提拾音器；

·声音环境下的鲁棒音识别；

·电影院和媒体(如体育杂志或音乐会等的无线电、电视机)的拾音器。

本发明也可以应用于其中需要从嘈杂观察中提取有用信息的任何领域。特别是，可以引用下列领域：水下成像、水下遥感、生物医学信号处理(EEG、ECG、生物医学成像，等等)。

拾音器的特性问题涉及放置拾音器麦克风的声音环境，尤其因为不能完全控制该环境，因此观察信号内也存在干扰信号(称为噪声)。

为了改进信号质量，为了通过在噪声观察信号上进行处理而提取有用信息而研发噪声减少系统。当音频信号是从长距离发射的语音信号时，这些系统能用来增加其清晰度并减少对通信者的曲解。除了口头通信的这些应用之外，语音信号质量的改进结果对话音识别有用，当用户处在嘈杂环境中时，话音识别的性能大大受到损害。

实现噪声减少操作的信号处理技术的选择首先取决于处理输入端可用的观察数目。在本说明中，将考虑仅有一个观察信号可用的情况。适用于这个单捕获问题的噪声减少方法主要依赖于诸如有时间提前/延时的自适应滤波、参量Kalman滤波、或甚至由短时频谱修改的滤波这样的信号处理技术。

后一类(由短时频谱修改的滤波)在实践上结合了工业设备中所有可用的解决方案，解决方案由所涉及概念的简单性以及对其编程所需的基本工具(例如，离散傅立叶变换)的广泛可用性所引起。然而，这些噪声减少技术的快速前进大大依赖于在信号处理的处理器上容易地实时进行这些处理操作、并且不在处理操作输出处对可用信号引入主要失真的可能性。在该类的方法中，处理在于估计噪声减少滤波器的传递函数、然后根据频谱域的乘法进行滤波，这能够用分块处理实现由短时频谱衰减进行的噪声减少。

从理想信号s(n)和干扰噪声b(n)的混合产生的噪声观察信号表示为x(n)，其中n表示离散时间的时间索引。离散时间内表示的选择与针对信号数字处理的实现有关，但是注意到上述方法仅应用于连续时间信号。信号在固定长度的索引k的连续段或帧内被分析。当前离散时间和频率域中的表示所用的符号为：

·X(k，f)：被分析信号x(n)的第k(k是帧索引)个帧的傅立叶变换(f是频率索引)；

·S(k，f)：理想信号s(n)的第k个帧的傅立叶变换；

质量(在时域或频域上)v的估计；例如 是理想信号傅立叶变换的估计；

·γ_uu(f)：信号u(n)的功率谱密度(PSD)。

在大多数噪声减少技术中，噪声信号x(n)经历频域滤波以产生有用的估计信号

它尽可能接近没有任何干扰的原始信号s(n)。如前所述，该滤波操作在于在给定该分量内的估计信噪比(SNR)下减少噪声信号的各频率分量f。这个取决于频率f的SNR在这里对于帧k表示为η(k，f)。

对于每个帧而言，信号首先与加权窗相乘来改进计算噪声减少滤波器所需频谱量的稍后估计。然后，这样加窗的各帧在频域中被分析(一般用快速离散傅立叶变换)。该操作称为短时傅立叶变换(STFT)。所观察信号的该频域表示X(k，f)可用于同时估计噪声减少滤波器的传递函数H(k，f)，并且通过将该传递函数与噪声信号的短时频谱的简单相乘而在频域中应用该滤波器，也就是：

$\hat{S}(k,f)=H(k,f).X(k,f)---\left(1\right)$

然后，通过简单频谱逆变换而使这样获得的信号返回时域。去噪声的信号一般用块的重叠或相加技术(OLA，“overlap-add”)或者保留块的技术(OLS，“overlap-save”)来合成。在时域重建信号的这个操作被称为短时傅立叶逆变换(ISTFT)。

在下列参考中可以找到短时频谱衰减方法的详细描述：J.S.Lim，A.V.Oppenheim所著“Enhancement and bandwidth compression of noisy speech”，IEEE学报，第67卷，第1586-1604页，以及R.E.Crochiere，L.R.Rabiner所著“Multirate digital signal processing”，Prentice Hall出版社，1983。

这种噪声减少系统执行的主要任务是：

·话音活动性检测(VAD)；

·在话音不活动期间对噪声的功率谱密度(PSD)的估计；

·基于抑制噪声频谱分量的规则估计的短时频谱衰减的应用；

·基于OLS或OLA型技术的经处理信号的合成。

抑制噪声分量的规则选择是重要的，这是由于它确定了发送信号的质量。这些抑制规则一般仅修改噪声信号频谱分量的幅度|X(k，f)|，而非它们的相位。通常，作出下列假设：

·噪声和有用信号在统计上不相关；

·有用噪声是间歇性的(其中可估计噪声的寂静周期的存在)；

·人耳对信号相位不敏感(见D.L.Wang，J.S.Lim所著“The unimportanceof phase in speechi enhancement”，IEEE会报，在ASSP上，第30卷，第4号，679-681页，1982)。

