[发明专利]用于在音频通信中将语音数据与背景数据分离的方法和装置

说明书

提出一种用于在音频通信中将语音数据与背景数据分离的方法和装置。该方法包括：将语音模型应用到音频通信，以用于将语音数据与音频通信的背景数据分离；以及在音频通信期间根据语音数据和背景数据更新语音模型。

技术领域

本发明通常涉及在通信中抑制声学噪声。特别地，本发明涉及用于在音频通信中将语音数据与背景数据分离的方法和装置。

背景技术

本节旨在向读者介绍可能与下面描述和/或要求保护的本公开的各方面有关的技术的各方面。相信该讨论有助于向读者提供背景信息以便于更好地理解本公开的各方面。因此，应当理解的是，要在该角度阅读这些陈述，而不是作为对现有技术的承认。

音频通信，尤其是无线通信可能在嘈杂环境中(例如在具有高交通量的街道上或者酒吧里)进行。在这种情况下，由于背景噪声，通信中的一方通常很难听懂语音。因此，音频通信中的一个重要课题是抑制不期望的背景噪声并且同时保持目标语音，这将有益于提高语音可懂度。

存在在收听人的通信设备上实现抑制的噪声抑制的远端实现，以及在讲话人的通信设备上实现的近端实现。可以理解的是，所提及的收听人或讲话人的通信设备可以是智能电话、平板等。从商业角度来看，远端实现更具吸引力。

现有技术包括为音频通信提供噪声抑制的多个已知的解决方案。

在这方面，已知的解决方案之一称为语音增强。Y.Ephraim和D.Malah撰写的参考文献“Speech enhancement using a minimum mean square error short-time spectralamplitude estimator”IEEE声学语音信号处理学报，32，1109-1121，1984(在下文中称为参考文献1)中讨论了一个示例性方法。然而，这样的语音增强的解决方案具有一些缺点。语音增强仅抑制由固定噪声(即，具有时间不变频谱特性的嘈杂声音)表示的背景。

另一个已知的解决方案称为在线源分离。L.S.R Simon和E.Vincent于2012年3月的以色列特拉维夫市的潜变量分析与信号分离国际会议中撰写的参考文献“A generalframework for online audio source separation”(在下文中称为参考文献2)中讨论了一个示例性方法。在线源分离的解决方案允许处理非固定背景，这通常基于两个源：语音和背景的高级频谱模型。然而，在线源分离强烈依赖于源模型是否良好表示要分离的实际源的事实。

因此，仍然存在增强用于将语音数据与音频通信的背景数据分离的音频通信中的噪声抑制以使语音质量得以提高的需要。

发明内容

本发明公开描述了用于在音频通信中将语音数据与背景数据分离的方法和装置。

根据第一方面，提出一种用于在音频通信中将语音数据与背景数据分离的方法和装置。该方法包括：将语音模型应用到音频通信，以用于将语音数据与音频通信的背景数据分离；以及在音频通信期间根据语音数据和背景数据更新语音模型。

在实施例中，将经更新的语音模型应用到音频通信。

在实施例中，根据呼叫者的呼叫频率和呼叫持续时间应用与音频通信的呼叫者相关联的语音模型。

在实施例中，根据呼叫者的呼叫频率和呼叫持续时间应用不与音频通信的呼叫者相关联的语音模型。

在实施例中，该方法还包括在音频通信之后存储经更新的语音模型，以在与用户的下个音频通信中使用。

在实施例中，该方法还包括在音频通信之后根据呼叫者的呼叫频率和呼叫持续时间将语音模型改变为与音频通信的呼叫者相关联。