WO2020168981A1 - 风噪声抑制方法及装置 - Google Patents

风噪声抑制方法及装置 Download PDF

Info

Publication number
WO2020168981A1
WO2020168981A1 PCT/CN2020/075196 CN2020075196W WO2020168981A1 WO 2020168981 A1 WO2020168981 A1 WO 2020168981A1 CN 2020075196 W CN2020075196 W CN 2020075196W WO 2020168981 A1 WO2020168981 A1 WO 2020168981A1
Authority
WO
WIPO (PCT)
Prior art keywords
signal
spectrogram
power spectrum
wind noise
microphone
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.)
Ceased
Application number
PCT/CN2020/075196
Other languages
English (en)
French (fr)
Inventor
梁民
毕海
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.)
China Academy of Telecommunications Technology CATT
Original Assignee
China Academy of Telecommunications Technology CATT
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 China Academy of Telecommunications Technology CATT filed Critical China Academy of Telecommunications Technology CATT
Publication of WO2020168981A1 publication Critical patent/WO2020168981A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; ELECTRIC HEARING AIDS; PUBLIC ADDRESS SYSTEMS
    • H04R1/00—Details of transducers, loudspeakers or microphones
    • H04R1/10—Earpieces; Attachments therefor ; Earphones; Monophonic headphones
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; ELECTRIC HEARING AIDS; PUBLIC ADDRESS SYSTEMS
    • H04R3/00—Circuits for transducers

