CN104751853A - 双麦克风噪声抑制方法及系统 - Google Patents

Abstract

本发明提供了一种双麦克风噪声抑制方法及系统，特别涉及时域波束成形方法和频域后处理方法的衔接。增加一路延时相加处理作为辅助信号，再根据语音激活检测器选择原路径还是新增路径，从而避免了传统方法无法处理夹杂在语音中间的大稳态噪声（糊音），明显提高增强后语音的清晰度和主观感受。

Description

双麦克风噪声抑制方法及系统

技术领域

本发明涉及移动通信技术领域，特别涉及一种双麦克风噪声抑制方法及系统。

背景技术

时域波束成形（Time-Domain Beam-forming，TDBF）类双麦克风噪声抑制算法是终端双麦克风噪声抑制的一种常用方法。具体的，大致流程图请参考图1。如图1所示，两路麦克风信号由波束成形合并成一路信号，再对这波束成形后的信号进行频域后处理。

大部分时域波束成形算法（例如广义旁瓣消除器等）可有效消除无目标近端语音时的噪声，但对和目标近端语音夹杂在一起的噪声处理地不够好（此时倾向于保护所有信号）。在密闭运动场景中，例如常见的公交车、地铁等，弥漫稳态噪声非常大，经过时域波束成形后，语音外的噪声可以消除的较为干净，但夹杂在语音中间的噪声则基本没有处理，形成糊音，严重恶化了语音的清晰度。请参考图2，其为在地铁场景下经过某一时域波束成形处理前后的示意图。图中假设第一麦克风为主麦克风，黑色越深代表能量越大，线条状纹理为目标近端语音信号的语谱。由图2可见，在无语音时，噪声可被处理干净；但在有语音时，保留语音的同时也保留了夹杂在一起的噪声，主观感受为糊音，声音不够清晰，类似于含着东西的说话声。

传统方法是在时域波束成形后的信号接一个频域后处理，以期对稳态噪声进行抑制。无近端语音时，该方法可进一步抑制噪声。然而，由于时域波束成形破坏了通常频域后处理法对噪声谱变化缓慢的假设：语音内外噪声能量出现了跳变，并且语音持续比较短，这种跳变就会比较频繁，导致噪声估计算法无法准确跟踪上语音内的噪声。由此，这些噪声会被判为语音而被保留下来。因此，传统方案无法有效地改善糊音问题。

发明内容

本发明的目的在于提供一种双麦克风噪声抑制方法及系统，以解决糊音问题。

为解决上述技术问题，本发明利用大部分时域波束成形算法在近端语音存在时候，性能退化等价于最简单的延时相加。然而简单的延时相加在语音内外对噪声都处理不佳，在糊音形成的场景中，处理后的语音内外的平稳噪声是不存在跳变，因而可以为糊音问题提供一个准确的噪声估计。所述双麦克风噪声抑制方法包括：

