專利名稱：增益受限的噪音抑制的制作方法
技術領域：
本發明主要涉及數字音頻信號處理，尤其涉及在聲音或語音中的噪聲抑制。
背景技術：
語音信號的噪聲抑制(NS)對許多應用來說是有用的。在蜂窩電話中，例如，噪聲抑制能夠用于消除背景噪聲，以便從噪聲環境中建立的通話中提供更加容易清晰的語音。同樣，噪聲抑制能夠提高無線電話會議、在線游戲中的語音聊天、基于互聯網的語音消息和語音聊天、以及類似通信應用中的感性音質和語音可識度。因為記錄環境不是理想的，所以對這些應用來說輸入的音頻信號典型地是噪聲。進一步地，當在聲音信號的編碼或壓縮技術(例如，通過Windows Media Voice編解碼器，以及類似編解碼器)之前使用時，噪聲抑制能提高壓縮性能。噪聲抑制還能在語音識別之前應用，以提高識別準確度。
有一些公知的用于語音信號中的噪聲抑制的技術，例如頻譜相減和最小均方誤差(MMSE)。幾乎所有的這些公知技術抑制噪聲都是通過將基于在語音信號中噪聲估計的頻譜增益G(m，k)應用到語音信號中的每個短時頻譜值S(m，k)上，其中m是幀數，以及k是頻譜指數。(參見，例如，S.F.Boll，A.V.Oppenheim，“Suppression of acoustic noise in speech using spectral subtraction，”IEEE Trans.Acoustics，Speech and Signal Processing，ASSP-27(2)，1979年4月；和RainerMartin，“Noise Power Spectral Density Estimation Based on Optimal Smoothing andMinimum Statistics，”IEEE Transactions on Speech and Audio Processing，Vol.9，No.pp.504-512，2001年7月.)將很低的頻譜增益應用到被估計的包含噪聲的頻譜值中，以便抑制信號中的噪聲。
不幸地，噪聲抑制的應用可能將人為失真(可聽的“人為產物”)引入語音信號中，例如因為噪聲抑制所應用的頻譜增益不是太大(消除了多于噪聲的成份)就是太小(消除噪音完全失敗)。許多NS技術所遭遇的人為產物被叫做音樂噪音，其中NS技術引入了可察覺的人為產物，其作為有旋律的音頻信號模式在輸入中并沒有出現。在這些情況下，這樣的音樂噪聲除了使出現在輸入信號中的語音表現不準確之外，還變得顯著和分散注意的。
概述在這里描述的語音噪聲抑制設備中，引入新的增益受限技術，以提高噪聲抑制精度并因此減少音樂噪聲人為產物的發生。該技術在通話期間估計噪聲頻譜，而不僅僅在通話暫停期間，以便在長時間通話期間能保持噪聲估計更為精確。進一步地，使用噪聲估計平滑以達到更好的噪聲估計。聽音試驗顯示該增益受限的噪聲抑制和噪聲估計平滑技術有效地提高了語音信號的聲音質量。
該增益受限的噪聲抑制與平滑的噪聲估計技術能夠在噪聲抑制設備中使用，該噪聲抑制設備通過將頻譜增益G(m，k)應用到每個短時頻譜值S(m，k)中來實施。這里的m是幀數，以及k是頻譜指數。
更尤其在噪聲抑制設備的一個例子中，輸入的聲音信號被分割成幀。將分析窗口應用到每個幀中，然后通過使用快速傅立葉變換(FFT)將信號轉換為頻域信號S(m，k)。將頻譜值分組成N個分辨元以用于進一步的處理。當每個分辨元(bin)被分類為噪聲分辨元時，對每個分辨元的噪聲特性進行估計。在時域和頻域中都對能量參數進行平滑，以得到更好的每個分辨元的噪聲估計。基于當前信號頻譜和噪聲估計來計算增益因子G(m，k)。在將增益因子應用到信號頻譜S(m，k)之前，將增益平滑濾波器應用到平滑增益因子上。將修改后的信號頻譜轉換為時域以用于輸出。