Definitions

  • the present disclosure relates to the technical field of speech signal processing, in particular to a wind noise suppression method and device.
  • Some embodiments of the present disclosure provide a wind noise suppression method and device to solve the problem that there is no effective suppression solution for wind noise of BT earphones in the related art, and the voice signal of BT earphones cannot be accurately obtained.
  • some embodiments of the present disclosure provide a wind noise suppression method, including:
  • the obtaining the first spectrogram of the first speech signal and the second spectrogram of the second speech signal separately includes:
  • the method before acquiring the first spectrogram of the first speech signal and the second spectrogram of the second speech signal separately, the method further includes:
  • the separately calibrating the first microphone and the second microphone to obtain the first voice signal received by the first microphone and the second voice signal received by the second microphone includes:
  • the performing finite impulse response FIR filtering processing on the received signal of the second microphone to obtain the second voice signal includes:
  • FIR filter processing is performed on the received signal of the second microphone to obtain a second voice signal.
  • the obtaining FIR filter coefficients includes:
  • the FIR filter coefficients are adaptively updated iteratively.
  • performing filtering processing on the second output signal to obtain an estimated signal includes:
  • a FIR filter is used to filter the second output signal to obtain an estimated signal.
  • said using the difference signal between the reference signal and the estimated signal to perform adaptive iterative update of FIR filter coefficients includes:
  • the FIR filter coefficients are adaptively updated iteratively.
  • the obtaining the soft decision flag variable output by the voice activity detection VAD according to the first output signal and the second output signal includes:
  • the adaptive iterative update of FIR filter coefficients according to the soft decision flag variable and the difference signal between the reference signal and the estimated signal includes:
  • the obtaining the sum signal power spectrum and the difference signal power spectrum separately according to the first spectrogram and the second spectrogram includes:
  • the method for acquiring the sum signal power spectrum is:
  • the method for obtaining the power spectrum of the difference signal is:
  • the obtaining a wind noise suppression gain function according to the sum signal power spectrum and the difference signal power spectrum includes:
  • G(k,t) is the wind noise suppression gain function
  • ⁇ is the preset small constant regularization factor, and ⁇ >0
  • ⁇ is the monotonic decreasing function
  • t is the time index of the signal frame
  • k is Subband index.
  • Some embodiments of the present disclosure also provide a wind noise suppression device, which includes a memory, a processor, and a program stored on the memory and capable of running on the processor; wherein, when the processor executes the program Implement the following steps:
  • the processor further implements the following steps when executing the program:
  • the processor executes the finite impulse response FIR filtering process on the received signal of the second microphone to obtain the second voice signal, the following steps are implemented:
  • FIR filter processing is performed on the received signal of the second microphone to obtain a second voice signal.
  • processor implements the following steps when executing the program for obtaining FIR filter coefficients:
  • the FIR filter coefficients are adaptively updated iteratively.
  • the processor implements the following steps when performing the filtering process on the second output signal to obtain the estimated signal:
  • a FIR filter is used to filter the second output signal to obtain an estimated signal.
  • the processor implements the following steps when executing the procedure of using the difference signal between the reference signal and the estimated signal to perform adaptive iterative update of FIR filter coefficients:
  • the FIR filter coefficients are adaptively updated iteratively.
  • the processor executes the program of acquiring the sum signal power spectrum and the difference signal power spectrum according to the first spectrogram and the second spectrogram, the following steps are implemented:
  • the method for acquiring the sum signal power spectrum is:
  • the method for obtaining the power spectrum of the difference signal is:
  • G(k,t) is the wind noise suppression gain function
  • Is the difference signal power spectrum of the k-th subband of the t-th frame Is the sum signal power spectrum of the k-th subband of the t-th frame
  • ⁇ is the preset small constant regularization factor, and ⁇ >0
  • ⁇ is the monotonic decreasing function
  • t is the time index of the signal frame
  • k is Subband index.
  • Some embodiments of the present disclosure further provide a computer-readable storage medium on which a computer program is stored, wherein the computer program is executed by a processor to implement the steps in the above-mentioned wind noise suppression method.
  • Some embodiments of the present disclosure also provide a wind noise suppression device, including:
  • the first acquisition module is configured to acquire the first spectrogram of the first speech signal and the second spectrogram of the second speech signal respectively;
  • the second acquisition module is configured to acquire the sum signal power spectrum and the difference signal power spectrum respectively according to the first spectrogram and the second spectrogram;
  • a third acquisition module configured to acquire a wind noise suppression gain function according to the sum signal power spectrum and the difference signal power spectrum
  • a fourth acquisition module configured to use the wind noise suppression gain function to modify the sum signal spectrogram composed of the first spectrogram and the second spectrogram to obtain an estimate of the speech signal spectrogram;
  • the fifth acquiring module is used to acquire the estimation of the time domain speech signal according to the estimation of the speech signal spectrogram.
  • the sum signal power spectrum and the difference signal power spectrum obtained by using the first and second spectrograms are used to obtain the wind noise suppression gain function, and the wind noise suppression gain function is used to modify the signal spectrogram , And then obtain the estimation of the time-domain speech signal, so that the speech signal of the BT headset can be accurately obtained, and this solution has the advantages of fast convergence, low computational complexity, and easy real-time engineering implementation on commercial chips.
  • Figure 1 shows a schematic diagram of the acquisition process of y s (n) and y d (n);
  • Figure 2 shows a schematic diagram of an implementation of the monotonically decreasing nonlinear mapping ⁇ from the parameter R to the noise suppression gain G in the Log-Log domain;
  • Figure 3 shows a schematic diagram of the implementation principle of microphone calibration
  • FIG. 4 shows a schematic flowchart of a wind noise suppression method according to some embodiments of the present disclosure
  • Figure 5 shows a schematic diagram of the specific implementation principle of the present disclosure
  • Fig. 6 shows a schematic diagram of modules of a wind noise suppression device according to some embodiments of the present disclosure.
  • Fig. 7 shows a schematic structural diagram of a wind noise suppression device according to some embodiments of the present disclosure.
  • the present disclosure addresses the problem that there is no effective wind noise suppression solution for BT earphones in the related art, and the voice signal of BT earphones cannot be accurately obtained, and provides a wind noise suppression method and device.
  • ⁇ s and ⁇ v are the propagation delay of acoustic signal s(n) and the propagation delay of wind propagated wave v(n) respectively, n 1 (n) and n 2 (n) represent microphone 1 and microphone 2 respectively Self-noise or uncorrelated turbulence noise at the microphone.
  • the sum signal y s (n) and difference signal y d (n) formed by them are respectively:
  • P s ( ⁇ ) is the sine wave root mean square (RMS) power of the speech signal
  • P v ( ⁇ ) is the RMS power of the turbulent noise
  • N 1 ( ⁇ ) and N 2 ( ⁇ ) are microphone 1 and microphone respectively RMS power of two independent noises
  • ⁇ c ( ⁇ ) is the turbulence correlation coefficient, which is determined by the Corcos turbulence model.
  • R in the case of no acoustic signal, the value of R tends to 1; and when there is an acoustic signal and the signal-to-noise ratio (SNR) is large, the value of R The value tends to 0. Therefore, R can be used as a statistic and compared with a certain decision threshold to determine whether the signal received by the microphone comes from turbulent noise/microphone noise or a noisy speech signal.
  • SNR signal-to-noise ratio
  • ⁇ is a monotonically decreasing function.
  • Figure 2 shows an implementation of this decreasing and monotonous nonlinear mathematical mapping.
  • the present disclosure proposes an automatic microphone calibration algorithm, the principle of which is shown in Figure 3, where the received signal x 1 (n) of the microphone 1 is first filtered by a high-pass filter (HPF) to generate an output x 1hpf (n), Delay it
  • the reference signal x ref (n) is generated after the sample, where L is the length of the filter
  • the received signal x 2 (n) of microphone 2 is first filtered by a high-pass filter (HPF) to generate the output x 2hpf (n), with adaptive Finite impulse response (FIR) filter Filter x 2hpf (n) to obtain the estimated signal x est (n);
  • FIR Finite impulse response
  • the adaptive iterative algorithm can be a normalized least mean square (NLMS) algorithm or an affine projection algorithm (APA).
  • FIR filter The adaptive iterative update of the coefficients must be performed under the condition of a voice signal, and when there is no voice signal, the iterative update process must be stopped. To this end, a voice activity detector (VAD) is needed to detect the voice signal segment. When the VAD detects a voice signal, its output flag Vad_Flag is set to 1, otherwise its output flag Vad_Flag is set to 0.
  • VAD voice activity detector
  • each line is calculated by the following equation HPF output signal x 1hpf (n) and x 2hpf (n) autocorrelation function R x1x1 (n) and R x2x2 (n) and the cross-correlation function of both the R x1x2 (n):
  • R x1x2 (n) ⁇ R x1x2 (n-1)+(1- ⁇ ) ⁇ x 1hpf (n) ⁇ x 2hpf (n)
  • 0 ⁇ 1 is a predetermined smoothing coefficient parameter.
  • 0 ⁇ Th 2 ⁇ Th 1 ⁇ 1 is the judgment threshold parameter preset by VAD.
  • the learning rate parameter in the coefficient adaptive iterative algorithm can effectively complete the task of automatic calibration between two microphones.
  • 0 ⁇ 2 is the preset learning rate parameter
  • ⁇ >0 is a preset small constant type regularization factor
  • the error signal e(n) is expressed as:
  • some embodiments of the present disclosure provide a wind noise suppression method, including:
  • Step 41 Obtain the first spectrogram of the first speech signal and the second spectrogram of the second speech signal respectively;
  • Step 42 Obtain a sum signal power spectrum and a difference signal power spectrum respectively according to the first spectrogram and the second spectrogram;
  • Step 43 Obtain a wind noise suppression gain function according to the sum signal power spectrum and the difference signal power spectrum
  • Step 44 Use the wind noise suppression gain function to correct the sum signal spectrogram composed of the first spectrogram and the second spectrogram to obtain an estimate of the speech signal spectrogram;
  • Step 45 Obtain an estimate of the time domain speech signal according to the estimate of the speech signal spectrogram.
  • step 41 is:
  • STFT short-time Fourier transform
  • AFB analysis filter bank
  • the wind noise suppression method further includes:
  • the first microphone refers to the aforementioned microphone 1
  • the second microphone refers to the aforementioned microphone 2
  • the first voice signal corresponds to the aforementioned p 1 (n)
  • the second voice signal corresponds to the aforementioned P 2 (n).
  • the steps of calibrating the first microphone and the second microphone respectively, and obtaining the first voice signal received by the first microphone and the second voice signal received by the second microphone are specifically implemented as follows:
  • the specific implementation of the step of performing finite impulse response FIR filtering processing on the received signal of the second microphone to obtain the second voice signal is as follows:
  • FIR filter processing is performed on the received signal of the second microphone to obtain a second voice signal.
  • the FIR filter coefficients are adaptively updated iteratively.
  • the first output signal corresponds to x 1hpf (n) described above; the reference signal corresponds to x ref (n) described above; the second output signal corresponds to x 2hpf described above (n);
  • the estimated signal corresponds to x est (n) in the above description.
  • the specific implementation of the step of performing filtering processing on the second output signal to obtain an estimated signal is as follows:
  • a FIR filter is used to filter the second output signal to obtain an estimated signal.
  • step of adaptively iteratively updating FIR filter coefficients using the difference signal between the reference signal and the estimated signal is:
  • the FIR filter coefficients are adaptively updated iteratively.
  • the specific implementation of the step of obtaining the soft decision flag variable output by the voice activity detection VAD according to the first output signal and the second output signal is as follows:
  • the specific implementation manner of the step of adaptively iteratively updating FIR filter coefficients according to the soft decision flag variable and the difference signal between the reference signal and the estimated signal is:
  • step 42 is:
  • the method for obtaining the power spectrum of the sum signal is:
  • the method for obtaining the power spectrum of the difference signal is:
  • step 53 is:
  • G(k,t) is the wind noise suppression gain function
  • ⁇ is the preset small constant regularization factor, and ⁇ >0
  • ⁇ is the monotonic decreasing function
  • t is the time index of the signal frame
  • k is Subband index.
  • the monotonically decreasing function includes but is not limited to the situation shown in FIG. 2, and may be any monotonous decreasing linear and nonlinear function.
  • the microphone automatic calibration module is used to calibrate the consistent matching between the dual microphones, and then Perform STFT or AFB for the calibrated two microphone signals p 1 (n) and p 2 (n) respectively to perform subband transformation, so as to obtain the corresponding spectrograms Y 1 (k, t) and Y 2 of the two signals (k,t), use them to form the "sum signal” spectrogram Y s (k, t) and the "difference signal” spectrogram Y d (k, t) respectively, and calculate the corresponding power spectrum P online ys (k,t) and P yd (k,t), according to P ys (k,t) and P yd (k,t) to calculate the characteristic variable R(k,t), based on this, through a monotonically decreasing nonlinearity
  • the mapping function ⁇ is
  • the sum signal power spectrum and the difference signal power spectrum obtained from the first and second spectrograms are used to obtain the wind noise suppression gain function, and use the wind noise suppression
  • the gain function modifies the signal spectrogram, and then obtains the estimation of the time-domain speech signal, so that the speech signal of the BT headset can be accurately obtained, and the solution has fast convergence speed, low computational complexity, and is easy to be real-time on commercial chips The advantages of engineering realization.
  • some embodiments of the present disclosure further provide a wind noise suppression device 60, including:
  • the first obtaining module 61 is configured to obtain the first spectrogram of the first speech signal and the second spectrogram of the second speech signal respectively;
  • the second obtaining module 62 is configured to obtain a sum signal power spectrum and a difference signal power spectrum according to the first spectrogram and the second spectrogram respectively;
  • the third obtaining module 63 is configured to obtain a wind noise suppression gain function according to the sum signal power spectrum and the difference signal power spectrum;
  • the fourth obtaining module 64 is configured to use the wind noise suppression gain function to correct the sum signal spectrogram composed of the first spectrogram and the second spectrogram, and obtain an estimate of the speech signal spectrogram ;
  • the fifth acquiring module 65 is configured to acquire an estimate of the time domain speech signal according to the estimate of the speech signal spectrogram.
  • the first obtaining module 61 is configured to:
  • the method further includes:
  • the sixth acquisition module is configured to calibrate the first microphone and the second microphone respectively, and acquire the first voice signal received by the first microphone and the second voice signal received by the second microphone.
  • the sixth acquisition module includes:
  • the first acquisition sub-module is configured to delay processing the received signal of the first microphone to obtain the first voice signal
  • the second acquisition sub-module is used to perform finite impulse response FIR filtering processing on the received signal of the second microphone to obtain the second voice signal.
  • the second obtaining submodule includes:
  • the processing unit is configured to perform FIR filter processing on the received signal of the second microphone according to the FIR filter coefficient to obtain a second voice signal.
  • the acquiring unit includes:
  • the first processing subunit is configured to subject the received signal of the first microphone to high-pass filtering to obtain a first output signal
  • the second processing subunit is used to delay processing the first output signal to obtain a reference signal
  • the third processing subunit is configured to subject the received signal of the second microphone to high-pass filtering to obtain a second output signal
  • the fourth processing subunit is used to perform filtering processing on the second output signal to obtain an estimated signal
  • the update subunit is configured to use the difference signal between the reference signal and the estimated signal to adaptively update the FIR filter coefficients.
  • the fourth processing subunit is configured to:
  • a FIR filter is used to filter the second output signal to obtain an estimated signal.
  • update subunit is used for:
  • the FIR filter coefficients are adaptively updated iteratively.
  • the update subunit obtains the soft decision flag variable output by the voice activity detection VAD according to the first output signal and the second output signal, and the specific implementation manner is:
  • the update subunit performs an adaptive iterative update of FIR filter coefficients according to the soft decision flag variable and the difference signal between the reference signal and the estimated signal.
  • the specific implementation manner is:
  • the second obtaining module 62 includes:
  • the third acquisition submodule is configured to acquire a sum signal spectrogram and a difference signal spectrogram respectively according to the first spectrogram and the second spectrogram;
  • the fourth acquisition sub-module is configured to acquire the sum signal power spectrum corresponding to the sum signal spectrogram and the difference signal power spectrum corresponding to the difference signal spectrogram respectively.
  • the method for acquiring the sum signal power spectrum is:
  • the method for obtaining the power spectrum of the difference signal is:
  • the third obtaining module 63 is configured to:
  • G(k,t) is the wind noise suppression gain function
  • ⁇ is the preset small constant regularization factor, and ⁇ >0
  • ⁇ is the monotonic decreasing function
  • t is the time index of the signal frame
  • k is Subband index.
  • the embodiment of the device corresponds to the above method embodiment one-to-one, and all the implementation manners in the above method embodiment are applicable to the embodiment of the device and can achieve the same technical effect.
  • some embodiments of the present disclosure also provide a wind noise suppression device, including a processor 71, a memory 72, and a program stored on the memory 72 and running on the processor 71; wherein The processor 71 is used to read the program in the memory and execute the following process:
  • the bus architecture may include any number of interconnected buses and bridges. Specifically, one or more processors represented by the processor 71 and various circuits of the memory represented by the memory 72 are linked together.
  • the bus architecture can also link various other circuits such as peripherals, voltage regulators, power management circuits, etc., which are all known in the art, and therefore, no further descriptions are provided herein.
  • the bus interface provides the interface.
  • the processor 71 is responsible for managing the bus architecture and general processing, and the memory 72 can store data used by the processor 71 when performing operations.
  • the processor further implements the following steps when executing the program:
  • FIR filter processing is performed on the received signal of the second microphone to obtain a second voice signal.
  • processor implements the following steps when executing the program for obtaining FIR filter coefficients:
  • the FIR filter coefficients are adaptively updated iteratively.
  • the processor implements the following steps when performing the filtering process on the second output signal to obtain the estimated signal:
  • a FIR filter is used to filter the second output signal to obtain an estimated signal.
  • the processor implements the following steps when executing the procedure of using the difference signal between the reference signal and the estimated signal to perform adaptive iterative update of FIR filter coefficients:
  • the FIR filter coefficients are adaptively updated iteratively.
  • the processor executes the program of acquiring the sum signal power spectrum and the difference signal power spectrum according to the first spectrogram and the second spectrogram, the following steps are implemented:
  • the method for acquiring the sum signal power spectrum is:
  • the method for obtaining the power spectrum of the difference signal is:
  • G(k,t) is the wind noise suppression gain function
  • ⁇ is the preset small constant regularization factor, and ⁇ >0
  • ⁇ is the monotonic decreasing function
  • t is the time index of the signal frame
  • k is Subband index.
  • Some embodiments of the present disclosure also provide a computer-readable storage medium on which a computer program is stored, and when the computer program is executed by a processor, the above-mentioned wind noise suppression method is implemented.
  • the disclosed device and method may be implemented in other ways.
  • the device embodiments described above are merely illustrative.
  • the division of the units is only a logical function division, and there may be other divisions in actual implementation, for example, multiple units or components can be combined or It can be integrated into another system, or some features can be ignored or not implemented.
  • the displayed or discussed mutual coupling or direct coupling or communication connection may be indirect coupling or communication connection through some interfaces, devices or units, and may be in electrical, mechanical or other forms.
  • the units described as separate components may or may not be physically separated, and the components displayed as units may or may not be physical units, that is, they may be located in one place, or they may be distributed on multiple network units. Some or all of the units may be selected according to actual needs to achieve the objectives of the solutions of the embodiments.
  • the functional units in the various embodiments of the present disclosure may be integrated into one processing unit, or each unit may exist alone physically, or two or more units may be integrated into one unit.
  • the function is implemented in the form of a software functional unit and sold or used as an independent product, it can be stored in a computer readable storage medium.
  • the computer software product is stored in a storage medium, including Several instructions are used to make a computer device (which may be a personal computer, a server, or a network device, etc.) execute all or part of the steps of the methods described in the various embodiments of the present disclosure.
  • the aforementioned storage media include: U disk, mobile hard disk, ROM, RAM, magnetic disk or optical disk and other media that can store program codes.
  • each component or each step can be decomposed and/or recombined. These decomposition and/or recombination should be regarded as equivalent solutions of the present disclosure.
  • the steps of performing the above series of processing can naturally be performed in a time sequence in the order of description, but do not necessarily need to be performed in a time sequence, and some steps can be performed in parallel or independently of each other.
  • Those of ordinary skill in the art can understand that all or any of the steps or components of the method and device of the present disclosure can be used in any computing device (including a processor, storage medium, etc.) or a network of computing devices with hardware and firmware. , Software, or a combination of them, this can be achieved by those of ordinary skill in the art using their basic programming skills after reading the description of the present disclosure.
  • modules, units, sub-modules, sub-units, etc. can be implemented in one or more application specific integrated circuits (ASICs), digital signal processors (Digital Signal Processing, DSP), digital signal processing equipment ( DSP Device, DSPD), Programmable Logic Device (Programmable Logic Device, PLD), Field-Programmable Gate Array (Field-Programmable Gate Array, FPGA), general-purpose processors, controllers, microcontrollers, microprocessors, Other electronic units or combinations thereof that perform the functions described in the present disclosure.
  • ASICs application specific integrated circuits
  • DSP Digital Signal Processing
  • DSP Device digital signal processing equipment
  • PLD Programmable Logic Device
  • Field-Programmable Gate Array Field-Programmable Gate Array
  • FPGA Field-Programmable Gate Array
  • the technology described in the embodiments of the present disclosure can be implemented through modules (for example, procedures, functions, etc.) that perform the functions described in the embodiments of the present disclosure.
  • the software codes can be stored in the memory and executed by the processor.
  • the memory can be implemented in the processor or external to the processor.
  • the purpose of the present disclosure can also be realized by running a program or a group of programs on any computing device.
  • the computing device may be a well-known general-purpose device. Therefore, the purpose of the present disclosure can also be achieved only by providing a program product containing program code for implementing the method or device. That is, such a program product also constitutes the present disclosure, and a storage medium storing such a program product also constitutes the present disclosure.
  • the storage medium may be any well-known storage medium or any storage medium developed in the future. It should also be pointed out that in the device and method of the present disclosure, obviously, each component or each step can be decomposed and/or recombined.