获取两路麦克风信号；

对两路麦克风信号进行如下操作：进行时域波束成形，得到信号y(t)；以及进行延时相加，得到信号y₁(t)；

对信号y(t)和信号y₁(t)采用相同的噪声估计方法进行噪声估计；

根据信号y(t)判断是否有近端语音信号；

当没有近端语音信号时，选用基于信号y(t)的噪声估计；当有近端语音信号时，选用基于信号y₁(t)的噪声估计；

根据所选的噪声估计和信号y(t)的进行频域后处理；

其中，t表示时间轴。

可选的，在所述的双麦克风噪声抑制方法中，对信号y(t)和信号y₁(t)采用相同的噪声估计方法进行噪声估计包括：

对时域波束成形后的信号y(t)进行谱分解，得到谱分解信号Y(k,l)；对信号Y(k,l)进行噪声估计，得到噪声估计信号λ_d(k,l)；以及

对延时相加后的信号y₁(t)进行谱分解，得到谱分解信号Y₁(k,l)；对Y₁(k,l)进行噪声估计，得到噪声估计信号λ_d1(k,l)；

其中，k表示频点序号，l表示帧序号。

可选的，在所述的双麦克风噪声抑制方法中，根据信号y(t)判断是否有近端语音信号包括：

根据谱分解信号Y(k,l)以及噪声估计信号λ_d(k,l)判断时域波束成形后的信号y(t)中是否有语音信号。

可选的，在所述的双麦克风噪声抑制方法中，根据谱分解信号Y(k,l)以及噪声估计信号λ_d(k,l)判断时域波束成形后的信号y(t)中是否有语音信号包括：

利用如下公式对谱分解信号Y(k,l)进行平滑，得到平滑功率谱信号P(k,l)：

P(k,l)＝αP(k,l-1)+(1-α)|Y(k,l)|²

其中，α为平滑因子，取值为0.95～0.98；

利用如下公式得到能量比值Λ(k,l)，依据所述能量比值Λ(k,l)，判断是否有近端语音信号：

$\mathrm{\Λ}(k,l)=\frac{P(k,l)}{{\mathrm{\λ}}_d(k,l)}.$

可选的，在所述的双麦克风噪声抑制方法中，依据所述能量比值Λ(k,l)判断是否有近端语音信号包括：

当Λ(k,l)≥η时，则判为有近端语音信号；

当Λ(k,l)<η时，则判为无近端语音信号；

其中，η为一经验阈值，取值为2～3。

可选的，在所述的双麦克风噪声抑制方法中，根据所选的噪声估计和信号y(t)的进行频域后处理，包括：

当没有近端语音信号时，利用噪声估计信号λ_d(k,l)进行信噪比估计及谱衰减因子计算，并利用谱分解信号Y(k,l)和计算得到的谱衰减因子进行谱合成；

当有近端语音信号时，利用噪声估计信号λ_d1,k(l)进行信噪比估计及谱衰减因子计算，并利用谱分解信号Y(k,l)和计算得到的谱衰减因子进行谱合成。

本发明还提供一种双麦克风噪声抑制系统，所述双麦克风噪声抑制系统包括：

双麦克风，所述双麦克风用以获取两路麦克风信号；

时域波束成形模块，用以对两路麦克风信号进行时域波束成形，得到信号y(t)；

延时相加模块，用以对两路麦克风信号进行延时相加，得到信号y₁(t)；

噪声估计模块，用以对信号y(t)和信号y₁(t)采用相同的噪声估计方法进行噪声估计；

话音激活检测器，用以根据信号y(t)判断是否有近端语音信号；当没有近端语音信号时，选用基于信号y(t)的噪声估计；当有近端语音信号时，选用基于信号y₁(t)的噪声估计；

频域后处理模块，用以根据所选的噪声估计和信号y(t)的进行频域后处理；

其中，t表示时间轴。

可选的，在所述的双麦克风噪声抑制系统中，还包括：第一个谱分解模块及第二个谱分解模块，其中，

所述第一个谱分解模块用以对时域波束成形后的信号y(t)进行谱分解，得到谱分解信号Y(k,l)；

所述第二个谱分解模块用以对延时相加波束成形后的信号y₁(t)进行谱分解，得到谱分解信号Y₁(k,l)；

其中，k表示第k个频点，l表示帧序号。

可选的，在所述的双麦克风噪声抑制系统中，所述噪声估计模块包括：第一个噪声估计模块及第二个噪声估计模块，其中，

所述第一个噪声估计模块用以对谱分解信号Y(k,l)进行噪声估计，得到噪声估计信号λ_d,k(l)；

所述第二个噪声估计模块用以对谱分解信号Y₁(k,l)进行噪声估计，得到噪声估计信号λ_d1,k(l)。

可选的，在所述的双麦克风噪声抑制系统中，所述话音激活检测器根据信号y(t)判断是否有近端语音信号包括：

根据谱分解信号Y(k,l)以及噪声估计信号λ_d(k,l)判断时域波束成形后的信号y(t)中是否有语音信号。

可选的，在所述的双麦克风噪声抑制系统中，所述话音激活检测器根据谱分解信号Y(k,l)以及噪声估计信号λ_d(k,l)判断时域波束成形后的信号y(t)中是否有语音信号包括：