在將增益因子應用到頻譜值之前，增益平滑濾波器執行兩個步驟以平滑增益因子。首先，計算當前幀的噪聲因子ξ(m)∈
。分辨元是基于噪聲分辨元數和分辨元總數的比值來確定的。零值噪聲因子ξ(m)＝0表示對所有的頻譜值僅僅使用固定增益，而噪聲因子ξ(m)＝1表示根本沒有進行平滑。然后噪聲因子被用于改變增益因子G(m，k)，以產生平滑增益因子Gs(m，k)。在噪聲抑制設備的例子中，通過在G(m，k)上應用FFT來實現，然后截止高頻分量。
本發明其它的特征和優點將通過參考附圖從下面的實施例的詳細描述中變得明顯。
圖1是執行在這里所描述的增益受限噪聲抑制技術的語音噪聲抑制器的框圖。
圖2是說明在圖1中語音噪聲抑制器中執行的增益受限噪聲抑制處理的流程圖。
圖3是說明在圖2的增益受限噪聲抑制處理中將疊加的窗口函數應用到輸入的語音信號中的圖表。
圖4是顯示在圖2的增益受限噪聲抑制處理中所執行的更新確定檢測的流程圖。
圖5和6是顯示基于在圖2的增益受限噪聲抑制處理中所執行的更新確定檢測來對噪聲統計進行更新(分別為平均數和方差)的流程圖。
圖7是適于實施圖1的語音噪聲抑制器的計算環境的框圖。
詳細描述下面的描述將關注于在音頻或語音處理系統中使用的增益受限噪聲抑制技術。如圖1所述，在用各種類型的音頻信號處理器130處理噪聲抑制的語音信號125的結果(例如編碼或壓縮，語音聊天或無線電話會議，語音識別等等)之前，在增益受限噪聲抑制系統100中將該增益受限噪聲抑制技術作為一個預處理(通過噪聲抑制器120)應用到語音信號115中。音頻信號處理器生成處理過的信號輸出135(例如語音或音頻信號，語音識別或其他分析參數等等)，其可以通過增益受限噪聲抑制來改善(例如感性音質，識別或分析精度等等)。
1、具體說明圖2說明在噪聲抑制器120(圖1)中所執行的增益受限噪聲抑制處理200。增益受限噪聲抑制處理200從語音信號的輸入210開始，例如麥克風或語音信號的記錄。語音信號被數字化或以采樣率Fs進行定時采樣，其典型地是8000、11025、16000、22050Hz或其他適合應用的采樣率。然后輸入的語音信號具有時序格式或語音信號采樣流，表示為經x(i)。
在預增強階段220上，該輸入語音信號(x(i))被處理以增強語音，例如，通過高通濾波(雖然可以選擇性地應用其他的增強形式)。首先，幀被執行以將語音信號采樣分組為預置長度N的幀，其可以是160個采樣。所述幀語音信號表示為x(m，n)，其中m是幀數，n是在幀內采樣數。適用于增強的合適高通濾波能夠由下面的公式表示H(z)＝1+βz-1采用適宜的β值是-0.8。能夠通過計算增強的語音信號xh(m，n)來實現高通濾波器，xh(m，n)作為與前述采樣所對應的輸入語音信號采樣的加權移動平均值，按如下方程所述xh(m，n)＝xh(m，n)+βx(m，n-1)然后在疊加階段230和窗口階段231中將窗口函數300(如圖3所示)應用在語音增強信號的疊加幀函數上。