CN1763846A - 一种语音增益因子估计装置和方法 - Google Patents

Abstract

本发明公开了一种语音增益因子估计装置，包括：先验信噪比估计单元、纯净语音增益计算单元、条件语音存在概率估计单元和增益因子计算单元；本发明同时公开了一种语音增益因子估计方法，首先计算输入信号的先验信噪比，然后根据输入信号的先验信噪比计算出纯净语音增益值，接着计算输入信号上存在语音的概率，最后结合自身保存的噪声信号削减因子，计算得到输入信号的语音增益因子，实现了对语音增益因子的估计，且语音增益因子不含积分和求幂运算，避免了复杂的非线性运算，降低了对存储量和计算量的要求，适于在整数DSP芯片中运行，并减少了处理延迟，应用在语音增强中可满足实时性要求。

Description

一种语音增益因子估计装置和方法

技术领域

本发明涉及语音增强技术领域，具体涉及一种语音增强中的语音增益因子估计装置和方法。

背景技术

在移动终端的语音通讯中通话往往受到较强的背景噪声干扰，而导致语音质量下降，严重时甚至使得通话双方不能正确理解对方表达的涵义。目前，通常在语音送入通讯模块前通过语音增强方法对其进行降噪处理，达到提高语音质量的目的。

应用于移动终端通讯中的语音增强算法必须具有以下特性：延迟小，不会对通讯造成干扰；适应不断变化的背景噪声，从而有效地抑制背景噪声；避免引入人工处理带来的噪声如：音乐噪声等，并保证语音质量不受损坏。另外，必须适于在数字信号处理(DSP)芯片或其它专用处理芯片中运行。

图1是现有技术中实现语音增强的原理框图，如图1所示，首先加分析窗单元11对输入的带噪语音信号进行加分析窗处理，以避免进行FFT运算时出现由于分块处理而引入高频分量的情况；然后，FFT运算单元12对经加分析窗处理之后的带噪语音信号进行FFT运算，得到带噪语音信号频域上各个频率点的系数Y，并将各FFT系数Y输出到幅值平方运算单元13和乘运算单元16；接着，幅值平方运算单元13计算各FFT系数Y的幅值|Y|²，并将该幅值|Y|²输出到噪声谱估计单元14和增益因子估计单元15；然后，噪声谱估计单元14根据FFT系数幅值|Y|²计算噪声信号在各个频率点上的能量λ_d，并将λ_d提供给增益因子估计单元15，之后，增益因子估计单元15根据λ_d和|Y|²估计出语音增益因子G，并将语音增益因子G输出到乘运算单元16；乘运算单元16将Y与G相乘，得到经降噪处理后的输入信号X，并将X输出到IFFT运算单元17，IFFT运算单元17对X进行IFFT运算，将得到的各IFFT系数输出到加合成窗单元18，加合成窗单元18对各IFFT系数进行加合成窗处理后输出到重叠相加单元19，最后重叠相加单元19将各经加合成窗处理的IFFT系数与最近一次得到的IFFT系数进行重叠相加运算后得到增强后的语音信号。

在以上处理过程中，加分析窗处理、FFT运算、IFFT运算、加合成窗处理、重叠相加处理都是数字信号处理中常用的技术，在此不作详细叙述。而增益因子估计单元15如图2所示，主要包括：先验语音缺失概率估计单元151、先验信噪比估计单元152、后验信噪比估计单元153、条件语音存在概率估计单元154和增益因子计算单元155。估计语音增益因子的过程如下：

设噪声信号d和纯净语音信号x的FFT系数都为幅高斯分布，其各FFT系数幅值的方差分别为λ_d[i]和λ_x[i]。对带噪语音信号在频率点i上的FFT系数Y[i]而言，设H₀[i]表示Y[i]上不存在语音，H₁[i]表示Y[i]上存在语音，则：

在Y[i]上不存在语音时，Y[i]出现的概率为：

$p\left(Y\right[i\left]\right|H_0\left[i\right])=\frac{1}{\mathrm{\π}{\mathrm{\λ}}_d\left[i\right]}\exp \{-\frac{{\left|Y\right[i]|}^2}{{\mathrm{\λ}}_d\left[i\right]}\};$