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Acoustics & Sound (AREA)
  • Signal Processing (AREA)
  • Circuit For Audible Band Transducer (AREA)

Abstract

本公开提供了一种风噪声抑制方法及装置。该风噪声抑制方法，包括：分别获取第一语音信号的第一语谱图和第二语音信号的第二语谱图；根据所述第一语谱图和所述第二语谱图，分别获取和信号功率谱和差信号功率谱；根据所述和信号功率谱和所述差信号功率谱，获取风噪声抑制增益函数；利用所述风噪声抑制增益函数对所述第一语谱图和所述第二语谱图组成的和信号语谱图进行修正，获取语音信号语谱图的估计；根据所述语音信号语谱图的估计，获取时域语音信号的估计。

Description

风噪声抑制方法及装置
相关申请的交叉引用
本申请主张在2019年2月21日在中国提交的中国专利申请号No.201910129183.X的优先权，其全部内容通过引用包含于此。
技术领域
本公开涉及语音信号处理技术领域，特别涉及一种风噪声抑制方法及装置。
背景技术
在蓝牙(Bluetooth，BT)耳机的应用中，风噪声的有效抑制是其中的一个亟待解决的主要问题之一，但是迄今为止在BT耳机的应用中尚无类似的技术与方法。
发明内容
本公开的一些实施例提供一种风噪声抑制方法及装置，以解决相关技术中不存在BT耳机的风噪声的有效抑制方案，无法准确获取BT耳机的语音信号的问题。
为了解决上述技术问题，本公开的一些实施例提供一种风噪声抑制方法，包括：
分别获取第一语音信号的第一语谱图和第二语音信号的第二语谱图；
根据所述第一语谱图和所述第二语谱图，分别获取和信号功率谱和差信号功率谱；
根据所述和信号功率谱和所述差信号功率谱，获取风噪声抑制增益函数；
利用所述风噪声抑制增益函数对所述第一语谱图和所述第二语谱图组成的和信号语谱图进行修正，获取语音信号语谱图的估计；
根据所述语音信号语谱图的估计，获取时域语音信号的估计。
进一步地，所述分别获取第一语音信号的第一语谱图和第二语音信号的第二语谱图，包括：
对所述第一语音信号和所述第二语音信号分别进行短时傅里叶变换STFT或者用分析滤波器组AFB进行子带变换，获取所述第一语音信号的第一语谱图和所述第二语音信号的第二语谱图。
可选地，在所述分别获取第一语音信号的第一语谱图和第二语音信号的第二语谱图之前，还包括：
分别对第一麦克风和第二麦克风进行校准，获取所述第一麦克风接收的第一语音信号和所述第二麦克风接收的第二语音信号。
进一步地，所述分别对第一麦克风和第二麦克风进行校准，获取所述第一麦克风接收的第一语音信号和所述第二麦克风接收的第二语音信号，包括：
对第一麦克风的接收信号进行延时处理，得到第一语音信号；
对第二麦克风的接收信号进行有限冲激响应FIR滤波处理，得到第二语音信号。
进一步地，所述对第二麦克风的接收信号进行有限冲激响应FIR滤波处理，得到第二语音信号，包括：
获取FIR滤波器系数；
根据所述FIR滤波器系数，对所述第二麦克风的接收信号进行FIR滤波处理，得到第二语音信号。
可选地，所述获取FIR滤波器系数，包括：
将所述第一麦克风的接收信号经过高通滤波处理得到第一输出信号；
将所述第一输出信号进行延时处理，得到参考信号；
将所述第二麦克风的接收信号经过高通滤波处理得到第二输出信号；
对所述第二输出信号进行滤波处理，得到估计信号；
利用所述参考信号与所述估计信号的差信号，对FIR滤波器系数进行自 适应迭代更新。
具体地，所述对所述第二输出信号进行滤波处理，得到估计信号，包括：
利用FIR滤波器对所述第二输出信号进行滤波处理，获取估计信号。
进一步地，所述利用所述参考信号与所述估计信号的差信号，对FIR滤波器系数进行自适应迭代更新，包括：
根据所述第一输出信号和所述第二输出信号，获取语音活性检测VAD输出的软判决标志变量；
根据所述软判决标志变量和所述参考信号与所述估计信号的差信号，对FIR滤波器系数进行自适应迭代更新。
进一步地，所述根据所述第一输出信号和所述第二输出信号，获取语音活性检测VAD输出的软判决标志变量，包括：
根据公式：
Figure PCTCN2020075196-appb-000001
获取VAD输出的软判决标志变量；
其中，Vad_Flag(n)为第n时刻VAD输出的软判决标志变量；r x1x2(n)为第一输出信号和第二输出信号的互相关函数系数，且
Figure PCTCN2020075196-appb-000002
R x1x2(n)＝α·R x1x2(n-1)+(1-α)·x 1hpf(n)·x 2hpf(n)，α为预定的平滑系数参数、且0<α<1，R x1x2(n)为第一输出信号和第二输出信号的互相关函数；R x1x1(n)为第一输出信号的自相关函数；R x2x2(n)为第二输出信号的自相关函数；x 1hpf(n)为第一输出信号，x 2hpf(n)为第二输出信号，R xixi(n)＝α·R xixi(n-1)+(1-α)·x ihpf(n)·x ihpf(n),i＝1或2；Th 2和Th 1为VAD预设的判决门限参数、且0≤Th 2<Th 1<1；n为样本时间索引。
进一步地，所述根据所述软判决标志变量和所述参考信号与所述估计信 号的差信号，对FIR滤波器系数进行自适应迭代更新，包括：
根据公式：
Figure PCTCN2020075196-appb-000003
对FIR滤波器系数进行自适应迭代更新；
其中，
Figure PCTCN2020075196-appb-000004
为第n+1时刻FIR滤波器系数矢量；
Figure PCTCN2020075196-appb-000005
为第n时刻FIR滤波器系数矢量；Vad_Flag(n)为第n时刻VAD输出的软判决标志变量；β为预设的学习率参数，且0<β<2；e(n)为误差信号，且
Figure PCTCN2020075196-appb-000006
Figure PCTCN2020075196-appb-000007
x ref(n)为参考信号，x est(n)为估计信号，
Figure PCTCN2020075196-appb-000008
T为矢量的转置运算符，x 2hpf(n)为第二输出信号；δ为预设的小常数型正则化因子，且δ>0；n为样本时间索引。
可选地，所述根据所述第一语谱图和所述第二语谱图，分别获取和信号功率谱和差信号功率谱，包括：
根据所述第一语谱图和所述第二语谱图，分别获取和信号语谱图和差信号语谱图；
分别获取所述和信号语谱图对应的和信号功率谱和所述差信号语谱图对应的差信号功率谱。
具体地，所述和信号功率谱的获取方式为：
根据公式：
Figure PCTCN2020075196-appb-000009
获取和信号功率谱；
其中，
Figure PCTCN2020075196-appb-000010
为第t帧第k个子带的和信号功率谱；γ为预设的平滑系数参数、且0<γ<1；
Figure PCTCN2020075196-appb-000011
为第t-1帧第k个子带的和信号功率谱；Y s(k,t)为和信号语谱图；t为信号帧的时间索引，k为子带索引。
具体地，所述差信号功率谱的获取方式为：
根据公式：
Figure PCTCN2020075196-appb-000012
获取差信号功率谱；
其中，
Figure PCTCN2020075196-appb-000013
为第t帧第k个子带的差信号功率谱；γ为预设的平滑系数参数、且0<γ<1；
Figure PCTCN2020075196-appb-000014
为第t-1帧第k个子带的和信号功率谱；Y d(k,t)为差信号语谱图；t为信号帧的时间索引，k为子带索引。
进一步地，所述根据所述和信号功率谱和所述差信号功率谱，获取风噪声抑制增益函数，包括：
根据公式：G(k,t)＝ψ{R(k,t)}，获取风噪声抑制增益函数；
其中，G(k,t)为风噪声抑制增益函数；
Figure PCTCN2020075196-appb-000015
Figure PCTCN2020075196-appb-000016
为第t帧第k个子带的差信号功率谱，
Figure PCTCN2020075196-appb-000017
为第t帧第k个子带的和信号功率谱；ε为预设的小常数型正则化因子，且ε>0；ψ{·}为单调递减函数；t为信号帧的时间索引，k为子带索引。
本公开的一些实施例还提供一种风噪声抑制装置，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序；其中，所述处理器执行所述程序时实现以下步骤：
分别获取第一语音信号的第一语谱图和第二语音信号的第二语谱图；
根据所述第一语谱图和所述第二语谱图，分别获取和信号功率谱和差信号功率谱；
根据所述和信号功率谱和所述差信号功率谱，获取风噪声抑制增益函数；
利用所述风噪声抑制增益函数对所述第一语谱图和所述第二语谱图组成的和信号语谱图进行修正，获取语音信号语谱图的估计；
根据所述语音信号语谱图的估计，获取时域语音信号的估计。
具体地，所述处理器执行所述分别获取第一语音信号的第一语谱图和第二语音信号的第二语谱图的程序时实现以下步骤：
对所述第一语音信号和所述第二语音信号分别进行短时傅里叶变换STFT或者用分析滤波器组AFB进行子带变换，获取所述第一语音信号的第一语谱图和所述第二语音信号的第二语谱图。
可选地，所述处理器执行所述程序时还实现以下步骤：
分别对第一麦克风和第二麦克风进行校准，获取所述第一麦克风接收的第一语音信号和所述第二麦克风接收的第二语音信号。
进一步地，所述处理器执行所述分别对第一麦克风和第二麦克风进行校准，获取所述第一麦克风接收的第一语音信号和所述第二麦克风接收的第二语音信号的程序时实现以下步骤：
对第一麦克风的接收信号进行延时处理，得到第一语音信号；
对第二麦克风的接收信号进行有限冲激响应FIR滤波处理，得到第二语音信号。
可选地，所述处理器执行所述对第二麦克风的接收信号进行有限冲激响应FIR滤波处理，得到第二语音信号的程序时实现以下步骤：
获取FIR滤波器系数；
根据所述FIR滤波器系数，对所述第二麦克风的接收信号进行FIR滤波处理，得到第二语音信号。
进一步地，所述处理器执行所述获取FIR滤波器系数的程序时实现以下步骤：
将所述第一麦克风的接收信号经过高通滤波处理得到第一输出信号；
将所述第一输出信号进行延时处理，得到参考信号；
将所述第二麦克风的接收信号经过高通滤波处理得到第二输出信号；
对所述第二输出信号进行滤波处理，得到估计信号；
利用所述参考信号与所述估计信号的差信号，对FIR滤波器系数进行自适应迭代更新。
具体地，所述处理器执行所述对所述第二输出信号进行滤波处理，得到估计信号的程序时实现以下步骤：
利用FIR滤波器对所述第二输出信号进行滤波处理，获取估计信号。
具体地，所述处理器执行所述利用所述参考信号与所述估计信号的差信 号，对FIR滤波器系数进行自适应迭代更新的程序时实现以下步骤：
根据所述第一输出信号和所述第二输出信号，获取语音活性检测VAD输出的软判决标志变量；
根据所述软判决标志变量和所述参考信号与所述估计信号的差信号，对FIR滤波器系数进行自适应迭代更新。
具体地，所述处理器执行所述根据所述第一输出信号和所述第二输出信号，获取语音活性检测VAD输出的软判决标志变量的程序时实现以下步骤：
根据公式：
Figure PCTCN2020075196-appb-000018
获取VAD输出的软判决标志变量；
其中，Vad_Flag(n)为第n时刻VAD输出的软判决标志变量；r x1x2(n)为第一输出信号和第二输出信号的互相关函数系数，且
Figure PCTCN2020075196-appb-000019
R x1x2(n)＝α·R x1x2(n-1)+(1-α)·x 1hpf(n)·x 2hpf(n)，α为预定的平滑系数参数、且0<α<1，R x1x2(n)为第一输出信号和第二输出信号的互相关函数；R x1x1(n)为第一输出信号的自相关函数；R x2x2(n)为第二输出信号的自相关函数；x 1hpf(n)为第一输出信号，x 2hpf(n)为第二输出信号，R xixi(n)＝α·R xixi(n-1)+(1-α)·x ihpf(n)·x ihpf(n),i＝1或2；Th 2和Th 1为VAD预设的判决门限参数、且0≤Th 2<Th 1<1；n为样本时间索引。
进一步地，所述处理器执行所述根据所述软判决标志变量和所述参考信号与所述估计信号的差信号，对FIR滤波器系数进行自适应迭代更新的程序时实现以下步骤：
根据公式：
Figure PCTCN2020075196-appb-000020
对FIR滤波器系数进行自适应迭代更新；
其中，
Figure PCTCN2020075196-appb-000021