在频域分量f处索引为k的帧上对观察信号X(k，f)应用短时频谱衰减H(k，f)一般根据本地信噪比的估计η(k，f)来确定。所有抑制规则所共有的特性是它们的渐近行为，由下式给出：

H(k，f)≈1    对于η(k，f)＞＞1

H(k，f)≈0    对于η(k，f)＜＜1                            (2)

当前使用的抑制规则为：

·功率谱削减(见上述由J.S.Lim和A.V.Oppenheim所著的论文)，其中噪声减少滤波器的传递函数表示为：

$H(k,f)=\sqrt{\frac{{\mathrm{\γ}}_{\mathrm{ss}}(k,f)}{{\mathrm{\γ}}_{\mathrm{bb}}(k,f)+{\mathrm{\γ}}_{\mathrm{ss}}(k,f)}}---\left(3\right)$

·幅度频谱削减(见S.F.Boll所著“Suppression of acoustic noise inspeech using spectral subtraction”，IEEE学报，关于音频、语音和信号处理，第27卷，第2号，113-120页，1979年4月)，其中传递函数H(k，f)表示为：

$H(k,f)=1-\sqrt{\frac{{\mathrm{\γ}}_{\mathrm{bb}}(k,f)}{{\mathrm{\γ}}_{\mathrm{bb}}(k,f)+{\mathrm{\γ}}_{\mathrm{ss}}(k,f)}}---\left(4\right)$

·Wiener滤波器的直接应用，其中传递函数H(k，f)表示为：

$H(k,f)=\frac{{\mathrm{\γ}}_{\mathrm{ss}}(k,f)}{{\mathrm{\γ}}_{\mathrm{bb}}(k,f)+{\mathrm{\γ}}_{\mathrm{ss}}(k,f)}---\left(5\right)$

在这些表达式中，γ_ss(k，f)和γ_bb(k，f)分别表示有用信号和噪声的功率谱密度，这两者存在于索引为k的帧上观察信号X(k，f)的频域分量f内。

对于表达式(3)-(5)而言，按照给定频域分量f上测得的本地信噪比，可以研究应用于噪声信号的频谱衰减行为。注意到，当本地信噪比高时，所有规则都导致同一衰减。功率削减规则在高斯模型最大似然性的意义上最佳(见0.Cappe所著“Elimination of the musical noise phenomenon with the Ephraim and Malahnoise suppressor”，IEEE学报，关于语音和音频处理，第2卷，第2号，345-349页，1994年4月)。但它使噪声功率在处理的输出端保持最大。对于所有抑制规则而言，注意到本地信噪比围绕截止值的小偏差足以导致从总衰减情况(H(k，f)≈0)到可忽略频谱修改情况(H(k，f)≈1)的变化。

后一属性包括被称为“音乐噪声”现象的原因之一。实际上，由确定的和随机分量两者表征的环境噪声可以仅在话音闲置期间被表征。由于这些随机分量的存在，因此在话音活动期间噪声频域分量f的实际影响与它在话音不活动期间若干帧上实现的平均估计之间存在非常显著的偏差。由于该差异，本地信噪比的估计会随着截止电平而波动，因此它会在处理的输出端产生忽现忽隐的频谱分量，其平均寿命在统计上不超过所考虑的分析窗的幅度数量级。整个通带上该行为的概括导致音频的和恼人的残留噪声，称作“音乐噪声”。

有许多致力于减少该噪声效应的研究。推荐解决方案根据以下线索而研制：

·短时估计的平均(见上述由S.F.Boll所著的文章)；

·噪声功率谱的过度估计(见M.Berouti等人所著的“Enhancement ofspeech corrupted by acoustic noise”，Int.Conf.关于语音、信号处理，208-211页，1979年；以及P.Lockwood，J.Boudy所著“Experiments with anon-linear spectral subtractor，hidden Marov models and the projection ofrrobust speech recognition in cars”，EUSIPCO’91的Proc.，79-82页，1991年)；

·噪声频谱密度最小量的跟踪(见R.Martin所著的“Spectral subtractionbased on minimum statistics”，信号处理VII内：理论和应用，EUSIPCO’94，1182-1185页，1994年9月)。

还有许多根据语音信号和加性噪声的统计模型建立新抑制规则的研究。由于它们与常规方法相比具有附加的自由度，因此这些研究已导致引入新的“软判决”算法(见R.J.Mac Aulay，M.L.Malpass所著的“Speech enhancement usingsoft-decision noise suppression filter”，IEEE学报，关于音频、语音和信号处理，第28卷，第2号，138-145页，1980年4月；Y.Ephraim，D.Malah所著的“Speech enhancement using optimal non-1inear spectral amplitudeestimation”，Int.Conf.关于语音、信号处理，1118-1121页，1983年；Y.Ephraim，D.Malah所著的“Speech enhancement using a minimum mean square errorshort-time spectral amplitude estimator”，IEEE学报关于ASSP，第32卷，第6号，1109-1121页，1984年)。