在Y[i]上存在语音时，Y[i]出现的概率为：

$p\left(Y\right[i\left]\right|H_1\left[i\right])=\frac{1}{\mathrm{\π}\left({\mathrm{\λ}}_d\right[i]+{\mathrm{\λ}}_x[i\left]\right)}\exp \{-\frac{{\left|Y\right[i]|}^2}{{\mathrm{\λ}}_d\left[i\right]+{\mathrm{\λ}}_x\left[i\right]}\}---\left(1\right)$

根据贝叶斯准则，可知，在Y[i]上存在语音的概率为：

$p\left(H_1\right[i\left]\right|Y\left[i\right])=\frac{\mathrm{\Λ}\left[i\right]}{1+\mathrm{\Λ}\left[i\right]}---\left(2\right)$

其中， $\mathrm{\Λ}\left[i\right]=\frac{1-q\left[i\right]}{q\left[i\right]}*\frac{p\left(Y\right[i\left]\right|H_1\left[i\right])}{p\left(Y\right[i\left]\right|H_0\left[i\right])},$ q[i]为在Y[i]上不存在语音的先验概率，可由图2中的先验语音缺失概率估计单元151得到。

由公式(1)和(2)可以得到在Y[i]上存在语音的概率为：

$p\left[i\right]=p\left(H_1\right[i\left]\right|Y\left[i\right])={\{1+\frac{q\left[i\right]}{1-q\left[i\right]}(1+\mathrm{\ξ}[i\left]\right)*\exp (-v[i\left]\right)\}}^{-1}---\left(3\right)$

其中，ξ[i]为带噪语音信号的先验信噪比，可由图2中的先验信噪比估计单元152得到；而 $v\left[i\right]=\frac{\mathrm{\γ}{\left[i\right]}^{*}\mathrm{\ξ}\left[i\right]}{1+\mathrm{\ξ}\left[i\right]},$ 其中，γ[i]为带噪语音信号的后验信噪比，由图1中的后验信噪比估计单元153根据 $\mathrm{\γ}\left[i\right]=\frac{{\left|Y\right[i]|}^2}{{\mathrm{\λ}}_d\left[i\right]}$ 得到，且|Y[i]|²由幅值平方运算单元13输出，λ_d[i]由噪声谱估计单元14输出。

可以看出，Y[i]上存在语音的概率p[i]可由图2中的条件语音存在概率估计单元154根据先验信噪比估计单元152输出的ξ[i]、后验信噪比估计单元153输出的γ[i]和先验语音缺失概率估计单元151输出的q[i]计算得到。

最后，经推导得到：

$G_{H_1}\left[i\right]=\frac{\mathrm{\ξ}\left[i\right]}{1+\mathrm{\ξ}\left[i\right]}\exp \left(\frac{1}{2}{\∫}_{\mathrm{\ν}\left[i\right]}^{\∞}\frac{e^{-1}}{t}\mathrm{dt}\right),G\left[i\right]={G_H}_1{\left[i\right]}^{p\left[i\right]}{G_{\min }}^{1-p\left[i\right]}---\left(4\right)$

其中，G_min为噪声信号削减因子。

即，增益因子计算单元155可根据先验信噪比估计单元152输出的ξ[i]、后验信噪比估计单元153输出的γ[i]得到ν[i]，然后根据ξ[i]和ν[i]经积分运算后得到纯净语音增益值G_H1[i]，最后根据G_H1[i]、自身保存的G_min、条件语音存在概率估计单元154输出的p[i]经过求幂运算得到语音增益因子G[i]。另外，增益因子估计单元155还可将G_H1[i]输出到先验信噪比估计单元152，以用于估计下一个频率点(i+1)上的先验信噪比ξ[i+1]。

可以看出，在公式(4)中，有一次求积分运算、两次求幂运算，这两种运算由于其计算量和内存需求都非常大，因此在整数DSP芯片中非常难以实现，即使可以实现，也难以达到实时运行要求。