为第n+1时刻FIR滤波器系数矢量；
Figure PCTCN2020075196-appb-000022
为第n时刻FIR滤波器系数矢量；Vad_Flag(n)为第n时刻VAD输出的软判决标志变量；β为预设的学习率参数，且0<β<2；e(n)为误差信号，且
Figure PCTCN2020075196-appb-000023
Figure PCTCN2020075196-appb-000024
x ref(n)为参考信号，x est(n)为估计信号，
Figure PCTCN2020075196-appb-000025
T为矢量的转置运算符，x 2hpf(n)为第二输出信号；δ为预设的小常数型正则化因子，且δ>0；n为样本时间索引。
可选地，所述处理器执行所述根据所述第一语谱图和所述第二语谱图，分别获取和信号功率谱和差信号功率谱的程序时实现以下步骤：
根据所述第一语谱图和所述第二语谱图，分别获取和信号语谱图和差信号语谱图；
分别获取所述和信号语谱图对应的和信号功率谱和所述差信号语谱图对应的差信号功率谱。
具体地，所述和信号功率谱的获取方式为：
根据公式：
Figure PCTCN2020075196-appb-000026
获取和信号功率谱；
其中，
Figure PCTCN2020075196-appb-000027
为第t帧第k个子带的和信号功率谱；γ为预设的平滑系数参数、且0<γ<1；
Figure PCTCN2020075196-appb-000028
为第t-1帧第k个子带的和信号功率谱；Y s(k,t)为和信号语谱图；t为信号帧的时间索引，k为子带索引。
具体地，所述差信号功率谱的获取方式为：
根据公式：
Figure PCTCN2020075196-appb-000029
获取差信号功率谱；
其中，
Figure PCTCN2020075196-appb-000030
为第t帧第k个子带的差信号功率谱；γ为预设的平滑系数参数、且0<γ<1；
Figure PCTCN2020075196-appb-000031
为第t-1帧第k个子带的和信号功率谱；Y d(k,t)为差信号语谱图；t为信号帧的时间索引，k为子带索引。
进一步地，所述处理器执行所述根据所述和信号功率谱和所述差信号功率谱，获取风噪声抑制增益函数的程序时实现以下步骤：
根据公式：G(k,t)＝ψ{R(k,t)}，获取风噪声抑制增益函数；
其中，G(k,t)为风噪声抑制增益函数；
Figure PCTCN2020075196-appb-000032
Figure PCTCN2020075196-appb-000033
为第t帧第k个子带的差信号功率谱，
Figure PCTCN2020075196-appb-000034
为第t帧第k个子带的和信号功率谱；ε为预设的小常数型正则化因子，且ε>0；ψ{·}为单调递减函数；t为信号帧的时间索引，k为子带索引。
本公开的一些实施例还提供一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现上述的风噪声抑制方法中的步骤。
本公开的一些实施例还提供一种风噪声抑制装置，包括：
第一获取模块，用于分别获取第一语音信号的第一语谱图和第二语音信号的第二语谱图；
第二获取模块，用于根据所述第一语谱图和所述第二语谱图，分别获取和信号功率谱和差信号功率谱；
第三获取模块，用于根据所述和信号功率谱和所述差信号功率谱，获取风噪声抑制增益函数；
第四获取模块，用于利用所述风噪声抑制增益函数对所述第一语谱图和所述第二语谱图组成的和信号语谱图进行修正，获取语音信号语谱图的估计；
第五获取模块，用于根据所述语音信号语谱图的估计，获取时域语音信号的估计。
本公开的有益效果是：
上述方案，通过利用第一语谱图和第二语谱图得到的和信号功率谱和差信号功率谱，获取风噪声抑制增益函数，并利用该风噪声抑制增益函数对信号语谱图进行修正，进而获取时域语音信号的估计，以此可以准确的获取BT 耳机的语音信号，且该方案，具有收敛速度快、计算复杂度低、易于在商用芯片上实时工程化实现的优点。
附图说明
图1表示y s(n)和y d(n)的获取过程示意图；
图2表示Log-Log域中参数R到噪声抑制增益G的单调递减非线性映射Ψ的一种实现方式示意图；
图3表示麦克风校准的实现原理示意图；
图4表示本公开的一些实施例的风噪声抑制方法的流程示意图；
图5表示本公开的具体实现原理示意图；
图6表示本公开的一些实施例的风噪声抑制装置的模块示意图；以及
图7表示本公开的一些实施例的风噪声抑制装置的结构示意图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本公开进行详细描述。
本公开针对相关技术中不存在BT耳机的风噪声的有效抑制方案，无法准确获取BT耳机的语音信号的问题，提供一种风噪声抑制方法及装置。
本公开提出应用短间距的双麦克风阵列(麦克风间距d＝2-3cm)来进行风噪声抑制的新方法，以便解决BT耳机应用中所面临的风噪声抑制问题。
下面对本公开的一些实施例的实现原理进行具体说明如下。
首先设有两个麦克风，其间距为d米，且它们在幅度和相位上完全匹配；声学波矢量
Figure PCTCN2020075196-appb-000035
与两麦克风连线成θ角；那么麦克风1和麦克风2所接收的信号p 1(n)和p 2(n)分别用公式一和公式二表示为：
公式一、p 1(n)＝s(n)+v(n)+n 1(n)
公式二、p 2(n)＝s(n-τ s)+v(n-τ v)+n 2(n)
其中，τ s和τ v分别为声学信号s(n)的传播延时和风传播波v(n)的传播延时，n 1(n)和n 2(n)分别代表麦克风1和麦克风2的自身噪声或位于麦克风处的不相关湍流噪声。用它们构成的和信号y s(n)与差信号y d(n)分别为：
公式三、y s(n)＝p 1(n)+p 2(n)＝{s(n)+s(n-τ s)}+{v(n)+v(n-τ v)}+{n 1(n)+n 2(n)}
公式四、y d(n)＝p 1(n)-p 2(n)＝{s(n)-s(n-τ s)}+{v(n)-v(n-τ v)}+{n 1(n)-n 2(n)}
y s(n)和y d(n)的具体获取过程如图1所示。
y s(n)和y d(n)对应的功率谱分别为如公式五和公式六所示：
公式五(和信号功率谱)、
Figure PCTCN2020075196-appb-000036
公式六(差信号功率谱)、
Figure PCTCN2020075196-appb-000037
其中，P s(ω)为语音信号的正弦波均方根(RMS)功率，P v(ω)为湍流噪声的RMS功率，N 1(ω)和N 2(ω)分别为麦克风1和麦克风2处独立噪声的RMS功率；γ c(ω)为湍流相关系数，它由Corcos湍流模型确定。
将公式六除以公式五可得二个麦克风间“差信号”功率与“和信号”功率之比R如下：
公式七、
Figure PCTCN2020075196-appb-000038
根据公式五和公式六，我们进一步考察公式七可知：在无声学信号的情况下，R的值趋于1；而在有声学信号时且信噪比(SNR)较大的情况下，R的值趋于0。因此R可用作一个统计量，并将其与某一判决门限作比较，来判定麦克风接收的信号是来自湍流噪声/麦克风自身噪声还是含噪的语音信号。
显而易见，比值参数R的大小反比于运行环境的SNR。应注意的是，在SNR很高的情况下(记此时相应的比值参数R为Rmin，相应的噪声抑制增益G为SGmin)无需进行噪声抑制，即噪声抑制增益SGmin＝0dB；而在SNR很低的情况下(记此时相应的比值参数R为Rmax，相应的噪声抑制增益G为SGmax)需要进行噪声抑制。因此噪声抑制增益G可通过比值参数R的一种单调递减的非线性数学映射而获得，即：
公式八、
Figure PCTCN2020075196-appb-000039
这里需要说明的是，ψ{·}为单调递减函数。
例如，图2为这种递减而单调的非线性数学映射的一种实现方式。
应该指出的是，上述的结果是在假设条件“两个麦克风在幅度和相位上完全匹配”的情况下获得的，然而实际中两个麦克风要做到幅度和相位上的完全匹配是十分困难的，即便在麦克风产品出场时进行了人工的校准，但随着时间的推移，这已校准的两个麦克风也会在其幅度和相位上产生失配。为此，本公开提出一种麦克风自动校准算法，其原理如图3所示，其中麦克风1的接收信号x 1(n)首先经高通滤波器(HPF)滤波处理生成输出x 1hpf(n)，将它延时
Figure PCTCN2020075196-appb-000040
样本后生成参考信号x ref(n)，其中，L为滤波器长度；麦克风2的接收信号x 2(n)首先经高通滤波器(HPF)滤波处理生成输出x 2hpf(n)，用自适应有限冲激响应(FIR)滤波器
Figure PCTCN2020075196-appb-000041
对x 2hpf(n)进行滤波获得估计信号x est(n)；参考信号和估计信号的差信号e(n)用来驱动FIR滤波器
Figure PCTCN2020075196-appb-000042
系数的自适应迭代更新，该自适应迭代算法可以是归一化最小均方(NLMS)算法，也可以是仿射投影算法(APA)。FIR滤波器
Figure PCTCN2020075196-appb-000043
系数的自适应迭代更新必须在有语音信号的条件下进行，而在无语音信号时，该迭代更新过程必须停止。为此需要一个语音活性检测器(VAD)来检测语音信号段，当VAD检测到语音信号时，其输出标志Vad_Flag置为1，否则其输出标志Vad_Flag置为0。这里需要说明的是：风噪声信号通常分布在低频段，为了减小风噪对VAD和FIR滤波器
Figure PCTCN2020075196-appb-000044
系数自适应迭代的影响，我们采 用HPF(其截止频率Fc＝1kHz)对两个麦克风接收信号进行滤波处理。那么HPF的输出信号x 1hpf(n)和x 2hpf(n)之间在语音段具有较强的相关性而在非语音段具有较弱的相关性或不相关；鉴于这一特性，我们按如下方法进行VAD处理：
首先按下式分别在线计算HPF的输出信号x 1hpf(n)和x 2hpf(n)的自相关函数R x1x1(n)和R x2x2(n)及二者的互相关函数R x1x2(n)：
公式九、R x1x2(n)＝α·R x1x2(n-1)+(1-α)·x 1hpf(n)·x 2hpf(n)
公式十、R xixi(n)＝α·R xixi(n-1)+(1-α)·x ihpf(n)·x ihpf(n),i＝1,2
其中，0<α<1为预定的平滑系数参数。
然后，计算按下式计算互相关系数r x1x2(n)：
公式十一、
Figure PCTCN2020075196-appb-000045
那么，VAD输出的软判决标志变量Vad_Flag(n)定义为：
公式十二、
Figure PCTCN2020075196-appb-000046
其中，0≤Th 2<Th 1<1为VAD预设的判决门限参数。
用公式十二确定的VAD软判决标志变量Vad_Flag(n)乘以FIR滤波器
Figure PCTCN2020075196-appb-000047
系数自适应迭代算法中的学习率参数，即可有效地完成两个麦克风之间自动校准的任务。作为一个实施例，我们给出两麦克风之间自动校准的NLMS算法的示例如下：
公式十三、
Figure PCTCN2020075196-appb-000048
其中，0<β<2为预设的学习率参数，δ>0为一个预设的小常数型正则化因子，误差信号e(n)用公式十四表示为：
公式十四、
Figure PCTCN2020075196-appb-000049
公式十五、
Figure PCTCN2020075196-appb-000050
下面对本公开的一些实施例的具体实现方式说明如下。
如图4所示，本公开的一些实施例提供一种风噪声抑制方法，包括：
步骤41，分别获取第一语音信号的第一语谱图和第二语音信号的第二语谱图；
步骤42，根据所述第一语谱图和所述第二语谱图，分别获取和信号功率谱和差信号功率谱；
步骤43，根据所述和信号功率谱和所述差信号功率谱，获取风噪声抑制增益函数；
步骤44，利用所述风噪声抑制增益函数对所述第一语谱图和所述第二语谱图组成的和信号语谱图进行修正，获取语音信号语谱图的估计；
步骤45，根据所述语音信号语谱图的估计，获取时域语音信号的估计。
进一步地，所述步骤41的具体实现方式为：
对所述第一语音信号和所述第二语音信号分别进行短时傅里叶变换(STFT)或者用分析滤波器组(Analysis Filter Bank，AFB)进行子带变换，获取所述第一语音信号的第一语谱图和所述第二语音信号的第二语谱图。
可选地，在所述步骤41之前，所述风噪声抑制方法，还包括：
分别对第一麦克风和第二麦克风进行校准，获取所述第一麦克风接收的第一语音信号和所述第二麦克风接收的第二语音信号。