上述短时频谱修改规则具有下列特性：

·短时频谱衰减的计算依赖于各频谱分量上信噪比的估计，公式(3)-(5)各包括质量：

$\mathrm{\η}(k,f)=\frac{{\mathrm{\γ}}_{\mathrm{ss}}(k,f)}{{\mathrm{\γ}}_{\mathrm{bb}}(k,f)}---\left(6\right)$

因此，噪声减少技术的性能(失真、噪声电平的有效减少)由信噪比的这个估计量的相关性来控制。

·这些技术基于分块方式处理(连续块间可能有重叠)，它包括用单频谱衰减对噪声减少装置输入端存在的给定帧的所有采样进行滤波。该属性在于滤波器由频域中的相乘提供。当当前帧上存在的信号不符合二阶平稳假设时，这尤其具有限制性，例如在单词开始或结束的情况下，或者甚至在混合有声/无声帧的情况下。

·频域中实现的相乘对应于现实中的循环卷积操作。实践中，为了避免失真，所企图的操作是线性卷积，它既需要将某数量的零采样加入每个输入帧(称为“零填充”的技术)，又执行针对限制噪声减少滤波器的脉冲响应的时域支持的附加处理。因此，满足时域卷积约束必要地增加了频谱变换的阶次，并因此增加了噪声减少处理的算术复杂度。多数用于限制噪声减少滤波器的脉冲响应的时域支持的技术包括引入时域中的约束，它要求(i)用于根据已知的滤波器传递函数H(k，f)获得脉冲响应h(k，n)的第一“逆”频谱变换，(ii)该脉冲响应点的数量限制，导致被截断的时域滤波器h’(k，n)，然后(iii)用于根据被截断的脉冲响应h’(k，n)获得经修改的传递函数的第二“直接”频谱变换。

·实践中，在执行频谱变换操作之前，各分析帧与分析窗w(n)相乘。当噪声减少滤波器属于全通型时(即，H(k，f)≈1，f)，分析窗必须满足下列条件

$\underset{k}{\mathrm{\Σ}}w(n-k\·D)=1---\left(7\right)$

如果期望满足完全重建条件。在该公式中，参数D表示两个连续分析帧之间的移位(以采样数)。相反，加权窗w(n)的选择(一般为Hanning，Hamming，Blackman等类型)确定W(f)的主瓣宽度以及次瓣的幅度(相对于主瓣的幅度)。如果主瓣很宽，则原始信号变换的快速过渡得到非常坏的近似。如果次瓣相对幅度很大，则所获得的近似具有非常不期望的振荡，尤其在不连续点附近。因此，很难既满足相关频谱分析要求(主瓣宽度、以及旁瓣幅度的选择)、又满足由噪声减少滤波过程引入的小延时要求(处理的输入和输出端之间的时间移位)。满足第二个要求导致使用没有任何重叠的连续帧，从而使用矩形分析窗，它不会导致进行相关频谱分析。唯一同时满足这两个要求的方式是根据由适当分析窗加权的帧上实现的第一频谱变换进行频谱分析(进行良好频谱估计)，并同时在未加窗数据上进行第二频谱变换(为了用频谱相乘实现卷积操作)。实践上证明这种技术的算术法复杂度的代价太大。

EP-A-0 710 947揭示了与回波取消器耦合的噪声减少装置。噪声减少通过在时域中进行分块方式滤波来实现，接着用由传递函数H(k，f)的傅立叶逆变换获得的脉冲响应，该传递函数根据频谱分析期间的信噪比来估计。

发明内容

本发明的主要目的在于改进噪声减少方法的性能。

因此，本发明提出了一种用于减少输入信号连续帧内噪声的方法，包括对于至少某些帧采取下列步骤：

-通过到频域的变换计算输入信号的频谱；

-获得频率相关的噪声电平估计量；

-计算帧的第一频率相关的有用信号电平估计量；

-根据第一有用信号功率谱密度的估计量和噪声功率谱密度的估计量计算第一噪声减少滤波器的传递函数；

-通过组合输入信号的频谱以及第一噪声减少滤波器的传递函数，计算帧的第二频率相关的有用信号电平估计量；

-根据第二有用信号功率谱密度的估计量和噪声功率谱密度的估计量计算第二噪声减少滤波器的传递函数；以及

-在帧滤波操作中用第二噪声减少滤波器的传递函数来产生具有减少了的噪声的信号。

所估计的噪声和有用信号电平一般为PSD，更常见的是。与这些PSD相关的质量。

用两轮进行计算，其特定方面在于有用信号γ_SS(k，f)的PSD的较快更新，导致第二噪声减少滤波器取得两个比前面的方法更重要的优点。首先，存在对有用信号非平稳态的较快跟踪，尤其在其时间包络变化较快的期间(例如某些语音信号在静止/语音转变期间的冲击或熄灭)。其次，噪声减少滤波器得到较好估计，这导致该方法性能的改进(有用信号更显著的噪声减少和减少了的降级)。

