一種基于獨立成分分析的四麥克語音增強方法
【專利摘要】本發(fā)明公開了一種基于獨立成分分析的四麥克語音增強方法，包含以下步驟：使用四個麥克組成陣列，采集四路帶噪語音信號變換至頻域信號；隨機選擇四個麥克陣列中同一邊上的兩路信號作為第一組輸入信號，將另外兩路信號作為第二組輸入信號，分別估計一個分離矩陣Wf；步驟3：將步驟1中的得到的頻域信號，利用多重信號分類算法進行處理，得到語音信號源方向θ；步驟4：將步驟3中計算得到的語音信號源方向θ作為參考信息，從步驟2中每組分離信號中提取語音信號；步驟5：進行頻率排序，對所得語音信號進行幅度平滑，利用一個窗函數(shù)對相鄰頻率的信號進行幅度平滑；步驟6：經(jīng)過加窗和逆傅里葉變換得到語音信號的時域信號。
【專利說明】一種基于獨立成分分析的四麥克語音增強方法
【技術領域】
[0001]本發(fā)明涉及一種語音增強的方法，特別是一種基于獨立成分分析的四麥克語音增強方法。
【背景技術】
[0002]現(xiàn)實的通信系統(tǒng)中，經(jīng)常需要一個麥克采集聲音，在采集的過程中目標語音經(jīng)常會被背景噪聲污染。因此，麥克采集到的帶噪信號需要經(jīng)過語音增強系統(tǒng)，去除噪聲的影響后再播放、傳輸或保存。語音增強算法的研究已經(jīng)有40多年的歷史，最早是由Bell實驗室中的Schroeder提出的一種算法。之后陸續(xù)有很多人提出了其他算法，其中譜減法是至今應用最廣泛的算法，但是譜減法存在明顯的缺陷，在抑制噪聲的同時會損傷語音，并且人為的引入噪聲，如，“音樂”(musical)噪聲。
[0003]基于單麥克的語音增強算法不能同時提高語音質量和語音可懂度，語音質量的提高往往伴隨著語音可懂度的降低。近年來，基于麥克陣列的語音增強算法越來越受到重視，麥克陣列可以利用信號源位置的空間信息，因此基于麥克陣列的語音增強算法可以在不損傷語音的情況下抑制噪聲?；邴溈岁嚵械恼Z音增強算法已經(jīng)成為一種新的研究趨勢。較為成熟的基于麥克陣列的語音增強算法有:自適應波束成型算法、無失真最小化方差響應波束成型、廣義旁瓣相消和廣義奇異值分解等算法?，F(xiàn)有的基于麥克陣列的語音增強算法中麥克陣列規(guī)模較大，算法的空間復雜度和時間復雜度都較高，不能靈活應用與便攜式通信設備中，例如手機和對講機。

【發(fā)明內容】

[0004]為了克服上述現(xiàn)有語音增強算法存在的問題，本發(fā)明提供了一種基于獨立成分分析的四麥克語音增強方法，可以減小語音增強過程中對語音的損傷，達到良好的降噪效果。
[0005]本發(fā)明一種基于獨立成分分析的四麥克語音增強方法的所采用的技術方案為:
[0006]步驟1:利用麥克陣列采集的四路帶噪語音信號，對信號進行預處理，經(jīng)過傅立葉變換變換至頻域信號；
[0007]步驟2:將四麥克方陣中同一邊上的兩路信號作為第一組輸入信號，另外兩路信號作為第二組輸入信號，對每組預處理后的頻域信號，利用頻域獨立成分分析算法，針對頻域中的每個頻點f分別估計一個分離矩陣Wf，每組信號對應得到包括一路語音信號和一路噪聲信號的分離信號；
[0008]步驟3:將步驟I中的得到的頻域信號，利用多重信號分類算法進行處理，得到語音信號源方向Θ ;
[0009]步驟4:將步驟3中估計得到的語音信號源方向Θ作為參考信息，用于從每組分離信號中提取語音信號；
[0010]步驟5:對頻域語音信號進行幅度平滑；
[0011]步驟6:經(jīng)過加窗和逆傅里葉變換得到語音信號的時域信號。[0012]步驟4中，利用步驟3中估計得到的語音信號源方向Θ作為參考信息，從步驟2每組分離信號中提取語音信號包括如下步驟:
[0013]I)利用頻點f的分離矩陣Wf計算語音信號源方向，每個頻點計算得到兩個信號源方向0 (f)和& (f)，頻點數(shù)為傅里葉變換長度的一半；