利用如下公式对谱分解信号Y(k,l)进行平滑，得到平滑功率谱信号P(k,l)：

P(k,l)＝αP(k,l-1)+(1-α)|Y(k,l)|²

其中，α为平滑因子，取值为0.95～0.98；

利用如下公式得到能量比值Λ(k,l)，依据所述能量比值Λ(k,l)，判断是否有近端语音信号：

$\mathrm{\&Lambda;}(k,l)=\frac{P(k,l)}{{\mathrm{\&lambda;}}_d(k,l)}.$

可选的，在所述的双麦克风噪声抑制系统中，所述话音激活检测器依据所述能量比值Λ(k,l)判断是否有近端语音信号包括：

当Λ(k,l)≥η时，则判为有近端语音信号；

当Λ(k,l)<η时，则判为无近端语音信号；

其中，η为一经验阈值，取值为2～3。

可选的，在所述的双麦克风噪声抑制系统中，还包括：信噪比估计模块、谱衰减因子计算模块及谱合成模块，其中，

所述信噪比估计模块用以进行信噪比估计；

所述谱衰减因子计算模块用以进行谱衰减因子计算；

所述谱合成模块用以进行谱合成。

在本发明提供的双麦克风噪声抑制方法及系统中，特别涉及时域波束成形方法和频域后处理方法的衔接。增加一路延时相加处理作为辅助信号，再根据语音激活检测器选择原路径还是新增路径，从而避免了传统方法无法处理夹杂在语音中间的大稳态噪声（糊音），明显提高增强后语音的清晰度和主观感受。

附图说明

图1是时域波束成形类双麦克风噪声抑制算法的流程示意图；

图2是在地铁场景下经过某一时域波束成形处理前后的示意图；

图3是本发明实施例的双麦克风噪声抑制方法的流程示意图；

图4是本发明实施例的双麦克风噪声抑制系统的框结构示意图；

图5是TDBF算法后和频域后处理算法后的语谱对比图；

图6是频域后处理算法后和本申请实施例的方法后的语谱对比图。

具体实施方式

以下结合附图和具体实施例对本发明提出的双麦克风噪声抑制方法及系统作进一步详细说明。根据下面说明和权利要求书，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。

本申请实施例提供了一种双麦克风噪声抑制方法，所述双麦克风噪声抑制方法包括：

获取两路麦克风信号；

对两路麦克风信号进行如下操作：进行时域波束成形，得到信号y(t)；以及进行延时相加，得到信号y₁(t)；

对信号y(t)和信号y₁(t)采用相同的噪声估计方法进行噪声估计；

根据信号y(t)判断是否有近端语音信号；

当没有近端语音信号时，选用基于信号y(t)的噪声估计；当有近端语音信号时，选用基于信号y₁(t)的噪声估计；

根据所选的噪声估计和信号y(t)的进行频域后处理；

其中，t表示时间轴。

相应的，本申请实施例还提供了一种双麦克风噪声抑制系统，所述双麦克风噪声抑制系统包括：

双麦克风，所述双麦克风用以获取两路麦克风信号；

时域波束成形模块，用以对两路麦克风信号进行时域波束成形，得到信号y(t)；

延时相加模块，用以对两路麦克风信号进行延时相加，得到信号y₁(t)；

噪声估计模块，用以对信号y(t)和信号y₁(t)采用相同的噪声估计方法进行噪声估计；

话音激活检测器，用以根据信号y(t)判断是否有近端语音信号；当没有近端语音信号时，选用基于信号y(t)的噪声估计；当有近端语音信号时，选用基于信号y₁(t)的噪声估计；

频域后处理模块，用以根据所选的噪声估计和信号y(t)的进行频域后处理；

其中，t表示时间轴。

具体的，请参考图3和图4，其中，图3为本发明实施例的双麦克风噪声抑制方法的流程示意图；图4为本发明实施例的双麦克风噪声抑制系统的框结构示意图。

具体的，在本实施例中，根据声音空间传播模型，假设第一麦克风10为主麦克风，第一麦克风10和第二麦克风11采集到信号分别为：

x₁(t)＝as(t-Δ₁)+n₁(t)   （1）

x₂(t)＝bs(t-Δ₂)+n₂(t)

