TWI660614B - 用於適應性波束成形的方法及設備 - Google Patents

用於適應性波束成形的方法及設備 Download PDF

Info

Publication number
TWI660614B
TWI660614B TW105129556A TW105129556A TWI660614B TW I660614 B TWI660614 B TW I660614B TW 105129556 A TW105129556 A TW 105129556A TW 105129556 A TW105129556 A TW 105129556A TW I660614 B TWI660614 B TW I660614B
Authority
TW
Taiwan
Prior art keywords
signal
input signal
noisy
squares
adaptive
Prior art date
Application number
TW105129556A
Other languages
English (en)
Other versions
TW201714442A (zh
Inventor
山姆Ｐ 艾班札
Original Assignee
英商思睿邏輯國際半導體有限公司
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 英商思睿邏輯國際半導體有限公司 filed Critical 英商思睿邏輯國際半導體有限公司
Publication of TW201714442A publication Critical patent/TW201714442A/zh
Application granted granted Critical
Publication of TWI660614B publication Critical patent/TWI660614B/zh

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
    • G10K11/00—Methods or devices for transmitting, conducting or directing sound in general; Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
    • G10K11/16—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
    • G10K11/175—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound
    • G10K11/178—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound by electro-acoustically regenerating the original acoustic waves in anti-phase
    • G10K11/1781—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound by electro-acoustically regenerating the original acoustic waves in anti-phase characterised by the analysis of input or output signals, e.g. frequency range, modes, transfer functions
    • G10K11/17821—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound by electro-acoustically regenerating the original acoustic waves in anti-phase characterised by the analysis of input or output signals, e.g. frequency range, modes, transfer functions characterised by the analysis of the input signals only
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
    • G10K11/00—Methods or devices for transmitting, conducting or directing sound in general; Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
    • G10K11/16—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
    • G10K11/175—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound
    • G10K11/178—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound by electro-acoustically regenerating the original acoustic waves in anti-phase
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
    • G10K11/00—Methods or devices for transmitting, conducting or directing sound in general; Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
    • G10K11/16—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
    • G10K11/00—Methods or devices for transmitting, conducting or directing sound in general; Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
    • G10K11/16—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
    • G10K11/175—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound
    • 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
    • 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
    • G10L21/0216—Noise filtering characterised by the method used for estimating noise
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R1/00—Details of transducers, loudspeakers or microphones
    • H04R1/10—Earpieces; Attachments therefor ; Earphones; Monophonic headphones
    • H04R1/1083—Reduction of ambient noise
    • 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
    • G10L21/0216—Noise filtering characterised by the method used for estimating noise
    • G10L2021/02161—Number of inputs available containing the signal or the noise to be suppressed
    • G10L2021/02166—Microphone arrays; Beamforming
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R2410/00—Microphones
    • H04R2410/05—Noise reduction with a separate noise microphone
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R2430/00—Signal processing covered by H04R, not provided for in its groups
    • H04R2430/20—Processing of the output signals of the acoustic transducers of an array for obtaining a desired directivity characteristic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R2430/00—Signal processing covered by H04R, not provided for in its groups
    • H04R2430/20—Processing of the output signals of the acoustic transducers of an array for obtaining a desired directivity characteristic
    • H04R2430/25—Array processing for suppression of unwanted side-lobes in directivity characteristics, e.g. a blocking matrix
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R2499/00—Aspects covered by H04R or H04S not otherwise provided for in their subgroups
    • H04R2499/10—General applications
    • H04R2499/11—Transducers incorporated or for use in hand-held devices, e.g. mobile phones, PDA's, camera's
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R2499/00—Aspects covered by H04R or H04S not otherwise provided for in their subgroups
    • H04R2499/10—General applications
    • H04R2499/13—Acoustic transducers and sound field adaptation in vehicles
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R3/00—Circuits for transducers, loudspeakers or microphones
    • H04R3/005—Circuits for transducers, loudspeakers or microphones for combining the signals of two or more microphones

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Otolaryngology (AREA)
  • Circuit For Audible Band Transducer (AREA)

Abstract

在適應性波束成形器或無訊成形器(null former)中的適應性阻擋矩陣的適應性濾波器可經修改以在對適應性噪音消除器模組的輸入及參考噪音信號之間追蹤並維持噪音相關性。亦即，可判定噪音相關性因子，且該噪音相關性因子可用於在產生阻擋矩陣輸出信號時所施加的感測器間信號模型中。輸出信號可接著在適應性波束成形器中進一步處理，以產生在麥克風接收到的口語信號的較少噪音之代表。感測器間信號模型可使用梯度下降總體最小平方(GrTLS)演算法進行估算。進一步而言，空間預白化可應用於適應性阻擋矩陣中以進一步改善噪音的減少。