在一個實施例中，下面給出了采用窗口長度(L＝256)和幀疊加(Lw＝48)的窗口函數w(n)w(n)=12(1-cosnLwπ),0≤n<Lw1,Lw≤n<N12(1-cosN+Lw-n-1Lwπ),N≤n<N+Lw0,N+Lw≤n<L]]>該窗口函數與增強的(高通濾波的)信號xh(m，n-Lw)的疊加幀(xw)相乘，如下面所給出的xw(n)=xh(m-1,n+N-LW),0≤n<Lwxh(m,n),Lw≤n<N+Lw0,N+Lw≤n<L]]>該乘法運算生成窗口函數sw(m，n)，如下方程式所述sw(m，n)＝xw(n)w(n)，0≤n＜L在窗口之后，通過頻率分析(例如使用快速傅立葉變換(FFT)240或其他類似變換)將語音信號轉換為頻域。這會生成用于每個信號幀的一組頻譜系數或頻譜，如下述方程式S(m，k)＝FFTL(sw(m，n))頻譜系數是混合值，因此根據如下關系所示其即表示語音信號的頻譜振幅(SA)，也表示相位(SP)SA(m，k)＝|S(m，k)|SP(m，k)＝tan-1S(m，k)在接下來的處理中分析頻譜振幅以提供在噪聲抑制中所使用的更精確的增益估計，而相位被保持以用于逆FFT。
在階段250-251中，對每個幀在頻譜的能帶上執行頻域和時域平滑。首先按如下方程執行在頻域上可調的窗口平滑S0(m,k)=12ks+1Σk=k-ksk+ksSA2(m,k)]]>接下來的時域平滑按如下方程式所述Ss(m,k)=S0(m,k),m=0αS0(m-1,k)+(1-α)S0(m,k),m>0]]>其中α=γN/Fs-1γN/Fs+1]]>這里，γ值是一個可以被任意選擇以控制平滑的數值的參數。特別地，當γ值逼近比率(N/Fs)時，則α趨近于0，當應用上述時域平滑時導致較少的平滑。另一方面，當值變大(γ→∞)時，則α逼近于固定值，導致較多的平滑。
階段260和261分別計算幀能量和歷史最低能量。根據下面方程式來計算幀能量SE(m)=Σk=0k-1Ss(m,k)]]>通過下面方程式給出歷史最低能量Smin(m)=minl=m-M+1m-1SE(l)]]>其中M是常數參數，典型地表示為1或2秒。
在更新檢測階段262中，噪聲抑制器120判斷是否更新語音信號的噪聲統計，其在頻率分辨元基礎上被追蹤。噪聲抑制器120將語音信號幀的頻譜值分組為多個頻率分辨元。在所描述的實施例中，頻譜值(k)被分組為每個頻率分辨元一個頻譜值。然而，在可選擇的實施例中，能夠做出幀頻譜值到頻率分辨元的各種其它分組，例如每個頻率分辨元多于一個的頻譜值，或頻譜值到頻譜分辨元的不統一的分組。
圖4說明了一個在更新檢測階段270(圖2)中使用用噪聲抑制120(圖1)的過程400，以確定是否和怎樣更新語音信號的噪聲統計。在過程400中，噪聲抑制器確定在當前語音信號幀中重置噪聲統計，還確定是否更新每個頻率分辨元的噪聲統計。噪聲抑制器在每個語音信號的幀上執行該過程。
首先，在確定是否重置噪聲統計中，噪聲抑制器對語音信號檢測(判定410)幀能量是否低于歷史最低能量的第一域值倍數(λ1)(其通常表示語音中的暫停)，如下方程式所示SE(m)＜λ1Smin(m)如果這樣(在塊415中)，噪聲抑制器對幀到幀設置重置標記(R(m)＝1)，其表示噪聲統計在當前幀中被重置。
另外，噪聲抑制器接下來檢測是否更新頻率分辨元。對于該檢測(判斷420)，噪聲抑制器檢測幀能量是否低于歷史最低能量的第二(較高)域值的倍數(λ2)(其通常表示持續語音暫停)，如下方程式所示SE(m)＜λ1Smin(m)如果這樣，噪聲抑制器對幀頻率分辨元到幀頻率分辨元設置更新標記(即，U(m，k)＝1).