上式（1）中，s(t)代表近端语音信号，n₁(t)和n₂(t)分别表示各自采集到的稳态噪声信号，a和b分别为幅值系数，Δ₁和Δ₂分别表示传播延时。

通过时域波束成形模块12对两路麦克风信号进行时域波束成形后，得到时域波束成形后的信号：y(t)=as(t)+n(t)，其中，n(t)表示残留的噪声。

在本申请实施例中，延时相加模块13采用如下算法：

$y_1\left(t\right)=\frac{1}{2}\{x_1\left(t\right)+\frac{a}{b}{x}_2(t-({\mathrm{\&Delta;}}_2-{\mathrm{\&Delta;}}_1))\}---\left(2\right)$

上式（2）中a/b和Δ₂–Δ₁均可事先根据终端模型定型后，在安静环境中，通过比较两路麦克风（第一麦克风10和第二麦克风11）采集到的目标语音的幅值比以及延时差获得。

时域波束成形算法在语音存在时，倾向于保护所有的信号，即此时y(t)≈y₁(t)。将公式（1）带入公式（2）后： $y_1\left(t\right)=\mathrm{as}\left(t\right)+\frac{1}{2}\{n_1\left(t\right)+\frac{a}{b}{n}_2(t-({\mathrm{\&Delta;}}_2-{\mathrm{\&Delta;}}_1))\}.$ 不难发现，y(t)和y₁(t)中的语音成份s(t)是一致的。结合上此时y(t)≈y₁(t)，因此可近似认为这时候y(t)和y₁(t)中的噪声成份能量也接近。由此可以得到下式（3）：

$E\left[{\left|N\left(\mathrm{\&omega;}\right)\right|}^2\right]\&ap;E[\frac{1}{2}{\left|N_1\left(\mathrm{\&omega;}\right)\right|}^2+\frac{a}{2b}{\left|N_2\left(\mathrm{\&omega;}\right)e^{\mathrm{j\&omega;}({\mathrm{\&Delta;}}_2-{\mathrm{\&Delta;}}_1)}\right|}^2]---\left(3\right)$

上式（3）中N(ω)，N₁(ω)和N₂(ω)分别是n(t)，n₁(t)和n₂(t)的傅里叶变换（即谱分解）。注意到在短时频谱分析中，延时差Δ₂–Δ₁只影响相位而对幅频无明显影响。因此式（3）可以写成：

$E\left[{\left|N\left(\mathrm{\&omega;}\right)\right|}^2\right]\&ap;E[\frac{1}{2}{\left|N_1\left(\mathrm{\&omega;}\right)\right|}^2+\frac{a}{2b}{\left|N_2\left(\mathrm{\&omega;}\right)\right|}^2]---\left(4\right)$

对信号y(t)和y₁(t)分别使用相同的噪声估计方法，分别得到估计的噪声功率谱λ_d(k,l)和λ_d1(k,l)，l表示帧序号，k表示频点序号。

也就是说，本实施例完成了如下操作：通过第一个谱分解模块14对时域波束成形后的信号y(t)进行谱分解，得到谱分解信号Y(k,l)；通过第一个噪声估计模块15对谱分解信号Y(k,l)进行噪声估计，得到噪声估计信号λ_d(k,l)；通过第二个谱分解模块16对延时相加波束成形后的信号y₁(t)进行谱分解，得到谱分解信号Y₁(k,l)；通过第二个噪声估计模块17对谱分解信号Y₁(k,l)进行噪声估计，得到噪声估计信号λ_d1(k,l)。

接着，在本申请实施例中，具体通过话音激活检测器18根据根据谱分解信号Y(k,l)以及噪声估计信号λ_d(k,l)判断时域波束成形后的信号y(t)中是否有语音信号。具体的，

首先，利用如下公式对谱分解信号Y(k,l)进行平滑，得到平滑功率谱信号P(k,l)：

P(k,l)＝αP(k,l-1)+(1-α)|Y(k,l)|²

其中，α为平滑因子，取值为0.95～0.98。

接着，利用如下公式得到能量比值Λ(k,l)，依据所述能量比值Λ(k,l)判断是否有近端语音信号：

$\mathrm{\&Lambda;}(k,l)=\frac{P(k,l)}{{\mathrm{\&lambda;}}_d(k,l)}.$

当Λ(k,l)≥η时，则判为有近端语音信号；

当Λ(k,l)<η时，则判为无近端语音信号；

其中，η为一经验阈值，取值为2～3。

也就是说，当话音激活检测器18检测到没有近端语音信号时，控制选择器，使得信噪比估计模块19与第一个噪声估计模块15连接，从而利用噪声估计信号λ_d(k,l)进行信噪比估计及谱衰减因子计算，并利用时域波束成形后的谱分解信号Y(k,l)和计算得到的谱衰减因子进行谱合成；当话音激活检测器18检测到有近端语音信号时，控制选择器，使得信噪比估计模块19与第二个噪声估计模块16连接，从而利用噪声估计信号λ_d1,k(l)进行信噪比估计及谱衰减因子计算，并利用时域波束成形后的谱分解信号Y(k,l)和计算得到的谱衰减因子进行谱合成。

