[发明专利]一种基于谱估计的瞬态噪声抑制方法

权利要求书

1.一种基于谱估计的瞬态噪声抑制方法，其特征在于：包括以下几步：

第一步：基于改进的最小控制递归平滑的非瞬态背景噪声功率谱估计；

第二步：基于改进最小控制递归平滑和最优修正对数谱幅度估计的瞬态噪声功率谱估计；

第三步：基于最优修正对数谱幅度估计及瞬态噪声谱估计的语音噪声抑制。

2.根据权利要求1所述的一种基于谱估计的瞬态噪声抑制方法，其特征在于：基于改进的最小控制递归平滑的非瞬态背景噪声谱估计步骤如下：

(1)定义纯净语音信号为x(n)，加性噪声为d(n)，观测信号为y(n)，

y(n)＝x(n)+d(n)，

对观测信号y(n)进行加窗分帧操作，并进行短时傅立叶变换：

Y(k,l)=Σn=0N-1y(n+lM)h(n)e-j(2π/N)nk,]]>

其中，n为时域索引，n＝0，1，...，k为频率索引，k＝0，1，...，N-1，l为时域帧的索引，l＝0，1，...，h(n)为窗函数，N为帧长，256≤N≤2048，也是窗口宽度，M为帧移，0.25N≤M≤0.75N；

(2)短时功率谱平滑

对于不存在语音的观测信号帧，用短时递归平滑法来平滑时变噪声功率谱λ^d(k,l),]]>

H0(k,l):λ^d(k,l+1)=αdλ^d(k,l)+(1-αd)|Y(k,l)|2,]]>

H1(k,l):λ^d(k,l+1)=αdλ^d(k,l),]]>

其中，H₀(k，l)和H₁(k，l)分别表示无音和有音两种状态，α_d为平滑参数，α_d的取值范围是0＜α_d＜1；设条件语音存在概率为

p′(k，l)＝P(H₁(k，l)|Y(k，l))，

则非瞬态噪声功率谱估计为：

λ^d(k,l+1)=λ^d(k,l)p′(k,l)+[αdλ^d(k,l)+(1-αd)|Y(k,l)|2](1-p′(k,l))]]>    (22)

=α~d(k,l)λ^d(k,l)+(1-α~d(k,l))|Y(k,l)|2,]]>

其中，是个时变的平滑的参数，其定义式为：

α~d(k,l)=αd+(1-αd)p′(k,l),---(23)]]>

因此，通过平滑当前帧以前的功率谱值获得噪声的功率谱估计，而平滑参数由条件语音存在概率p′(k，l)控制；

(3)条件语音存在概率计算

最小控制递归平滑方法基于噪声信号能量的局部统计来追踪条件语音存在概率，通过计算当前帧各频点能量与该频点的局部最小值之间的比值，进行有音／无音判决；

①通过对短时傅立叶变换幅值的平方加窗来平滑带噪语音信号的功率谱；

Sf(k,l)=Σi=-wwb(i)|Y(k-i,l)|2,]]>

式中，b(i)为长为2w+1的窗函数；

②通过一阶递归平均来进一步平滑功率谱；

S(k，l)＝α_sS(k，l-1)+(1-α_s)S_f(k，l)，

其中，α_s为平滑参数，α_s的取值范围是0＜α_s＜1；当前能量的最小值S_min(k，l)通过后向最小值搜索得到，具体如下：

S_min(k，l)＝min{S(k，l)，S(k，l-1)，...，S(k，l-L+1)}，

其中，min{·}表示搜索最小值，L为后向局部搜索窗的长度，针对于不同的说话人及说话环境，该搜索窗的等效时间长度为0.5～1.5秒；

③条件语音存在概率估计

定义为含噪信号局部能量与其最小值的比值；则通过与经验阈值δ的比较进行有音／无音判决：

Sr(k,l)><δ,]]>

当S_r(k，l)＞δ时，标记当前频点为有音；否则，标记当前频点为无音；定义I(k，l)为语音存在指示器；

则条件语音存在概率的估计为：

p^′(k,l)=αpp^′(k,l-1)+(1-αp)I(k,l),]]>

其中，α_p为平滑参数，α_p的取值范围是0＜α_p＜1；将估计的代入式(22)，计算时变平滑参数进而能估计非瞬态背景噪声功率谱