一种面向家居噪声环境的分层自适应去噪方法及系统技术方案

本发明专利技术公开了一种面向家居噪声环境的分层自适应去噪方法及系统，该方法包括：(1)先将带噪语音信号经过谱减法滤波，去除掉噪声的短时谱部分，得到去噪后的语音信号；(2)观察谱减法去噪后的语音信号中时域波形出现时间较短的突发声调的情况；(3)若谱减法去噪后的时域波形出现时间较短的突发声调的情况比较严重，采用维纳滤波法对该信号进行二次滤波，去噪结束，得到去噪后的语音信号否则，转至步骤4；(4)若出现时间较短的突发声调的情况不明显，对该信号进行小波阈值去噪法滤波，去噪结束，得到去噪后的语音信号；本发明专利技术提出的面向家居噪声环境下的分层自适应算法，可以有效的抑制带噪信号中的噪声。

【技术实现步骤摘要】
一种面向家居噪声环境的分层自适应去噪方法及系统
本专利技术属于语音增强
，具体涉及一种面向家居噪声环境的分层自适应去噪方法及系统。
技术介绍
语音增强又称作语音去噪或语音降噪。语音增强应用领域十分广泛，包括语音识别设备、医疗设备、会议录音、助听器设备等等，在许多系统的预处理之前，需要添加语音增强操作。语音信号一般受到的噪声干扰分为四类：加性噪声、混响、回声和其他语音干扰，它们降低语音的质量，处理上述噪声的不利影响的办法有很多，主要集中在传统信号处理领域(时域、频域、空域以及他们的高阶统计量)。传统的方法都是先对处理过程建模，如VAD使用的高斯混合模型，这些建模都是模拟现实物理过程。在实际家居噪声环境中，由于噪声的种类比较多，传统去噪方法不能够针对不同噪声进行较为彻底的抑制噪声，因此，目前的去噪方法无法满足日常抑制噪声的需求，其去噪效果仍需完善。
技术实现思路
专利技术目的：为了克服上述现有技术的不足，本专利技术提供一种面向家居噪声环境的分层自适应去噪方法及系统。技术方案：一方面，本专利技术提供面向家居噪声环境的分层自适应去噪方法，该方法包括：(1)先将带噪语音信号经过谱减法滤波，去除掉噪声的短时谱部分，得到去噪后的语音信号；(2)观察谱减法去噪后的语音信号中时域波形出现时间较短的突发声调的情况；(3)若谱减法去噪后的时域波形出现时间较短的突发声调的情况比较严重，采用维纳滤波法对该信号进行二次滤波，去噪结束，得到去噪后的语音信号否则，转至步骤4；(4)若出现时间较短的突发声调的情况不明显，对该信号进行小波阈值去噪法滤波，去噪结束，得到去噪后的语音信号。进一步地，包括：所述谱减法去噪利用加性噪声与语音信号不相关的特性，在假设噪声是统计平稳的前提下，用无语音间隙测算到的噪声频谱估计值代替有语音期间噪声的频谱，然后再和含噪语音频谱相减，从而得到语音频谱的估计值。进一步地，包括：所述维纳滤波去噪是先设计一个数字滤波器，通过调整滤波器，使得输入信号经过滤波器后的结果和输入信号本身的均方差达到最小，即输出的增强语音信号尽可能地接近输入的带噪信号。进一步地，包括：所述小波阈值去噪法采用小波基sym8，并且分解层数选为5，通过正交小波变换将带噪语音信号分解为高频和低频两部分，所述阈值采用启发式阈值规则对上面的高频和低频部分进行判决，保留大于阈值的信号，去除小于阈值的信号，并将阈值处理后的信号进行小波重构，得到去噪后的语音信号。另一方面，本专利技术还提供一种面向家居噪声环境的分层自适应去噪系统，该系统包括：第一去噪模块，用于先将带噪语音信号经过谱减法滤波，去除掉噪声的短时谱部分，得到去噪后的语音信号；判断模块，用于观察谱减法去噪后的语音信号中时域波形出现时间较短的突发声调的情况；若谱减法去噪后的时域波形出现时间较短的突发声调的情况比较严重，则第二去噪单元二次滤波，去噪结束，得到去噪后的语音信号，所述第二去噪单元用于采用维纳滤波法对该信号进行二次滤波，否则，采用第三去噪单元处理，去噪结束，得到去噪后的语音信号；若出现时间较短的突发声调的情况不明显，则第三去噪单元进行二次滤波，所述第三去噪单元用于对该信号进行小波阈值去噪法滤波。有益效果：本专利技术与现有技术相比，其显著优点是：本专利技术提出了面向家居噪声环境下的分层自适应算法，可以有效的抑制带噪信号中的噪声。该算法首先通过谱减法对带噪信号进行滤波，观察处理结果中是否会产生比原信号中的噪声还要明显的残余噪声，若有的话，则采用维纳滤波法对谱减法去噪后的信号进行二次去噪；若没有的话，则采用小波阈值去噪法对谱减法去噪后的信号进行二次去噪，从而解决了针对不同类型的家居噪声影响下的语音增强问题。附图说明图1为本专利技术所述的面向家居噪声环境的分层自适应去噪算法总体结构框图；图2为本专利技术所述的小波阈值去噪流程。具体实施方式为了更加详细的描述本专利技术提出的面向家居口语环境的组合神经网络语音识别算法，结合附图，举例说明如下。如图1为面向家居噪声环境的分层自适应去噪算法总体结构框图，首先通过谱减法对带噪信号进行滤波，观察处理结果中是否会产生比原信号中的噪声还要明显的残余噪声，若有的话，则采用维纳滤波法对谱减法去噪后的信号进行二次去噪；若没有的话，则采用小波阈值去噪法对谱减法去噪后的信号进行二次去噪，从而解决了针对不同类型的家居噪声影响下的语音增强问题。具体的：S1、先将带噪语音信号经过谱减法滤波，去除掉噪声的短时谱部分，得到去噪后的语音信号；假设y(n)是受噪声干扰的信号，则y(n)由纯净语音信号x(n)和加性噪声d(n)组成，即：y(n)＝x(n)+d(n)(1)经过傅里叶变换后，其公式表示为：Y(ω)＝X(ω)+D(ω)(2)将上式用功率谱表示可转换为：其中，被称为交叉项。在家居噪声中，可以将加性噪声d(n)假设具有0均值，并且和x(n)不相关，则交叉项为0，公式(3)可简化为：|Y(ω)|2＝|X(ω)|2+|D(ω)|2，即：|X(ω)|2＝|Y(ω)|2-|D(ω)|2(4)用Px(ω)、Py(ω)、Pd(ω)代表纯净语音功率谱、受噪声干扰信号功率谱、噪声功率谱，则Px(ω)＝Py(ω)-Pd(ω)(5)得到的结果即为经过谱减法处理后的语音信号y′(n)。S2观察谱减法去噪后的语音信号中时域波形出现时间较短的突发声调的情况；S3若谱减法去噪后的时域波形出现时间较短的突发声调的情况比较严重，采用维纳滤波法对该信号进行二次滤波，去噪结束，得到去噪后的语音信号否则，转至步骤4；假设y(n)是受噪声干扰的信号，并且噪声是加性噪声，则y′(n)由纯净语音信号s(n)和噪声信号v(n)组成，即：y′(n)＝s(n)+v(n)(6)经过滤波器的输出信号为：用均方误差的方法来分析误差，使其数学期望达到最小，即：根据正交性准则，若h(n)为最佳传递函数，则有当m为任意值时，下式都成立：将公式(7)代入公式(9)进行傅里叶变换可得：其中，Px(k)为y′(n)的功率谱密度，Psx(k)为s(n)与y′(n)的互功率谱密度。因为语音信号s(n)和噪声信号v(n)二者是独立的，所以Rsv(m)＝0，也即：Psx(k)＝Px(k)，Px(k)＝Ps(k)+Pv(k)(11)根据公式(11)可以得到：此时便得到维纳滤波器的功率谱估算器。得到功率谱估算器H(k)后，再由公式(7)可以计算出在频域第k个频点上的语音频谱估计值其中，r(k)为带噪语音在相应频点上的频谱值，对应处理后的语音信号为voice0。S4若出现时间较短的突发声调的情况不明显，对该信号进行小波阈值去噪法滤波，去噪结束，得到去噪后的语音信号。...