Description

用於適應性波束成形的方法及設備
本揭示內容涉及數位信號處理。更特定言之，此揭示內容的一部分涉及用於麥克風的數位信號處理。
電話及其他通信裝置在全世界各地用於各種情況中，而不是只有安靜的辦公室環境。語音通信可能發生在不同的且苛刻的聲學狀況中，例如汽車、機場、餐廳等。具體而言，背景聲噪可能是有所不同的，從固定式噪音，例如道路噪音及引擎噪音，至非固定式噪音，如串音(babble)及加速車輛噪音。移動通信裝置需要減少該等不需要的背景聲噪，以便改進語音通信的品質。若該等不需要的背景噪音及所需的口語之來源是空間分離的話，則裝置可利用波束成形(beamforming)以從吵雜的麥克風信號提取乾淨的口語。
一種處理環境聲音以減少背景噪音的方式是將以上的麥克風放置在行動通信裝置上。空間分離演算法使用該等麥克風以取得空間資訊，該空間資訊對於藉由移除噪音源以提取乾淨口語是必要的，該噪音源與口語源是空間分離的。此類演算法藉由利用存在於麥克風之間的空間差異以改進吵雜信號的信噪比(SNR)。一種該空間分離演算法是適應性波束成形，該適應性波束成形基於所接收到的資訊而適應變化的噪音狀況。相對於固定式波束成形器，適應性波束成形器可達到更高的噪音取消或干擾抑制。一種此類適應性波束成形器是廣義旁瓣對消器(Generalized Sidelobe Canceller, GSC)。GSC的固定式波束成形器朝著所需方向形成麥克風波束，使得只有在該方向中的聲音被擷取，且GSC的阻擋矩陣朝著所需的觀看方向形成無訊區(null)。GSC的範例顯示於圖1。
圖1是根據先前技術的適應性波束成形器的範例。適應性波束成形器100包括麥克風102及104，該等麥克風分別用於產生信號x1[n]及x2[n]。信號x1[n]及x2[n]被提供到固定式波束成形器110及阻擋矩陣120。固定式波束成形器110產生信號，a[n]，該a[n]是包含在麥克風信號x1[n]及x2[n]內的所需信號的噪音降低版本。阻擋矩陣120，透過適應性濾波器122的運作，產生b[n]信號，該b[n]是噪音信號。存在於兩個麥克風102及104中的所需信號組成之間的關係(且因此信號x1[n]及x2[n]之間的關係)是由線性時變系統建模，且此線性模型h[n]是使用適應性濾波器122進行估算。麥克風通道的回響(reverberation)/繞射(diffraction)效應及頻率響應皆可歸入脈衝響應h[n]中。因此，透過估算線性模型的參數，麥克風102及104其中一者中的所需信號(例如，口語)及來自另一個麥克風的所需過濾信號在強度及相位中緊密地匹配，從而大幅地降低了信號b[n]中的所需信號遺漏。信號b[n]在適應性噪音消除器130中處理，以產生信號w[n]，該信號w[n]是包含信號a[n]中所有相關噪音的信號。信號w[n]從適應性噪音消除器130中的信號a[n]減去，以產生信號y[n]，該信號y[n]是由麥克風102及104取得的所需信號之噪音降低版本。
習知波束成形器的一個問題在於適應性阻擋矩陣120可能無意中從信號b[n]移除一些噪音，造成信號b[n]及a[n]中的噪音變成不相關的。此不相關的噪音無法在消除器130中移除。因此，一些不期望的噪音可能仍然存在於信號y[n]中，該信號y[n]是在處理方塊130中從信號b[n]產生。適應性濾波器122中失去了噪音相關性。因此，將期望能修改習知適應性波束成形器100的適應性濾波器122中的處理，以經運作來減少適應性濾波器122內的噪音消除之破壞。
在此提到的缺點僅作為代表，且該等缺點被包含在此以僅強調改進電子元件的需求之存在，特別是在消費者等級裝置(例如行動電話)中所採用的信號處理。在此描述的實施例解決特定缺點，但不一定是在此描述或本領域中已知的每一個缺點。
一種解決方案可包括修改適應性濾波器，以追蹤及維持麥克風信號之間的噪音相關性。亦即，噪音相關性因子可被判定，且利用適應性濾波器，該噪音相關性因子可被用於推導正確的感測器間信號模型以產生信號b[n]。該信號b[n]接著可進一步在適應性波束成形器內處理，以產生麥克風所接收到的口語信號之較低噪音的呈現。在一個實施例中，空間預白化(spatial pre-whitening)可應用於適應性阻擋矩陣中，以進一步改進噪音的降低。上述的適應性阻擋矩陣及其他元件及方法可被實現在行動裝置中，以處理從行動裝置的近及/或遠麥克風所接收到的信號。
在一個實施例中，梯度下降總體最小平方(gradient descent total least squares, GrTLS)演算法可經應用以估算在複數個噪音源存在下的信號間模型(inter-signal model)。GrTLS演算法可結合交互相關噪音因子及/或預白化濾波器，以用於產生複數個吵雜的口語源所提供的信號之噪音降低版本。在手機的實施例中，複數個噪音源可包括近麥克風及遠麥克風。近麥克風可為位於電話端點附近，最接近使用者在講電話期間嘴巴所在位置的麥克風。遠麥克風可位於手機上任何其他較遠離使用者嘴巴的位置。
根據一個實施例，方法可包括由耦合到複數個感測器的處理器接收至少第一吵雜輸入信號及第二吵雜輸入信號，第一吵雜信號及第二吵雜信號來自複數個感測器；由處理器判定第一吵雜輸入信號及第二吵雜輸入信號之間的至少一個估算噪音相關性統計；及/或由處理器執行學習演算法，該學習演算法至少部分基於該至少一個估算噪音相關性統計來估算第一吵雜輸入信號及第二吵雜輸入信號之間的感測器間信號模型，使得適應性噪音消除器模組的輸入及阻擋矩陣的輸出之間維持噪音相關性。
在特定實施例中，執行學習演算法的步驟可包括執行適應性濾波器，該適應性濾波器至少部分基於估算噪音相關性統計來計算至少一個濾波器係數；執行適應性濾波器的步驟可包括對總體最小平方(total least squares, TLS)成本函數求解，該總體最小平方成本函數包括估算噪音相關性統計；執行適應性濾波器的步驟可包括對總體最小平方(TLS)成本函數求解，以推導出梯度下降總體最小平方(GrTLS)學習方法，該梯度下降總體最小平方學習方法使用估算噪音相關性統計；執行適應性濾波器的步驟可包括對最小平方(least squares, LS)成本函數求解，該最小平方成本函數包括估算噪音相關性統計；執行適應性濾波器的步驟可包括對最小平方(LS)成本函數求解，以推導出最小均方(least mean squares, LMS)學習方法，該最小均方學習方法使用估算噪音相關性統計；濾波的步驟可包括施加空間預白化近似到第一吵雜信號及第二吵雜信號的其中至少一者；及/或施加空間預白化近似的步驟可不經直接矩陣反向且不經矩陣平方根計算來執行。
在特定實施例中，方法還可包括在判定至少一個估算噪音相關性統計的步驟之前，由處理器過濾第一吵雜輸入信號及第二吵雜輸入信號的其中至少一者，例如以預白化濾波器濾波；對第一吵雜輸入信號及第二吵雜輸入信號的其中至少一者施加估算感測器間信號模型；在對第一吵雜輸入信號及第二吵雜輸入信號的其中至少一者施加估算感測器間信號模型之後，結合第一吵雜輸入信號及第二吵雜輸入信號；及/或在經結合的第一吵雜輸入信號及第二吵雜輸入信號上施加反向時域預白化濾波器。
根據另一個實施例，設備可包括第一輸入節點，該第一輸入節點經配置以接收第一吵雜輸入信號；第二輸入節點，該第二輸入節點經配置以接收第二吵雜輸入信號；及/或處理器，該處理器耦合到第一輸入節點並耦合到第二輸入節點。處理器可經配置以執行以下步驟，包括：從複數個感測器接收至少第一吵雜輸入信號及第二吵雜輸入信號；判定第一吵雜輸入信號及第二吵雜輸入信號之間的至少一個估算噪音相關性統計；及/或執行學習演算法，該行學習演算法至少部分基於該至少一個估算噪音相關性統計來估算第一吵雜輸入信號及第二吵雜輸入信號之間的感測器間信號模型，使得適應性噪音消除器模組的輸入及阻擋矩陣的輸出之間維持噪音相關性。