该方法可以推广到实现多于两轮情况。根据所获得的第p个传递函数(p≥2)，有用信号电平估计量被重新计算，并且为噪声减少重新评估第(p+1)个传递函数。该方法的上述定义也应用于作出p＞2轮的情况：按照该定义的“第一有用信号电平估计量”仅需要被视作在第(p-1)轮中获得的估计量。实践中，该方法令人满意的性能用P＝2来观察。

在本发明的一个有利实施例中，频谱计算包括用窗函数对输入信号帧加权以及将经加权的帧到频域的变换，该窗函数是不对称的，以便在帧较最近的一半上应用比帧的次最近一半较强的加权。

这种窗函数的选择意味着频谱估计的权重会集中在最近的采样中，而提供具有良好频谱特性(次瓣受控制的增加)的窗。这能迅速地跟踪信号变化。值得注意的是，当仅用一轮进行噪声减少滤波器的传递函数估计时，也可以应用基于频率的分析的这种模式的频谱计算。

当输入信号在频域用上述短时频谱衰减方法被分块方式滤波时，也可以使用该方法。然后，以频谱分量的形式产生经去噪声的信号

它能被直接使用(例如在编码应用或语音识别应用中)或者被变换到时域来明确地获得信号

然而，在本发明的一个优选实施例中，根据第二噪声滤波器传递函数到时域的变换而为当前帧确定噪声减少滤波器的脉冲响应，并且通过为所述帧确定的脉冲响应来实现时域上对该帧的滤波操作。

为当前帧确定噪声减少滤波器的脉冲响应最好包括下列步骤：

-将第二噪声减少滤波器的传递函数变换到时域以获得第一脉冲响应；以及

-将第一脉冲响应截断为对应于一定数目采样的截断长度，采样数大约比到时域变换点的数量小(一般至少小五倍)。

噪声减少滤波器的时域支持中的该限制提供了双重优点。首先，它意味着避免了时域混叠问题(符合线性卷积)。其次，它提供了能避免滤波器过分变动的效应的平滑效应，过分变动的效应会使有用信号降级。它会伴随用对应于截断长度的若干采样上的窗函数截断的脉冲响应的加权。值得注意的是，当用单轮进行传递函数估计时，也可以应用滤波器时域支持中的该限制。

当在时域中进行滤波时，最好根据为当前帧确定的噪声减少滤波器脉冲响应并且根据为至少一个先前帧确定的噪声减少滤波器脉冲响应，把当前帧细分成若干子帧并且为各子帧计算经内插的脉冲响应是有利的。帧的滤波操作于是包括按照为所述子帧计算的内插脉冲响应对各子帧信号在时域内的滤波。

该成为子帧的处理导致应用在同一帧内变化的噪声减少滤波器的可能性，因此很适合所处理信号的非平稳性。在处理话音信号的情况下，尤其在混合帧(即那些具有有声和无声的帧)上遇到这种情况。值得注意的是，当以单轮进行滤波器传递函数的估计时，也可以应用到该成为子帧的处理。

本发明的另一方面涉及为实现上述方法而设计的噪声减少装置。

附图说明

在下面参考附图的非限制性示例实施例的描述中，本发明的其它特征和优点将变得更为明显，附图中：

-图1是为实现按照本发明的方法而设计的噪声减少装置的框图；

-图2是用于估计按照图1的装置所使用的噪声减少滤波器的传递函数的单元框图；

-图3是按照图1的装置中能使用的时域滤波单元的框图；以及

-图4是本方法的特定实施例中能使用的窗函数图。

具体实施方式

图1至3以分开单元的形式表示的按照本发明的装置。在本方法的一个典型实现中，如常规，通过数字信号处理器执行程序而实现信号处理操作，其中各种功能模块对应于上述单元。

参考图1，按照本发明的噪声减少装置包括单元1，它将诸如数字音频信号这样的输入信号x(n)分布在长为L个采样的连续帧中(用整数k索引)。各索引k的帧通过将它乘以一个窗函数w(n)而被加权(乘法器2)，产生信号x_w(k，n)＝w(n)·x(k，n)，对于0≤n≤L。

通过用传递当前帧的傅立叶变换X(k，f)的单元3对加权帧x_w(k，n)应用离散傅立叶变换(DFT)而实现向频域的变换。

对于本发明中涉及的频域变换而言，反之亦然，DFT以及下游使用的向时域的逆变换(IDFT)最好分别是快速傅立叶变换(FFT)和快速傅立叶逆变换(IFFT)。也可以使用其它时域-频域变换，譬如小波变换。

话音活动性检测(VAD)单元4用于从语音帧中辨认仅有噪声的帧，并且为当前帧传递二进制话音活动性指示δ。无论它根据信号x(k，n)工作在时域，或者由虚线表示根据信号X(k，f)工作在频域，可以使用任何已知的VAD方法。