【技术保护点】
1.一种面向家居噪声环境的分层自适应去噪方法，其特征在于，该方法包括：/n(1)先将带噪语音信号经过谱减法滤波，去除掉噪声的短时谱部分，得到去噪后的语音信号；/n(2)观察谱减法去噪后的语音信号中时域波形出现时间较短的突发声调的情况；/n(3)若谱减法去噪后的时域波形出现时间较短的突发声调的情况比较严重，采用维纳滤波法对该信号进行二次滤波，去噪结束，得到去噪后的语音信号否则，转至步骤4；/n(4)若出现时间较短的突发声调的情况不明显，对该信号进行小波阈值去噪法滤波，去噪结束，得到去噪后的语音信号。/n

【技术特征摘要】
1.一种面向家居噪声环境的分层自适应去噪方法，其特征在于，该方法包括：
(1)先将带噪语音信号经过谱减法滤波，去除掉噪声的短时谱部分，得到去噪后的语音信号；
(2)观察谱减法去噪后的语音信号中时域波形出现时间较短的突发声调的情况；
(3)若谱减法去噪后的时域波形出现时间较短的突发声调的情况比较严重，采用维纳滤波法对该信号进行二次滤波，去噪结束，得到去噪后的语音信号否则，转至步骤4；
(4)若出现时间较短的突发声调的情况不明显，对该信号进行小波阈值去噪法滤波，去噪结束，得到去噪后的语音信号。


2.根据权利要求1所述的面向家居噪声环境的分层自适应去噪方法，其特征在于，所述谱减法去噪利用加性噪声与语音信号不相关的特性，在假设噪声是统计平稳的前提下，用无语音间隙测算到的噪声频谱估计值代替有语音期间噪声的频谱，然后再和含噪语音频谱相减，从而得到语音频谱的估计值。


3.根据权利要求1所述的面向家居噪声环境的分层自适应去噪方法，其特征在于，所述维纳滤波去噪是先设计一个数字滤波器，通过调整滤波器，使得输入信号经过滤波器后的结果和输入信号本身的均方差达到最小，即输出的增强语音信号尽可能地接近输入的带...

【专利技术属性】
技术研发人员：张晖，程铭，赵海涛，孙雁飞，倪艺洋，朱洪波，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32