需要说明的是，该第一麦克风指的是上述的麦克风1，该第二麦克风指的是上述的麦克风2；该第一语音信号对应上述的p 1(n)，该第二语音信号对应上述的p 2(n)。
进一步地，所述分别对第一麦克风和第二麦克风进行校准，获取所述第一麦克风接收的第一语音信号和所述第二麦克风接收的第二语音信号的步骤的具体实现方式为：
对第一麦克风的接收信号进行延时处理，得到第一语音信号；
对第二麦克风的接收信号进行有限冲激响应FIR滤波处理，得到第二语 音信号。
具体地，所述对第二麦克风的接收信号进行有限冲激响应FIR滤波处理，得到第二语音信号的步骤的具体实现方式为：
获取FIR滤波器系数；
根据所述FIR滤波器系数，对所述第二麦克风的接收信号进行FIR滤波处理，得到第二语音信号。
进一步地，所述获取FIR滤波器系数的步骤的具体实现方式为：
将所述第一麦克风的接收信号经过高通滤波处理得到第一输出信号；
将所述第一输出信号进行延时处理，得到参考信号；
将所述第二麦克风的接收信号经过高通滤波处理得到第二输出信号；
对所述第二输出信号进行滤波处理，得到估计信号；
利用所述参考信号与所述估计信号的差信号，对FIR滤波器系数进行自适应迭代更新。
需要说明的是，该第一输出信号对应上文描述中的x 1hpf(n)；该参考信号对应上文描述中的x ref(n)；该第二输出信号对应上文描述中的x 2hpf(n)；该估计信号对应上文描述中的x est(n)。
具体地，所述对所述第二输出信号进行滤波处理，得到估计信号的步骤的具体实现方式为：
利用FIR滤波器对所述第二输出信号进行滤波处理，获取估计信号。
进一步地，所述利用所述参考信号与所述估计信号的差信号，对FIR滤波器系数进行自适应迭代更新的步骤的具体实现方式为：
根据所述第一输出信号和所述第二输出信号，获取语音活性检测VAD输出的软判决标志变量；
根据所述软判决标志变量和所述参考信号与所述估计信号的差信号，对FIR滤波器系数进行自适应迭代更新。
具体地，所述根据所述第一输出信号和所述第二输出信号，获取语音活 性检测VAD输出的软判决标志变量的步骤的具体实现方式为：
根据上述公式十二：
Figure PCTCN2020075196-appb-000051
获取VAD输出的软判决标志变量；
其中，Vad_Flag(n)为第n时刻VAD输出的软判决标志变量；r x1x2(n)为第一输出信号和第二输出信号的互相关函数系数，且
Figure PCTCN2020075196-appb-000052
R x1x2(n)＝α·R x1x2(n-1)+(1-α)·x 1hpf(n)·x 2hpf(n)，α为预定的平滑系数参数、且0<α<1，R x1x2(n)为第一输出信号和第二输出信号的互相关函数；R x1x1(n)为第一输出信号的自相关函数；R x2x2(n)为第二输出信号的自相关函数；x 1hpf(n)为第一输出信号，x 2hpf(n)为第二输出信号，R xixi(n)＝α·R xixi(n-1)+(1-α)·x ihpf(n)·x ihpf(n),i＝1或2；Th 2和Th 1为VAD预设的判决门限参数、且0≤Th 2<Th 1<1；n为样本时间索引。
具体地，所述根据所述软判决标志变量和所述参考信号与所述估计信号的差信号，对FIR滤波器系数进行自适应迭代更新的步骤的具体实现方式为：
根据上述公式十三：
Figure PCTCN2020075196-appb-000053
对FIR滤波器系数进行自适应迭代更新；
其中，
Figure PCTCN2020075196-appb-000054
为第n+1时刻FIR滤波器系数矢量；
Figure PCTCN2020075196-appb-000055
为第n时刻FIR滤波器系数矢量；Vad_Flag(n)为第n时刻VAD输出的软判决标志变量；β为预设的学习率参数，且0<β<2；e(n)为误差信号，且
Figure PCTCN2020075196-appb-000056
Figure PCTCN2020075196-appb-000057
x ref(n)为参考信号，x est(n)为估计信号，
Figure PCTCN2020075196-appb-000058
T为矢量的转置运 算符，x 2hpf(n)为第二输出信号；δ为预设的小常数型正则化因子，且δ>0；n为样本时间索引。
具体地，所述步骤42的具体实现方式为：
根据所述第一语谱图和所述第二语谱图，分别获取和信号语谱图和差信号语谱图；
分别获取所述和信号语谱图对应的和信号功率谱和所述差信号语谱图对应的差信号功率谱。
进一步地，所述和信号功率谱的获取方式为：
根据公式十六：
Figure PCTCN2020075196-appb-000059
获取和信号功率谱；
其中，
Figure PCTCN2020075196-appb-000060
为第t帧第k个子带的和信号功率谱；γ为预设的平滑系数参数、且0<γ<1；
Figure PCTCN2020075196-appb-000061
为第t-1帧第k个子带的和信号功率谱；Y s(k,t)为和信号语谱图；t为信号帧的时间索引，k为子带索引。
进一步地，所述差信号功率谱的获取方式为：
根据公式十七：
Figure PCTCN2020075196-appb-000062
获取差信号功率谱；
其中，
Figure PCTCN2020075196-appb-000063
为第t帧第k个子带的差信号功率谱；γ为预设的平滑系数参数、且0<γ<1；
Figure PCTCN2020075196-appb-000064
为第t-1帧第k个子带的和信号功率谱；Y d(k,t)为差信号语谱图；t为信号帧的时间索引，k为子带索引。
还需要说明的是，所述步骤53具体实现方式为：
根据公式十八(该公式十八由上述公式八推理得到)：G(k,t)＝ψ{R(k,t)}，获取风噪声抑制增益函数；
其中，G(k,t)为风噪声抑制增益函数；
Figure PCTCN2020075196-appb-000065
Figure PCTCN2020075196-appb-000066
为第t帧第k个子带的差信号功率谱，
Figure PCTCN2020075196-appb-000067
为第t帧第k个子带的和信号功率谱；ε为预设的小常数型正则化因子，且ε>0；ψ{·}为单调递减函数；t为信号帧 的时间索引，k为子带索引。
这里需要说明的是，该单调递减函数包括但不限于如图2所示的情况，可以是任一种单调递减的线性和非线性函数。
综上所述，本公开提出的用短间距双麦克风阵列对风噪声进行抑制的方法的系统原理框图如图5所示，首先用麦克风自动校准模块对双麦克风间一致的匹配性进行校准，然后对校准后的两麦克风信号p 1(n)和p 2(n)分别进行STFT或用AFB进行子带变换，从而获得相应的两路信号的语谱图Y 1(k,t)和Y 2(k,t)，用它们分别形成“和信号”语谱图Y s(k,t)与“差信号”语谱图Y d(k,t)，并在线地计算其对应的功率谱P ys(k,t)与P yd(k,t)，根据P ys(k,t)与P yd(k,t)计算特征变量R(k,t)，据此通过一个单调递减的非线性映射函数Ψ来计算出风噪声抑制增益函数G(k,t)，用它来修正“和信号语谱图”Y s(k,t)，从而获得语音信号语谱图的估计
Figure PCTCN2020075196-appb-000068
最后对
Figure PCTCN2020075196-appb-000069
进行逆短时傅里叶变换(ISTFT)或应用合成滤波器组(SBF)，从而获得时域语音信号的估计
Figure PCTCN2020075196-appb-000070
需要说明的是，本公开的一些实施例，通过利用第一语谱图和第二语谱图得到的和信号功率谱和差信号功率谱，获取风噪声抑制增益函数，并利用该风噪声抑制增益函数对信号语谱图进行修正，进而获取时域语音信号的估计，以此可以准确的获取BT耳机的语音信号，且该方案具有收敛速度快、计算复杂度低、易于在商用芯片上实时工程化实现的优点。
如图6所示，本公开的一些实施例还提供一种风噪声抑制装置60，包括：
第一获取模块61，用于分别获取第一语音信号的第一语谱图和第二语音信号的第二语谱图；
第二获取模块62，用于根据所述第一语谱图和所述第二语谱图，分别获取和信号功率谱和差信号功率谱；
第三获取模块63，用于根据所述和信号功率谱和所述差信号功率谱，获取风噪声抑制增益函数；
第四获取模块64，用于利用所述风噪声抑制增益函数对所述第一语谱图 和所述第二语谱图组成的和信号语谱图进行修正，获取语音信号语谱图的估计；
第五获取模块65，用于根据所述语音信号语谱图的估计，获取时域语音信号的估计。
进一步地，所述第一获取模块61，用于：
对所述第一语音信号和所述第二语音信号分别进行短时傅里叶变换STFT或者用分析滤波器组AFB进行子带变换，获取所述第一语音信号的第一语谱图和所述第二语音信号的第二语谱图。
可选地，在所述第一获取模块61分别获取第一语音信号的第一语谱图和第二语音信号的第二语谱图之前，还包括：
第六获取模块，用于分别对第一麦克风和第二麦克风进行校准，获取所述第一麦克风接收的第一语音信号和所述第二麦克风接收的第二语音信号。
进一步地，所述第六获取模块，包括：
第一获取子模块，用于对第一麦克风的接收信号进行延时处理，得到第一语音信号；
第二获取子模块，用于对第二麦克风的接收信号进行有限冲激响应FIR滤波处理，得到第二语音信号。
进一步地，所述第二获取子模块，包括：
获取单元，用于获取FIR滤波器系数；
处理单元，用于根据所述FIR滤波器系数，对所述第二麦克风的接收信号进行FIR滤波处理，得到第二语音信号。
进一步地，所述获取单元，包括：
第一处理子单元，用于将所述第一麦克风的接收信号经过高通滤波处理得到第一输出信号；
第二处理子单元，用于将所述第一输出信号进行延时处理，得到参考信号；
第三处理子单元，用于将所述第二麦克风的接收信号经过高通滤波处理得到第二输出信号；
第四处理子单元，用于对所述第二输出信号进行滤波处理，得到估计信号；
更新子单元，用于利用所述参考信号与所述估计信号的差信号，对FIR滤波器系数进行自适应迭代更新。
进一步地，所述第四处理子单元，用于：
利用FIR滤波器对所述第二输出信号进行滤波处理，获取估计信号。
进一步地，所述更新子单元，用于：
根据所述第一输出信号和所述第二输出信号，获取语音活性检测VAD输出的软判决标志变量；
根据所述软判决标志变量和所述参考信号与所述估计信号的差信号，对FIR滤波器系数进行自适应迭代更新。
进一步地，所述更新子单元根据所述第一输出信号和所述第二输出信号，获取语音活性检测VAD输出的软判决标志变量，具体实现方式为：
根据公式：
Figure PCTCN2020075196-appb-000071
获取VAD输出的软判决标志变量；
其中，Vad_Flag(n)为第n时刻VAD输出的软判决标志变量；r x1x2(n)为第一输出信号和第二输出信号的互相关函数系数，且
Figure PCTCN2020075196-appb-000072
R x1x2(n)＝α·R x1x2(n-1)+(1-α)·x 1hpf(n)·x 2hpf(n)，α为预定的平滑系数参数、且0<α<1，R x1x2(n)为第一输出信号和第二输出信号的互相关函数；R x1x1(n)为第一输出信号的自相关函数；R x2x2(n)为第二输出信号的自相关函数；x 1hpf(n)为第一输出信号，x 2hpf(n)为 第二输出信号，R xixi(n)＝α·R xixi(n-1)+(1-α)·x ihpf(n)·x ihpf(n),i＝1或2；Th 2和Th 1为VAD预设的判决门限参数、且0≤Th 2<Th 1<1；n为样本时间索引。
进一步地，所述更新子单元根据所述软判决标志变量和所述参考信号与所述估计信号的差信号，对FIR滤波器系数进行自适应迭代更新，具体实现方式为：
根据公式：
Figure PCTCN2020075196-appb-000073
对FIR滤波器系数进行自适应迭代更新；
其中，
Figure PCTCN2020075196-appb-000074
为第n+1时刻FIR滤波器系数矢量；
Figure PCTCN2020075196-appb-000075
为第n时刻FIR滤波器系数矢量；Vad_Flag(n)为第n时刻VAD输出的软判决标志变量；β为预设的学习率参数，且0<β<2；e(n)为误差信号，且
Figure PCTCN2020075196-appb-000076
Figure PCTCN2020075196-appb-000077
x ref(n)为参考信号，x est(n)为估计信号，
Figure PCTCN2020075196-appb-000078
T为矢量的转置运算符，x 2hpf(n)为第二输出信号；δ为预设的小常数型正则化因子，且δ>0；n为样本时间索引。