另外(在“for”循環塊430，460里)，噪聲抑制器在每個頻率分辨元上確定是否更新相應的頻率分辨元。對每個頻率分辨元來說，噪聲抑制器檢測幀能量是否低于先前幀中相應的頻率分辨元的噪聲平均值和噪聲方差的函數(判斷440)，如下方程式所示logSE(m)<SM(m-1,k)+λ3SV(m-1,k)]]>如果頻率分辨元能量的對數低于先前幀中的頻率分辨元的噪聲平均值和噪聲方差的閾值函數，那么在塊445中噪聲抑制器對頻率分辨元到頻率分辨元設置更新標記(U(m，k)＝1)。否則在塊445中將當前頻率分辨元的更新標記設置為沒有更新的零(U(m，k)＝0)。
再次參考圖2，在塊263中噪聲抑制器根據在塊262中作出的更新判定來更新每個頻率的噪聲頻譜統計。噪聲統計跟蹤包括噪聲平均值和噪聲方差的每個頻率分辨元。
圖5說明了用于更新語音信號幀的噪聲平均值的過程500。在噪聲平均值更新過程500的初始判斷510中，噪聲抑制器檢測是否重置表示幀的噪聲統計的重置標記(即，如果R(m)＝1)。如果是這樣，噪聲抑制器重置頻率分辨元的噪聲平均值計算結果(0≤k＜K)，如下方程式所示SM(m，k)＝logSS(m，k)否則，如果沒有設置幀的重置標記(R(m)≠1)，那么噪聲抑制器根據它們的更新標記來更新頻率分辨元的噪聲平均值。在“for”循環520，550中，噪聲抑制器檢測每個頻率分辨元的更新標記(判斷530)。如果更新標記被設置(U(m，k)＝1)，用于頻率分辨元的噪聲平均值作為先前幀中頻率分辨元的噪聲平均值與當前幀頻率分辨元的語音信號的加權和被更新，如下方程式所示SM(m，k)＝αMSM(m-1，k)+(1-αM)logSS(m，k)否則，頻率分辨元的噪聲平均值不被更新，并因此從先前幀中被轉入，如下方程式所示SM(m，k)＝SM(m-1，k)圖6描述了用于更新語音信號幀的噪聲方差的過程600。在噪聲平均值更新過程600的初始判斷610，噪聲抑制器檢測是否重置了表示幀噪聲統計的重置標記(即，是否R(m)＝1)。如果是這樣，噪聲抑制器重置頻率分辨元的噪聲方差計算值(0≤k＜K)，如下方程式所示SV(m，k)＝|logSS(m，k)-SM(m，k)|2否則，如果沒有設置幀的重置標記(R(m)≠1)，那么噪聲抑制器根據它們的更新標記來更新頻率分辨元的噪聲方差。在“for”循環620，650中，噪聲抑制器檢測每個頻率分辨元的更新標記(判斷630)。如果更新標記被設置(U(m，k)＝1)，用于頻率分辨元的噪聲方差作為先前幀中頻率分辨元的噪聲方差與當前幀頻率分辨元的語音信號的噪聲方差的加權函數被更新，如下方程式所示SV(m，k)＝αVSV(m-1，k)+(1-αV)|logSS(m，k)-SM(m，k)|2否則，頻率分辨元的噪聲方差不被更新，并因此從先前幀中被轉入，如下方程式所示SV(m，k)＝SV(m-1，k)
再次參考圖2，在增益受限噪聲抑制處理200的接下來的階段270-271中的噪聲抑制器基于從階段263中作為增益濾波器被提供的當前信號頻譜和噪聲估計來計算和平滑增益因子(G(m，k)，以便在階段272中改變語音信號頻譜。
在信噪比(SNR)增益濾波器階段270中，噪聲抑制器開始計算頻率分辨元的SNR，如下方程式所示SNR(m,k)=SS(m,k)exp(SM(m,k))]]>然后噪聲抑制器用SNR來計算用于增益抑制器的增益因子，如下所示G(m,k)=SNR(m,k)-γaγb]]>G(m,k)=Gmin,G(m,k)<GminG(m,k),Gmin≤G(m,k)<Gmax,Gmax≤G(m,k)Gmax]]>在增益平滑階段271中，噪聲抑制器然后根據幀的“噪聲”計算值(在這里稱為“噪聲因子”)來平滑增益因子，其中對更多的噪聲幀提供的平滑比提供給語音幀的要強。噪聲抑制器計算幀的噪聲比，其作為噪聲頻率分辨元(即標記用于更新的分辨元)的數目與分辨元的總數之間的比值，如下所示RN(m)=1KΣk=0K-1U(m,k)]]>噪聲抑制器然后計算幀的平滑因子(在范圍0到1之間)，如下所示M(m)＝(Mmax-Mmin)RN(m)+MminM(m)=0,M(m)<0M(m),0≤M(m)<11,1≤M(m)]]>在該實施例中，噪聲抑制器提供頻域中的平滑，使用FFT將增益濾波器轉換為頻域。對于頻域轉換來說，噪聲抑制器一組從增益因子(G(m，k))中計算出擴展的增益因子(G′(m，k))，如下所示