在一些實施例中，處理器可進一步經配置以在判定至少一個估算噪音相關性統計的步驟之前，由處理器對第一吵雜輸入信號及第二吵雜輸入信號的其中至少一者過濾噪音，例如利用時域預白化濾波器；對第一吵雜輸入信號及第二吵雜輸入信號的其中至少一者施加估算感測器間信號模型；在對第一吵雜輸入信號及第二吵雜輸入信號的其中至少一者施加估算感測器間信號模型之後，結合第一吵雜輸入信號及第二吵雜輸入信號；及/或在經結合的第一吵雜輸入信號及第二吵雜輸入信號上施加反向時域預白化濾波器。
在特定實施例中，執行學習演算法的步驟可包括執行適應性濾波器，該適應性濾波器至少部分基於估算噪音相關性統計來計算至少一個濾波器係數；執行適應性濾波器的步驟可包括對總體最小平方(TLS)成本函數求解，該總體最小平方成本函數包括估算噪音相關性統計；執行適應性濾波器的步驟可包括對總體最小平方(TLS)成本函數求解，以推導出梯度下降總體最小平方(GrTLS)學習方法，該梯度下降總體最小平方學習方法使用估算噪音相關性統計；執行適應性濾波器的步驟可包括對最小平方(LS)成本函數求解，該最小平方成本函數包括估算噪音相關性統計；執行適應性濾波器的步驟可包括對最小平方(LS)成本函數求解，以推導出最小均方(LMS)學習方法，該最小均方學習方法使用估算噪音相關性統計；濾波的步驟可包括施加空間預白化近似到第一吵雜信號及第二吵雜信號的其中至少一者；施加空間預白化近似的步驟可不經直接矩陣反向且不經矩陣平方根計算來執行；第一輸入節點可經配置以耦合到近麥克風；第二輸入節點可經配置以耦合到遠麥克風；及/或處理器可為數位信號處理器(DSP)。
根據另一個實施例，設備可包括第一輸入節點，該第一輸入節點經配置以從第一感測器接收第一吵雜輸入信號；第二輸入節點，該第二輸入節點經配置以從第二感測器接收第二吵雜輸入信號；固定式波束成形器模組，該固定式波束成形器模組耦合到第一輸入節點且耦合到第二輸入節點；阻擋矩陣模組，該阻擋矩陣模組耦合到第一輸入節點且耦合到第二輸入節點，其中阻擋矩陣模組執行學習演算法，該學習演算法至少部分基於該至少一個估算噪音相關性統計來估算第一吵雜輸入信號及第二吵雜輸入信號之間的感測器間信號模型，使得適應性噪音消除器模組的輸入及阻擋矩陣的輸出之間維持噪音相關性；及/或適應性噪音消除器，該適應性噪音消除器耦合到固定式波束成形器模組，且耦合到阻擋矩陣模組，其中適應性噪音消除濾波器經配置以輸出輸出信號，該輸出信號代表第一感測器及第二感測器所接收到的所需語音信號。
在特定實施例中，阻擋矩陣模組經配置以執行以下步驟，包括：對第一吵雜信號施加空間預白化近似；對第二吵雜信號施加另一個或相同的空間預白化近似；對第一吵雜輸入信號及第二吵雜輸入信號的其中至少一者施加估算感測器間信號模型；在施加估算感測器間信號模型後，結合第一吵雜輸入信號及第二吵雜輸入信號；及/或在經結合的第一吵雜輸入信號及第二吵雜輸入信號上施加反向預白化濾波器。
根據進一步的實施例，方法可包括由耦合到複數個感測器的處理器接收來自複數個感測器的至少第一吵雜輸入信號及第二吵雜輸入信號；及/或由處理器執行基於梯度下降的總體最小平方(GrTLS)演算法來估算第一吵雜輸入信號及第二吵雜輸入信號之間的感測器間信號模型。
在特定實施例中，方法還可包括對第一吵雜輸入信號及第二吵雜輸入信號的其中至少一者施加預白化濾波器；施加預白化濾波器的步驟可包括施加空間及時域預白化濾波器；及/或GrTLS演算法可包括至少一個估算噪音相關性統計，使得適應性噪音消除器模組的輸入及阻擋矩陣的輸出之間維持噪音相關性。
根據另一個實施例，設備可包括第一輸入節點，該第一輸入節點用於接收第一吵雜輸入信號；第二輸入節點，該第二輸入節點用於接收第二吵雜輸入信號；及/或處理器，該處理器耦合到第一輸入節點、耦合到第二輸入節點，並經配置以行使以下步驟：執行具有預白化更新演算法的基於梯度下降之總體最小平方(GrTLS)或正歸化最小均方(normalized least means square, NLMS)，該基於梯度下降之總體最小平方或正歸化最小均方估算信號a[n]及b[n]之間的感測器間信號模型。
在特定實施例中，處理器可進一步經配置以執行步驟，包括：對第一吵雜輸入信號及第二吵雜輸入信號的其中至少一者施加預白化濾波器；施加預白化濾波器的步驟可包括施加空間及時域預白化濾波器；及/或具有預白化更新演算法的GrTLS或NLMS可包括至少一個估算噪音相關性統計，使得適應性噪音消除器模組的輸入及阻擋矩陣的輸出之間維持噪音相關性。
前述內容已頗為廣泛地概述本發明的實施例的特定特徵及技術優點，以便下方的詳細描述可被更佳地理解。額外的特徵及優點將在下文中描述，以形成本發明的請求項之標的。本領域具有通常知識者應體會到，所揭示的概念及特定實施例可輕易地用作為修改或設計其他結構的基礎，以便實現相同的或類似的目的。本領域具有通常知識者亦應意識到，此類等效構造不脫離所附隨的請求項中所闡述的發明精神及範疇。當連同附圖考慮時，將從下方描述更佳地理解額外特徵。然而，將明確理解到，每個圖式僅為了說明及描述的目的而提供，且並非意圖限制本發明。
當噪音在麥克風之間維持相關時，處理麥克風輸入取得了較好的口語信號。圖2顯示用於適應性濾波器的處理方塊，該處理方塊藉由維持噪音相關性因子而處理信號。圖2是根據本揭示內容的一個實施例的範例方塊圖，該方塊圖繪示處理方塊，該處理方塊判定用於適應性阻擋矩陣的噪音相關性因子。處理方塊210從輸入節點202及204接收麥克風資料，該等輸入節點可耦合到麥克風。麥克風資料被提供到噪音相關性判定方塊212及感測器間信號模型估算器214。感測器間信號模型估算器214還接收噪音相關性因子，例如下方描述的rq2q1 ，該噪音相關性因子是由噪音相關性判定方塊212計算出來的。感測器間信號模型估算器214可實施學習演算法，例如正歸化最小均方(NLMS)演算法或梯度總體最小平方(GrTLS)演算法，以產生噪音信號b[n]，該噪音信號被提供到進一步的處理方塊或其他元件。其他元件可使用b[n]信號以產生，例如，比任一個麥克風獨立接收的口語信號噪音更少的口語信號。
圖3顯示處理麥克風信號以改善適應性阻擋矩陣中的噪音相關性之方法範例。圖3是根據本揭示內容的一個實施例的範例流程圖，該流程圖以學習演算法處理麥克風信號。方法300可在方塊302開始接收通訊裝置的第一輸入及第二輸入，例如分別來自第一麥克風及第二麥克風。在方塊304處，處理方塊，例如在數位信號處理器(DSP)中，可判定第一輸入及第二輸入之間的至少一個估算噪音相關性統計。接著，在方塊306處，學習演算法可被執行(例如由DSP執行)，以估算第一麥克風及第二麥克風之間的感測器間模型。所估算的感測器間模型可基於方塊304的經判定之噪音相關性統計並應用於適應性阻擋矩陣中，以隨著第一輸入及第二輸入被處理而維持第一輸入及第二輸入之間的噪音相關性。例如，藉由維持及a[n]及b[n]信號的之間的噪音相關性，或更概括地維持適應性噪音消除器方塊的輸入及適應性阻擋矩陣的輸出之間的相關性。
