一种骨传导耳机音频智能去噪增强方法技术

本发明专利技术涉及音频处理处理领域，具体涉及一种骨传导耳机音频智能去噪增强方法，包括：获取参考信号；对参考信号进行分解，获取若干信号分量及若干单峰信号及单分量信号，进而获取每一单峰信号的分解信号集合，根据分解信号集合获取每一单峰信号的所有级分量，获取所有级分量中相邻两级分量的分解复杂程度，对分解复杂程度进行累乘处理，获取每一单峰信号的成分复杂度；根据成分复杂度获取自适应采样点个数，得到调整步长因子，获取每一自适应采样点处的更新滤波权重；利用ANC算法对参考信号进行去噪处理。本发明专利技术旨在解决使用ANC算法对骨传导耳机音频去噪时，音频信号在传输通道中的循环损失进而导致去噪效果较差的问题。循环损失进而导致去噪效果较差的问题。循环损失进而导致去噪效果较差的问题。

【技术实现步骤摘要】
一种骨传导耳机音频智能去噪增强方法


[0001]本专利技术涉及音频处理
，具体涉及一种骨传导耳机音频智能去噪增强方法。

技术介绍

[0002]骨传导耳机原理为声音由空气振动传入耳道再敲撞鼓膜，深入耳朵内里带动耳小骨一起振动；由于骨传感耳机通过皮肤、颅骨传递至耳小骨，其音质与传统耳机相比较差，需要对骨传导耳机音频进行去噪增强预处理。
[0003]由于骨传导耳机中的音频噪声大多属于外界噪声，现有通常使用ANC主动降噪技术通过采集外接噪音，并产生与噪音反相的信号用耳机等装置回放，用以抵消噪音；但外界噪声与误差传感器之间存在三条传播通路，信号在通道内循环转化和传输过程中会出现采样点丢失及时延问题，导致出现较高的FM（调频）使降噪效果较差；Morgan在LMS的基础上提出了FXLMS，在参考信号送入LMS算法模块前增加一个对次级通道传递函数的估计，从而解决次级通道所引起的相关延时问题，但并没有解决信号在传输通道中的循环损失问题。