发明内容

有鉴于此，本发明的主要目的在于提供一种语音增益因子估计装置，以降低语音增益因子估计的计算量，并减少语音增益因子估计对内存的需求；

本发明的另一主要目的在于提供一种语音增益因子估计方法，以降低语音增益因子估计的运算复杂度。

为达到上述目的，本发明的技术方案是这样实现的：

一种语音增益因子估计装置，该装置包括：

先验信噪比估计单元，用于估计输入信号的先验信噪比，并将估计得到的先验信噪比输出到纯净语音增益计算单元；

纯净语音增益计算单元，用于根据先验信噪比估计单元输出的先验信噪比，计算纯净语音增益值，并将该纯净语音增益值输出到增益因子计算单元；

条件语音存在概率估计单元，用于计算输入信号上存在语音的概率，并将该输入信号上存在语音的概率输出到增益因子计算单元；

增益因子计算单元，用于根据输入信号的先验信噪比和输入信号上存在语音的概率，计算语音增益因子。

所述纯净语音增益计算单元包括：加除运算单元和开平方运算单元，其中，

加除运算单元，用于将先验信噪比估计单元输出的先验信噪比除以该先验信噪比与1的和，将得到的结果输出到开平方运算单元；

开平方运算单元，用于对加除运算单元输出的值进行开平方运算得到纯净语音增益值，并将该纯净语音增益值输出到增益因子计算单元。

所述增益因子计算单元包括：乘运算单元、噪声削减因子输出单元、减乘运算单元和加运算单元，其中，

乘运算单元，用于将来自条件语音存在概率估计单元的输入信号上存在语音的概率和来自纯净语音增益计算单元的纯净语音增益值相乘，将得到的值输出到加运算单元；

噪声削减因子输出单元，用于将自身保存的噪声信号削减因子输出到减乘运算单元；

减乘运算单元，用于将1与来自条件语音存在概率估计单元的输入信号上存在语音的概率相减，并将得到的差和噪声削减因子输出单元输出的噪声信号削减因子相乘，将得到的值输出到加运算单元；

加运算单元，用于将乘运算单元输出的值和减乘运算单元输出的值进行相加，得到语音增益因子。

所述纯净语音增益计算单元进一步用于，将纯净语音增益值输出到先验信噪比估计单元。

一种语音增益因子估计方法，该方法包括：

A、计算输入信号的先验信噪比，并根据该先验信噪比计算输入信号的纯净语音增益值；

B、计算输入信号上存在语音的概率；

C、根据输入信号的纯净语音增益值、输入信号上存在语音的概率和噪声信号削减因子，计算输入信号的语音增益因子。

步骤A所述计算输入信号的纯净语音增益值具体为：

${G_H}_1={\left(\frac{\mathrm{\ξ}}{\mathrm{\ξ}+1}\right)}^{\frac{1}{2}},$ 其中，G_H1为所述输入信号的纯净语音增益值，ξ为所述输入信号的先验信噪比。

所述步骤B具体为：

计算输入信号不存在语音的概率q，并计算输入信号的后验信噪比γ，则输入信号上存在语音的概率p为：

$p={\{1+\frac{q}{1-q}(1+\mathrm{\ξ})*\exp (-\mathrm{\ν})\}}^{-1},$ 其中， $\mathrm{\ν}=\frac{\mathrm{\γ}*\mathrm{\ξ}}{1+\mathrm{\ξ}},$ ξ为所述输入信号的先验信噪比。

所述步骤C具体为：

$G=p{\left(\frac{\mathrm{\ξ}}{\mathrm{\ξ}+1}\right)}^{\frac{1}{2}}+(1-p)*G_{\min },$ 其中，G为所述输入信号的语音增益因子，p为步骤B所述输入信号上存在语音的概率，ξ为步骤A所述输入信号的先验信噪比，G_min为所述噪声信号削减因子。