由適應性阻擋矩陣依照該學習演算法來處理麥克風信號是繪示於圖4、圖5、圖6，及圖7中所顯示的處理模型。圖4是根據本揭示內容的一個實施例的範例信號處理模型，該信號處理模型用於適應性阻擋矩陣處理。在適應性波束成形器中，阻擋矩陣的主要目的是以hest [n]估算系統h[n]，使得所需方向性口語信號s[n]可透過減法處理而取消。口語信號s[n]可由兩個麥克風所偵測，其中每個麥克風經歷不同的噪音，其中該等兩個噪音被示為v1[n]及v2[n]。圖4的輸入節點202及204表示從第一麥克風及第二麥克風所分別接收到的信號x1[n]及x2[n]。系統h[n]被表示為增加到第二麥克風信號以作為所接收到的信號之一部分。雖然h[n]是顯示為被增加到信號中，但當數位信號處理器從麥克風接收信號x2[n]時，h[n]信號通常是信號x2[n]的不可分割成分，並與其他噪音v2[n]及與語音信號s[n]結合。阻擋矩陣接著產生模型402，該模型402對模型h[n]估算hest [n]。因此，當hest [n]被增加到來自第一麥克風的信號x1[n]，且該信號在處理方塊210中與x2[n]信號結合時，輸出信號b[n]已經取消了所需口語信號。附加噪音𝑣1[𝑛]及𝑣2[𝑛]是彼此相關的，且相關程度是取決於麥克風間距。
未知系統h[n]可在hest [n]中使用適應性濾波器估算。適應性濾波器係數可使用典型的正歸化最小平方(NLMS)進行更新，如以下方程式所顯示：其中表示信號x1[n]的過去樣本及目前樣本，且L是可調整的有限脈衝響應(finite impulse response, FIR)濾波器係數的數字，且μ是學習速率，該學習速率可基於所期望的適應率而調整。基於NLMS的濾波器參數估算的收斂深度(depth of convergence)可能由存在於信號x1[n](參考信號)及x2[n](輸入信號)中的噪音的相關特性所限制。
系統400的適應性濾波器402的係數可替代地基於總體最小平方(TLS)的方法來計算，例如在所觀察到的(參考及輸入兩者)信號被不相關的白噪音信號破壞時。在TLS方法的一個實施例中，基於梯度下降的TLS方案(GrTLS)是由以下方程式給定：
由數位信號處理器實施來估算濾波器係數的學習演算法種類，例如NLMS或GrTLS任一者，可由使用者或在處理器上執行的控制演算法來選擇。TLS方案勝過LS方案的收斂深度之改進可取決於信噪比(SNR)及脈衝響應的最大幅值。
TLS學習演算法可基於附加噪音𝑣1[𝑛]及𝑣2[𝑛]兩者是時間及空間不相關的假設而推導出。然而，噪音可能是相關的，因為麥克風信號之間所存在的空間相關性，且亦因為聲學背景噪音不是頻域平坦的事實(亦即，時域上相關的)。此相關噪音可能導致學習演算法不足夠的收斂深度。
時域相關性的效果可藉由在從麥克風接收到的信號x1[𝑛]及x2[𝑛]上施加固定式預白化濾波器而減少。圖5是根據本揭示內容的一個實施例的信號處理模型範例，該信號處理模型以預白化濾波器處理適應性阻擋矩陣。預白化(pre-whitening, PW)方塊504及506可被增加到處理方塊210。PW方塊504及506可將預白化濾波器分別施加到麥克風信號x1[n]及x2[n]，以取得信號y1[n]及y2[n]。相對應的預白化信號中的噪音是分別表示為𝑞1[𝑛]及𝑞2[𝑛]。預白化(PW)濾波器可使用一階有限脈衝響應(FIR)濾波器來實現。在一個實施例中，PW方塊504及506可被適應性地修改，以考慮到信號x1[n]及x2[n]中的變化噪音頻譜。在另一個實施例中，PW方塊504及506可為固定式預白化濾波器。
PW方塊504及506可施加空間及/或時域預白化。使用基於空間預白化的更新方程式或者其他更新方程式的選擇可由使用者或由在控制器上執行的演算法來控制。在一個實施例中，時域及空間預白化處理可被實現為單一步驟處理，該單一步驟處理使用相關性矩陣的逆平方根的完整知識。在另一個實施例中，預白化處理可分成兩個步驟，其中時域預白化首先被執行，再由空間預白化處理隨後。空間預白化處理可藉由近似相關性矩陣的逆平方根來執行。在另一個實施例中，使用相關性矩陣的近似逆平方根的空間預白化是嵌入在信號間模型估算處理的係數更新步驟中。
在施加適應性濾波器502後(該適應性濾波器可類似於圖4的適應性濾波器402)，並將信號組合以形成信號e[n]，預白化處理的濾波效果可在反向預白化(inverse pre-whitening, IPW)方塊508中移除，例如透過在信號e[n]上施加IIR濾波器。在一個實施例中，PW濾波器的分子及分母係數是由(a0 = 1，a1 = 0，b0 = 0.9，b1 = -0.7)給定，且IPW濾波器的分子及分母係數是由(a0 = 0.9，a1 = -0.7，b0 = 1，b1 = 0)給定，其中ai 及bi 是IIR濾波器的分母及分子係數。IPW方塊508的輸出是b[n]信號。
空間相關性的效果可透過使用去相關矩陣(decorrelating matrix)來將噪音去相關而解決，該去相關矩陣可從空間相關矩陣求得。與其明顯地將信號去相關，噪音的交互相關性可被包括在最小化問題的成本函數中，且為所估算的交互相關函數的函數之梯度下降演算法可從對適應性濾波器502所選擇的任何學習演算法而推導出。
例如，對於TLS學習演算法，用於適應性濾波器502的係數可從以下方程式計算：
作為另一個範例，對於LS學習演算法，用於適應性濾波器502的係數可從以下方程式計算：其中σ𝑞 是背景噪音的標準差，其可透過取得平均噪音功率的平方根來計算，且其中rq2q1 是時域白化麥克風信號之間的交互相關。平滑後的標準差接著可從以下方程式求得：其中𝐸𝑞[𝑙]是平均噪音功率且α是平滑參數。
一般而言，背景噪音是從遠場抵達，且因此在兩個麥克風處的噪音功率可被假設為具有相同的功率。因此，來自任何一個麥克風的噪音功率可被用來計算Eq [𝑙]。平滑後的噪音交互相關估算值rq2q1 求得為：其中其中m 是樣本中的交互相關延遲滯後，N是用於估算交互相關性的樣本數，且該N設定為256個樣本，l 是在N個樣本大小的噪音緩衝器被創建處的超碼框時間索引(super-frame time index)，D是在輸入𝑥2[𝑛]處引入的因果延遲(causal delay)，且β是可調整的平滑常數。返回參照圖2，上述的rq2q1 因子可由噪音相關性判定方塊212來計算。
噪音互相關值可能隨著滯後(lag)的增加而變得不顯著。為了減少計算複雜度，可計算只對應於選定數量的滯後的交互相關性。最大交互相關滯後M可因此由使用者調整或由演算法判定。較大的M值可被用在較少數量的噪音源之應用中，例如定向的、干擾的、競爭的談話者，或若麥克風彼此緊密間隔。
在所需口語的存在期間估算交互相關性可能會破壞噪音相關性的估算，從而影響所需口語的取消效能。因此，用於交互相關性計算的資料樣本之緩衝及平滑交互相關的估算只可在特定的時間啟用，並且可在，例如，所需口語不存在的偵測中具有高置信度時被關閉。
圖6是根據本揭示內容的一個實施例的信號處理範例模型，該信號處理範例模型在噪音相關性判定之前以預白化濾波器處理適應性阻擋矩陣。圖6的系統600類似於圖5的系統500，但包括噪音相關性判定方塊610。相關性方塊610可接收來自方塊504及506的預白化麥克風信號作為輸入。相關性方塊610將噪音相關性參數，例如rq2q1 ，輸出到適應性濾波器502。
圖7是根據本揭示內容的一個實施例的信號處理範例模型，該信號處理範例模型以預白化濾波器及延遲來處理適應性阻擋矩陣。圖7的系統700類似於圖6的系統600，但是包括延遲方塊722。取決於所需信號及所選擇的參考信號的抵達方向，系統h[n]的脈衝響應可導致非因果(acausal)系統。此非因果系統可透過在適應性濾波器502的輸入處引入延遲(z-D )方塊722來實現，使得所估算脈衝響應是真實系統的時間偏移版本。在輸入處引入的方塊722之延遲可被使用者調整，或可由在控制器上執行的演算法來判定。