G′(m,k)=G(m,k),0<k<KG(m,L-k),K≤k<L]]>其中K示頻率分辨元的數目。L典型地是2K。擴展的增益因子如此有效地從0到K-1復制增益因子，并從K到L-1復制增益因子的鏡象。
然后噪聲一直器通過擴展增益因子的FFT來計算增益頻譜(g(Λ))，如下所示g(Λ)＝FFT(G′(m，k))FFT生成具有混合值的頻譜系數，從中按如下所示計算增益頻譜的振幅和相位gA(Λ)＝|g(Λ)|gP(Λ)＝tan-1(g(Λ))然后噪聲抑制器通過增益頻譜的零位高頻分量來平滑增益濾波器。噪聲抑制器基于所述數目上的平滑因子(M(m))和零位分量來保持若干增益頻譜系數直到某一數目，其根據如下方程式Ng＝roundoff[(1-M(m))(k-1)]+1如此以致g′A(Λ‾)=gA(Λ‾),0≤Λ‾<Ng0,Ng≤Λ‾]]>然后提供逆FFT給該減少的增益頻譜以便生成平滑增益濾波器，其通過GS(m，k)＝IFFT(g′A(Λ)，gP(Λ))該基于平滑的FFT有效地對近于零點的平滑因子(例如，具有在幀內由更新標記所標記的沒有或少的“噪聲”頻率分辨元)進行少的或不進行平滑，并作為趨近于1的平滑因子對增益濾波器向常數進行平滑(例如，具有所有的或幾乎所有的“噪聲”分辨元)。因此，對零點平滑因子(M(m)＝0)來說，平滑增益濾波器是GS(m，k)＝G(m，k)而對于平滑因子等于1(M(m)＝1)來說，平滑增益濾波器是Gs(m,k)=1kΣi=0k-1G(m,i)]]>在接下來的階段272中，噪聲抑制器提供平滑的增益濾波器結果給語音信號幀的平譜振幅，如下所示S′A(m，k)＝SA(m，k)GS(m，k)作為噪聲統計估計和平滑處理的結果，提供給噪聲分辨元的增益因子應當相對于非噪聲平率分辨元是比較低的，以便語音信號中的噪聲被抑制。
在階段280中，噪聲抑制器提供逆變換給作為由增益濾波器改變的語音信號的頻譜，如下所示y0(m，n)＝IFFTL(S′A(m，k)，SP(m，k))然后在階段281，282中提供疊加和預加重(高通濾波)的逆變換，以便生成噪聲抑制器的最后輸出290，如下公式所示y1(m,n)=y0(m-1,n+N)+y0(m,n),0≤n<N-Ly0(m,n),N-L≤n<N]]>y(m，n)＝y1(m，n)-βy(m，n-1)2、計算環境上面所描述的噪聲抑制系統100(圖1)和增益受限噪聲抑制處理200能在任何多種裝置中能被實施，其中在所述裝置中執行音頻信號處理，包括在其他例子中的計算機；音頻播放，傳輸和接收裝置；便攜音頻播放器；音頻會議；網絡音頻流應用等等。增益受限噪聲抑制能夠在硬件電路中(例如，在ASIC，FPGA等電路中)實施，還可以在如圖7所示的計算機或其他計算環境中執行的音頻處理軟件中實施(不管在中央處理單元(CPU)中還是在數字信號處理器，音頻卡等等中執行)。
圖7描述了在其中可以適合實施所描述的增益受限噪聲抑制的計算環境(700)的一般例子。計算環境(700)不打算建議關于本發明的使用范圍或功能的任何限制，因為本發明可以在各種一般目的或特殊目的的計算環境中實施。
參考圖7，計算環境(700)包括至少一個處理單元(710)和存儲器(720)。在圖7中，最基本的結構(730)包含在虛線內。處理單元(710)執行計算機可讀指令并可以是真實的或虛擬的處理器。在多處理系統中，多處理單元執行計算機可讀指令以增加處理能力。存儲器(720)可以是易失性存儲器(例如，寄存器，超高速緩沖存儲器，RAM)，非易失性存儲器(例如，ROM，EEPROM，閃存等)，或兩者的一些組合。存儲器(720)存儲實施所述增益受限噪聲抑制技術的軟件(780)。
