盲信号分离方法、装置和电子设备制造方法及图纸

公开了一种盲信号分离方法、装置和电子设备。该方法包括：使用复数高斯分布对声源进行建模，以确定声源的概率密度分布；基于所述概率密度分布来更新盲信号分离模型；以及，使用更新后的盲信号分离模型对音频信号进行分离，以获得多个分离的输出信号。这样，可以通过基于复数高斯分布获得的声源的概率密度分布更新盲信号分离模型，从而有效地提升盲信号分离算法在特定场景下的分离性能。

Blind signal separation method, device and electronic equipment

【技术实现步骤摘要】
盲信号分离方法、装置和电子设备
本申请涉及音频处理技术，且更为具体地，涉及盲信号分离方法、盲信号分离装置和电子设备。
技术介绍
“鸡尾酒会”问题是语音增强系统中极具挑战性的问题之一，其难点在于要求从包含音乐、车辆噪声以及其他说话人声的嘈杂环境中，分离提取期望说话人的语音信号，而人类听觉系统能够从这一环境中轻易地提取感兴趣的音频信号。现有的解决方案是使用盲信号分离系统来模拟人类的听觉系统，即识别和增强来自特定声源的声音。但是，现有的盲信号分离系统仍存在诸如针对特定场景的适应性的问题。例如，基于多元拉普拉斯分布的盲信号分离算法可以作用于大多数声信号，并且可以扩展到实时处理场景，但是对于一些有特定频谱结构的信号，例如具有谐波结构的音乐信号，多元拉普拉斯模型无法很好地描述此类信号。此外，基于谐波模型的盲信号分离算法可以有效地分离语音和音乐的混合信号，但是谐波模型假设分离信号的方差为1，需要白化操作，因此只适用于离线场景，无法扩展到实时处理场景。因此，仍期望提供改进的盲信号分离方案。
技术实现思路
为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种盲信号分离方法、装置和电子设备，其通过基于复数高斯分布获得的声源的概率密度分布更新盲信号分离模型，从而有效地提升盲信号分离算法在特定场景下的分离性能。根据本申请的一个方面，提供了一种盲信号分离方法，包括：使用复数高斯分布对声源进行建模，以确定声源的概率密度分布；基于所述概率密度分布来更新盲信号分离模型；以及使用更新后的盲信号分离模型对音频信号进行分离，以获得多个分离的输出信号。在上述盲信号分离方法中，所述盲信号分离模型的代价函数为：其中W(k)为第k个频点的分离模型，yi表示第i个声源的分离信号，G(yi)为对照函数，其表示为logq(yi)，q(yi)是第i个声源的概率密度分布。在上述盲信号分离方法中，使用复数高斯分布对声源进行建模包括离线建模、在线建模、或者二者的组合。在上述盲信号分离方法中，所述离线建模包括：使用与要分离的音频信号中的声源相同类型的声源的干净语音信号进行建模，以获得所述声源的概率密度分布。在上述盲信号分离方法中，还包括：基于所获得的多个分离的输出信号来更新所述盲信号分离模型。在上述盲信号分离方法中，所述在线建模包括：对上一帧音频信号分离得到的多个输出信号进行建模，以获得各个声源的概率密度分布。在上述盲信号分离方法中，所述离线建模和在线建模的组合包括：对要分离的音频信号中的部分声源进行离线建模；以及，对要分离的音频信号中的其余声源进行在线建模。在上述盲信号分离方法中，所述部分声源是已知声源，所述其余声源是未知声源。在上述盲信号分离方法中，使用所获得的盲信号分离模型对音频信号进行分离包括：将所述音频信号转换为频域信号，以在频域进行分离，所述多个分离的输出信号是频域信号。在上述盲信号分离方法中，还包括：将所述多个分离的输出信号中的至少一个转换为时域信号。根据本申请的另一方面，提供了一种盲信号分离装置，包括：建模单元，配置为使用复数高斯分布对声源进行建模，以获得声源的概率密度分布；更新单元，配置为基于声源的概率密度分布来更新盲信号分离模型；以及，分离单元，配置为使用更新后的盲信号分离模型来对音频信号进行分离，以获得多个分离的输出信号。在上述盲信号分离装置中，所述盲信号分离模型的代价函数为：其中W(k)为第k个频点的分离模型，yi表示第i个声源的分离信号，G(yi)为对照函数，其表示为logq(yi)，q(yi)是第i个声源的概率密度分布。在上述盲信号分离装置中，所述建模单元包括离线建模单元和在线建模单元中的至少一个。在上述盲信号分离装置中，所述离线建模单元配置为使用与要分离的音频信号中的声源相同类型的声源的干净语音信号进行建模，以获得所述声源的概率密度分布，所述在线建模单元配置为对上一帧音频信号分离得到的多个输出信号进行建模，以获得各个声源的概率密度分布。在上述盲信号分离装置中，所述建模单元包括离线建模单元和在线建模单元二者，所述离线建模单元配置为对要分离的音频信号中的已知声源进行离线建模，所述在线建模单元配置为对要分离的音频信号中的未知声源进行在线建模。在上述盲信号分离装置中，还包括：频域转换单元，配置为将所述音频信号转换为频域信号，以在频域进行分离，所述多个分离的输出信号是频域信号；以及，时域转换单元，配置为将所述多个分离的输出信号中的至少一个转换为时域信号。根据本申请的再一方面，提供了一种电子设备，包括：处理器；以及，存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如上所述的盲信号分离方法。根据本申请的又一方面，提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如上所述的盲信号分离方法。与现有技术相比，本申请提供的盲信号分离方法、盲信号分离装置和电子设备可以使用复数高斯分布对声源进行建模，以确定声源的概率密度分布；基于所述概率密度分布来更新盲信号分离模型；以及使用所述盲信号分离模型对音频信号进行分离，以获得多个分离的输出信号。这样，可以有效地提升盲信号分离算法在特定场景下的分离性能，例如对于具有谐波结构的音乐信号的实时分离。附图说明通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。图1图示了根据本申请实施例的盲信号分离方法的应用场景的示意图。图2图示了根据本申请实施例的盲信号分离方法的流程图。图3图示了与离线建模对应的全监督盲信号分离系统的示意图。图4图示了与在线建模对应的实时盲信号分离系统的示意图。图5图示了与离线建模和在线建模的组合对应的半监督实时盲信号分离系统的示意图。图6图示了根据本申请实施例的盲信号分离装置的框图。图7图示了根据本申请实施例的电子设备的框图。具体实施方式下面，将参考附图详细地描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。申请概述如上所述，现有的盲信号分离系统仍存在诸如针对特定场景的适应性的问题，这是由于现有的盲信号分离算法使用基于多元拉普拉斯分布的多元拉普拉斯模型，其可以作用于大多数的声音信号，并且可以扩展到实时处理场景，但是对于一些有特定频谱结构的信号，如具有谐波结构的音乐信号，多元拉普拉斯模型无法很好地描述此类信号。另一方面，如果使用采用超高斯分布的谐波模型，虽然可以有效地分离语音与音乐的混合信号，本文档来自技高网...

