[发明专利]处理声音数据以分离多声道信号中的声源

说明书

本发明涉及一种用于处理声音数据以分离在真实介质中感测到的多声道声音信号的N个声源的方法。该方法包括以下步骤：将源分离处理应用(E310)于所感测到的多声道信号，并获得分离矩阵和一组M个声音分量，其中，M≥N；计算(E320)一组所谓的双变量第一描述符，该组所谓的双变量第一描述符表示所获得的该组M个分量的对中的分量之间的统计关系；计算(E320)一组所谓的单变量第二描述符，该组所谓的单变量第二描述符表示所获得的该组M个分量中的分量的编码特性；以及根据该组第一描述符和该组第二描述符、通过对属于两个类别之一中的成员的概率的计算(E330)、根据分量的这两个类别来将该组M个分量中的分量进行分类(E340)，第一类别具有对应于这N个直接声源的N个所谓的直接分量，并且第二类别具有M‑N个所谓的混响分量。本发明还涉及一种实施比如所描述的方法的处理设备。

技术领域

本发明涉及音频信号或声学信号处理领域，并且更具体地涉及对真实的多声道声音内容进行处理以便分离声源。

背景技术

分离多声道声音信号中的源可以实现许多应用。例如，其可以用于：

ο娱乐(卡拉OK：语音抑制)，

ο音乐(混合多声道内容中的不同源)，

ο远程通信(语音增强、噪声消除)，

ο家庭自动化(语音控制)，

ο多声道音频编码，

ο成像中的源定位和制图。

在N个源正在发射信号s_i的空间E中，基于来自分布在该空间E中的传感器的M个观测结果，对这些源进行盲分离在于对这N个源进行计数和提取。在实践中，每个观测结果都是使用传感器获得的，该传感器记录已到达空间中的该传感器所在的点的信号。所记录的信号则由信号s_i的混合以及这些信号在空间E中的传播产生，并且因此受到特定于所经历的环境的各种扰动(如例如噪声、混响、干扰)的影响。

对在自由场条件下传播并被认为是多个点的N个声源s_i的多声道捕获被形式化为矩阵运算：

其中，x是M个所记录声道的向量，s是N个源的向量，并且A是大小为M×N的被称为“混合矩阵”的矩阵，该矩阵包含每个源对每个观测结果的贡献，并且符号*表示线性卷积。取决于传播环境和天线的格式，矩阵A可以采用各种形式。在天线重合的情况下(天线的所有麦克风集中在空间中的同一点上)，在消声环境中，A是简单的增益矩阵。在天线非重合的情况下，在消声环境或混响环境中，矩阵A变为滤波矩阵。在这种情况下，这种关系在频域中通常被表示为x(f)＝As(f)，其中，A被表示为复系数矩阵。

如果在消声环境中捕获声音信号，并采用源的数量N小于观测结果的数量M的情境，则可以联合使用独立分量分析(或在下文中称为“ICA”)算法来轻松实现分析场景(即，识别源的数量及其位置)以及将该场景分解为多个对象(即，源)。这些算法使得可以识别维度为N×M的分离矩阵B(A的伪逆矩阵)，该矩阵使得可以使用以下方程从观测结果推导出源：

s＝Bx

通常，估计问题的维度、即估计分离矩阵的大小(即，源的数量N)的预备步骤通过计算观测结果的协方差矩阵Co＝E{xx^T}的秩来执行，在这种消声情况下，该协方差矩阵的秩等于源的数量：

N＝rank(Co)。

关于对源的定位，这可以根据编码矩阵A＝B^-1并根据所使用的天线的空间性质、特别是传感器之间的距离及其方向性的知识推导出。