噪声估计方法及系统技术方案

本发明专利技术公开了一种噪声估计方法及系统，其中所述方法包括：接收带噪语音数据；提取所述带噪语音数据中的原噪声信号；根据频率划分标准，对所述原噪声信号进行压缩，得到目标噪声信号。本发明专利技术基于有限的硬件资源，能够在有效减小后续运算量的同时不会造成性能损失。进一步地，本发明专利技术可以基于经由大量数据训练的分类器，能够得到准确的噪声数据，为后续降低运算量的相关操作提供可靠的噪声预测基础。更进一步地，本发明专利技术可以根据场景噪声特性的先验知识以及准确提取的噪声信号，还能够有效地追踪到不稳定的突变噪声。

Noise Estimation Method and System

【技术实现步骤摘要】
噪声估计方法及系统
本专利技术涉及信号处理领域，尤其涉及一种噪声估计方法及系统。
技术介绍
语音识别技术应用广泛，例如车载语音交互系统等，为了确保识别准确率，需要对音频输入的质量进行可靠的预估，并对可能干扰到后续识别处理过程的音频进行处理。例如在行驶中的汽车内采集到的语音数据会包含大量的背景噪声，容易导致相关的语音识别、动作执行以及通信质量等受到干扰，因此通常需要对接收到的音频输入信号进行降噪处理。对于语音信号的估计，一般采用基于对数幅度谱的估计器，在高斯信号的模型假设下，对数幅度谱的均方误差最小化，从而进行针对语音信号的估计。主流的降噪处理手段包括维纳滤波方法，即假设噪声与语音信号不相关，在最小化均方误差的准则下，得到跟信噪比相关的增益，并对原始信号的各个频点乘以该增益。这样，噪声对应的频点会被消除，而语音对应的频点会保留下来。其中，求取上述增益主要通过以下三个步骤实现：噪声估计、信噪比估计以及增益估计。并且，信噪比正确与否很大程度取决于对于噪声的估计是否可靠、准确。传统的噪声估计方法多是利用语音活性检测作为分辨基础，并在噪声段通过统计信息来进行噪声预测，但对于突变的噪声跟踪能力较差，且在低信噪比的情况下，噪声段与语音段区分不明显，无法进行有效的噪声估计。尤其是，出于整个行业对于成本的考虑，在对硬件数量和规格进行限制的前提下(使用单麦克风进行降噪运算，且使用较小的ROM和RAM芯片)，为了得到良好的降噪处理结果，对降噪过程中运算的复杂度的要求较高，而前期的噪声估计过程对降噪处理运算量具有直接影响。
技术实现思路
本专利技术旨在提供一种能够降低后续处理运算量，且相比现有噪声估计手段更为可靠的噪声估计方法及系统。本专利技术采用的技术方案如下：一种噪声估计方法，包括：接收带噪语音数据；提取所述带噪语音数据中的原噪声信号；根据频率划分标准，对所述原噪声信号进行压缩，得到目标噪声信号。可选地，所述根据频率划分标准，对所述原噪声信号进行压缩包括：根据噪声特性，确定截断频率阈值以及相应的频率分辨率；根据所述截断频率阈值将所述原噪声信号划分为至少两个子频段；在所述子频段按照相应的所述频率分辨率进行划分，以压缩所述原噪声信号的频点数量。可选地，所述在所述子频段按照相应的所述频率分辨率进行划分包括：对基于同一个所述截断频率阈值划分的子频段，高于该截断频率阈值的所述子频段采用较低的所述频率分辨率进行划分，低于该截断频率阈值的所述子频段采用较高的所述频率分辨率进行划分。可选地，所述提取所述带噪语音数据中的原噪声信号包括：利用预先训练的音频分类模型，从所述带噪语音数据中剔除语音信号，得到所述原噪声信号。可选地，所述方法还包括：利用先验知识对所述原噪声信号中的平稳噪声进行估算；根据对平稳噪声的估算结果，求取所述原噪声信号中的突变噪声。一种噪声估计系统，包括：拾音模块，用于接收带噪语音数据；噪声提取模块，用于提取所述带噪语音数据中的原噪声信号；噪声压缩模块，用于根据频率划分标准，对所述原噪声信号进行压缩，得到目标噪声信号。可选地，所述噪声压缩模块具体包括：划分标准确定单元，用于根据噪声特性，确定截断频率阈值以及相应的频率分辨率；频段划分单元，用于根据所述截断频率阈值将所述原噪声信号划分为至少两个子频段；频率划分单元，用于在所述子频段按照相应的所述频率分辨率进行划分，以压缩所述原噪声信号的频点数量。可选地，所述频率划分单元具体用于：对基于同一个所述截断频率阈值划分的子频段，高于该截断频率阈值的所述子频段采用较低的所述频率分辨率进行划分，低于该截断频率阈值的所述子频段采用较高的所述频率分辨率进行划分。可选地，所述噪声提取模块，具体用于利用预先训练的音频分类模型，从所述带噪语音数据中剔除语音信号，得到所述原噪声信号。可选地，所述系统还包括：平稳噪声估算模块，用于利用先验知识对所述原噪声信号中的平稳噪声进行估算；突变噪声计算模块，用于根据对平稳噪声的估算结果，求取所述原噪声信号中的突变噪声。本专利技术提出一种降低运算复杂度的噪声估计方法，通过接收带噪语音数据，从中提取到原噪声信号，再根据频率划分标准，对该原噪声信号进行压缩，从而得到目标噪声信号。本专利技术基于有限的硬件资源，在有效减小后续运算量的同时不会造成性能损失。进一步地，本专利技术基于经由大量数据训练的分类器，能够得到准确的噪声数据，为后续降低运算量的相关操作提供可靠的噪声预测基础。进一步地，本专利技术根据场景噪声特性的先验知识以及准确提取的噪声信号，还能够有效地追踪到不稳定的突变噪声。附图说明为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步描述，其中：图1为本专利技术提供的噪声估计方法的实施例的流程图；图2为本专利技术提供的对原噪声信号进行频点压缩的实施例的流程图；图3为本专利技术提供的噪声估计系统的方框示意图；附图标记说明：1拾音模块2噪声提取模块3噪声压缩模块具体实施方式下面详细描述本专利技术的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。本专利技术提供了一种噪声估计方法的实施例，如图1所示，可以包括如下步骤：步骤S1、接收带噪语音数据；在实际操作中，带噪语音数据的拾取可以来自前文提及的单麦克风，并且为了下文说明方便，本专利技术以车载语音应用场景为例。那么此处所称带噪语音数据即是指由车载麦克风获取到车辆使用中的语音数据，其背景混杂着诸如发动机、风、路面、空调鼓风机、转向灯、车载影音设备等发出的噪声信号。本专利技术的目的即是针对其中的噪声进行“预处理”，得到能够减小后续降噪等操作运算量的目标噪声信号。步骤S2、提取带噪语音数据中的原噪声信号；作为最终获取的目标噪声的基础，该原噪声信号应保证准确性和可靠性。首先可以通过短时傅里叶变换，计算出噪声功率：X(l，f)＝S(l，f)+N(l，f)其中，X(l，f)为带噪信号功率，S(l，f)为纯净的语音信号功率，N(l，f)为噪声信号功率，(l，f)分别是帧数和频点。并以N(l，f)作为提取目标(可以理解为理论计算值)，这里所称提取也即是对输入语音数据中的噪声进行预测，因而此处所称原噪声信号是指基于前述理论目标的噪声估计。具体的预测方式将在下文中说明。步骤S3、根据频率划分标准，对原噪声信号进行压缩，得到目标噪声信号。基于前述得到的原噪声信号，本实施例提出采用预设的频率划分方式，对原噪声信号进行压缩处理，得到能够减少运算量的目标噪声信号，这其中所称频率划分标准可以通过模型自适应确定，也可以采用针对场景特点的映射关系获得。此外，本领域技术人员可知，减少运算量方式可以是多样的，本专利技术将在下文中提供一种由频率重新划分减少参与运算的频点数量的具体实施方法。本实施例提出了一种降低运算复杂度的噪声估计方法，通过接收带噪语音数据，从中提取到原噪声信号，再根据频率划分标准，对该原噪声信号进行压缩，从而得到目标噪声信号。本实施例能够基于有限的硬件资源，在有效减小后续运算量的同时不会造成性能损失。在一个较佳的实施示例中，本专利技术提供了一种根据频率划分标准，对原噪声信号进行频点压缩的具体方案，如图2所示，可以包括如下步骤：步骤S31本文档来自技高网...