综上可见，在本发明实施例提供的双麦克风噪声抑制方法及系统中，增加一路延时相加处理作为辅助信号，再根据语音激活检测器选择原路径还是新增路径，从而避免了传统方法无法处理夹杂在语音中间的大稳态噪声（糊音），明显提高增强后语音的清晰度和主观感受。

进一步的，本申请实施例还提供了TDBF（时域波束成形）算法后和频域后处理算法后的语谱对比图；频域后处理算法后和本申请实施例的方法后的语谱对比图，具体的，请参考图5和图6。如图5和图6所示，图中黑色越深能量越强。线条状纹理为语音信号，可见，（传统）后处理方法能够进一步地加大对无语音时候的噪声抑制力度：无语音区域变白，但语音的线条状纹理依然淹没在噪声中，和噪声糊在一起；而本申请实施例的方法处理后的语音纹理明显更加清晰，尤其是低于1000Hz的感知敏感区域，主观糊音感明显降低。

上述描述仅是对本发明较佳实施例的描述，并非对本发明范围的任何限定，本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰，均属于权利要求书的保护范围。

Claims (13)

1.一种双麦克风噪声抑制方法，其特征在于，包括：

获取两路麦克风信号；

对两路麦克风信号进行如下操作：进行时域波束成形，得到信号y(t)；以及进行延时相加，得到信号y₁(t)；

对信号y(t)和信号y₁(t)采用相同的噪声估计方法进行噪声估计；

根据信号y(t)判断是否有近端语音信号；

当没有近端语音信号时，选用基于信号y(t)的噪声估计；当有近端语音信号时，选用基于信号y₁(t)的噪声估计；

根据所选的噪声估计和信号y(t)的进行频域后处理；

其中，t表示时间轴。

2.如权利要求1所述的双麦克风噪声抑制方法，其特征在于，对信号y(t)和信号y₁(t)采用相同的噪声估计方法进行噪声估计包括：

对时域波束成形后的信号y(t)进行谱分解，得到谱分解信号Y(k,l)；对信号Y(k,l)进行噪声估计，得到噪声估计信号λ_d(k,l)；以及

对延时相加后的信号y₁(t)进行谱分解，得到谱分解信号Y₁(k,l)；对Y₁(k,l)进行噪声估计，得到噪声估计信号λ_d1(k,l)；

其中，k表示频点序号，l表示帧序号。

3.如权利要求2所述的双麦克风噪声抑制方法，其特征在于，根据信号y(t)判断是否有近端语音信号包括：

根据谱分解信号Y(k,l)以及噪声估计信号λ_d(k,l)判断时域波束成形后的信号y(t)中是否有语音信号。

4.如权利要求3所述的双麦克风噪声抑制方法，其特征在于，根据谱分解信号Y(k,l)以及噪声估计信号λ_d(k,l)判断时域波束成形后的信号y(t)中是否有语音信号包括：

