[发明专利]一种语音交互中多路语音的白化方法及其装置

说明书

本发明提供了一种语音交互中多路语音的白化方法及其装置，包括：将输入多路语音数据转换到频域，获取语音频域数据；将所述语音频域数据进行缓存操作，当缓存的语音频域数据对应的时长达到T1时，使用所缓存的T1时长对应的语音频域数据计算各频带协方差矩阵，并求解所述各频带协方差矩阵的逆矩阵；继续对新获得的语音频域数据进行缓存操作，当缓存的语音频域数据对应的时长达到T2时，根据各频带协方差矩阵的逆矩阵计算白化矩阵；重复迭代执行上述步骤，当检测到唤醒状态时，使用最后一次迭代获得的白化矩阵处理剩余的白化数据。

技术领域

本发明涉及语音交互技术领域，特别涉及一种语音交互中多路语音的白化方法及其装置。

背景技术

目前，在语音交互中，通常需要先唤醒设备，唤醒设备后通过唤醒词对应的语音数据可以计算出空间滤波器系数，对后继信号做空域滤波可提高语音质量，提高语音交互成功率。多通道信号可以通过计算信号、噪声协方差阵估计空间滤波器，但信号和噪声通常是混叠的，需要通过估计方法估计时频点归属，通过白化处理，可以增强不同方向信号的可分性，从而提高信号、噪声协方差计算准确性，提高空间滤波器性能。白化通常做法是拿到足够的信号、噪声数据，全局处理，往往数据越多白化矩阵越稳定，效果越好，但这种做法最大的缺点是延迟较大，瞬间计算量大，且需缓存大量数据，工程应用并不方便。

发明内容

本发明提供一种语音交互中多路语音的白化方法及其装置，用以解决白化累积数据多，计算量大，造成延迟的情况。

一种语音交互中多路语音的白化方法，其特征在于，包括：

步骤1：将输入多路语音数据转换到频域，获取语音频域数据；

步骤2：将所述语音频域数据进行缓存操作，当缓存的语音频域数据对应的时长达到T1时，使用所缓存的T1时长对应的语音频域数据计算各频带协方差矩阵，并求解所述各频带协方差矩阵的逆矩阵；

步骤3：继续对新获得的语音频域数据进行缓存操作，当缓存的语音频域数据对应的时长达到T2时，根据各频带协方差矩阵的逆矩阵计算白化矩阵，通过所述白化矩阵对缓存的语音频域数据进行白化处理；

步骤4：重复迭代执行步骤1至步骤3，当检测到唤醒状态时，使用最后一次迭代获得的白化矩阵处理剩余的白化数据。

作为本发明的一种实施例：所述将输入多路语音数据转换到频域，获取语音频域数据，包括：

通过所述唤醒设备采集所述多路语音；

将所述多路语音进行分帧加窗处理，获取所述分帧后多路语音的频域特征，确定所述多路语音的语音频域数据。

作为本发明的一种实施例所述使用所缓存的T1时长对应的语音频域数据计算各频带协方差矩阵，包括：

获取缓存的时间数据T1；

按照下式(1)计算频带协方差矩阵：

其中，Y表示各频带协方差矩阵，所述t表示时刻；所述f表示频带；所述y_f,t表示t时刻频带向量；所述y^H_f,t表示t时刻共轭对称下的频带向量；所述H表示共轭对称。

作为本发明的一种实施例：所述当缓存的语音频域数据对应的时长达到T2时，根据各频带协方差矩阵的逆矩阵计算白化矩阵，包括：

基于矩阵求逆引理，按照下式(2)计算计算各个频带逆矩阵；

其中，所述表示协方差矩阵的逆矩阵；所述y_f,t表示t时刻的频带向量；所述表示t-1时刻的逆矩阵；所述y_f,t-1表示t-1时刻的频带向量；