計算環境可以具有附加特征。例如，計算環境(700)包括存儲器(740)，一個或多個輸入裝置(750)，一個或多個輸出裝置(760)，以及一個或多個通信連接(770)。例如總線、控制器、或網絡這樣的互連機制(未顯示)與計算環境(700)的各部分互連。典型地，操作體統軟件(未顯示)提供用于在計算環境(700)中執行其他軟件的操作環境，并協調計算環境(700)各部分的活動。
存儲器(740)可以是可拆卸或不可拆卸的，并包括磁盤，磁帶或盒式磁帶，CD-ROMs，CD-RWs，DVDs，或能用于存儲信息并能在計算環境(700)中被訪問的任何其他介質。存儲器(740)存儲用于可實施增益受限噪聲抑制處理200(圖2)的軟件(780)的指令。
輸入裝置(750)可以是例如鍵盤、鼠標、筆、或跟蹤球這樣的觸動式輸入裝置，聲音輸入裝置，掃描裝置，或其它可以向計算環境(700)提供輸入的設備。對于音頻來說，輸入裝置(750)可以式聲卡或可以模擬或數字格式接收音頻輸入的類似裝置，或可向計算環境提供音頻采樣的CD-ROM閱讀器。輸出裝置(760)可以是顯示器，打印機，揚聲器，CD復寫器，或其它可從計算環境(700)中提供輸出的裝置。
通信連接(770)通過通信介質與其他計算機構進行通信。通信介質傳輸諸如計算機可讀質量、壓縮音頻或視頻信息、或在調制數據信號中的其它數據這樣的信息。調制數據信號是一個具有以在信號中編碼信息這樣的方式來設置或改變其一個或多個特征的信號。通過例子的方式，并不限制于，通信介質包括采用電子、光學、RF、紅外線、聲學、或其他載波來實施的有線或無線技術。
計算機可讀介質的一般上下文中描述了此處的快述耳機虛擬化技術。計算機可讀介質是可利用介質，其能在計算環境中被訪問。通過例子的方式，并不限制于，通過計算環境(700)，計算機可讀介質包括儲存器(720)、存儲器(740)、通信介質、以及上述任何的組合。
計算機可讀指令的一般上下文中描述了此處的快速耳機虛擬化技術，例如它們包括在程序模塊中，在目標真實或虛擬的處理上的計算環境中執行。通常，程序模塊包括例行程序、程序、程序庫、目標程序、分類、分量、數據結構等等，其可執行特別的任務或實施特別的抽象數據類型。程序模塊的功能可以在各種實施例中所需的程序模塊之間進行組合或分離。用于程序模塊的計算機可讀指令可以在本地或分布的計算環境中執行。
由于介紹的緣故，詳細的描述中使用術語“確定”、“產生”、“調整”、和“應用”來描述在計算環境中計算機操作。這些術語是用于計算機執行操作的高級抽象，并不應該于人的行為相混淆。對應這些術語的現行計算機操作依據實施而改變。
考慮到本發明的原理可以應用到許多可能的實施例上，我們要求像下面權利要求及其等價的范圍和精神下可以得到的那樣的本發明所有實施例。
權利要求
1.一種語音噪聲抑制方法，包括將輸入語音信號的幀轉換為具有多個頻譜值的頻域表示；將多個頻率分辨元分類為噪聲或非噪聲；計算用于頻率分辨元的多個增益因子；基于噪聲分辨元數目與頻率分辨元的總數之間的比值來計算噪聲因子，從表現為非平滑的值到表現為平滑的值之間將增益因子變化為常數增益；根據噪聲因子來平滑增益因子；以及通過將增益因子應用到相關的頻譜值上來修正頻譜值；以及變換修正的頻譜值以生成輸出語音信號。
2.如權利要求1所述的語音噪聲抑制方法，其中平滑增益因子包括將增益因子轉換為頻域表示；根據噪聲因子來截止增益因子頻域表示的高頻分量；以及逆變換增益因子的頻域表示。
3.如權利要求1所述的語音噪聲抑制方法，其中分類頻率分辨元包括計算幀能量；跟蹤用于頻率分辨元的噪聲平均值和方差的估計；當幀能量低于先前幀的相應頻率分辨元的噪聲平均值和方差估計的函數時，將頻率分辨元分類為噪聲；以及由于頻率分辨元被分類為噪聲，更新噪聲平均值和方差的估計。