进一步地，所述第二获取模块62，包括：
第三获取子模块，用于根据所述第一语谱图和所述第二语谱图，分别获取和信号语谱图和差信号语谱图；
第四获取子模块，用于分别获取所述和信号语谱图对应的和信号功率谱和所述差信号语谱图对应的差信号功率谱。
具体地，所述和信号功率谱的获取方式为：
根据公式：
Figure PCTCN2020075196-appb-000079
获取和信号功率谱；
其中，
Figure PCTCN2020075196-appb-000080
为第t帧第k个子带的和信号功率谱；γ为预设的平滑系数参数、且0<γ<1；
Figure PCTCN2020075196-appb-000081
为第t-1帧第k个子带的和信号功率谱； Y s(k,t)为和信号语谱图；t为信号帧的时间索引，k为子带索引。
具体地，所述差信号功率谱的获取方式为：
根据公式：
Figure PCTCN2020075196-appb-000082
获取差信号功率谱；
其中，
Figure PCTCN2020075196-appb-000083
为第t帧第k个子带的差信号功率谱；γ为预设的平滑系数参数、且0<γ<1；
Figure PCTCN2020075196-appb-000084
为第t-1帧第k个子带的和信号功率谱；Y d(k,t)为差信号语谱图；t为信号帧的时间索引，k为子带索引。
进一步，所述第三获取模块63，用于：
根据公式：G(k,t)＝ψ{R(k,t)}，获取风噪声抑制增益函数；
其中，G(k,t)为风噪声抑制增益函数；
Figure PCTCN2020075196-appb-000085
Figure PCTCN2020075196-appb-000086
为第t帧第k个子带的差信号功率谱，
Figure PCTCN2020075196-appb-000087
为第t帧第k个子带的和信号功率谱；ε为预设的小常数型正则化因子，且ε>0；ψ{·}为单调递减函数；t为信号帧的时间索引，k为子带索引。
需要说明的是，该装置的实施例是与上述方法实施例一一对应的装置，上述方法实施例中所有实现方式均适用于该装置的实施例中，也能达到相同的技术效果。
如图7所示，本公开的一些实施例还提供一种风噪声抑制装置，包括处理器71、存储器72及存储在所述存储器72上并可在所述处理器71上运行的程序；其中，所述处理器71用于读取存储器中的程序，执行下列过程：
分别获取第一语音信号的第一语谱图和第二语音信号的第二语谱图；
根据所述第一语谱图和所述第二语谱图，分别获取和信号功率谱和差信号功率谱；
根据所述和信号功率谱和所述差信号功率谱，获取风噪声抑制增益函数；
利用所述风噪声抑制增益函数对所述第一语谱图和所述第二语谱图组成的和信号语谱图进行修正，获取语音信号语谱图的估计；
根据所述语音信号语谱图的估计，获取时域语音信号的估计。
需要说明的是，在图7中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器71代表的一个或多个处理器和存储器72代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。针对不同的装置，处理器71负责管理总线架构和通常的处理，存储器72可以存储处理器71在执行操作时所使用的数据。
进一步地，所述处理器执行所述分别获取第一语音信号的第一语谱图和第二语音信号的第二语谱图的程序时实现以下步骤：
对所述第一语音信号和所述第二语音信号分别进行短时傅里叶变换STFT或者用分析滤波器组AFB进行子带变换，获取所述第一语音信号的第一语谱图和所述第二语音信号的第二语谱图。
可选地，所述处理器执行所述程序时还实现以下步骤：
分别对第一麦克风和第二麦克风进行校准，获取所述第一麦克风接收的第一语音信号和所述第二麦克风接收的第二语音信号。
进一步地，所述处理器执行所述分别对第一麦克风和第二麦克风进行校准，获取所述第一麦克风接收的第一语音信号和所述第二麦克风接收的第二语音信号的程序时实现以下步骤：
对第一麦克风的接收信号进行延时处理，得到第一语音信号；
对第二麦克风的接收信号进行有限冲激响应FIR滤波处理，得到第二语音信号。
进一步地，所述处理器执行所述对第二麦克风的接收信号进行有限冲激响应FIR滤波处理，得到第二语音信号的程序时实现以下步骤：
获取FIR滤波器系数；
根据所述FIR滤波器系数，对所述第二麦克风的接收信号进行FIR滤波 处理，得到第二语音信号。
进一步地，所述处理器执行所述获取FIR滤波器系数的程序时实现以下步骤：
将所述第一麦克风的接收信号经过高通滤波处理得到第一输出信号；
将所述第一输出信号进行延时处理，得到参考信号；
将所述第二麦克风的接收信号经过高通滤波处理得到第二输出信号；
对所述第二输出信号进行滤波处理，得到估计信号；
利用所述参考信号与所述估计信号的差信号，对FIR滤波器系数进行自适应迭代更新。
进一步地，所述处理器执行所述对所述第二输出信号进行滤波处理，得到估计信号的程序时实现以下步骤：
利用FIR滤波器对所述第二输出信号进行滤波处理，获取估计信号。
进一步地，所述处理器执行所述利用所述参考信号与所述估计信号的差信号，对FIR滤波器系数进行自适应迭代更新的程序时实现以下步骤：
根据所述第一输出信号和所述第二输出信号，获取语音活性检测VAD输出的软判决标志变量；
根据所述软判决标志变量和所述参考信号与所述估计信号的差信号，对FIR滤波器系数进行自适应迭代更新。
进一步地，所述处理器执行所述根据所述第一输出信号和所述第二输出信号，获取语音活性检测VAD输出的软判决标志变量的程序时实现以下步骤：
根据公式：
Figure PCTCN2020075196-appb-000088
获取VAD输出的软判决标志变量；
其中，Vad_Flag(n)为第n时刻VAD输出的软判决标志变量；r x1x2(n)为第一输出信号和第二输出信号的互相关函数系数，且
Figure PCTCN2020075196-appb-000089
R x1x2(n)＝α·R x1x2(n-1)+(1-α)·x 1hpf(n)·x 2hpf(n)，α为预定的平滑系数参数、且0<α<1，R x1x2(n)为第一输出信号和第二输出信号的互相关函数；R x1x1(n)为第一输出信号的自相关函数；R x2x2(n)为第二输出信号的自相关函数；x 1hpf(n)为第一输出信号，x 2hpf(n)为第二输出信号，R xixi(n)＝α·R xixi(n-1)+(1-α)·x ihpf(n)·x ihpf(n),i＝1或2；Th 2和Th 1为VAD预设的判决门限参数、且0≤Th 2<Th 1<1；n为样本时间索引。
进一步地，所述处理器执行所述根据所述软判决标志变量和所述参考信号与所述估计信号的差信号，对FIR滤波器系数进行自适应迭代更新的程序时实现以下步骤：
根据公式：
Figure PCTCN2020075196-appb-000090
对FIR滤波器系数进行自适应迭代更新；
其中，
Figure PCTCN2020075196-appb-000091
为第n+1时刻FIR滤波器系数矢量；
Figure PCTCN2020075196-appb-000092
为第n时刻FIR滤波器系数矢量；Vad_Flag(n)为第n时刻VAD输出的软判决标志变量；β为预设的学习率参数，且0<β<2；e(n)为误差信号，且
Figure PCTCN2020075196-appb-000093
Figure PCTCN2020075196-appb-000094
x ref(n)为参考信号，x est(n)为估计信号，
Figure PCTCN2020075196-appb-000095
T为矢量的转置运算符，x 2hpf(n)为第二输出信号；δ为预设的小常数型正则化因子，且δ>0；n为样本时间索引。
可选地，所述处理器执行所述根据所述第一语谱图和所述第二语谱图，分别获取和信号功率谱和差信号功率谱的程序时实现以下步骤：
根据所述第一语谱图和所述第二语谱图，分别获取和信号语谱图和差信号语谱图；
分别获取所述和信号语谱图对应的和信号功率谱和所述差信号语谱图对应的差信号功率谱。
具体地，所述和信号功率谱的获取方式为：
根据公式：
Figure PCTCN2020075196-appb-000096
获取和信号功率谱；
其中，
Figure PCTCN2020075196-appb-000097
为第t帧第k个子带的和信号功率谱；γ为预设的平滑系数参数、且0<γ<1；
Figure PCTCN2020075196-appb-000098
为第t-1帧第k个子带的和信号功率谱；Y s(k,t)为和信号语谱图；t为信号帧的时间索引，k为子带索引。
具体地，所述差信号功率谱的获取方式为：
根据公式：
Figure PCTCN2020075196-appb-000099
获取差信号功率谱；
其中，
Figure PCTCN2020075196-appb-000100
为第t帧第k个子带的差信号功率谱；γ为预设的平滑系数参数、且0<γ<1；
Figure PCTCN2020075196-appb-000101
为第t-1帧第k个子带的和信号功率谱；Y d(k,t)为差信号语谱图；t为信号帧的时间索引，k为子带索引。
进一步地，所述处理器执行所述根据所述和信号功率谱和所述差信号功率谱，获取风噪声抑制增益函数的程序时实现以下步骤：
根据公式：G(k,t)＝ψ{R(k,t)}，获取风噪声抑制增益函数；
其中，G(k,t)为风噪声抑制增益函数；
Figure PCTCN2020075196-appb-000102
Figure PCTCN2020075196-appb-000103
为第t帧第k个子带的差信号功率谱，
Figure PCTCN2020075196-appb-000104
为第t帧第k个子带的和信号功率谱；ε为预设的小常数型正则化因子，且ε>0；ψ{·}为单调递减函数；t为信号帧的时间索引，k为子带索引。
本公开的一些实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的风噪声抑制方法。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方 法来实现所描述的功能，但是这种实现不应认为超出本公开的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
此外，需要指出的是，在本公开的装置和方法中，显然，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行，某些步骤可以并行或彼此独立地执行。对本领域的普通技术人员而言，能够理解本公开的方法和装置的全部或者任何步骤或者部件，可以在任何计算装置(包括处理器、存储介质等)或者计算装置的网络中，以硬件、固件、软件或者它们的组合加以实现，这是本领域普通技术人员在阅读了本公开的说明的情况下运用他们的基本编程技能就能实现的。
可以理解的是，本公开实施例描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，模块、单元、子模块、子单元等可以实现在一个或多个专用集成电路(Application Specific Integrated Circuits，ASIC)、数字信号处理器(Digital Signal Processing，DSP)、数字信号处理设备(DSP Device，DSPD)、可编程逻辑设备(Programmable Logic Device，PLD)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本公开所述功能的其它电子单元或其组合中。
对于软件实现，可通过执行本公开实施例所述功能的模块(例如过程、函数等)来实现本公开实施例所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
因此，本公开的目的还可以通过在任何计算装置上运行一个程序或者一组程序来实现。所述计算装置可以是公知的通用装置。因此，本公开的目的也可以仅仅通过提供包含实现所述方法或者装置的程序代码的程序产品来实现。也就是说，这样的程序产品也构成本公开，并且存储有这样的程序产品的存储介质也构成本公开。显然，所述存储介质可以是任何公知的存储介质或者将来所开发出来的任何存储介质。还需要指出的是，在本公开的装置 和方法中，显然，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。
以上所述的是本公开的可选实施方式，应当指出对于本技术领域的普通人员来说，在不脱离本公开所述的原理前提下还可以作出若干改进和润饰，这些改进和润饰也在本公开的保护范围内。