【技术保护点】
1.一种盲信号分离方法，包括：/n使用复数高斯分布对声源进行建模，以确定声源的概率密度分布；/n基于所述概率密度分布来更新盲信号分离模型；以及/n使用更新后的盲信号分离模型对音频信号进行分离，以获得多个分离的输出信号。/n

【技术特征摘要】
1.一种盲信号分离方法，包括：
使用复数高斯分布对声源进行建模，以确定声源的概率密度分布；
基于所述概率密度分布来更新盲信号分离模型；以及
使用更新后的盲信号分离模型对音频信号进行分离，以获得多个分离的输出信号。


2.如权利要求1所述的盲信号分离方法，其中，所述盲信号分离模型的代价函数为



其中W(k)为第k个频点的分离模型，yi表示第i个声源的分离信号，G(yi)为对照函数，其表示为logq(yi)，q(yi)是第i个声源的概率密度分布。


3.如权利要求1所述的盲信号分离方法，其中，使用复数高斯分布对声源进行建模包括离线建模、在线建模、或者二者的组合。


4.如权利要求3所述的盲信号分离方法，其中，所述离线建模包括：
使用与要分离的音频信号中的声源相同类型的声源的干净语音信号进行建模，以获得所述声源的概率密度分布。


5.如权利要求4所述的盲信号分离方法，还包括：
基于所获得的多个分离的输出信号来更新所述盲信号分离模型。


6.如权利要求3所述的盲信号分离方法，其中，所述在线建模包括：
对上一帧音频信号分离得到的多个输出信号进行建模，以获得各个声源的概率密度分布。


7.如权利要求3所述的盲信号分离方法，其中，所述离线建模和在线建模的组合包括：
对要分离的音频信号中的部分声源进行离线建模；以及
对要分离的音频信号中的其余声源进行在线建模。


8.如权利要求7所述的盲信号分离方法，其中，所述部分声源是已知声源，所述其余声源是未知声源。


9.如权利要求1所述的盲信号分离方法，其中，使用更新后的盲信号分离模型对音频信号进行分离包括：
将所述音频信号转换为频域信号，以在频域进行分离，所述多个分离的输出信号是频域信号。


10.如权利要求9所述的盲...

【专利技术属性】
技术研发人员：胡玉祥，朱长宝，
申请(专利权)人：南京地平线机器人技术有限公司，
类型：发明
国别省市：江苏;32