[发明专利]一种基于Mel频率尺度分频的快速自适应波束形成方法

说明书

本发明公开了一种基于Mel频率尺度分频的快速自适应波束形成方法，包括语音信号分帧和加窗后得到语音帧；对语音帧进行FFT变换得到频谱再映射成Mel频谱；将频谱划分成Mel频率子带，计算频率子带的阵列方向矢量、数据协方差矩阵和Mel频率子带对应的语音帧的权值；频率子带与权值相乘累加得到处理后的语音帧；将语音帧经过通道叠加、频域补全处理后，再经过逆傅里叶变换得到语音帧时域信号；再将语音帧时域信号加窗并重叠相加，得到输出语音。在MVDR波束形成方法的基础上，对分帧后的语音信号进行Mel频带划分，将傅氏频点的加权运算替换成了Mel频带的加权运算，减少了矩阵求逆运算，提高运算速度和输出语音的质量。

技术领域

本发明涉及智能家电语音交互技术领域，具体的说，是一种基于Mel频率尺度分频的快速自适应波束形成方法。

背景技术

随着物联网和人工智能等新一代信息技术的发展和应用，人机智能语音交互技术逐渐成为新型交互技术中最重要的一类技术。智能语音交互技术的便利程度与物联网、人工智能的发展程度成正比，设备或机器的智能程度越高，智能语音交互的程度等级也越高。作为智能语音识别系统中最重要的语音前端处理算法，麦克风阵列波束形成是一种集时间和空间信息的信号处理技术，它通过麦克风阵列采集由空间发送的语音信号并通过阵列信号处理的手段处理语音信号。麦克风阵列波束形成器本质是一个空间滤波器，它可以增强期望方向的语音并抑制无关方向的噪声及干扰。由于语音信号是典型的宽带信号，当采用常规的波束形成方法进行语音增强时，由于不同的频率分量对应的阵列方向矢量不相等，即不同的频率分量对应的波束主瓣宽度不一致，这会导致阵列处理后的语音频谱发生畸变。这种畸变会对语音识别系统的性能产生不良的影响。所以需要针对不同的频率分量设计不同的加权矢量来保证得到无失真的语音信号。基于频率点加权的最小方差无畸变响应(Minimum Variance Distortionless Response，MVDR)波束设计方法可以对语音信号进行增强，但是由于该方法中有大量的矩阵求逆运算，所以使用该方法会大大影响语音识别系统的唤醒速度和性能。因此，提高波束形成算法的运算速度，提高智能语音识别系统的唤醒速度在智慧家居产品中也就显得极其重要。

现有技术中也有一些改进传统MVDR方法语音增强效果的方法，但是均没有从减少MVDR自适应波束形成器的运算复杂度方面提高波束形成器的性能以及提高波束形成的速度。

发明内容

本发明的目的在于提供基于Mel频率尺度分频的快速自适应波束形成方法，用于解决现有技术中采用传统MVDR波束设计方法对语音信号增强存在唤醒速度和性能受影响的问题。

本发明通过下述技术方案解决上述问题：

一种基于Mel频率尺度分频的快速自适应波束形成方法，包括：

步骤S100：采用麦克风均匀圆形阵列采集语音信号，并对语音信号进行分帧和加窗处理，得到多个语音帧；

步骤S200：对每个语音帧分别进行离散傅里叶变换得到频谱，再将频谱映射到Mel频率尺度得到Mel频谱；

步骤S300：将Mel频谱进行频带划分，得到Mel频率子带，计算每个Mel频率子带中心频率对应的阵列方向矢量，并计算每个Mel频率子带对应的数据协方差矩阵以及数据协方差逆矩阵；

步骤S400：根据所述阵列方向矢量和数据协方差逆矩阵计算每个Mel频率子带对应的语音帧的权值；

步骤S500：将每个Mel频率子带与对应的权值相乘累加得到处理后的语音帧；

步骤S600：将处理后的语音帧经过通道叠加、频域补全处理后，再经过逆傅里叶变换得到语音帧时域信号；再将语音帧时域信号加窗并重叠相加，得到输出语音。

所述步骤S100中分帧为将语音信号分为256个数据采样点、帧移位为116个采样点的语音帧；所述加窗为使用256个数据采样点的汉明窗对语音信号进行加窗。