技术实现思路

[0004]本专利技术提供一种骨传导耳机音频智能去噪增强方法，以解决现有的利用ANC主动降噪技术对骨传导耳机音频进行去噪增强时，降噪效果较差的问题。
[0005]本专利技术的一种骨传导耳机音频智能去噪增强方法采用如下技术方案：本专利技术一个实施例提供了一种骨传导耳机音频智能去噪增强方法，该方法包括以下步骤：获取参考信号；对参考信号进行分解获取若干信号分量，利用参考信号及信号分量的波谷点进行分割，获取若干单峰信号及单分量信号；根据每一单峰信号与不同单分量信号峰值点的时序值的差异及时宽差异获取每一单峰信号的分解信号集合；将单峰信号视为第零级分量；在单峰信号的分解信号集合中的第一个信号分量中，将时宽上包含第零级分量的单分量信号记为第一级分量，根据第零级分量和第一级分量获得第一个分解复杂程度；在分解信号集合中的第二个信号分量中，将时宽上包含第一级分量的单分量信号记为第二级分量，根据第一级分量和第二级分量获得第二个分解复杂程度，依次类推，获得所有分解复杂程度；对获取的所有分解复杂程度进行累乘处理，得到每一单峰信号的成分复杂度；根据每一单峰信号的成分复杂度获取每一单峰信号的自适应采样点个数，根据每一自适应采样点与上一自适应采样点的采样间隔变化、每一自适应采样点上一自适应采样点的调整步长因子获取每一自适应采样点的调整步长因子，根据调整步长因子获取每一自适应采样点处的更新滤波权重；根据自适应采样点个数与更新滤波权重利用ANC算法对参考信号进行去噪处理。
[0006]可选的，所述根据每一单峰信号与不同单分量信号峰值点的时序值的差异及时宽差异获取每一单峰信号的分解信号集合，包括的具体步骤如下：记参考信号的任意一单峰信号为关注单峰信号，根据每一单分量信号与关注单峰信号的峰值时序值差异与时序宽度差异获取每一单分量信号的差异程度，获取差异程度最小值对应的单分量信号所在的信号分量，记为关注单峰信号的起始信号分量；将信号分量按照获取的先后顺序从小到大进行编号，将编号大于等于起始信号分量编号的所有信号分量记为关注单峰信号的信号分量集合；将关注单峰信号与关注单峰信号的信号分量集合共同构成一个新集合，记为关注单峰信号的分解信号集合。
[0007]可选的，所述根据每一单分量信号与关注单峰信号的峰值时序值差异与时序宽度差异获取每一单分量信号的差异程度，包括的具体步骤如下：记参考信号的任意一单峰信号为关注单峰信号，获取每一单分量信号与关注单峰信号峰值点时序值的差值绝对值，记为每一单分量信号的时序差异，获取每一单分量信号与关注单峰信号在时序上宽度的差值绝对值，记为每一单分量信号的宽度差异，对每一单分量信号的时序差异的平方与宽度差异的平方进行求和，记为每一单分量信号的差异程度。
[0008]可选的，所述根据第零级分量和第一级分量获得第一个分解复杂程度，包括的具体步骤如下：
[0009]获取属于第一级分量时宽范围内、且在第零级分量所在信号分量上的所有单分量信号的峰值幅值总个数；获取峰值幅值类型个数，获取所有峰值幅值类型中每类峰值幅值的个数记为，其中，根据与的比值得到第零级分量和第一级分量获得的第一个分解复杂程度。
[0010]可选的，所述根据与的比值得到第零级分量和第一级分量获得的第一个分解复杂程度，包括的具体步骤如下：
[0011]其中，表示第零级分量和第一级分量获得的第一个分解复杂程度。
[0012]可选的，所述第零级分量所在信号分量是指单峰信号所在的参考信号。
[0013]可选的，所述对获取的所有分解复杂程度进行累乘处理，得到每一单峰信号的成分复杂度，包括的具体步骤如下：
[0014]其中，表示第个单峰信号的成分复杂度，表示第个单峰信号的第个分解复杂程度，表示第个单峰信号的分解复杂程度的个数。
[0015]可选的，所述根据每一单峰信号的成分复杂度获取每一单峰信号的自适应采样点个数，包括的具体步骤如下：
[0016]其中，表示第个单峰信号的自适应采样点个数，表示第个单峰信号的成分复杂度，表示第个单峰信号的原始采样点个数，表示进行向下取整操作。
[0017]可选的，所述根据每一自适应采样点与上一自适应采样点的采样间隔变化、每一自适应采样点上一自适应采样点的调整步长因子获取每一自适应采样点的调整步长因子，包括的具体步骤如下：
[0018]其中，表示第个自适应采样点的调整步长因子，表示第个自适应采样点至第个自适应采样点的调整步长因子，表示参考信号的固定步长因子，表示参考信号上第个自适应采样点所在时刻，、分别表示参考信号第、个自适应采样点所在时刻，表示第个自适应采样点与第个自适应采样点的采样间隔，表示第个自适应采样点与第个自适应采样点的采样间隔。
