[发明专利]在风噪声中检测有意义的声学信号

说明书

一种区分有意义的信号与低频噪声的方法，所述方法包括：第一步骤，将输入声学信号划分成帧，第二步骤，针对每一帧计算所述输入声学信号的功率谱密度，且找出所述功率谱密度的包络曲线，第三步骤，找出所述包络曲线中的预定义数目个主峰，所述包络曲线是在所述方法的前面第二步骤中找出，第四步骤，将线性回归算法应用于所述主峰以获得每一帧的线性回归线，且求出每一线性回归线的斜率值，第五步骤，将所述声学信号中包括所述有意义的信号的区间识别为对应于所述斜率值中较高值的区间。

技术领域

本发明涉及一种区分有意义的信号(例如话音)与风噪声的方法。

背景技术

智能装置、可佩戴装置、运动相机和“IoT”(物联网)装置的数量激增，那些装置上的麦克风易于受到风噪声的不利影响。为抑制风噪声，研发出了若干种方法。这些方法面临的主要问题是风噪声减少同时抑制了有意义的信号。在所述情境中，此些方法需要程序有效地区分信号与风噪声，且在尽可能地抑制风噪声的同时保留更多有意义的信号。现有方法的结果是在尤其针对较大风强度减少风之后且在使用单个麦克风的情况下提供不佳的话音质量。

具体地说，先前方案研究出风噪声主要在低频域中具有功率，且在用于风噪声减少的算法内，所述先前方案逐帧地估计此风噪声功率谱，并利用一些额外处理从混合信号(话音+风噪声)的功率谱中减去此经估计功率谱。

对于存在话音和风噪声两者的信号段，从混合信号中减去经估计风噪声还导致话音被抑制，这是不合乎需要的。在那个意义上，算法需要对此存在话音和风噪声两者的处理应用松弛，以在抑制风噪声的同时保留重要信号。为进行所述操作，算法需要检测具有话音或重要信号的帧且需要对所述帧应用松弛，如上文所描述。

为检测那些段，先前工件尝试了一些特征，例如自相关、互相关等等，但那些特征并未显示出极佳的性能，尤其是在较大风强度和单个麦克风使用范例中。

因此，仍需要提供一种方法，所述方法通过在风噪声中应用新的信号检测而克服上述问题，由此改进风噪声减少的性能。

发明内容

可通过根据独立权利要求项的主题来满足此需求。通过附属权利要求项描述本发明的有利实施例。

根据本发明，一种区分有意义的信号与低频噪声的方法包括：

第一步骤，将输入声学信号划分成帧，

第二步骤，针对每一帧计算所述输入声学信号的功率谱密度，且找出所述功率谱密度的包络曲线，

第三步骤，找出所述包络曲线中的预定义数目个主峰，所述包络曲线是在所述方法的前面第二步骤中找出，

第四步骤，将线性回归算法应用于所述主峰以获得每一帧的线性回归线，且求出每一线性回归线的斜率值，

第五步骤，将所述原始声学信号中包括所述有意义的信号的区间识别为对应于所述斜率值中较高值的区间。

具体地说，根据本发明的可能实施例，所述低频噪声为风噪声，且所述有意义的信号为人类话音。

任选地，在所述第四步骤中，斜率值可跨帧自适应地被平滑，使得斜率值不会波动太多。

“自适应地被平滑”意指基于计算出的低频能量对可能的风噪声帧进行较高平滑且对其它帧进行较低平滑，因为大部分波动发生在所述风噪声帧中且这些波动可能造成话音质量降级。

在所述第一步骤中，将所述输入声学信号划分成5ms到100ms的帧。

另外任选地，所述方法可包括第六步骤，将抑制算法自适应地应用于在所述第五步骤中识别的所述区间，以抑制低频噪声并保留所述有意义的信号。有利的是，根据本发明，所述抑制算法可仅应用于所述输入声学信号中不包括所述有意义的信号的区间。对具有有意义的信号的帧进行较低信号抑制或不进行信号抑制帮助保留更多有意义的信号，例如话音。