VAD用单元5控制噪声的PSD的估计。因此，对于每个由单元4(δ＝0)检测的“仅有噪声的”帧k_b，由下面的递归表达式来估计噪声功率谱密度

$\left\{\begin{array}{c}{\widehat{\mathrm{\γ}}}_{\mathrm{bb}}(k_b,f)=\mathrm{\α}\left(k_b\right){.\widehat{\mathrm{\γ}}}_{\mathrm{bb}}(k_b-1,f)+(1-\mathrm{\α}\left(k_b\right)){.\left|X(k_b,f)\right|}^2\\ {\widehat{\mathrm{\γ}}}_{\mathrm{bb}}(k,f)={\widehat{\mathrm{\γ}}}_{\mathrm{bb}}(k_b,f)\end{array}\right.---\left(10\right)$

其中k_b或是当δ＝0时的当前噪声帧，或是当δ＝1时的上一个噪声帧(k被检测为有用信号帧)，而α(k_b)是能够随时间变化的平滑参数。

可以注意到，

的这个计算方法并不限于用指数平滑的该估计量；单元5可以使用任何其它的PSD估计量。

另一单元6用当前帧的频谱X(k，f)和噪声电平估计

来估计噪声减少滤波器

的传递函数(TF)。单元7对该TF应用IDFT以获得相应的脉冲响应

$\hat{h}(k,n).$

窗函数w_filt(n)用乘法器8应用于该脉冲响应 以获得噪声减少装置的时域滤波器的脉冲响应

由滤波单元9用于产生经去噪声的时域信号

的操作在原理上是，用为当前帧确定的脉冲响应 与输入信号卷积。

窗函数w_filt(n)的支撑域显著短于帧长度。换言之，从IDFT产生的脉冲响应在由函数w_filt(n)对其施加加权之前被截断。作为选择，截断长度L_filt用若干采样表示，它至少比帧长度短五倍。它一般为该帧长度十分之一的数量级。

脉冲响应的最高有效L_filt系数从属于窗w_filt(n)的加权，例如长度为L_filt的汉明(Hamming)或汉宁(Hanning)窗：

${\hat{h}}_w(k,n)=w_{\mathrm{filt}}\left(n\right)\·\hat{h}(k,n)$                                             对于0≤n＜Lfilt                      (11)

为了满足线性卷积，噪声减少滤波器的时域支撑内的限制能够避免时域混叠问题。它另外提供了能避免滤波器过分变动效应的平滑滤波，过分变动性的效应会降级有用信号。

图2说明了用于估计噪声减少滤波器的传递函数 的单元6的优选组织结构，它取决于噪声b(n)和有用信号s(n)的PSD。

已经描述了单元5怎样估计噪声

的PSD。然而，由于信号和噪声在话音活动期间混合，因此不能直接获得有用信号的PSDγ_SS(k，f)。为了对其预先估计，图2中单元6的模块11按照下列表达式使用了例如直接判决估计量(见Y.Ephraim，D.Malha所著“Speech enhancement using a minimum mean square errorshort-time spectral amplitude estimator”，IEEE学报，关于ASSP，第32卷，第6号，1109-1121页，1984年)：

其中β(k)是能随时间变化的重心参数，而 是关于索引号为k-1的前一帧估计的有用信号的频谱(例如，由图2中乘法器12获得的 $\hat{S}(k-1,f)=\hat{H}(k-1,f)\·X(k-1,f)$ )。函数P提供了数量 ${\left|X(k,f)\right|}^2-{\widehat{\mathrm{\γ}}}_{\mathrm{bb}}(k_b,f)$ 的阈值，万一有估计误差则它是负的，这是危险的。P由下式给出：

注意到 的计算并不限于该直接判决估计量。实际上可以使用指数平滑估计量或者任何其它功率谱密度估计量。

当前帧的噪声减少滤波器的TF的预估计由模块13计算，作为经估计的PSD

和 的函数：

${\hat{H}}_1(k,f)=F({\widehat{\mathrm{\γ}}}_{\mathrm{ss}1}(k,f),{\widehat{\mathrm{\γ}}}_{\mathrm{bb}}(k,f))---\left(14\right)$

该模块13尤其实现了幅度频谱削减(按照(4)式 $F(y,z)=1-\sqrt{\frac{z}{y+z}}$ )的功率谱削减规则(按照(3)式 $F(y,z)=\sqrt{\frac{y}{y+z}}$ )，或者甚至开环Wiener滤波器的功率谱减削(按照(5)式 $F(y,z)=\frac{y}{y+z}$ )。

通常，用公式(14)获得噪声减少滤波器的最终传递函数。为了改进滤波器的性能，建议用迭代步骤以两轮方式对其估计。第一轮包括由模块11至13执行的操作。

这样获得的传递函数

重新用于改进有用信号的PSD的估计。为此，单元6(乘法器14和模块15)计算了由下式给出的量

${\widehat{\mathrm{\γ}}}_{\mathrm{ss}}(k,f)={|{\hat{H}}_1(k,f).X(k,f)|}^2---\left(15\right)$