Claims (30)

  1. 一种风噪声抑制方法，包括：
    分别获取第一语音信号的第一语谱图和第二语音信号的第二语谱图；
    根据所述第一语谱图和所述第二语谱图，分别获取和信号功率谱和差信号功率谱；
    根据所述和信号功率谱和所述差信号功率谱，获取风噪声抑制增益函数；
    利用所述风噪声抑制增益函数对所述第一语谱图和所述第二语谱图组成的和信号语谱图进行修正，获取语音信号语谱图的估计；
    根据所述语音信号语谱图的估计，获取时域语音信号的估计。
  2. 根据权利要求1所述的风噪声抑制方法，其中，所述分别获取第一语音信号的第一语谱图和第二语音信号的第二语谱图，包括：
    对所述第一语音信号和所述第二语音信号分别进行短时傅里叶变换STFT或者用分析滤波器组AFB进行子带变换，获取所述第一语音信号的第一语谱图和所述第二语音信号的第二语谱图。
  3. 根据权利要求1所述的风噪声抑制方法，其中，在所述分别获取第一语音信号的第一语谱图和第二语音信号的第二语谱图之前，还包括：
    分别对第一麦克风和第二麦克风进行校准，获取所述第一麦克风接收的第一语音信号和所述第二麦克风接收的第二语音信号。
  4. 根据权利要求3所述的风噪声抑制方法，其中，所述分别对第一麦克风和第二麦克风进行校准，获取所述第一麦克风接收的第一语音信号和所述第二麦克风接收的第二语音信号，包括：
    对第一麦克风的接收信号进行延时处理，得到第一语音信号；
    对第二麦克风的接收信号进行有限冲激响应FIR滤波处理，得到第二语音信号。
  5. 根据权利要求4所述的风噪声抑制方法，其中，所述对第二麦克风的 接收信号进行有限冲激响应FIR滤波处理，得到第二语音信号，包括：
    获取FIR滤波器系数；
    根据所述FIR滤波器系数，对所述第二麦克风的接收信号进行FIR滤波处理，得到第二语音信号。
  6. 根据权利要求5所述的风噪声抑制方法，其中，所述获取FIR滤波器系数，包括：
    将所述第一麦克风的接收信号经过高通滤波处理得到第一输出信号；
    将所述第一输出信号进行延时处理，得到参考信号；
    将所述第二麦克风的接收信号经过高通滤波处理得到第二输出信号；
    对所述第二输出信号进行滤波处理，得到估计信号；
    利用所述参考信号与所述估计信号的差信号，对FIR滤波器系数进行自适应迭代更新。
  7. 根据权利要求6所述的风噪声抑制方法，其中，所述对所述第二输出信号进行滤波处理，得到估计信号，包括：
    利用FIR滤波器对所述第二输出信号进行滤波处理，获取估计信号。
  8. 根据权利要求6所述的风噪声抑制方法，其中，所述利用所述参考信号与所述估计信号的差信号，对FIR滤波器系数进行自适应迭代更新，包括：
    根据所述第一输出信号和所述第二输出信号，获取语音活性检测VAD输出的软判决标志变量；
    根据所述软判决标志变量和所述参考信号与所述估计信号的差信号，对FIR滤波器系数进行自适应迭代更新。
  9. 根据权利要求8所述的风噪声抑制方法，其中，所述根据所述第一输出信号和所述第二输出信号，获取语音活性检测VAD输出的软判决标志变量，包括：
    根据公式：
    Figure PCTCN2020075196-appb-100001
    获取VAD输出的软判决标志变量；
    其中，Vad_Flag(n)为第n时刻VAD输出的软判决标志变量；r x1x2(n)为第一输出信号和第二输出信号的互相关函数系数，且
    Figure PCTCN2020075196-appb-100002
    R x1x2(n)＝α·R x1x2(n-1)+(1-α)·x 1hpf(n)·x 2hpf(n)，α为预定的平滑系数参数、且0<α<1，R x1x2(n)为第一输出信号和第二输出信号的互相关函数；R x1x1(n)为第一输出信号的自相关函数；R x2x2(n)为第二输出信号的自相关函数；x 1hpf(n)为第一输出信号，x 2hpf(n)为第二输出信号，R xixi(n)＝α·R xixi(n-1)+(1-α)·x ihpf(n)·x ihpf(n),i＝1或2；Th 2和Th 1为VAD预设的判决门限参数、且0≤Th 1<Th 1<1；n为样本时间索引。
  10. 根据权利要求8所述的风噪声抑制方法，其中，所述根据所述软判决标志变量和所述参考信号与所述估计信号的差信号，对FIR滤波器系数进行自适应迭代更新，包括：
    根据公式：
    Figure PCTCN2020075196-appb-100003
    对FIR滤波器系数进行自适应迭代更新；
    其中，
    Figure PCTCN2020075196-appb-100004
    为第n+1时刻FIR滤波器系数矢量；
    Figure PCTCN2020075196-appb-100005
    为第n时刻FIR滤波器系数矢量；Vad_Flag(n)为第n时刻VAD输出的软判决标志变量；β为预设的学习率参数，且0<β<2；e(n)为误差信号，且
    Figure PCTCN2020075196-appb-100006
    Figure PCTCN2020075196-appb-100007
    x ref(n)为参考信号，x est(n)为估计信号，
    Figure PCTCN2020075196-appb-100008
    T为矢量的转置运算符，x 2hpf(n)为第二输出信号；δ为预设的小常数型正则化因子，且δ>0；n为样本时间索引。
  11. 根据权利要求1所述的风噪声抑制方法，其中，所述根据所述第一语谱图和所述第二语谱图，分别获取和信号功率谱和差信号功率谱，包括：
    根据所述第一语谱图和所述第二语谱图，分别获取和信号语谱图和差信号语谱图；
    分别获取所述和信号语谱图对应的和信号功率谱和所述差信号语谱图对应的差信号功率谱。
  12. 根据权利要求11所述的风噪声抑制方法，其中，所述和信号功率谱的获取方式为：
    根据公式：
    Figure PCTCN2020075196-appb-100009
    获取和信号功率谱；
    其中，
    Figure PCTCN2020075196-appb-100010
    为第t帧第k个子带的和信号功率谱；γ为预设的平滑系数参数、且0<γ<1；
    Figure PCTCN2020075196-appb-100011
    为第t-1帧第k个子带的和信号功率谱；Y s(k,t)为和信号语谱图；t为信号帧的时间索引，k为子带索引。
  13. 根据权利要求11所述的风噪声抑制方法，其中，所述差信号功率谱的获取方式为：
    根据公式：
    Figure PCTCN2020075196-appb-100012
    获取差信号功率谱；
    其中，
    Figure PCTCN2020075196-appb-100013
    为第t帧第k个子带的差信号功率谱；γ为预设的平滑系数参数、且0<γ<1；
    Figure PCTCN2020075196-appb-100014
    为第t-1帧第k个子带的和信号功率谱；Y d(k,t)为差信号语谱图；t为信号帧的时间索引，k为子带索引。
  14. 根据权利要求1所述的风噪声抑制方法，其中，所述根据所述和信号功率谱和所述差信号功率谱，获取风噪声抑制增益函数，包括：
    根据公式：G(k,t)＝ψ{R(k,t)}，获取风噪声抑制增益函数；
    其中，G(k,t)为风噪声抑制增益函数；
    Figure PCTCN2020075196-appb-100015
    Figure PCTCN2020075196-appb-100016
    为第t帧第k个子带的差信号功率谱，
    Figure PCTCN2020075196-appb-100017
    为第t帧第k个子带的和信号功率谱； ε为预设的小常数型正则化因子，且ε>0；ψ{·}为单调递减函数；t为信号帧的时间索引，k为子带索引。
  15. 一种风噪声抑制装置，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序；其中，所述处理器执行所述程序时实现以下步骤：
    分别获取第一语音信号的第一语谱图和第二语音信号的第二语谱图；
    根据所述第一语谱图和所述第二语谱图，分别获取和信号功率谱和差信号功率谱；
    根据所述和信号功率谱和所述差信号功率谱，获取风噪声抑制增益函数；
    利用所述风噪声抑制增益函数对所述第一语谱图和所述第二语谱图组成的和信号语谱图进行修正，获取语音信号语谱图的估计；
    根据所述语音信号语谱图的估计，获取时域语音信号的估计。
  16. 根据权利要求15所述的风噪声抑制装置，其中，所述处理器执行所述分别获取第一语音信号的第一语谱图和第二语音信号的第二语谱图的程序时实现以下步骤：
    对所述第一语音信号和所述第二语音信号分别进行短时傅里叶变换STFT或者用分析滤波器组AFB进行子带变换，获取所述第一语音信号的第一语谱图和所述第二语音信号的第二语谱图。
  17. 根据权利要求15所述的风噪声抑制装置，其中，所述处理器执行所述程序时还实现以下步骤：
    分别对第一麦克风和第二麦克风进行校准，获取所述第一麦克风接收的第一语音信号和所述第二麦克风接收的第二语音信号。
  18. 根据权利要求17所述的风噪声抑制装置，其中，所述处理器执行所述分别对第一麦克风和第二麦克风进行校准，获取所述第一麦克风接收的第一语音信号和所述第二麦克风接收的第二语音信号的程序时实现以下步骤：
    对第一麦克风的接收信号进行延时处理，得到第一语音信号；
    对第二麦克风的接收信号进行有限冲激响应FIR滤波处理，得到第二语音信号。
  19. 根据权利要求18所述的风噪声抑制装置，其中，所述处理器执行所述对第二麦克风的接收信号进行有限冲激响应FIR滤波处理，得到第二语音信号的程序时实现以下步骤：
    获取FIR滤波器系数；
    根据所述FIR滤波器系数，对所述第二麦克风的接收信号进行FIR滤波处理，得到第二语音信号。
  20. 根据权利要求19所述的风噪声抑制装置，其中，所述处理器执行所述获取FIR滤波器系数的程序时实现以下步骤：
    将所述第一麦克风的接收信号经过高通滤波处理得到第一输出信号；
    将所述第一输出信号进行延时处理，得到参考信号；
    将所述第二麦克风的接收信号经过高通滤波处理得到第二输出信号；
    对所述第二输出信号进行滤波处理，得到估计信号；
    利用所述参考信号与所述估计信号的差信号，对FIR滤波器系数进行自适应迭代更新。
  21. 根据权利要求20所述的风噪声抑制装置，其中，所述处理器执行所述对所述第二输出信号进行滤波处理，得到估计信号的程序时实现以下步骤：
    利用FIR滤波器对所述第二输出信号进行滤波处理，获取估计信号。
  22. 根据权利要求20所述的风噪声抑制装置，其中，所述处理器执行所述利用所述参考信号与所述估计信号的差信号，对FIR滤波器系数进行自适应迭代更新的程序时实现以下步骤：
    根据所述第一输出信号和所述第二输出信号，获取语音活性检测VAD输出的软判决标志变量；
    根据所述软判决标志变量和所述参考信号与所述估计信号的差信号，对FIR滤波器系数进行自适应迭代更新。
  23. 根据权利要求22所述的风噪声抑制装置，其中，所述处理器执行所述根据所述第一输出信号和所述第二输出信号，获取语音活性检测VAD输出的软判决标志变量的程序时实现以下步骤：
    根据公式：
    Figure PCTCN2020075196-appb-100018
    获取VAD输出的软判决标志变量；
    其中，Vad_Flag(n)为第n时刻VAD输出的软判决标志变量；r x1x2(n)为第一输出信号和第二输出信号的互相关函数系数，且
    Figure PCTCN2020075196-appb-100019
    R x1x2(n)＝α·R x1x2(n-1)+(1-α)·x 1hpf(n)·x 2hpf(n)，α为预定的平滑系数参数、且0<α<1，R x1x2(n)为第一输出信号和第二输出信号的互相关函数；R x1x1(n)为第一输出信号的自相关函数；R x2x2(n)为第二输出信号的自相关函数；x 1hpf(n)为第一输出信号，x 2hpf(n)为第二输出信号，R xixi(n)＝α·R xixi(n-1)+(1-α)·x ihpf(n)·x ihpf(n),i＝1或2；Th 2和Th 1为VAD预设的判决门限参数、且0≤Th 2<Th 1<1；n为样本时间索引。
  24. 根据权利要求22所述的风噪声抑制装置，其中，所述处理器执行所述根据所述软判决标志变量和所述参考信号与所述估计信号的差信号，对FIR滤波器系数进行自适应迭代更新的程序时实现以下步骤：
    根据公式：
    Figure PCTCN2020075196-appb-100020
    对FIR滤波器系数进行自适应迭代更新；
    其中，
    Figure PCTCN2020075196-appb-100021
    为第n+1时刻FIR滤波器系数矢量；
    Figure PCTCN2020075196-appb-100022
    为第n时刻FIR滤波器系数矢量；Vad_Flag(n)为第n时刻VAD输出的软判决标志变量；β为预设的学习率参数，且0<β<2；e(n)为误差信号，且
    Figure PCTCN2020075196-appb-100023
    Figure PCTCN2020075196-appb-100024
    为参考信号，x est(n)为估计信号，
    Figure PCTCN2020075196-appb-100025
    T为矢量的转置运算符，x 2hpf(n)为第二输出信号；δ为预设的小常数型正则化因子，且δ>0；n为样本时间索引。
  25. 根据权利要求15所述的风噪声抑制装置，其中，所述处理器执行所述根据所述第一语谱图和所述第二语谱图，分别获取和信号功率谱和差信号功率谱的程序时实现以下步骤：
    根据所述第一语谱图和所述第二语谱图，分别获取和信号语谱图和差信号语谱图；
    分别获取所述和信号语谱图对应的和信号功率谱和所述差信号语谱图对应的差信号功率谱。
  26. 根据权利要求25所述的风噪声抑制装置，其中，所述和信号功率谱的获取方式为：
    根据公式：
    Figure PCTCN2020075196-appb-100026
    获取和信号功率谱；
    其中，
    Figure PCTCN2020075196-appb-100027
    为第t帧第k个子带的和信号功率谱；γ为预设的平滑系数参数、且0<γ<1；
    Figure PCTCN2020075196-appb-100028
    为第t-1帧第k个子带的和信号功率谱；Y s(k,t)为和信号语谱图；t为信号帧的时间索引，k为子带索引。
  27. 根据权利要求25所述的风噪声抑制装置，其中，所述差信号功率谱的获取方式为：
    根据公式：
    Figure PCTCN2020075196-appb-100029
    获取差信号功率谱；
    其中，
    Figure PCTCN2020075196-appb-100030
    为第t帧第k个子带的差信号功率谱；γ为预设的平滑系数参数、且0<γ<1；
    Figure PCTCN2020075196-appb-100031
    为第t-1帧第k个子带的和信号功率谱；Y d(k,t)为差信号语谱图；t为信号帧的时间索引，k为子带索引。
  28. 根据权利要求15所述的风噪声抑制装置，其中，所述处理器执行所述根据所述和信号功率谱和所述差信号功率谱，获取风噪声抑制增益函数的 程序时实现以下步骤：
    根据公式：G(k,t)＝ψ{R(k,t)}，获取风噪声抑制增益函数；
    其中，G(k,t)为风噪声抑制增益函数；
    Figure PCTCN2020075196-appb-100032
    Figure PCTCN2020075196-appb-100033
    为第t帧第k个子带的差信号功率谱，
    Figure PCTCN2020075196-appb-100034
    为第t帧第k个子带的和信号功率谱；ε为预设的小常数型正则化因子，且ε>0；ψ{·}为单调递减函数；t为信号帧的时间索引，k为子带索引。
  29. 一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至14任一项所述的风噪声抑制方法中的步骤。
  30. 一种风噪声抑制装置，包括：
    第一获取模块，用于分别获取第一语音信号的第一语谱图和第二语音信号的第二语谱图；
    第二获取模块，用于根据所述第一语谱图和所述第二语谱图，分别获取和信号功率谱和差信号功率谱；
    第三获取模块，用于根据所述和信号功率谱和所述差信号功率谱，获取风噪声抑制增益函数；
    第四获取模块，用于利用所述风噪声抑制增益函数对所述第一语谱图和所述第二语谱图组成的和信号语谱图进行修正，获取语音信号语谱图的估计；
    第五获取模块，用于根据所述语音信号语谱图的估计，获取时域语音信号的估计。
PCT/CN2020/075196 2019-02-21 2020-02-14 风噪声抑制方法及装置 Ceased WO2020168981A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910129183.XA CN109905793B (zh) 2019-02-21 2019-02-21 一种风噪声抑制方法、装置及可读存储介质
CN201910129183.X 2019-02-21

