[发明专利]多通道子带处理

说明书

本申请公开了多通道子带处理。除了其他之外提供了用于音频信号处理的系统、方法和技术。一个代表性实施例包括HT子带分析/分解模块，例如，一个用于每个音频通道，以及一个用于回声参考信号。每个HT子带分析/分解模块包括希尔伯特变换模块和分析/分解滤波器组，并提供子带输出。回声消除模块，例如每个音频通道一个回声消除模块，在这样的子带上执行回声消除处理。波束成形模块，例如每个子带一个波束成形模块，然后例如在所有音频通道上执行波束成形。最后，再合成级组合不同的子带输出以提供系统输出信号。

发明领域

本发明尤其涉及用于音频信号处理的系统、方法和技术，并且例如涉及处理多个不同音频信号通道中的每一个内的多个不同频带的系统和技术，并且特别涉及试图使用这种处理将一个声音与可能存在的多个不同声音隔离的系统和技术。

背景

对于各种不同的目的存在各种不同的音频信号处理技术。一个这样的目的是从一个或多个输入音频通道中去除“回声”和周围干扰信号或“噪声”，以便隔离没有这些信号时会存在的声音。例如，由于智能扬声器设备(诸如Amazon Echo^TM设备)变得流行，因此远场语音信号隔离和处理变得更加重要。这种设备通常包括一个或更多个麦克风，用于接收来自用户的口头输入。它们还包括一个或更多个扬声器(1)用于使用文本到语音(TTS)处理来响应用户和/或提供用户请求的信息，和/或(2)用于播放其他音频内容，诸如音乐。

在这样的情境中，通常希望识别用户在通过设备的扬声器播放这样的其他内容(例如，音乐或TTS)的同时和/或当其他周围声源产生干扰时正在说什么。然而，在设备的麦克风(即，通常使用多个麦克风)处接收的音频信号除了用户的语音之外通常还包含这种其他播放的音频内容的某种版本。

传统上，为了解决这个问题，这种系统的两个主要信号处理部件是回声消除和波束成形。当智能扬声器设备正在播放其他音频内容(例如，音乐、TTS响应等)时，回声消除(即，去除或至少减少由播放的内容产生的接收到的音频信号的部分)通常对于“关键词激活”(KA)和/或语音识别(ASR)的性能至关重要。使用子带(例如，频域)处理，回声消除(EC)的性能(包括收敛速率和稳态回声减少)已经提高到这样的程度，即它现在经常能够处理智能扬声器设备的最困难的情况——其中设备的扬声器正在大声播放而用户站得很远。波束成形(其依靠使用多个麦克风来实现可编程地有选择性的方向性)也可以显著改善KA和ASR性能，尤其是在房间混响和环境噪声存在的情况下。

图1中示出了示例性的传统系统10。如所示，多个麦克风12(例如，麦克风12A-C)输入相应的音频信号。然后使用相应的分析/分解模块14(例如，模块14A-C之一)将每个这样的音频信号(通常在模数转换之后，未示出)分解成单独的频带。参考信号15，通常是与通过设备的扬声器播放的内容相对应的数字信号，类似地使用分析/分解模块14(图1中的模块14D)分解成单独的频带。然后(来自给定麦克风的)每个这种分解的输入音频信号与分解的参考信号一起在单独的相应回声消除模块18(例如，模块18A-C之一)中被处理。接下来，对于子带中的每一个，单独的波束成形器模块20(例如，模块20A-C之一)处理对于来自所有回声消除模块18的该子带的输出。由相应的各个波束成形器模块20输出的各个频带然后由子带再合成模块24再合成，以提供最终输出信号25。

由各个麦克风12输入的信号在本文表示为x_i(t),i＝1,…,N，其中N是麦克风的数量。回声参考信号在本文表示为r(t)。x_i(t)和r(t)都由子带分析/分解模块14处理，该处理通常包括D次下采样。分析/分解模块的输出在本文表示为和其中M是子带的数量。如上所指示，每个麦克风的回声消除是在单独的回声消除模块18(例如，模块18A-C之一)中独立完成的。每个这样的回声消除模块18又通常包括M个子带EC子模块(未示出)。这里将从回声消除模块18输出的EC信号表示为m＝1,…,M。在EC处理18之后，波束成形20独立地在每个子带中完成。也就是说，每个波束成形器模块20处理所有EC处理后的麦克风信号上的不同的子带。