$\hat{H}(k,f)=F({\widehat{\mathrm{\γ}}}_{\mathrm{ss}}(k,f),{\widehat{\mathrm{\γ}}}_{\mathrm{bb}}(k,f))---\left(16\right)$

函数F能与由模块13所使用的函数相同。

以两轮计算允许有用信号的PSD

的较快更新以及滤波器的较好估计。

图3根据当前帧到N个子帧的细分说明了时域滤波器单元9的优选组织结构，从而允许应用相同信号帧内能涉及的噪声减少函数。

为了获得对i从1至N的子帧 的滤波器的一组N≥2的脉冲响应，模块21对经截断和加权的脉冲响应 进行内插。

基于子帧的滤波能用长度为L_filt的横向滤波器23来实现，该滤波器的系数 ${\hat{h}}_w^{\left(i\right)}(k,n)(0\&le;n<L_{\mathrm{filt}},1\&le;i\&le;N)$ 由选择器22根据当前子帧的索引i级联地给出。要被滤波的信号的子帧通过输入信号的细分x(k，n)而获得。因此，横向滤波器23通过输入信号x(n)与关于当前帧的系数

的卷积来计算噪声减少的信号

子帧滤波器的响应

可由模块21计算成为当前帧确定的脉冲响应以及为前一帧确定的脉冲响应 的加权和。当子帧在帧内有规律地分裂时，经加权的混合函数会特别是：

${\hat{h}}_w^{\left(i\right)}(k,n)=\left(\frac{N-i}{N}\right).{\hat{h}}_w(k-1,n)+\left(\frac{i}{N}\right).{\hat{h}}_w(k,n)---\left(17\right)$

可以观察到，直接应用滤波器 的情况对应于N＝1(无子帧)。

示例1

该示例装置适合应用在口语通信中，尤其在低比特率语音编码器的预处理中。

非混叠的窗用于使由处理引入的延时减少为理论最大限度，与此同时为用户提供选择适用于该应用的窗的可能性。由于对装置输入信号的加窗并不受到最佳重建约束的影响，因此这是可能的。

在这种应用中，为了对帧的最近一半进行比帧的较远另一半进行较强的加权，由乘法器2施加的窗函数w(n)最好是不对称的。

如图4所述，不对称的分析窗w(n)可以用两个大小为L₁和L₂的不同汉宁半窗来构造：

$w\left(n\right)=\left\{\begin{array}{cc}0.5-0.5\&times;\cos \left(\frac{\mathrm{\&pi;n}}{L_1}\right)& 0\&le;n<L_1\\ 0.5+0.5\&times;\cos \left(\frac{\mathrm{\&pi;}(n-L_1+1)}{L_2}\right)& L_1\&le;n<L_1+L_2=L\end{array}\right.---\left(18\right)$

移动装置的许多语音编码器使用长度为20毫秒的帧，并且工作在F_e＝8kHz的采样频率(即，每帧160个采样)。在图4给出的示例中，选择如下：L＝160，L₁＝120以及L₂＝40。

这种窗的选择意味着频谱估计的权重可以集中在最近的采样中，而确保良好的频谱窗。由于在合成处没有信号的最佳重建的约束(信号由时域滤波在输出端被重建)，因此所建议的方法允许这种选择。

对于较好的频率分辨率而言，单元3和7使用长度为L_FFT＝256的FFT。由于FFT在施加在长度幂为2的帧时在数值上最佳，因此这种选择也是有原因的。因此，需要预先使窗方框延展L_FFT-L＝96个零采样(“零填充”)。

x_w(k，n)＝0    L≤n＜L_FFT         (19)

该例中所用的话动音活性检测是基于信号内短时/长时能量比较的常规方法。噪声功率谱密度γ_bb(k，f)的估计由指数平滑估计按照表达式(10)来更新，其中α(k_b)＝0.8553，对应于时间常数128毫秒，视为足以确保可靠估计以及噪声统计量的时域变化跟踪之间的折衷。

在按照(12)中定义的直接判决估计量预先估计了有用信号的PSD的之后，其中β(k)＝0.98，噪声减少滤波器的TF 按照公式(5)(开环Wiener滤波器)来预先估计。同一函数F由模块16再次使用，以产生TF的最终估计

由于TF 是实值的TF，因此时域滤波器由以下给出：

$\left\{\begin{array}{cc}{\hat{h}}_{\mathrm{caus}}(k,n)=\hat{h}(k,n+L/2)& 0\&le;n<L/2\\ {\hat{h}}_{\mathrm{caus}}(k,n)=\hat{h}(k,n-L/2)& L/2\&le;n<L\end{array}\right.---\left(20\right)$