Publications (1)

Publication Number Publication Date
WO2020168981A1 true WO2020168981A1 (zh) 2020-08-27

Family

ID=66945119

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2020/075196 Ceased WO2020168981A1 (zh) 2019-02-21 2020-02-14 风噪声抑制方法及装置

Country Status (2)

Country Link
CN (1) CN109905793B (zh)
WO (1) WO2020168981A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109905793B (zh) * 2019-02-21 2021-01-22 电信科学技术研究院有限公司 一种风噪声抑制方法、装置及可读存储介质
CN114697786B (zh) * 2020-12-28 2025-04-18 Oppo广东移动通信有限公司 风噪抑制方式确定方法、装置、终端及存储介质
CN113299306B (zh) * 2021-07-27 2021-10-15 北京世纪好未来教育科技有限公司 回声消除方法、装置、电子设备及计算机可读存储介质
CN113613112B (zh) * 2021-09-23 2024-03-29 三星半导体(中国)研究开发有限公司 抑制麦克风的风噪的方法和电子装置
CN113823315B (zh) * 2021-09-30 2024-02-13 深圳万兴软件有限公司 降风噪方法、装置、双麦克风设备及存储介质
CN114420081B (zh) * 2022-03-30 2022-06-28 中国海洋大学 一种有源降噪设备的风噪抑制方法
CN115767346A (zh) * 2022-11-15 2023-03-07 北京小米移动软件有限公司 耳机风噪处理方法、装置及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030147538A1 (en) * 2002-02-05 2003-08-07 Mh Acoustics, Llc, A Delaware Corporation Reducing noise in audio systems
US20140079245A1 (en) * 2012-09-14 2014-03-20 Rohm Co., Ltd. Wind noise reducing circuit
CN106875938A (zh) * 2017-03-10 2017-06-20 南京信息工程大学 一种改进的非线性自适应语音端点检测方法
US20180132036A1 (en) * 2016-11-09 2018-05-10 Bose Corporation Controlling Wind Noise in a Bilateral Microphone Array
CN109905793A (zh) * 2019-02-21 2019-06-18 电信科学技术研究院有限公司 一种风噪声抑制方法及装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7340068B2 (en) * 2003-02-19 2008-03-04 Oticon A/S Device and method for detecting wind noise
US7127076B2 (en) * 2003-03-03 2006-10-24 Phonak Ag Method for manufacturing acoustical devices and for reducing especially wind disturbances
EP2848007B1 (en) * 2012-10-15 2021-03-17 MH Acoustics, LLC Noise-reducing directional microphone array
CN105118515B (zh) * 2015-07-03 2018-11-27 中国科学院上海微系统与信息技术研究所 一种基于麦克风阵列的风噪声检测方法
US9401158B1 (en) * 2015-09-14 2016-07-26 Knowles Electronics, Llc Microphone signal fusion
CN108390663B (zh) * 2018-03-09 2021-07-02 电信科学技术研究院有限公司 一种有限冲激响应滤波器系数矢量的更新方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030147538A1 (en) * 2002-02-05 2003-08-07 Mh Acoustics, Llc, A Delaware Corporation Reducing noise in audio systems
US20140079245A1 (en) * 2012-09-14 2014-03-20 Rohm Co., Ltd. Wind noise reducing circuit
US20180132036A1 (en) * 2016-11-09 2018-05-10 Bose Corporation Controlling Wind Noise in a Bilateral Microphone Array
CN106875938A (zh) * 2017-03-10 2017-06-20 南京信息工程大学 一种改进的非线性自适应语音端点检测方法
CN109905793A (zh) * 2019-02-21 2019-06-18 电信科学技术研究院有限公司 一种风噪声抑制方法及装置

Also Published As

Publication number Publication date
CN109905793B (zh) 2021-01-22
CN109905793A (zh) 2019-06-18

Similar Documents

Publication Publication Date Title
CN109905793B (zh) 一种风噪声抑制方法、装置及可读存储介质
US11056130B2 (en) Speech enhancement method and apparatus, device and storage medium
CN109727604B (zh) 用于语音识别前端的频域回声消除方法及计算机储存介质
CN109643554B (zh) 自适应语音增强方法和电子设备
CN112863535B (zh) 一种残余回声及噪声消除方法及装置
CN102074245B (zh) 基于双麦克风语音增强装置及语音增强方法
US20040064307A1 (en) Noise reduction method and device
EP3262641B1 (en) Systems and methods for speech restoration
CN106486131A (zh) 一种语音去噪的方法及装置
AU2009203194A1 (en) Noise spectrum tracking in noisy acoustical signals
CN108172231A (zh) 一种基于卡尔曼滤波的去混响方法及系统
CN101976565A (zh) 基于双麦克风语音增强装置及方法
CN110998723B (zh) 使用神经网络的信号处理装置及信号处理方法、记录介质
US20160134984A1 (en) Determining noise and sound power level differences between primary and reference channels
CN114530160A (zh) 模型训练方法、回声消除方法、系统、设备及存储介质
CN110289011B (zh) 一种用于分布式无线声传感器网络的语音增强系统
WO2012158157A1 (en) Method for super-wideband noise supression
CN113744748A (zh) 一种网络模型的训练方法、回声消除方法及设备
CN110808057A (zh) 一种基于约束朴素生成对抗网络的语音增强方法
CN108010536A (zh) 回声消除方法、装置、系统及存储介质
WO2017128910A1 (zh) 一种语音出现概率的确定方法、装置及电子设备
BR112014009647B1 (pt) Aparelho de atenuação do ruído e método de atenuação do ruído
Martín-Doñas et al. Dual-channel DNN-based speech enhancement for smartphones
WO2015084658A1 (en) Systems and methods for enhancing an audio signal
CN108806721B (zh) 信号处理器

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20759770

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20759770

Country of ref document: EP

Kind code of ref document: A1