一種用於實現信號處理方塊的一個實施例的系統顯示於圖8。圖8是系統的範例方塊圖，該系統根據本揭示內容的實施例用於執行梯度下降總體最小平方(TLS)學習演算法。系統800包括吵雜的信號源802A及802B，例如數位微機電系統(MEMS)麥克風。吵雜的信號可分別通過預時域白化濾波器806A及806B。雖然顯示了兩個濾波器，但在一個實施例中，預白化濾波器可僅被應用到信號源802A及802B的其中一者。預白化信號接著被提供至相關性判定模組810及梯度下降TLS模組808。模組808及810可在相同的處理器上執行，例如數位信號處理器(DSP)。相關性判定模組810可判定如上方描述的參數rq2q1 ，該參數被提供至GrTLS模組808。GrTLS模組808接著產生信號，該信號代表在輸入源802A及8082B兩者接收到的口語信號。信號接著通過反向預白化濾波器812，以產生在源802A及802B接收到的信號。進一步而言，濾波器806A、806B及812亦可如同GrTLS方塊808地，實現在相同的處理器上，或數位信號處理器(DSP)上。
應用上述範例系統的結果可透過對系統施加樣本吵雜信號並在系統輸出處判定噪音減少來說明。圖9是對特定範例輸入繪示噪音相關值的範例圖形，該等特定範例輸入施加到本揭示內容的特定實施例。圖形900是參考信號至適應性噪音消除器(b[n]信號)及其輸入(a[n]信號)之間的大小平方一致性(magnitude square coherence)的圖形。線902顯示近乎理想的情況。對於NLMS學習演算法的噪音相關性圖形被顯示為線906A及906B。對於GrTLS學習演算法的噪音相關性圖形被顯示為線904A及904B。線904A及904B更靠近902的理想情況，特別是在100赫茲及1000赫茲之間的頻率，該頻率是典型背景噪音常見的頻率。因此，上述基於GrTLS的系統相較於習知系統可提供噪音減少中的最佳改善，至少對於特定噪音信號而言。此外，使用預白化的方法時，噪音相關性被改善。
適應性阻擋矩陣及上述的其他部件及方法可實現在行動裝置中，以處理從行動裝置的近麥克風及/或遠麥克風接收的信號。行動裝置可為，例如，手機、平板電腦、筆記型電腦，或無線耳機。行動裝置的處理器，例如裝置的應用處理器，可實施例如上述參考圖2、圖4、圖5、圖6、圖7，及/或圖8所描述的適應性波束成形器、適應性方塊矩陣、適應性噪音消除器，或其他用於處理的電路。替代地，行動裝置可包括用於執行該等功能的特定硬體，例如數位信號處理器(DSP)。進一步而言，處理器或DSP可用修改過的適應性阻擋矩陣來實現圖1的系統，如上方的實施例及說明所述。
圖3的示意性流程圖一般闡述為邏輯流程圖。如此，所描繪的順序及標記的步驟指示了所揭示的方法的態樣。可設想在功能、邏輯或效果中與所揭示的方法的一或更多個步驟或部分步驟等同的其他步驟及方法。此外，所採用的格式及符號被提供以解釋方法的邏輯步驟，且理解為不限制方法的範疇。儘管流程圖中可採用各種箭頭類型及線條類型，但該等箭頭類型及線條類型被理解為不限制相應方法的範疇。確實，某些箭頭或其他接頭可用來僅指示方法的邏輯流程。例如，箭頭可指示所描繪的方法的列舉步驟之間的未指定持續時間之等待或監視週期。此外，特定方法發生的順序可能或可能不嚴格遵守所顯示的相應步驟順序。
若實現在韌體及/或軟體中，上述功能可被儲存為電腦可讀取媒體上的一或更多個指令或代碼。範例包括以資料結構編碼的非暫態電腦可讀取媒體，及以電腦程式編碼的電腦可讀取媒體。電腦可讀取媒體包括實體電腦儲存媒體。儲存媒體可為電腦可存取的任何可用媒體。以舉例而非限制的方式而言，此類電腦可讀取媒體可包括隨機存取記憶體(RAM)、唯讀記憶體(ROM)，電子可抹拭可程式化唯讀記憶體(EEPROM)、光碟唯讀記憶體(CD-ROM)或其他光碟儲存器、磁碟儲存器或其他磁性儲存裝置，或可被用來以指令或資料結構形式儲存電腦可存取的所需程式碼的任何其他媒體。光碟及磁碟包括光碟片(CD)、雷射磁碟、光碟(optical discs)、數位多功能光碟(DVD)、軟碟及藍光光碟。一般而言，磁碟磁性地複製資料，且光碟光學地複製資料。上述的組合亦應該被包含在電腦可讀取媒體的範疇內。
除了儲存在電腦可讀取媒體上之外，指令及/或資料可被提供為被包含在通信設備中的傳輸媒體上的信號。例如，通信設備可包括收發器，該收發器具有指示指令及資料的信號。指令及資料經配置以造成一或更多個處理器實現請求項中概括的功能。
雖然本揭示內容及特定代表性的優點已經詳細地描述，但應理解到各種改變、替代及變更可在此不背離所附隨之請求項所定義的揭示內容的精神及範疇而進行。例如，雖然上方描述提及從行動裝置的麥克風處理並提取口語信號，但上述的方法及系統可用於從其他裝置提取其他信號。可實施所揭示的方法及系統的其他系統包括，例如，用於語音設備的處理電路，該處理電路可能需要從吵雜的麥克風信號中提取樂器聲音。又另一個系統可包括可能需要從吵雜感測器提取所需信號的雷達、聲納，或影像系統。此外，本申請案的範疇並非意圖受限於說明書中描述的處理、機器、製造、物質組合、構件、方法及步驟的特定實施例。如本領域具有通常知識者將從本揭示內容輕易意識到地，與在此描述的相應實施例執行幾乎相同功能或達成幾乎相同結果的當前存在或之後將發展的處理、機器、製造、物質組成、構件、方法或步驟可被利用。從而，所附隨的請求項是意圖將此類處理、機器、製造、物質組成、構件、方法或步驟包含在請求項的範疇中。
100‧‧‧適應性波束成形器
102‧‧‧麥克風
104‧‧‧麥克風
110‧‧‧固定式波束成形器
120‧‧‧阻擋矩陣
122‧‧‧適應性濾波器
130‧‧‧適應性噪音消除器
202‧‧‧輸入節點
204‧‧‧輸入節點
210‧‧‧處理方塊
212‧‧‧噪音相關性判定方塊
214‧‧‧感測器間信號模型估算器
300‧‧‧方法
302‧‧‧方塊
304‧‧‧方塊
306‧‧‧方塊
400‧‧‧系統
402‧‧‧適應性濾波器
500‧‧‧系統
502‧‧‧適應性濾波器
504‧‧‧方塊
506‧‧‧方塊
508‧‧‧方塊
600‧‧‧系統
610‧‧‧相關性方塊
700‧‧‧系統
722‧‧‧方塊
800‧‧‧系統
802A‧‧‧吵雜的信號源
802B‧‧‧吵雜的信號源
806A‧‧‧預時域白化濾波器
806B‧‧‧預時域白化濾波器
808‧‧‧梯度下降TLS模組
810‧‧‧相關性判定模組
812‧‧‧反向預白化濾波器
900‧‧‧圖形
902‧‧‧線
904A‧‧‧線
904B‧‧‧線
906A‧‧‧線
906B‧‧‧線
為了更完整地理解所揭示的系統及方法，現在將參考結合附圖的以下描述。
圖1是根據先前技術的適應性波束成形器的範例。
圖2是根據本揭示內容的一個實施例的範例方塊圖表，該範例方塊圖表繪示處理方塊，該處理方塊判定用於適應性阻擋矩陣的噪音相關性因子。
圖3是根據本揭示內容的一個實施例的範例流程圖，該流程圖用於以學習演算法處理麥克風信號。
圖4是根據本揭示內容的一個實施例的信號處理範例模型，該信號處理範例模型用於適應性阻擋矩陣處理。
圖5是根據本揭示內容的一個實施例的信號處理範例模型，該信號處理範例模型以預白化濾波器處理適應性阻擋矩陣。
圖6是根據本揭示內容的一個實施例的信號處理範例模型，該信號處理範例模型在噪音相關性判定之前以預白化濾波器處理適應性阻擋矩陣。
圖7是根據本揭示內容的一個實施例的信號處理範例模型，該信號處理範例模型以預白化濾波器及延遲處理適應性阻擋矩陣。
圖8是根據本揭示內容的一個實施例的系統範例方塊圖，該系統用於執行梯度下降總體最小平方(TLS)學習演算法。
圖9是繪示噪音相關性數值的範例圖形，該等噪音相關性數值用於特定範例輸入，該等特定範例輸入應用於本揭示內容的特定實施例。
國內寄存資訊 (請依寄存機構、日期、號碼順序註記) 無
國外寄存資訊 (請依寄存國家、機構、日期、號碼順序註記) 無
(請換頁單獨記載) 無