[0019]可选的，所述获取参考信号，包括使用声学传感器获取环境噪声信号，记为参考信号。
[0020]可选的，所述对参考信号进行分解获取若干信号分量，包括对参考信号进行EMD分解，获取若干个信号分量。
[0021]可选的，所述利用参考信号及信号分量的波谷点进行分割，获取若干单峰信号及单分量信号，包括的具体步骤如下：使用SG滤波算法对参考信号进行去噪平滑处理；获取去噪后的参考信号的所有波谷点，对参考信号按照波谷点进行分割，获取若干个单峰信号；获取每一信号分量的所有波谷点，对每一信号分量按照波谷点进行分割，获取得到若干个单分量信号。
[0022]本专利技术的技术方案的有益效果是：本方法考虑使用ANC算法对骨传感耳机音频信号进行去噪的过程中，参考信号多次迭代循环会发生数据丢失进而产生FM调频的问题，首先对参考信号进行分解获取信号分量，进而对参考信号及信号分量进行划分，获取单峰信号及单分量信号，根据每一单峰信号其信号分解的变化情况获取每一单峰信号的成分复杂度，进而根据成分复杂度调节采样点数量、采样频率，使冗余度较低，对频率较大、易丢失的单峰信号增加较多的采样点数量，提高保真率，并考虑新增采样点输入自适应滤波器后无响应的问题，通过调节步长因子，获取新增采样点的滤波权重。本方法相比于传统本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种骨传导耳机音频智能去噪增强方法，其特征在于，该方法包括以下步骤：获取参考信号；对参考信号进行分解获取若干信号分量，利用参考信号及信号分量的波谷点进行分割，获取若干单峰信号及单分量信号；根据每一单峰信号与不同单分量信号峰值点的时序值的差异及时宽差异获取每一单峰信号的分解信号集合；将单峰信号视为第零级分量；在单峰信号的分解信号集合中的第一个信号分量中，将时宽上包含第零级分量的单分量信号记为第一级分量，根据第零级分量和第一级分量获得第一个分解复杂程度；在分解信号集合中的第二个信号分量中，将时宽上包含第一级分量的单分量信号记为第二级分量，根据第一级分量和第二级分量获得第二个分解复杂程度，依次类推，获得所有分解复杂程度；对获取的所有分解复杂程度进行累乘处理，得到每一单峰信号的成分复杂度；根据每一单峰信号的成分复杂度获取每一单峰信号的自适应采样点个数，根据每一自适应采样点与上一自适应采样点的采样间隔变化、每一自适应采样点上一自适应采样点的调整步长因子获取每一自适应采样点的调整步长因子，根据调整步长因子获取每一自适应采样点处的更新滤波权重；根据自适应采样点个数与更新滤波权重利用ANC算法对参考信号进行去噪处理。2.根据权利要求1所述一种骨传导耳机音频智能去噪增强方法，其特征在于，所述根据每一单峰信号与不同单分量信号峰值点的时序值的差异及时宽差异获取每一单峰信号的分解信号集合，包括的具体步骤如下：记参考信号的任意一单峰信号为关注单峰信号，根据每一单分量信号与关注单峰信号的峰值时序值差异与时序宽度差异获取每一单分量信号的差异程度，获取差异程度最小值对应的单分量信号所在的信号分量，记为关注单峰信号的起始信号分量；将信号分量按照获取的先后顺序从小到大进行编号，将编号大于等于起始信号分量编号的所有信号分量记为关注单峰信号的信号分量集合；将关注单峰信号与关注单峰信号的信号分量集合共同构成一个新集合，记为关注单峰信号的分解信号集合。3.根据权利要求2所述一种骨传导耳机音频智能去噪增强方法，其特征在于，所述根据每一单分量信号与关注单峰信号的峰值时序值差异与时序宽度差异获取每一单分量信号的差异程度，包括的具体步骤如下：记参考信号的任意一单峰信号为关注单峰信号，获取每一单分量信号与关注单峰信号峰值点时序值的差值绝对值，记为每一单分量信号的时序差异，获取每一单分量信号与关注单峰信号在时序上宽度的差值绝对值，记为每一单分量信号的宽度差异，对每一单分量信号的时序差异的平方与宽度差异的平方进行求和，记为每一单分量信号的差异程度。4.根据权利要求1所述一种骨传导耳机音频智能去噪增强方法，其特征在于，所述根据第零级分量和第一级分量获得第一个分解复杂程度，包括的具体步骤如下：获取属于第一级分量时宽范围内、且在第零级分量所在信号分量上的...

【专利技术属性】
技术研发人员：文和军，魏小玲，刘柱辉，罗娟，
申请(专利权)人：深圳市匠心原创科技有限公司，
类型：发明
国别省市：