[0014]2)將上述所有頻點計算得到的信號源方向進行K均值聚類，聚成兩類，利用語音信號源方向Θ，選擇語音信號源方向Θ角度相差10度以內的聚類作為語音信號的入射方向；
[0015]3)剔除可信度低的頻點:對于同一頻點，如果其中一個信號的入射方向與語音信號源方向Θ相差10°以內，且其另一個信號的入射方向距離另一個聚類的中心小于20°，則該頻點的可信度高，選擇距離語音信號源方向Θ近的語音信號的入射方向作為最終的語音信號源方向；否則，判定該頻點為失效頻點；
[0016]4)對于失效頻點，利用相鄰頻點譜包絡的相關性重新提取:
[0017]首先，計算失效頻點的頻譜Ii(/)與有效頻點的諧波結構鳥fe)的相關性之和cor(f),計算公式為:
剛
[0019]其中
【權利要求】
1.一種基于獨立成分分析的四麥克語音增強方法，其特征在于，包含以下步驟: 步驟1:使用四個麥克組成陣列，采集四路帶噪語音信號，對信號進行預處理，經(jīng)過傅立葉變換變換至頻域信號； 步驟2:隨機選擇四個麥克陣列中同一邊上的兩路信號作為第一組輸入信號，將另外兩路信號作為第二組輸入信號，對每組預處理后的頻域信號，利用頻域獨立成分分析算法，針對頻域中的每個頻點f分別估計一個分離矩陣Wf，每組信號對應得到包括一路語音信號和一路噪聲信號的分離信號； 步驟3:將步驟I中的得到的頻域信號，利用多重信號分類算法進行處理，得到語音信號源方向Θ ; 步驟4:將步驟3中計算得到的語音信號源方向Θ作為參考信息，從步驟2中每組分離信號中提取語音信號； 步驟5:進行頻率排序，對所得語音信號進行幅度平滑，利用一個窗函數(shù)對相鄰頻率的信號進行幅度平滑； 步驟6:經(jīng)過加窗和逆傅里葉變換得到語音信號的時域信號。
2.根據(jù)權利要求1中所述一種基于獨立成分分析的四麥克語音增強方法，其特征在于，步驟4中，利用步驟3中估計得到的語音信號源方向Θ作為參考信息，從步驟2每組分離信號中提取語音信號包括如下步驟: 1)利用頻點f的分離矩陣Wf計算語音信號源方向，每個頻點計算得到兩個信號源方向4 (f)和4 (f)，頻點 數(shù)為傅里葉變換長度的一半； 2)將上述所有頻點計算得到的信號源方向進行K均值聚類，聚成兩類，利用語音信號源方向Θ，選擇語音信號源方向Θ角度相差10度以內的聚類作為語音信號的入射方向； 3)剔除可信度低的頻點:對于同一頻點，如果其中一個信號的入射方向與語音信號源方向Θ相差10°以內，且其另一個信號的入射方向距離另一個聚類的中心小于20°，則該頻點的可信度高，選擇距離語音信號源方向Θ近的語音信號的入射方向作為最終的語音信號源方向；否則，判定該頻點為失效頻點； 4)對于失效頻點，利用相鄰頻點譜包絡的相關性重新提取: 首先，計算失效頻點的頻譜焉(f)與有效頻點的諧波結構《(g)的相關性之和coHf)，計算公式為: mr(f)
其中 g =..., l/3f, l/2f, 2f, 3f,…， 其中g為有效頻點， 若相關性之和cor(f)超過0.9，則提取該頻點為有效頻點； 反復進行上述迭代步驟.直到迭代次數(shù)超過100次，對于最終未提取的頻點， 將所述頻點與其相鄰的已提取的頻點計算相關性，進行提取。
3.根據(jù)權利I中所述的一種基于獨立成分分析的四麥克語音增強方法，其特征在于，步驟5中對提取的語音信號進行加窗平滑，使用漢寧窗，加窗函數(shù)如下:
【文檔編號】G10L21/028GK103854660SQ201410061180
【公開日】2014年6月11日 申請日期:2014年2月24日 優(yōu)先權日:2014年2月24日
【發(fā)明者】張彥芳, 王芳, 周海瑞, 王犇, 朱冰 申請人:中國電子科技集團公司第二十八研究所