基于隱馬爾科夫鏈模型的噪聲估計(jì)方法和裝置制造方法
【專利摘要】本發(fā)明涉及語(yǔ)音通信領(lǐng)域，公開(kāi)了一種基于隱馬爾科夫鏈模型的噪聲估計(jì)方法和裝置。本發(fā)明中，根據(jù)預(yù)先建立的HMM，確定當(dāng)前幀中語(yǔ)音存在的概率；并根據(jù)該語(yǔ)音存在的概率，計(jì)算平滑因子；接著根據(jù)平滑因子，計(jì)算當(dāng)前幀中噪聲的方差估計(jì)值。本發(fā)明利用隱馬爾科夫鏈狀態(tài)轉(zhuǎn)移來(lái)確定語(yǔ)音存在的概率，并利用該概率去控制噪聲更新的大小，從而在噪聲抑制中能快速估計(jì)噪聲的變化，可以準(zhǔn)確估計(jì)快速變化的非穩(wěn)態(tài)環(huán)境中的噪聲，最終提升噪聲抑制的性能。
【專利說(shuō)明】基于隱馬爾科夫鏈模型的噪聲估計(jì)方法和裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及語(yǔ)音通信領(lǐng)域，特別涉及單麥克噪聲抑制內(nèi)的基于隱馬爾科夫鏈模型的噪聲估計(jì)方法和裝置。
【背景技術(shù)】
[0002]單麥克噪聲抑制算法通常采用短時(shí)頻域衰減方法，流程圖如圖1所示。主要模塊包括快速傅里葉變換(FFT)頻域分解、噪聲估計(jì)、計(jì)算先/后驗(yàn)信噪比、計(jì)算衰減因子、頻域衰減、反傅里葉變換以及重疊相加。
[0003]圖1中y，X，η分別表示時(shí)域帶噪語(yǔ)音、干凈語(yǔ)音和噪聲信號(hào)，對(duì)應(yīng)的大寫字母則對(duì)應(yīng)各自頻譜，帶帽子)的符號(hào)表示對(duì)應(yīng)變量的估計(jì)值，f表示某個(gè)函數(shù)，下角標(biāo)m，l，k分別代表幀序號(hào)、幀內(nèi)時(shí)間序號(hào)和頻點(diǎn)序號(hào)。lk(m)和Yk(m)分別表示先驗(yàn)信噪比和后驗(yàn)信噪比:
【權(quán)利要求】
1.一種基于隱馬爾科夫鏈模型HMM的噪聲估計(jì)方法，其特征在于，包含以下步驟: 根據(jù)預(yù)先建立的HMM，確定當(dāng)前幀中語(yǔ)音存在的概率；其中，所述HMM的觀測(cè)向量由至少一幀帶噪語(yǔ)音的頻譜組成； 根據(jù)所述語(yǔ)音存在的概率，計(jì)算平滑因子；其中，所述平滑因子與當(dāng)前觀測(cè)向量條件下當(dāng)前幀中語(yǔ)音存在的概率成線性關(guān)系； 根據(jù)所述平滑因子、前一幀中噪聲的方差估計(jì)值和當(dāng)前幀帶噪語(yǔ)音的功率譜，計(jì)算當(dāng)前幀中噪聲的方差估計(jì)值。
2.根據(jù)權(quán)利要求1所述的基于HMM的噪聲估計(jì)方法，其特征在于，通過(guò)以下公式，根據(jù)所述語(yǔ)音存在的概率，計(jì)算平滑因子μΝ:
3.根據(jù)權(quán)利要求1所述的基于HMM的噪聲估計(jì)方法，其特征在于，通過(guò)以下公式，根據(jù)所述平滑因子μN(yùn)、前一幀中噪聲的方差估計(jì)值和當(dāng)前幀帶噪語(yǔ)音的功率譜|Yk(m) I2，計(jì)算當(dāng)前幀中噪聲的方差估計(jì)值A(chǔ)L(W):
4.根據(jù)權(quán)利要求1至3任一項(xiàng)所述的基于HMM的噪聲估計(jì)方法，其特征在于，所述當(dāng)前觀測(cè)向量條件下當(dāng)前幀中語(yǔ)音存在的概率P (Qm=H11 Ψπ)通過(guò)以下公式計(jì)算: 水=來(lái))::


其中，Ak(m)為當(dāng)前幀的似然比
5.根據(jù)權(quán)利要求4所述的基于HMM的噪聲估計(jì)方法，其特征在于，所述HMM為兩狀態(tài)的一階HMM ;其中，所述HMM的兩個(gè)狀態(tài)為:語(yǔ)音存在時(shí)為狀態(tài)H1，語(yǔ)音不存在時(shí)為狀態(tài)Htl ； 所述HMM的狀態(tài)轉(zhuǎn)移矩陣為:
6.根據(jù)權(quán)利要求5所述的基于HMM的噪聲估計(jì)方法，其特征在于，所述an大于所述a,
7.根據(jù)權(quán)利要求5所述的基于HMM的噪聲估計(jì)方法，其特征在于，所述當(dāng)前幀的似然比Ak(HI)通過(guò)以下公式計(jì)算:
8.根據(jù)權(quán)利要求5所述的基于HMM的噪聲估計(jì)方法，其特征在于，所述當(dāng)前幀的似然比Ak(m)通過(guò)以下公式計(jì)算:
9.一種基于HMM的噪聲估計(jì)裝置，其特征在于，包含:語(yǔ)音存在概率計(jì)算模塊、平滑因子計(jì)算模塊、噪聲估計(jì)模塊； 所述語(yǔ)音存在概率計(jì)算模塊用于根據(jù)預(yù)先建立的ΗΜΜ，確定當(dāng)前幀中語(yǔ)音存在的概率；其中，所述HMM的觀測(cè)向量由至少一幀帶噪語(yǔ)音的頻譜組成； 所述平滑因子計(jì)算模塊用于根據(jù)所述語(yǔ)音存在的概率，計(jì)算平滑因子；其中，所述平滑因子與當(dāng)前觀測(cè)向量條件下當(dāng)前幀中語(yǔ)音存在的概率成線性關(guān)系； 所述噪聲估計(jì)模塊用于根據(jù)所述平滑因子、前一幀中噪聲的方差估計(jì)值和當(dāng)前幀帶噪語(yǔ)音的功率譜，計(jì)算當(dāng)前幀中噪聲的方差估計(jì)值。
10.根據(jù)權(quán)利要求9所述的基于HMM的噪聲估計(jì)裝置，其特征在于，所述平滑因子計(jì)算模塊通過(guò)以下公式，根據(jù)所述語(yǔ)音存在的概率，計(jì)算平滑因子:
μ N= μ + (1-μ )p(Q111=H11 Ψω) 其中，μΝ為平滑因子；μ為固定常數(shù)，0〈μ〈I Wqm=H1Iwm)為當(dāng)前觀測(cè)向量^條件下當(dāng)前幀中語(yǔ)音存在的概率為語(yǔ)音存在狀態(tài)，Ψ^?Υ^πι), Yk(m-l),-,Yk(I)I為當(dāng)前觀測(cè)向量，m代表幀序號(hào)。
11.根據(jù)權(quán)利要求9所述的基于HMM的噪聲估計(jì)裝置，其特征在于，所述噪聲估計(jì)模塊通過(guò)以下公式，根據(jù)所述平滑因子μΝ、前一幀中噪聲的方差估計(jì)值和當(dāng)前幀帶噪語(yǔ)音的功率譜|Yk(m) I2，計(jì)算當(dāng)前幀中噪聲的方差估計(jì)值巧jw):

12.根據(jù)權(quán)利要求9至11任一項(xiàng)所述的基于HMM的噪聲估計(jì)裝置，其特征在于，所述語(yǔ)音存在概率計(jì)算模塊包含:似然比計(jì)算子模塊，通過(guò)以下公式計(jì)算當(dāng)前幀的似然比Ak(m):
13.根據(jù)權(quán)利要求12所述的基于HMM的噪聲估計(jì)裝置，其特征在于，所述語(yǔ)音存在概率計(jì)算模塊采用的HMM為兩狀態(tài)的一階HMM ;其中，所述HMM的兩個(gè)狀態(tài)為:語(yǔ)音存在時(shí)為狀態(tài)H1，語(yǔ)音不存在時(shí)為狀態(tài)H。； 所述HMM的狀態(tài)轉(zhuǎn)移矩陣為:
14.根據(jù)權(quán)利要求13所述的基于HMM的噪聲估計(jì)方法，其特征在于，所述an大于所述aOO0
15.根據(jù)權(quán)利要求13所述的基于HMM的噪聲估計(jì)裝置，其特征在于，所述似然比計(jì)算子模塊通過(guò)以下公式計(jì)算所述當(dāng)前幀的似然比Ak(m):
16.根據(jù)權(quán)利要求13所述的基于HMM的噪聲估計(jì)裝置，其特征在于，所述似然比計(jì)算子模塊通過(guò)以下公式計(jì)算所述當(dāng)前幀的似然比Ak(m):
【文檔編號(hào)】G10L15/14GK103903629SQ201210586423
【公開(kāi)日】2014年7月2日 申請(qǐng)日期:2012年12月28日 優(yōu)先權(quán)日:2012年12月28日
【發(fā)明者】謝單輝, 許云峰, 王彥 申請(qǐng)人:聯(lián)芯科技有限公司