与现有技术相比，本发明所提供的语音增益因子估计装置和方法通过根据先验信噪比估计单元输出的输入信号的先验信噪比，计算得到输入信号的纯净语音增益值，然后根据该纯净语音增益值和条件语音存在概率估计单元输出的输入信号上存在语音的概率，以及噪声信号削减因子，计算得到输入信号的语音增益因子，实现了对语音增益因子的估计，且语音增益因子不含积分和求幂运算，避免了复杂的非线性运算，降低了对存储量和计算量的要求，适于在整数DSP芯片中运行，并减少了处理延迟，应用在语音增强中可满足实时性要求。

附图说明

图1为现有技术中实现语音增强的原理框图；

图2为现有语音增强中的语音增益因子估计的原理框图；

图3为本发明提供的语音增强中估计语音增益因子的流程图；

图4为本发明提供的语音增强中的语音增益因子估计的装置框图一；

图5为本发明提供的语音增强中的语音增益因子估计的装置框图二。

具体实施方式

当输入信号Y[i]在频率点i上存在语音时，由于语音信号和噪声信号不相关，则有：Y²[i]＝X²[i]+N²[i]，其中，X[i]为在频率点i上的语音信号，可以FFT系数等表示；N[i]为在频率点i上的噪声信号，可以FFT系数等表示；Y[i]为在频率点i上的输入信号，可以FFT系数等表示，则：

$\frac{X^2\left[i\right]}{Y^2\left[i\right]}=\frac{X^2\left[i\right]}{X^2\left[i\right]+N^2\left[i\right]}\stackrel{A}{=}\frac{\mathrm{\ξ}\left[i\right]}{\mathrm{\ξ}\left[i\right]+1},$ 其中，ξ[i]为输入信号在频率点i上的先验信噪比。

则有： $X\left[i\right]={\left(\frac{\mathrm{\ξ}\left[i\right]}{\mathrm{\ξ}\left[i\right]+1}\right)}^{\frac{1}{2}}*Y\left[i\right],$ 即纯净语音增益值为： ${G_H}_1\left[i\right]={\left(\frac{\mathrm{\ξ}\left[i\right]}{\mathrm{\ξ}\left[i\right]+1}\right)}^{\frac{1}{2}},$

结合输入信号Y[i]存在语音的概率p[i]，可得到语音增益因子G[i]：

$G\left[i\right]=P\left[i\right]*{\left(\frac{\mathrm{\ξ}\left[i\right]}{\mathrm{\ξ}\left[i\right]+1}\right)}^{\frac{1}{2}}+(1-p[i\left]\right)*G_{\min },$ 其中，G_min为噪声信号削减因子，且0＜G_min＜1。

则频率点i上的语音信号的估计值，即增强后的语音信号 [i]为：

$\hat{X}\left[i\right]=\left(p\right[i]*G_{H_1}[i]+(1-p[i\left]\right)*G_{\min })*Y\left[i\right].$

由上所述，本发明提供的语音增强中进行语音增益因子估计的流程如图3所示，其具体步骤如下：

步骤301：计算输入信号在各频率点i上的先验信噪比ξ[i]。

这里，ξ[i]可采用现有技术计算得到。

步骤302：根据先验信噪比ξ[i]，计算输入信号在各频率点i上的纯净语音增益值 ${G_H}_1\left[i\right]:{G_H}_1\left[i\right]={\left(\frac{\mathrm{\ξ}\left[i\right]}{\mathrm{\ξ}\left[i\right]+1}\right)}^{\frac{1}{2}}.$

步骤303：计算输入信号在各频率点i上存在语音的概率p[i]。

这里，p[i]可采用现有技术计算得到，如： $p\left(i\right)={\{1+\frac{q\left[i\right]}{1-q\left[i\right]}(1+\mathrm{\ξ}[i\left]\right)*\exp (-v[i\left]\right)\}}^{-1},$ 其中，q[i]为输入信号在频率点i上不存在语音的概率， $v\left[i\right]=\frac{\mathrm{\γ}\left[i\right]*\mathrm{\ξ}\left[i\right]}{1+\mathrm{\ξ}\left[i\right]},$ ξ[i]为先验信噪比、γ[i]为后验信噪比。