4.如權利要求3所述的語音噪聲抑制方法，進一步包括平滑頻譜值；以及在計算幀能量和噪聲平均值和方差的估計中使用平滑的頻譜值。
5.如權利要求3所述的語音噪聲抑制方法，其中平滑頻譜值包括執行頻譜值的時域和頻域平滑。
6.如權利要求3所述的語音噪聲抑制方法，進一步包括計算歷史低幀能量測量；如果幀能量測量低于歷史低幀能量測量的第一閾值倍數，那么確定重置噪聲平均值和方差的估計；如果幀能量測量低于歷史低幀能量測量的第二閾值倍數，那么確定更新頻率分辨元的噪聲平均值和方差的估計。
7.如權利要求3所述的語音噪聲抑制方法，其中計算增益因子包括按照相應頻率分辨元的噪聲平均值和方差的估計以及頻譜值的函數來計算增益因子。
8.語音噪聲抑制器，包括裝置，用于將輸入語音信號的幀轉換為具有多個頻譜值的頻域表示；裝置，用于將多個頻率分辨元分類為噪聲或非噪聲；裝置，用于計算用于頻率分辨元的多個增益因子；裝置，用于基于噪聲分辨元數目與頻率分辨元的總數之間的比值來計算噪聲因子，從表現為非平滑的值到表現為平滑的值之間將增益因子變化為常數增益；裝置，用于根據噪聲因子來平滑增益因子；以及裝置，用于通過將增益因子應用到相關的頻譜值上來修正頻譜值；以及裝置，用于變換修正的頻譜值以生成輸出語音信號。
9.如權利要求8所述的語音噪聲抑制器，其中用于平滑增益因子的裝置包括裝置，用于將增益因子轉換為頻域表示；裝置，用于根據噪聲因子來截止增益因子頻域表示的高頻分量；以及裝置，用于逆變換增益因子的頻域表示。
10.如權利要求8所述的語音噪聲抑制器，其中用于分類頻率分辨元的裝置包括裝置，用于計算幀能量；裝置，用于跟蹤用于頻率分辨元的噪聲平均值和方差的估計；裝置，用于當幀能量低于先前幀的相應頻率分辨元的噪聲平均值和方差估計的函數時，將頻率分辨元分類為噪聲；以及裝置，用于由于頻率分辨元被分類為噪聲，更新噪聲平均值和方差的估計。
11.如權利要求10所述的語音噪聲抑制器，進一步包括裝置，用于平滑頻譜值；以及裝置，用于在計算幀能量和噪聲平均值和方差的估計中使用平滑的頻譜值。
12.如權利要求10所述的語音噪聲抑制器，其中用于平滑頻譜值的裝置包括用于執行頻譜值的時域和頻域平滑的裝置。
13.如權利要求10所述的語音噪聲抑制器，進一步包括裝置，用于計算歷史低幀能量測量；裝置，用于如果幀能量測量低于歷史低幀能量測量的第一閾值倍數，那么確定重置噪聲平均值和方差的估計；裝置，用于如果幀能量測量低于歷史低幀能量測量的第二閾值倍數，那么確定更新頻率分辨元的噪聲平均值和方差的估計。
14.如權利要求10所述的語音噪聲抑制器，其中用于計算增益因子的裝置包括裝置，用于按照相應頻率分辨元的噪聲平均值和方差的估計以及頻譜值的函數來計算增益因子。
全文摘要
一種用于語音的增益受限的噪聲抑制能在通話期間更準確地估計噪聲，以減少噪聲抑制中產生的音樂的人為噪音。通過將頻譜增益G(m，k)應用到語音信號的每個短時頻譜值S(m，k)上來操作噪聲抑制，其中m是幀數目，以及k是頻譜指數。頻譜值被分組為頻率分辨元，以及對每個被分類為“噪聲分辨元”的分辨元估計噪聲特性。能量參數在時域和頻域中被平滑以便提高每個分辨元的噪聲估計。基于當前信號頻譜和噪聲估計來計算增益因子G(m，k)，然后在其被應用到信號頻譜值S(m，k)之前被平滑。首先，基于當前幀的噪聲分辨元的數目與分辨元的總數之間的比值來計算噪聲因子，其中零值噪聲因子意味著僅僅對所有的頻譜值使用了常數增益且其噪聲因子意味著根本沒有平滑。然后，該噪聲因子被用于改變增益因子，例如通過截止頻域中增益因子的高頻分量。
文檔編號G10L15/00GK1727860SQ20051009224
公開日2006年2月1日 申請日期2005年6月15日 優先權日2004年6月15日
發明者K·克史達, F·諸葛, H·A·哈利勒, T·王, W·陳 申請人:微軟公司