Claims (24)

  1. 一種用於適應性波束成形的方法，包括以下步驟：由耦合到複數個感測器的一處理器接收至少一第一吵雜輸入信號及一第二吵雜輸入信號，該第一吵雜信號及該第二吵雜信號的每一者來自該複數個感測器；由該處理器判定該第一輸入信號及該第二輸入信號之間的至少一個估算噪音相關性統計；及由該處理器在一適應性阻擋矩陣中執行一學習演算法，該學習演算法至少部分基於該至少一個估算噪音相關性統計來估算該第一吵雜輸入信號及該第二吵雜輸入信號之間的一感測器間信號模型，使得一噪音相關性被維持在對一適應性噪音消除器模組之一輸入及該適應性阻擋矩陣的一輸出之間；其中該學習演算法包含以下至少一者：一總體最小平方(total least squares，TLS)學習方法、一梯度下降總體最小平方(gradient descent total least squares，GrTLS)學習方法、一最小平方(least squares，LS)學習方法、一最小均方(least mean squares，LMS)學習方法，及一正歸化最小均方(normalized least means square，NLMS)學習方法。
  2. 如請求項1所述之方法，其中執行該學習演算法的該步驟包括以下步驟：執行一適應性濾波器，該適應性濾波器至少部分基於該估算噪音相關性統計來計算至少一個濾波器係數。
  3. 如請求項2所述之方法，其中執行該適應性濾波器的該步驟包括以下步驟：對一總體最小平方(TLS)成本函數求解，該總體最小平方成本函數包括該估算噪音相關性統計。
  4. 如請求項2所述之方法，其中執行該適應性濾波器的該步驟包括以下步驟：執行該梯度下降總體最小平方(GrTLS)學習方法，該梯度下降總體最小平方學習方法包括該估算噪音相關性統計，以將一總體最小平方(TLS)成本函數最小化。
  5. 如請求項2所述之方法，其中執行該適應性濾波器的該步驟包括以下步驟：執行該最小平方(LS)學習方法，該最小平方學習方法包括該估算噪音相關性統計，以將一最小平方(LS)成本函數最小化。
  6. 如請求項2所述之方法，其中執行該適應性濾波器的該步驟包括以下步驟：對一最小平方(LS)成本函數求解，以推導出該最小均方(LMS)學習方法，該最小均方學習方法使用該估算噪音相關性統計。
  7. 如請求項1所述之方法，進一步包括以下步驟：在判定該至少一個估算噪音相關性統計的該步驟之前，由該處理器過濾該第一吵雜輸入信號及該第二吵雜輸入信號的其中至少一者。
  8. 如請求項5所述之方法，其中過濾的該步驟包括以下步驟：對該第一吵雜信號及該第二吵雜信號的其中至少一者施加一空間預白化近似。
  9. 如請求項8所述之方法，其中施加該空間預白化近似的該步驟是不經一直接矩陣反向且不經一矩陣平方根計算來執行。
  10. 如請求項8所述之方法，進一步包括以下步驟：對該第一吵雜輸入信號及該第二吵雜輸入信號的其中至少一者施加該估算感測器間信號模型；在對該第一吵雜輸入信號及該第二吵雜輸入信號的其中至少一者施加該估算感測器間信號模型之後，結合該第一吵雜輸入信號及該第二吵雜輸入信號；及在經結合的該第一吵雜輸入信號及該第二吵雜輸入信號上施加一反向預白化濾波器。
  11. 一種用於適應性波束成形的設備，包括：一第一輸入節點，該第一輸入節點經配置以接收一第一吵雜輸入信號；一第二輸入節點，該第二輸入節點經配置以接收一第二吵雜輸入信號；一處理器，該處理器耦合至該第一輸入節點並耦合至該第二輸入節點，且該處理器經配置以執行包括以下之步驟：從該複數個感測器接收至少一第一吵雜輸入信號及一第二吵雜輸入信號；判定該第一吵雜輸入信號及該第二吵雜輸入信號之間的至少一個估算噪音相關性統計；及執行一學習演算法，該學習演算法至少部分基於該至少一個估算噪音相關性統計來估算該第一吵雜輸入信號及該第二吵雜輸入信號之間的一感測器間信號模型，使得一噪音相關性被維持在對一適應性噪音消除器模組之一輸入及一阻擋矩陣的一輸出之間；其中該學習演算法包含以下至少一者：一總體最小平方(TLS)學習方法、一梯度下降總體最小平方(GrTLS)學習方法、一最小平方(LS)學習方法、一最小均方(LMS)學習方法，及一正歸化最小均方(NLMS)學習方法。
  12. 如請求項11所述之設備，其中執行該學習演算法的該步驟包括以下步驟：執行一適應性濾波器，該適應性濾波器至少部分基於該估算噪音相關性統計來計算至少一個濾波器係數。
  13. 如請求項12所述之設備，其中執行該適應性濾波器的該步驟包括以下步驟：對一總體最小平方(TLS)成本函數求解，該總體最小平方成本函數包括該估算噪音相關性統計。
  14. 如請求項12所述之設備，其中執行該適應性濾波器的該步驟包括以下步驟：執行該梯度下降總體最小平方(GrTLS)學習方法，該梯度下降總體最小平方學習方法包括該估算噪音相關性統計，以將一總體最小平方(TLS)成本函數最小化。
  15. 如請求項12所述之設備，其中執行該適應性濾波器的該步驟包括以下步驟：執行該最小平方(LS)學習方法，該最小平方學習方法包括該估算噪音相關性統計，以將一最小平方(LS)成本函數最小化。
  16. 如請求項12所述之設備，其中執行該適應性濾波器的該步驟包括以下步驟：對一最小平方(LS)成本函數求解，以推導出該最小均方(LMS)學習方法，該最小均方學習方法使用該估算噪音相關性統計。
  17. 如請求項11所述之設備，其中該處理器進一步經配置以執行以下步驟：在判定該至少一個估算噪音相關性統計的該步驟之前，由該處理器過濾該第一吵雜輸入信號及該第二吵雜輸入信號的其中至少一者。
  18. 如請求項17所述之設備，其中過濾的該步驟包括以下步驟：對該第一吵雜信號及該第二吵雜信號的其中至少一者施加一空間預白化近似。
  19. 如請求項18所述之設備，其中施加該空間預白化近似的該步驟是不經一直接矩陣反向且不經一矩陣平方根計算來執行。
  20. 如請求項18所述之設備，其中該處理器進一步經配置以執行以下步驟：對該第一吵雜輸入信號及該第二吵雜輸入信號的其中至少一者施加該估算感測器間信號模型；在對該第一吵雜輸入信號及該第二吵雜輸入信號的其中至少一者施加該估算感測器間信號模型之後，結合該第一吵雜輸入信號及該第二吵雜輸入信號；及在經結合的該第一吵雜輸入信號及該第二吵雜輸入信號上施加一反向預白化濾波器。
  21. 如請求項11所述之設備，其中該第一輸入節點經配置以耦合至一近麥克風，且其中該第二輸入節點經配置以耦合至一遠麥克風。
  22. 如請求項5所述之設備，其中該處理器是一數位信號處理器(DSP)。
  23. 一種用於適應性波束成形的設備，包括：一第一輸入節點，該第一輸入節點經配置以從一第一感測器接收一第一吵雜輸入信號；一第二輸入節點，該第二輸入節點經配置以從一第二感測器接收一第二吵雜輸入信號；一固定式波束成形器模組，該固定式波束成形器模組耦合至該第一輸入節點並耦合至該第二輸入節點；一適應性阻擋矩陣模組，該適應性阻擋矩陣模組耦合至該第一輸入節點且耦合至該第二輸入節點，其中該適應性阻擋矩陣模組執行一學習演算法，該學習演算法至少部分基於至少一個估算噪音相關性統計來估算該第一吵雜輸入信號及該第二吵雜輸入信號之間的一感測器間信號模型；及一適應性噪音消除器，該適應性噪音消除器耦合至該固定式波束成形器模組並耦合至該適應性阻擋矩陣模組，其中該適應性噪音消除器經配置以輸出一輸出信號，該輸出信號代表在該第一感測器及該第二感測器處接收到的一語音信號；其中該適應性阻擋矩陣模組經配置以在對該適應性噪音消除器的一輸入與該適應性阻擋矩陣模組的一輸出之間維持一噪音相關性；其中該學習演算法包含以下至少一者：一總體最小平方(TLS)學習方法、一梯度下降總體最小平方(GrTLS)學習方法、一最小平方(LS)學習方法、一最小均方(LMS)學習方法，及一正歸化最小均方(NLMS)學習方法。
  24. 如請求項23所述之設備，其中該阻擋矩陣模組經配置以執行以下步驟：對該第一吵雜信號施加一空間預白化近似；對該第二吵雜信號施加該空間預白化近似；對該第一輸入吵雜信號及該第二吵雜輸入信號的其中至少一者施加該估算感測器間信號模型；在施加該估算感測器間信號模型後，結合該第一吵雜輸入信號及該第二吵雜輸入信號；及在經結合的該第一吵雜輸入信號及該第二吵雜輸入信號上施加一反向預白化濾波器。
TW105129556A 2015-09-30 2016-09-12 用於適應性波束成形的方法及設備 TWI660614B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/871,688 US9607603B1 (en) 2015-09-30 2015-09-30 Adaptive block matrix using pre-whitening for adaptive beam forming
US14/871,688 2015-09-30