步骤304：根据G_H1[i]、p[i]和噪声信号削减因子G_min，计算输入信号在各频率点i上的语音增益因子 $G\left[i\right]:G\left[i\right]={p\left[i\right]*\left(\frac{\mathrm{\ξ}\left[i\right]}{\mathrm{\ξ}\left[i\right]+1}\right)}^{\frac{1}{2}}+{(1-p[i\left]\right)*G}_{\min }.$

之后，根据 $\hat{X}\left[i\right]=Y\left[i\right]*G\left[i\right],$ 可得到在频率点i上的语音信号的估计值[i]，即得到在频率点i上的增强后的语音信号，

[i]可以FFT系数等表示。此后，对

[i]通过频域一时域变换、时域语音增强如：加合成窗和重叠相加等处理之后，就可得到在时域上的增强后的语音信号。

实际应用中，开平方运算可通过快速查表、分段线形函数逼近如：牛顿选代法、直流逼近法等实现，可在整数DSP芯片中实现。

图4是本发明提供的实现语音增强中的语音增益因子估计的装置框图一，如图4所示，其主要包括：

先验信噪比估计单元41：用于估计输入信号在频率点i上的先验信噪比ξ[i]，并将ξ[i]输出到纯净语音增益计算单元42。

先验信噪比估计单元41可采用现有技术得到ξ[i]。

纯净语音增益计算单元42：用于根据先验信噪比估计单元41输出的ξ[i]，计算纯净语音增益值G_H1[i]，并将G_H1[i]输出到增益因子计算单元44。

进一步地，纯净语音增益计算单元42可将G_H1[i]输出到先验信噪比估计单元41，以用于估计输入信号在频率点(i+1)上的先验信噪比ξ[i+1]。

条件语音存在概率估计单元43：用于计算输入信号在频率点i上存在语音的概率p[i]，并将p[i]输出到增益因子计算单元44。

条件语音存在概率估计单元43可采用现有技术得到p[i]。

增益因子计算单元44：用于根据纯净语音增益计算单元42输出的G_H1[i]、条件语音存在概率估计单元43输出的p[i]和自身保存的噪声信号削减因子G_min，计算语音增益因子G[i]。

在实际应用中，本发明提供的语音增益因子估计装置在得到语音增益因子G[i]后，可与用于实现频域上语音增强的单元如图1所示的乘运算单元16、用于实现频域一时域转换的单元如图1所示的IFFT单元17、用于实现时域上的语音增强的单元如图1所示的加合成窗单元18和重叠相加单元19等一起完成语音增强处理。

进一步地，如图5所示，纯净语音增益计算单元42包括：

加除运算单元421：用于对先验信噪比估计单元41输出的先验信噪比ξ[i]作如下加除运算：

并将得到的值输出到开平方运算单元422。

开平方运算单元422：用于对加除运算单元421输出的值进行开平方运算，得到纯净语音增益值G_H1[i]，并将该纯净语音增益值G_H1[i]输出到增益因子计算单元44。

进一步地，如图5所示，增益因子计算单元44包括：

乘运算单元441：用于将来自条件语音存在概率估计单元43的输入信号在频率点i上存在语音的概率p[i]和纯净语音增益计算单元42输出的纯净语音增益值G_H1[i]进行相乘即：计算p[i]*G_H1[i]，将得到的值输出到加运算单元444。

噪声削减因子输出单元442：用于将自身保存的噪声信号削减因子G_min输出到减乘运算单元443。

减乘运算单元443：用于对来自条件语音存在概率估计单元43的输入信号在频率点i上存在语音的概率p[i]和噪声削减因子输出单元442输出的噪声信号削减因子G_min进行减乘运算即：计算(1-p[i])*G_min，并将得到的值输出到加运算单元444。