然后，为该滤波器的系数选择L_filt＝21，滤波器由长度为L_filt的汉宁窗w_filt(n)加权，该值对应于该应用的重要采样：

${\hat{h}}_w(k,n)=w_{\mathrm{filt}}\left(n\right)\&CenterDot;{\hat{h}}_{\mathrm{caus}}(k,n+\frac{L}{2}\frac{L_{\mathrm{filt}}-1}{2}),0\&le;n<L_{\mathrm{filt}}---\left(21\right)$

其中

$w_{\mathrm{filt}}\left(n\right)=0.5-0.5\&CenterDot;\cos \left(\frac{2\mathrm{\&pi;n}}{L_{\mathrm{filt}}-1}\right),0\&le;n<L_{\mathrm{filt}}---\left(22\right)$

##

x⁽ⁱ⁾(k，n)＝x(k，n)    (i-1).L/N≤n＜i.L/N    (22)

示例2

该示例装置适合对鲁棒语音识别(在噪声环境中)的应用。

在该例中，使用长度为L的分析帧，它显示出两个连续帧之间L/2个采样的相互重叠，而所使用的窗为汉宁型：

$w\left(n\right)=0.5-0.5\&CenterDot;\cos \left(\frac{2\mathrm{\&pi;n}}{L-1}\right),0\&le;n<L---\left(23\right)$

帧长度固定在20毫秒，即采样频率Fe＝8kHz处L＝160，为FFT用96个零采样补充该帧(“零填充”)。

在该例中，噪声减少滤波器TF的计算是基于噪声

和有用信号

的功率谱密度的平方根之比，并因此基于噪声估计的模 $\hat{B}(k,f)|=\sqrt{{\widehat{\mathrm{\&gamma;}}}_{\mathrm{bb}}(k,f)}$ 以及有用信号估计的模 $\left|\hat{S}(k,f)\right|=\sqrt{{\widehat{\mathrm{\&gamma;}}}_{\mathrm{ss}}(k,f)}.$

该例中所用的话音活动性检测是基于信号内短时/长时能量比较的现有常规方法。噪声信号的模的估计 $\left|\hat{B}(k,f)\right|=\sqrt{{\widehat{\mathrm{\&gamma;}}}_{\mathrm{bb}}(k,f)}$ 由指数平滑估计来更新：

$\left\{\begin{array}{c}\left|\hat{B}(k_b,f)\right|=\mathrm{\&alpha;}.\left|\hat{B}(k_b-1,f)\right|+(1-\mathrm{\&alpha;}).\left|X(k_b,f)\right|\\ \left|\hat{B}(k,f)\right|=\left|\hat{B}(k_b,f)\right|\end{array}\right.---\left(24\right)$

其中k_b是当前噪声帧或上一个噪声帧(如果k被检测为有用信号帧)。平滑量α被选定为常数并且等于0.99，即1.6秒的时间常数。

噪声减少滤波器的TF 由模块13按照下式进行预估计：

${\hat{H}}_1(k,f)=F\left(\right|\hat{S}(k,f)|,|\hat{B}(k,f)\left|\right)---\left(25\right)$

其中：

$F(y,z)=\frac{y}{y+z}---\left(26\right)$

计算平方根允许在模上进行估计，它与下式的SNR η(k，f)有关：

$\mathrm{\&eta;}(k,f)=\frac{{\left|\hat{S}(k,f)\right|}^2}{{\left|\hat{B}(k,f)\right|}^2}---\left(27\right)$

模

的有用信号的估计量由下式获得：

$\left|\hat{S}(k,f)\right|={\mathrm{\&beta;}.\left|\hat{S}(k-1,f)\right|}^2+(1-\mathrm{\&beta;}).P\left[\right|X(k,f)|-|\hat{B}(k,f)\left|\right]---\left(28\right)$

其中β(k)＝0.98。

乘法器14进行预估计的TF

与频谱X(k，f)的相乘，并且在15中获得结果的模，以提供改进的估计

模块16据此用与(25)中相同的函数F产生TF的最终估计

然后，用与例1完全相同的方式获得时域响应

(变换至时域、因果复原、有效采样和窗的选择)。唯一差异是在于系数L_filt所选数目的选择，该例中固定在L_filt＝17。

通过对输入帧x(k，n)直接施加所获得的噪声减少滤波器时域响应

而对 其进行滤波。不在子帧中进行滤波相当于在表达式(17)中N＝1。

Claims (14)

1.一种用于减少输入信号x(n)的连续帧内噪声的方法，其特征在于包括对于至少某些帧采取下列步骤：

-用向频域的变换计算输入信号的频谱X(k，f)；

-获得噪声功率谱密度的估计量；

-计算该帧的第一有用信号功率谱密度的估计量；

-根据第一有用信号功率谱密度的估计量和噪声功率谱密度的估计量计算第一噪声减少滤波器的传递函数

-通过组合输入信号的频谱以及第一噪声减少滤波器的传递函数，计算该帧的第二有用信号功率谱密度的估计量；

-根据第二有用信号功率谱密度的估计量和噪声功率谱密度的估计量计算第二噪声减少滤波器的传递函数

-在帧滤波操作内使用第二噪声减少滤波器的传递函数来产生带有减少了的噪声的信号。

2.如权利要求1所述的方法，其特征在于，频谱X(k，f)的计算包括用窗函数w(n)对输入信号帧加权并且将经加权的帧变换至频域，该窗函数是不对称的，以便在帧的较近一半上施加比帧的较后一半上更强的加权，所述帧的较后一半在时间上紧随在所述帧的较近一半之后。