利用如下公式对谱分解信号Y(k,l)进行平滑，得到平滑功率谱信号P(k,l)：

P(k,l)＝αP(k,l-1)+(1-α)|Y(k,l)|²

其中，α为平滑因子，取值为0.95～0.98；

利用如下公式得到能量比值Λ(k,l)，依据所述能量比值Λ(k,l)，判断是否有近端语音信号：

$\mathrm{\&Lambda;}(k,l)=\frac{P(k,l)}{{\mathrm{\&lambda;}}_d(k,l)}.$

5.如权利要求4所述的双麦克风噪声抑制方法，其特征在于，依据所述能量比值Λ(k,l)判断是否有近端语音信号包括：

当Λ(k,l)≥η时，则判为有近端语音信号；

当Λ(k,l)<η时，则判为无近端语音信号；

其中，η为一经验阈值，取值为2～3。

6.如权利要求2～5中任一项所述的双麦克风噪声抑制方法，其特征在于，根据所选的噪声估计和信号y(t)的进行频域后处理，包括：

当没有近端语音信号时，利用噪声估计信号λ_d(k,l)进行信噪比估计及谱衰减因子计算，并利用谱分解信号Y(k,l)和计算得到的谱衰减因子进行谱合成；

当有近端语音信号时，利用噪声估计信号λ_d1,k(l)进行信噪比估计及谱衰减因子计算，并利用谱分解信号Y(k,l)和计算得到的谱衰减因子进行谱合成。

7.一种双麦克风噪声抑制系统，其特征在于，包括：

双麦克风，所述双麦克风用以获取两路麦克风信号；

时域波束成形模块，用以对两路麦克风信号进行时域波束成形，得到信号y(t)；

延时相加模块，用以对两路麦克风信号进行延时相加，得到信号y₁(t)；

噪声估计模块，用以对信号y(t)和信号y₁(t)采用相同的噪声估计方法进行噪声估计；

话音激活检测器，用以根据信号y(t)判断是否有近端语音信号；当没有近端语音信号时，选用基于信号y(t)的噪声估计；当有近端语音信号时，选用基于信号y₁(t)的噪声估计；

频域后处理模块，用以根据所选的噪声估计和信号y(t)的进行频域后处理；

其中，t表示时间轴。

8.如权利要求7所述的双麦克风噪声抑制系统，其特征在于，还包括：第一个谱分解模块及第二个谱分解模块，其中，

所述第一个谱分解模块用以对时域波束成形后的信号y(t)进行谱分解，得到谱分解信号Y(k,l)；

所述第二个谱分解模块用以对延时相加波束成形后的信号y₁(t)进行谱分解，得到谱分解信号Y₁(k,l)；

其中，k表示第k个频点，l表示帧序号。

9.如权利要求8所述的双麦克风噪声抑制系统，其特征在于，所述噪声估计模块包括：第一个噪声估计模块及第二个噪声估计模块，其中，

所述第一个噪声估计模块用以对谱分解信号Y(k,l)进行噪声估计，得到噪声估计信号λ_d,k(l)；

所述第二个噪声估计模块用以对谱分解信号Y₁(k,l)进行噪声估计，得到噪声估计信号λ_d1,k(l)。

10.如权利要求9所述的双麦克风噪声抑制系统，其特征在于，所述话音激活检测器根据信号y(t)判断是否有近端语音信号包括：

根据谱分解信号Y(k,l)以及噪声估计信号λ_d(k,l)判断时域波束成形后的信号y(t)中是否有语音信号。

11.如权利要求10所述的双麦克风噪声抑制系统，其特征在于，所述话音激活检测器根据谱分解信号Y(k,l)以及噪声估计信号λ_d(k,l)判断时域波束成形后的信号y(t)中是否有语音信号包括：

利用如下公式对谱分解信号Y(k,l)进行平滑，得到平滑功率谱信号P(k,l)：

P(k,l)＝αP(k,l-1)+(1-α)|Y(k,l)|²

其中，α为平滑因子，取值为0.95～0.98；

利用如下公式得到能量比值Λ(k,l)，依据所述能量比值Λ(k,l)，判断是否有近端语音信号：

$\mathrm{\&Lambda;}(k,l)=\frac{P(k,l)}{{\mathrm{\&lambda;}}_d(k,l)}.$

12.如权利要求11所述的双麦克风噪声抑制系统，其特征在于，所述话音激活检测器依据所述能量比值Λ(k,l)判断是否有近端语音信号包括：

当Λ(k,l)≥η时，则判为有近端语音信号；

当Λ(k,l)<η时，则判为无近端语音信号；

其中，η为一经验阈值，取值为2～3。

13.如权利要求7～12中任一项所述的双麦克风噪声抑制系统，其特征在于，还包括：信噪比估计模块、谱衰减因子计算模块及谱合成模块，其中，

所述信噪比估计模块用以进行信噪比估计；

所述谱衰减因子计算模块用以进行谱衰减因子计算；

所述谱合成模块用以进行谱合成。