加运算单元444：用于将乘运算单元441输出的值和减乘运算单元443输出的值进行相加，得到语音增益因子G[i]。

在实际中，将本发明应用在语音增强中，可将语音增强的处理延迟控制在32毫秒之内。

以上所述仅为本发明的过程及方法实施例，并不用以限制本发明，凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1、一种语音增益因子估计装置，其特征在于，该装置包括：

先验信噪比估计单元，用于估计输入信号的先验信噪比，并将估计得到的先验信噪比输出到纯净语音增益计算单元；

纯净语音增益计算单元，用于根据先验信噪比估计单元输出的先验信噪比，计算纯净语音增益值，并将该纯净语音增益值输出到增益因子计算单元；

条件语音存在概率估计单元，用于计算输入信号上存在语音的概率，并将该输入信号上存在语音的概率输出到增益因子计算单元；

增益因子计算单元，用于根据输入信号的先验信噪比和输入信号上存在语音的概率，计算语音增益因子。

2、如权利要求1所述的装置，其特征在于，所述纯净语音增益计算单元包括：加除运算单元和开平方运算单元，其中，

加除运算单元，用于将先验信噪比估计单元输出的先验信噪比除以该先验信噪比与1的和，将得到的结果输出到开平方运算单元；

开平方运算单元，用于对加除运算单元输出的值进行开平方运算得到纯净语音增益值，并将该纯净语音增益值输出到增益因子计算单元。

3、如权利要求1或2所述的装置，其特征在于，所述增益因子计算单元包括：乘运算单元、噪声削减因子输出单元、减乘运算单元和加运算单元，其中，

乘运算单元，用于将来自条件语音存在概率估计单元的输入信号上存在语音的概率和来自纯净语音增益计算单元的纯净语音增益值相乘，将得到的值输出到加运算单元；

噪声削减因子输出单元，用于将自身保存的噪声信号削减因子输出到减乘运算单元；

减乘运算单元，用于将1与来自条件语音存在概率估计单元的输入信号上存在语音的概率相减，并将得到的差和噪声削减因子输出单元输出的噪声信号削减因子相乘，将得到的值输出到加运算单元；

加运算单元，用于将乘运算单元输出的值和减乘运算单元输出的值进行相加，得到语音增益因子。

4、如权利要求1所述的装置，其特征在于，所述纯净语音增益计算单元进一步用于，将纯净语音增益值输出到先验信噪比估计单元。

5、一种语音增益因子估计方法，其特征在于，该方法包括：

A、计算输入信号的先验信噪比，并根据该先验信噪比计算输入信号的纯净语音增益值；

B、计算输入信号上存在语音的概率；

C、根据输入信号的纯净语音增益值、输入信号上存在语音的概率和噪声信号削减因子，计算输入信号的语音增益因子。

6、如权利要求5所述的方法，其特征在于，步骤A所述计算输入信号的纯净语音增益值具体为：

$G_{H_1}={\left(\frac{\mathrm{\ξ}}{\mathrm{\ξ}+1}\right)}^{\frac{1}{2}},$ 其中，G_H1为所述输入信号的纯净语音增益值，ξ为所述输入信号的先验信噪比。

7、如权利要求5所述的方法，其特征在于，所述步骤B具体为：

计算输入信号不存在语音的概率q，并计算输入信号的后验信噪比γ，则输入信号上存在语音的概率p为：

$p=\{1+\frac{q}{1-q}{(1+\mathrm{\ξ})}^{*}\exp (-v){\}}^{-1},$ 其中， $v=\frac{{\mathrm{\γ}}^{*}\mathrm{\ξ}}{1+\mathrm{\ξ}},$ ξ为所述输入信号的先验信噪比。

8、如权利要求5所述的方法，其特征在于，所述步骤C具体为：

$G=p^{*}{\left(\frac{\mathrm{\ξ}}{\mathrm{\ξ}+1}\right)}^{\frac{1}{2}}+{{(1-p)}^{*}G}_{\min },$ 其中，G为所述输入信号的语音增益因子，p为步骤B所述输入信号上存在语音的概率，ξ为步骤A所述输入信号的先验信噪比，G_min为所述噪声信号削减因子。

Images