3.如权利要求1或2所述的方法，其特征在于，根据第二噪声减少滤波器的传递函数

向时域的变换而为当前帧确定噪声减少滤波器脉冲响应

且时域内对该帧的滤波操作以为所述帧确定的脉冲响应来实现。

4.如权利要求3所述的方法，其特征在于，所述为当前帧确定噪声减少滤波器脉冲响应 包括下列步骤：

-将第二噪声减少滤波器的传递函数

变换至时域以获得第一脉冲响应；以及

-将第一脉冲响应截断为对应于一定数目采样的截断长度，所述采样数目比向时域变换的点数小。

5.如权利要求4所述的方法，其特征在于，所述为当前帧确定噪声减少滤波器脉冲响应 还包括下列步骤：

-用对应于所述截断长度的采样数目的时间窗w_filt(n)对经截断的脉冲响应加权。

6.如权利要求3所述的方法，其特征在于，当前帧被细分成多个子帧，并且对于每个子帧计算其内插脉冲响应，其中通过将前一帧的噪声减少滤波器脉冲响应的(N-i)/N倍与当前帧的噪声减少滤波器脉冲响应的i/N倍相加来得到当前帧的第i个子帧的内插脉冲响应

且其中帧的滤波操作包括按照为所述子帧计算的内插脉冲响应在时域内对每个子帧的信号进行滤波，其中，N为当前帧的子帧个数，1≤i≤N，N≥2。

7.如权利要求1所述的方法，其特征在于，所述输入信号x(n)是音频信号。

8.一种用于减少输入信号x(n)内噪声的设备，其特征在于包括：

-用向频域的变换计算输入信号帧的频谱X(k，f)的装置(1-3)；

-用于获得噪声功率谱密度的估计量的装置(5)；

-用于计算该帧的第一有用信号功率谱密度的估计量的装置(11)；

-根据第一有用信号功率谱密度的估计量和噪声功率谱密度的估计量计算第一噪声减少滤波器的传递函数 的装置(13)；

-通过组合输入信号的频谱以及第一噪声减少滤波器的传递函数，计算该帧的第二有用信号功率谱密度的估计量的装置(15)；

-根据第二有用信号功率谱密度的估计量和噪声功率谱密度的估计量计算第二噪声减少滤波器的传递函数

的装置(16)；

-用第二噪声减少滤波器的传递函数对该帧滤波来产生带有减少了的噪声的信号的装置(7-9)。

9.如权利要求8所述的设备，其特征在于，所述频谱计算装置包括用窗函数w(n)对输入信号帧x(n)加权的装置(2)，以及将经加权的帧变换至频域的装置(3)，该窗函数是不对称的，以便在帧的较近一半上施加比帧的较后一半上更强的加权，所述帧的较后一半在时间上紧随在所述帧的较近一半之后。

10.如权利要求8或9所述的设备，其特征在于包括，根据第二噪声滤波器的传递函数

向时域的变换而为当前帧确定噪声减少滤波器脉冲响应 的装置(7-8)，其中滤波装置(9)用为当前帧确定的脉冲响应而工作在时域内。

11.如权利要求10所述的设备，其特征在于，所述用于确定噪声减少滤波器脉冲响应 的装置包括：为获得第一脉冲响应而将第二噪声减少滤波器的传递函数

变换至时域的装置(7)；以及将第一脉冲响应截断为相应于某个采样数目的截断长度的装置(8)，所述采样数目比向时域变换的点数小。

12.如权利要求11所述的设备，其特征在于，所述用于确定噪声减少滤波器脉冲响应

的装置包括：用相应于所述截断长度的采样数目的时间窗w_filt(n)对经截断的脉冲响应加权的装置(8)。

13.如权利要求10所述的设备，其特征在于还包括，用于把当前帧细分成多个子帧的装置，以及对于每个子帧计算其内插脉冲响应的装置，其中通过将前一帧的噪声减少滤波器脉冲响应的(N-i)/N倍与当前帧的噪声减少滤波器脉冲响应的i/N倍相加来得到当前帧的第i个子帧的内插脉冲响应

其中滤波装置(9)包括按照为所述子帧计算的内插脉冲响应在时域内对每个子帧的信号进行滤波的滤波器(23)，其中，N为当前帧的子帧个数，1≤i≤N，N≥2。

14.如权利要求8所述的设备，其特征在于，所述输入信号x(n)是音频信号。

Images