Publications (2)

Publication Number Publication Date
TW201714442A TW201714442A (zh) 2017-04-16
TWI660614B true TWI660614B (zh) 2019-05-21

Family

ID=55132322

Family Applications (2)

Application Number Title Priority Date Filing Date
TW107110670A TWI661684B (zh) 2015-09-30 2016-09-12 用於適應性波束成形的方法及設備
TW105129556A TWI660614B (zh) 2015-09-30 2016-09-12 用於適應性波束成形的方法及設備

Family Applications Before (1)

Application Number Title Priority Date Filing Date
TW107110670A TWI661684B (zh) 2015-09-30 2016-09-12 用於適應性波束成形的方法及設備

Country Status (8)

Country Link
US (1) US9607603B1 (zh)
EP (1) EP3357256B1 (zh)
JP (1) JP6534180B2 (zh)
KR (2) KR101976135B1 (zh)
CN (1) CN108141656B (zh)
GB (2) GB2542862B (zh)
TW (2) TWI661684B (zh)
WO (1) WO2017058320A1 (zh)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10475471B2 (en) 2016-10-11 2019-11-12 Cirrus Logic, Inc. Detection of acoustic impulse events in voice applications using a neural network
US10013995B1 (en) * 2017-05-10 2018-07-03 Cirrus Logic, Inc. Combined reference signal for acoustic echo cancellation
US10395667B2 (en) 2017-05-12 2019-08-27 Cirrus Logic, Inc. Correlation-based near-field detector
US10297267B2 (en) 2017-05-15 2019-05-21 Cirrus Logic, Inc. Dual microphone voice processing for headsets with variable microphone array orientation
US10319228B2 (en) 2017-06-27 2019-06-11 Waymo Llc Detecting and responding to sirens
US9947338B1 (en) * 2017-09-19 2018-04-17 Amazon Technologies, Inc. Echo latency estimation
US10885907B2 (en) 2018-02-14 2021-01-05 Cirrus Logic, Inc. Noise reduction system and method for audio device with multiple microphones
US10418048B1 (en) * 2018-04-30 2019-09-17 Cirrus Logic, Inc. Noise reference estimation for noise reduction
US11195540B2 (en) * 2019-01-28 2021-12-07 Cirrus Logic, Inc. Methods and apparatus for an adaptive blocking matrix
US10839821B1 (en) * 2019-07-23 2020-11-17 Bose Corporation Systems and methods for estimating noise
CN110464343A (zh) * 2019-08-16 2019-11-19 杭州电子科技大学 一种基于自主手部动作的增强型脑肌相干方法
US10735887B1 (en) * 2019-09-19 2020-08-04 Wave Sciences, LLC Spatial audio array processing system and method
US11997474B2 (en) * 2019-09-19 2024-05-28 Wave Sciences, LLC Spatial audio array processing system and method
US11508379B2 (en) 2019-12-04 2022-11-22 Cirrus Logic, Inc. Asynchronous ad-hoc distributed microphone array processing in smart home applications using voice biometrics
US11025324B1 (en) 2020-04-15 2021-06-01 Cirrus Logic, Inc. Initialization of adaptive blocking matrix filters in a beamforming array using a priori information
USD998712S1 (en) * 2021-08-10 2023-09-12 Pacoware Inc. Block play board
CN116320947B (zh) * 2023-05-17 2023-09-01 杭州爱听科技有限公司 一种应用于助听器的频域双通道语音增强方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040071284A1 (en) * 2002-08-16 2004-04-15 Abutalebi Hamid Reza Method and system for processing subband signals using adaptive filters
US20070273585A1 (en) * 2004-04-28 2007-11-29 Koninklijke Philips Electronics, N.V. Adaptive beamformer, sidelobe canceller, handsfree speech communication device
EP2237270A1 (en) * 2009-03-30 2010-10-06 Harman Becker Automotive Systems GmbH A method for determining a noise reference signal for noise compensation and/or noise reduction

