[发明专利]用于音频干扰估计的方法和设备

说明书

技术领域

本发明涉及音频干扰估计并且尤其但是不完全涉及包括麦克风信号的干扰估计的考虑的音频处理的适配（adaptation）。

背景技术

音频系统一般地依据与其中使用这些音频系统的声学环境有关并且与所牵涉的仪器的属性有关的某些一般性假定来研制。然而，在其中使用这些音频系统的实际环境以及在许多情况下仪器的特性可能显著地变化。相应地，许多音频系统和应用包括用于针对当前操作特性进行适配的功能。具体地，许多音频系统包括用于校准系统并针对例如在其中使用这些系统的特定声学环境来适配系统的功能。这样的适配可以定期执行，以便考虑到随时间的变化。

实际上，在许多应用中并且尤其在与用于话音通信的语音增强系统相关的应用中，例如，与算法相关的参数针对特定器件(device)及其硬件的特性诸如（一个或多个）麦克风、（一个或多个）扬声器等等的特性进行适配。虽然自适应信号处理技术存在以便在器件的正常操作期间执行这样的适配，但是在许多情况中不得不在生产期间在一般在其中只有相关信号存在的受控的例如安静的环境中执行的特殊校准会话中估计某些参数（尤其是这些自适应技术所依赖的参数）。

能够在接近于理想条件下执行这样的校准。然而，当在使用环境中执行这种适配时，由此产生的系统性能可能降级。在这样的环境中，本地干扰诸如语音和噪声时常可能存在。

例如，包含能够依附于电视的一个或多个麦克风并且进一步被安排为使用电视的扬声器和板载处理（onboard processing）的通信附件在生产期间不能被调谐/适配/校准，这是因为相关的硬件取决于它与之一起使用的特定电视。因此，适配必须由用户在他或她自己的家中执行，而在其家中噪声条件可以导致不良适配的系统。

作为特定示例，许多通信系统时常结合其他的器件来使用或在一系列不同的声学环境中使用。一个这样的器件的示例是具有用于基于电视的因特网电话服务的内置式麦克风的免提通信附件。这样的器件可以被安装在电视上或被安装在电视附近并且也能够包括摄像机以及数字信号处理单元，从而允许直接地经由电视来使用软件，以便连接到其他的器件和实施双向或多方通信。在研制这样的附件时的挑战是它可以与之一起使用的宽范围的电视以及在其中它应该能够提供令人满意的性能的声学环境的变化。

电视机中的音频再生链以及在其中使用电视机的环境影响所产生的声音的声学特性。例如，一些电视在音频链中使用较高保真度组件，诸如能够在宽的动态输入范围上线性操作的更佳扬声器，而其他的电视对接收到的音频信号诸如模拟环绕声和低音增强应用非线性处理或动态范围压缩。此外，电视的音频输出可以被馈送至家庭音频系统，其中电视的扬声器被静音（mute）。

语音增强系统对捕获的（一个或多个）（麦克风）信号应用信号处理算法，诸如声学回声消除、噪声抑制和去混响，并将干净语音信号传送至远端呼叫参与者。语音增强寻求改善声音质量，例如，以便减少与长对话相关联的收听者疲劳（fatigue）。这样的语音增强的性能可以取决于所牵涉的仪器和音频环境的各种特性。

这样的器件被用在这样的宽范围的情形中的事实使之难以提供一贯表现良好的语音增强系统。因此，一般在器件初始化期间和/或在系统检测到差的语音增强性能时的运行时间期间适配/调谐语音增强系统。大多数的适配例程采用利用所连接的器件的声音再生系统来回放并利用捕获器件所记录的测试信号来估计和设置语音增强系统的声学参数值。

作为调谐例程的简单示例，可以考虑房间的声学冲激（impulse）响应的测量。例如，收听环境诸如起居室利用其混响时间来表征，而混响时间被定义为房间的声学冲激响应被衰减一定量所花费的时间。例如，T₆₀表示房间的声学冲激响应尾部被衰减60dB的时间量。

诸如白噪声之类的测试信号能够利用器件的扬声器来再现，并且由此产生的声音信号能够利用麦克风来记录。自适应滤波器随后被用于估计线性声学冲激响应。从这个冲激响应中，例如，通过基于混响时间来执行去混响，诸如T₆₀之类的各种参数能够被估计并被用于改善语音增强系统的性能。作为特定示例，混响时间时常使用如下给定的能量衰减曲线来测量：

其中是声学冲激响应。声学冲激响应及其相应的能量衰减曲线显示在图1中。

然而，与基于音频测试信号的适配程序相关联的显著问题是：它们往往受到干扰声音的存在的影响。具体地，如果具有干扰声源，这将引起所捕获的信号相对于所再现的音频信号被失真，从而使得适配处理降级。