【技术保护点】
1.一种噪声估计方法，其特征在于，包括：接收带噪语音数据；提取所述带噪语音数据中的原噪声信号；根据频率划分标准，对所述原噪声信号进行压缩，得到目标噪声信号。

【技术特征摘要】
1.一种噪声估计方法，其特征在于，包括：接收带噪语音数据；提取所述带噪语音数据中的原噪声信号；根据频率划分标准，对所述原噪声信号进行压缩，得到目标噪声信号。2.根据权利要求1所述的噪声估计方法，其特征在于，所述根据频率划分标准，对所述原噪声信号进行压缩包括：根据噪声特性，确定截断频率阈值以及相应的频率分辨率；根据所述截断频率阈值将所述原噪声信号划分为至少两个子频段；在所述子频段按照相应的所述频率分辨率进行划分，以压缩所述原噪声信号的频点数量。3.根据权利要求2所述的噪声估计方法，其特征在于，所述在所述子频段按照相应的所述频率分辨率进行划分包括：对基于同一个所述截断频率阈值划分的子频段，高于该截断频率阈值的所述子频段采用较低的所述频率分辨率进行划分，低于该截断频率阈值的所述子频段采用较高的所述频率分辨率进行划分。4.根据权利要求1所述的噪声估计方法，其特征在于，所述提取所述带噪语音数据中的原噪声信号包括：利用预先训练的音频分类模型，从所述带噪语音数据中剔除语音信号，得到所述原噪声信号。5.根据权利要求4所述的噪声估计方法，其特征在于，所述方法还包括：利用先验知识对所述原噪声信号中的平稳噪声进行估算；根据对平稳噪声的估算结果，求取所述原噪声信号中的突变噪声。6.一种噪声估计系统，其特征在于，包括：...

【专利技术属性】
技术研发人员：管青松，马峰，王海坤，
申请(专利权)人：科大讯飞股份有限公司，
类型：发明
国别省市：安徽,34