[发明专利]语音去混响的方法、设备和系统

说明书

提供了改进的音频数据处理方法和系统。一些实现方式涉及把频域音频数据划分成多个子带并且为多个子带中每一个确定振幅调制信号值。带通滤波器可以应用到每个子带中的振幅调制信号值，以便为每个子带产生带通滤波后的振幅调制信号值。带通滤波器可以具有超过人类语音的平均节奏的中心频率。可以至少部分地基于振幅调制信号值和带通滤波后的振幅调制信号值的函数为每个子带确定增益。所确定的增益可以应用到每个子带。

相关申请的交叉引用

本申请要求于2013年4月10日提交的美国临时专利申请No.61/810,437和于2013年6月28日提交的美国临时专利申请No.61/840,744的优先权，这两个申请当中每一个的全部内容都通过引用被结合于此。

技术领域

本公开涉及音频信号的处理。特别地，本公开涉及处理用于远程通信的音频信号，包括但不限于处理用于电话会议或视频会议的音频信号。

背景技术

在远程通信中，常常有必要捕获不在麦克风附近的参与者的语音。在这种情况下，直接的声学反射和后续的房间混响的效果(reverberation)会不利地影响可理解性。在空间捕获系统的情况下，这种混响可以被人类听觉处理系统与直接的声音(至少在某种程度上)感知分离。在实践当中，当经多声道渲染试听时，这种空间混响可以改善用户体验，并且存在一些证据暗示混响会帮助表演空间中声音源的分离和锚定。但是，当信号重叠、作为单声道或单个声道导出和/或带宽减小时，混响的效果一般更难以让人类听觉处理系统管理。相应地，改善的音频处理系统将是期望的。

发明内容

根据本文所述的一些实现方式，一种方法可以涉及接收包括频域音频数据的信号并且对频域音频数据应用滤波器组(filterbank)，以便产生在多个子带内的频域音频数据。该方法可以涉及为每个子带中的频域音频数据确定振幅调制信号值，并且对每个子带中的振幅调制信号值应用带通滤波器以便为每个子带产生带通滤波后的振幅调制信号值。带通滤波器可以具有超过人类语音的平均节奏(cadence)的中心频率。

该方法可以涉及至少部分地基于振幅调制信号值和带通滤波后的振幅调制信号值的函数为每个子带确定增益。该方法可以涉及对每个子带应用确定的增益。确定振幅调制信号值的处理可以涉及为每个子带中的频域音频数据确定对数功率值。

在一些实现方式中，用于较低频率子带的带通滤波器可以比用于较高频率子带的带通滤波器通过更大的频率范围。用于每个子带的带通滤波器可以具有在10-20Hz范围内的中心频率。在一些实现方式中，用于每个子带的带通滤波器可以具有大约15Hz的中心频率。

函数可以包括形式为R10^A的表达式。R可以与子带中每个样本的带通滤波后的振幅调制信号值除以振幅调制信号值成比例。“A”可以与子带中每个样本的振幅调制信号值减去带通滤波后的振幅调制信号值成比例。在一些实现方式中，A可以包括指示抑制率(rate of suppression)的常量。确定增益可以涉及确定是应用通过形式为R10^A的表达式产生的增益值还是应用最大抑制值。该方法可以涉及确定对象的扩散率并且至少部分地基于扩散率为该对象确定最大抑制值。在一些实现方式中，可以为相对较扩散的对象确定相对较高的最大抑制值。

在一些例子中，应用滤波器组的处理可以涉及产生在5-10的范围内的个数的子带的频域音频数据。在其它实现方式中，其中应用滤波器组的处理可以涉及产生在10-40的范围内或者在某个其它范围内的个数的子带的频域音频数据。

该方法可以涉及在对每个子带应用确定的增益之后应用平滑函数。该方法还可以涉及接收包括时域音频数据的信号并且把时域音频数据变换成频域音频数据。

根据一些实现方式，这些方法和/或其它方法可以经由其上存储了软件的一个或多个非临时性介质来实现。软件可以包括用于至少部分地控制一个或多个设备执行这种方法的指令。