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS56119517A (en) * 1980-02-26 1981-09-19 Matsushita Electric Ind Co Ltd Amplitude limiting circuit
EP0095902A1 (en) * 1982-05-28 1983-12-07 British Broadcasting Corporation Headphone level protection circuit
ATE487332T1 (de) * 2003-07-11 2010-11-15 Cochlear Ltd Verfahren und einrichtung zur rauschverminderung
US7415117B2 (en) * 2004-03-02 2008-08-19 Microsoft Corporation System and method for beamforming using a microphone array
US7464029B2 (en) * 2005-07-22 2008-12-09 Qualcomm Incorporated Robust separation of speech signals in a noisy environment
WO2007123051A1 (ja) * 2006-04-20 2007-11-01 Nec Corporation 適応アレイ制御装置、方法、プログラム、及び適応アレイ処理装置、方法、プログラム
KR20070117171A (ko) * 2006-06-07 2007-12-12 삼성전자주식회사 오디오 앰프의 입력이득 제한 장치 및 방법
US8270625B2 (en) * 2006-12-06 2012-09-18 Brigham Young University Secondary path modeling for active noise control
US8005238B2 (en) * 2007-03-22 2011-08-23 Microsoft Corporation Robust adaptive beamforming with enhanced noise suppression
WO2009034524A1 (en) 2007-09-13 2009-03-19 Koninklijke Philips Electronics N.V. Apparatus and method for audio beam forming
JP5241921B2 (ja) * 2008-07-29 2013-07-17 ドルビー ラボラトリーズ ライセンシング コーポレイション 電子音響チャンネルの適応制御とイコライゼーションの方法
US8401206B2 (en) * 2009-01-15 2013-03-19 Microsoft Corporation Adaptive beamformer using a log domain optimization criterion
KR101581885B1 (ko) 2009-08-26 2016-01-04 삼성전자주식회사 복소 스펙트럼 잡음 제거 장치 및 방법
US9031268B2 (en) * 2011-05-09 2015-05-12 Dts, Inc. Room characterization and correction for multi-channel audio
CN102903368B (zh) * 2011-07-29 2017-04-12 杜比实验室特许公司 用于卷积盲源分离的方法和设备
US9078057B2 (en) * 2012-11-01 2015-07-07 Csr Technology Inc. Adaptive microphone beamforming
US20140270241A1 (en) * 2013-03-15 2014-09-18 CSR Technology, Inc Method, apparatus, and manufacture for two-microphone array speech enhancement for an automotive environment
US20140270219A1 (en) * 2013-03-15 2014-09-18 CSR Technology, Inc. Method, apparatus, and manufacture for beamforming with fixed weights and adaptive selection or resynthesis
CN104301999B (zh) * 2014-10-14 2017-10-20 西北工业大学 一种基于rssi的无线传感器网络自适应迭代定位方法
CN204761691U (zh) * 2015-07-29 2015-11-11 泉州品荣商贸有限公司 一种对讲机音频电路

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040071284A1 (en) * 2002-08-16 2004-04-15 Abutalebi Hamid Reza Method and system for processing subband signals using adaptive filters
US20070273585A1 (en) * 2004-04-28 2007-11-29 Koninklijke Philips Electronics, N.V. Adaptive beamformer, sidelobe canceller, handsfree speech communication device
EP2237270A1 (en) * 2009-03-30 2010-10-06 Harman Becker Automotive Systems GmbH A method for determining a noise reference signal for noise compensation and/or noise reduction

Also Published As

Publication number Publication date
KR102333031B1 (ko) 2021-11-29
US9607603B1 (en) 2017-03-28
TW201714442A (zh) 2017-04-16
GB201716064D0 (en) 2017-11-15
JP6534180B2 (ja) 2019-06-26
GB2556199A (en) 2018-05-23
CN108141656B (zh) 2020-01-07
KR101976135B1 (ko) 2019-05-07
GB2542862B (en) 2019-04-17
GB201519514D0 (en) 2015-12-23
GB2542862A (en) 2017-04-05
WO2017058320A1 (en) 2017-04-06
JP2018528717A (ja) 2018-09-27
EP3357256A1 (en) 2018-08-08
TWI661684B (zh) 2019-06-01
CN108141656A (zh) 2018-06-08
GB2556199B (en) 2018-12-05
KR20190011839A (ko) 2019-02-07
TW201826725A (zh) 2018-07-16
EP3357256B1 (en) 2022-03-30
KR20180039138A (ko) 2018-04-17
US20170092256A1 (en) 2017-03-30

Similar Documents

Publication Publication Date Title
TWI660614B (zh) 用於適應性波束成形的方法及設備
US9558755B1 (en) Noise suppression assisted automatic speech recognition
CN111128210B (zh) 具有声学回声消除的音频信号处理的方法和系统
KR20190085927A (ko) 적응성 빔포밍
US8761410B1 (en) Systems and methods for multi-channel dereverberation
WO2018119467A1 (en) Multiple input multiple output (mimo) audio signal processing for speech de-reverberation
JP5738488B2 (ja) ビームフォーミング装置
CN108293170B (zh) 波束成形应用中的自适应无相位失真幅度响应均衡的方法及装置
WO2017160294A1 (en) Spectral estimation of room acoustic parameters
KR102076760B1 (ko) 다채널 마이크를 이용한 칼만필터 기반의 다채널 입출력 비선형 음향학적 반향 제거 방법
CN110211602B (zh) 智能语音增强通信方法及装置
JP2020537172A (ja) ノイズと残響を減少させた音声信号を提供する信号処理装置及び方法
JP2018531555A6 (ja) ビーム形成用途のための適応的位相歪曲のない振幅応答等化
DK3065417T3 (da) Fremgangsmåde til undertrykkelse af en interfererende støj i et akustisk system
JP2020504966A (ja) 遠距離音の捕捉
KR20110021306A (ko) 마이크로폰의 신호 보상 장치 및 그 방법
US11195540B2 (en) Methods and apparatus for an adaptive blocking matrix
Prasad et al. Two microphone technique to improve the speech intelligibility under noisy environment
JP4950971B2 (ja) 残響除去装置、残響除去方法、残響除去プログラム、記録媒体
JP6221463B2 (ja) 音声信号処理装置及びプログラム
JP2015025914A (ja) 音声信号処理装置及びプログラム