一种鲁棒的分布式说话人噪声消除系统技术方案

本发明专利技术公开了一种鲁棒的分布式说话人噪声消除系统，包括离散傅里叶变换模块、语音活动检测模块、信噪比计算模块、树形拓扑修剪模块、数据驱动比较模块、数据压缩模块、根节点运算模块、协方差矩阵估计模块、滤波器更新模块、结果传递模块、根节点更新模块和离散傅里叶反变换模块。本发明专利技术是一种可以应用在任意网络拓扑连接下的鲁棒分布式说话人噪声消除技术，它通过将任意网络拓扑修剪为树形拓扑，并在树形拓扑下完成了输入信噪比的比较，这使得对于运动说话人具有一定的鲁棒性，即无论说话人的位置在哪里，拥有最大输入信噪比的节点总是可以被找到，最终进行分布式说话人噪声消除。最终进行分布式说话人噪声消除。最终进行分布式说话人噪声消除。

【技术实现步骤摘要】
一种鲁棒的分布式说话人噪声消除系统


[0001]本专利技术涉及分布式噪声消除
，尤其涉及一种鲁棒的分布式说话人噪声消除系统。

技术介绍

[0002]通常情况下，语音信号质量会受到背景噪声的严重影响，从而导致工作设备的性能大打折扣。为了减少背景噪声对工作设备带来的不利影响，需要从带噪语音信号中提取出纯净的语音信号。其中，传统的单麦克风和多麦克风噪声消除方法虽然在一定程度上能够改善语音质量，但是依旧存在很多局限性，比如：单麦克风无法获取空间信息、多麦克风的结构规则等。然而，无线声传感器网络(WASN)的出现很好的弥补了这些局限性，它由多个独立的网络节点组成，每个网络节点可搭载一个麦克风或多个麦克风，这些网络节点之间通过无线通信的方式形成网络连接拓扑，且每个网络节点都有自己的计算中心。相比于传统的单麦克风和多麦克风，WASN中的每个节点位置任意，所以其优势在于总存在一个距离声源最近的节点，且该节点收集到的语音信号的信噪比(SNR)相对是最高的，这将会更有效地提高分布式说话人噪声消除性能。
[0003]随着应用于WASN的噪声消除技术的逐步完善，可将该技术分为集中式消噪和分布式消噪两种。其中集中式消噪的完成依赖于额外的数据处理中心，即WASN中的每个节点需要将收集到的语音信号统一发送至该数据处理中心，噪声消除技术的全部运算均由该数据处理中心完成。该方法不但给数据处理中心带来了较大的运算量和能量消耗，而且由于过度依赖数据处理中心，导致当其损坏时WASN就会停止工作。然而，分布式消噪是由每一个节点协同完成的，即每一个节点都会进行相应的运算，从而不再需要数据处理中心。即使WASN中的部分节点损坏，分布式消噪依旧可以完成较好的噪声消除性能。
[0004]在现有技术中提出了一种分布式自适应节点特定噪声消除技术。该技术将分布式自适应节点特定信号估计算法拓展到了树形拓扑下，其在树形拓扑连接的情景下通过每个节点和其邻居节点交换数据，可以使每个节点的输出与含有数据处理中心的效果近似相同。虽然该技术将已有的分布式算法拓展到了树形拓扑下，并且可以使分布式消噪的最终输出结果与含有数据处理中心实现的效果近似相同，但是该技术的输出性能较差。
[0005]在现有技术中也研究了拓扑独立的分布式自适应节点特定噪声消除技术，该技术通过将每个节点接收到的信号线性压缩，从而减少了数据交换的数量，同时该算法可以应用于任何网络拓扑结构，最终的分布式消噪性能可以达到近似于集中式的效果。该技术虽然实现了拓扑独立的分布式噪声消除算法，但由于该技术是将集中式的多通道维纳滤波算法分布式实现，所以导致语音噪声消除后的残留噪声依然很严重。
[0006]另外现有技术中考虑了分布式数据交换比特数对噪声消除性能的影响，因此提出了自适应量化的技术，该技术可以根据当前的环境适当的控制其所需的能量和通信带宽。虽然该技术方案在完成噪声消除的同时保持低功耗，但是噪声消除的性能依旧较差，存在很多的残留噪声。
[0007]对于已有的分布式语音噪声消除技术，一部分侧重于噪声消除而忽略了节点之间通信带宽的消耗以及节点的功耗问题，一部分则着重考虑尽可能的减少通信负载以及计算复杂度而噪声消除性能并不尽如人意，也有一部分虽然在二者之间取得了一定的平衡，但是没有考虑说话人的运动状态，因为当说话人的位置变动时，每个节点收集到的语音特性均会发生变化，这将导致现存的分布式消噪技术的性能发生较大的改变。基于此，在说话人运动的情况下，为了进一步提高分布式噪声消除效果，本专利技术在不受WASN拓扑约束的前提下，给出了一种鲁棒的分布式说话人噪声消除技术方案，它是将运动说话人与WASN的特性结合并完成噪声消除的一种分布式噪声消除系统。

技术实现思路

[0008]根据现有技术存在的问题，本专利技术公开了一种鲁棒的分布式说话人噪声消除系统，包括：
[0009]离散傅里叶变换模块，将无线声传感器网络中的J个节点的信号分别进行分帧加窗处理，对每一帧信号进行离散傅里叶变换获得离散频谱信号，将离散频谱信号定义为节点本地信号；
[0010]语音活动检测模块，接收离散傅里叶变换模块传送的离散频谱信号，对离散频谱信号进行语音活动检测，判断每一帧信号是否具有语音，从而得到语音活动检测结果；
[0011]信噪比计算模块，根据语音活动检测模块得到的语音活动检测结果，对每一帧信号计算输入信噪比；
[0012]树形拓扑修剪模块，对无线传感器网络中的节点构成的拓扑进行修剪形成树形拓扑结构；
[0013]数据驱动比较模块，对树形拓扑结构中每个节点进行计算，输入信噪比进行数据驱动比较，从而获得最大输入信噪比；
[0014]数据压缩模块，接收离散傅里叶变换模块传送的离散频谱信号，采用压缩向量方式对根节点的邻居节点的数据进行压缩获得压缩后数据；
[0015]根节点运算模块，接收数据驱动比较模块传送的最大输入信噪比，并将数据压缩模块传送的压缩后数据与根节点自身的压缩数据进行求和获得噪声消除后的语音信号；
[0016]协方差矩阵估计模块，当根节点构建好本地信号后，接收所述语音活动检测模块传送的检测结果，分别计算噪声协方差矩阵和语音协方差矩阵；
[0017]滤波器更新模块9，接收协方差矩阵估计模块传送的协方差矩阵对根节点的滤波器进行更新；
[0018]结果传递模块，接收所述根节点运算模块传送的最大输入信噪比以及根节点运算模块传送的噪声消除后的语音信号，并将二者沿着远离根节点的方向传播给每一个节点；
[0019]根节点更新模块，将结果传递模块传送的每一个节点的最大输入信噪比与每一个节点的输入信噪比比较，令与最大输入信噪比相等的节点为下次迭代的根节点；
[0020]离散傅里叶反变换模块12接收结果传递模块传送的噪声消除后的语音信号，对该噪声消除后的语音信号进行离散傅里叶反变换得到当前帧的时域输出语音信号，并将时域输出语音信号进行重叠相加得到最终的输出信号。
[0021]进一步的，所述数据驱动比较模块获得输入信噪比进行数据驱动比较时采用如下
方式：
[0022]设最大输入信噪比的节点为根节点r
i
，
[0023]将任意一个只有一个邻居节点的非根节点o
i
的输入信噪比发送给它的邻居节点，具有不止一个邻居节点的非根节点p
i
将其自己和所有邻居节点发送来的输入信噪比进行比较，找出其中的最大值并发送给邻居节点f
t
，发送的最大输入信噪比表示如下：
[0024][0025]其中，o
ri
是节点p
i
的邻居集合中的元素，T是该集合中元素的个数，r是集合{1，2，...，T}中的元素，重复该步骤直到数据达到根节点；
[0026]根节点将自身节点的输入信噪比和邻居节点发送的输入信噪比进行比较：
[0027][0028]其中B是根节点的邻居总个数，最终得到最大输入信噪比iSNR
i
。
[0029]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种鲁棒的分布式说话人噪声消除系统，其特征在于包括：离散傅里叶变换模块，将无线声传感器网络中的J个节点的信号分别进行分帧加窗处理，对每一帧信号进行离散傅里叶变换获得离散频谱信号，将离散频谱信号定义为节点本地信号；语音活动检测模块，接收离散傅里叶变换模块传送的离散频谱信号，对离散频谱信号进行语音活动检测，判断每一帧信号是否具有语音，从而得到语音活动检测结果；信噪比计算模块，根据语音活动检测模块得到的语音活动检测结果，对每一帧信号计算输入信噪比；树形拓扑修剪模块，对无线传感器网络中的节点构成的拓扑进行修剪形成树形拓扑结构；数据驱动比较模块，对树形拓扑结构中每个节点进行计算，输入信噪比进行数据驱动比较，从而获得最大输入信噪比；数据压缩模块，接收离散傅里叶变换模块传送的离散频谱信号，采用压缩向量方式对根节点的邻居节点的数据进行压缩获得压缩后数据；根节点运算模块，接收数据驱动比较模块传送的最大输入信噪比，并将数据压缩模块传送的压缩后数据与根节点自身的压缩数据进行求和获得噪声消除后的语音信号；协方差矩阵估计模块，当根节点构建好本地信号后，接收所述语音活动检测模块传送的检测结果，分别计算噪声协方差矩阵和语音协方差矩阵；滤波器更新模块9，接收协方差矩阵估计模块传送的协方差矩阵对根节点的滤波器进行更新；结果传递模块，接收所述根节点运算模块传送的最大输入信噪比以及根节点运算模块传送的噪声消除后的语音信号，并将二者沿着远离根节点的方向传播给每一个节点；根节点更新模块，将结果传递模块传送的每一个节点的最大输入信噪比与每一个节点的输入信噪比比较，令与最大输入信噪比相等的节点为下次迭代的根节点；离散傅里叶反变换模块12接收结果传递...

【专利技术属性】
技术研发人员：畅瑞江，陈喆，殷福亮，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：