基于gmm噪聲估計(jì)的語(yǔ)音增強(qiáng)方法
【專利摘要】本發(fā)明公開(kāi)一種基于高斯混合模型(GMM：Gaussian Mixture Model)噪聲估計(jì)的語(yǔ)音增強(qiáng)方法，用GMM估計(jì)背景噪聲和譜減系數(shù)，對(duì)含噪語(yǔ)音進(jìn)行譜減，恢復(fù)純凈語(yǔ)音。首先，含噪語(yǔ)音經(jīng)過(guò)預(yù)處理得到含噪語(yǔ)音的幅度和相位，幅度用于噪聲估計(jì)和譜減，相位用于恢復(fù)時(shí)域信號(hào)；然后利用GMM從含噪語(yǔ)音中實(shí)時(shí)估計(jì)噪聲參數(shù)和純凈語(yǔ)音倒譜特征，并根據(jù)估得的純凈語(yǔ)音倒譜特征計(jì)算譜減系數(shù)；最后，對(duì)含噪語(yǔ)音的頻譜進(jìn)行譜減，恢復(fù)時(shí)域信號(hào)，并用重疊相加法得到增強(qiáng)后的語(yǔ)音。本發(fā)明可以顯著提高語(yǔ)音增強(qiáng)算法對(duì)非平穩(wěn)噪聲的跟蹤能力。
【專利說(shuō)明】基于GMM噪聲估計(jì)的語(yǔ)音増強(qiáng)方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于語(yǔ)音識(shí)別【技術(shù)領(lǐng)域】，具體涉及到用高斯混合模型（GMMiGaussian Mixture Model)估計(jì)背景噪聲和譜減系數(shù)，對(duì)含噪語(yǔ)音進(jìn)行譜減，恢復(fù)純凈語(yǔ)音的語(yǔ)音增 強(qiáng)方法。

【背景技術(shù)】
[0002] 在實(shí)際應(yīng)用中，語(yǔ)音通信不可避免地會(huì)受到環(huán)境噪聲的干擾。為了減小噪聲對(duì)語(yǔ) 音信號(hào)的影響，在語(yǔ)音通信中，需要采用某些方法抑制噪聲干擾，增強(qiáng)有用語(yǔ)音信號(hào)，增加 語(yǔ)音的可懂度，這些方法就是語(yǔ)音增強(qiáng)。根據(jù)語(yǔ)音通道的個(gè)數(shù)，語(yǔ)音增強(qiáng)可以分為單通道語(yǔ) 音增強(qiáng)、雙通道語(yǔ)音增強(qiáng)和多通道語(yǔ)音增強(qiáng)。雖然雙通道和多通道語(yǔ)音增強(qiáng)可以取得更好 的增強(qiáng)效果，但是在很多情況下，只有一路語(yǔ)音信號(hào)可用，因此單通道語(yǔ)音增強(qiáng)的研宄仍然 具有重要的意義。
[0003] 譜減法是一種基于短時(shí)譜估計(jì)的單通道語(yǔ)音增強(qiáng)方法，具有運(yùn)算量小、易于實(shí)現(xiàn) 的特點(diǎn)，因而受到廣泛應(yīng)用。在譜減法中，根據(jù)非語(yǔ)音段估得的噪聲頻譜均值，從含噪語(yǔ)音 頻譜中減去噪聲頻譜均值，即可得到純凈語(yǔ)音頻譜。由于噪聲的頻譜是一個(gè)隨機(jī)變量，在非 語(yǔ)音段，只能估計(jì)其均值；對(duì)語(yǔ)音段的每一幀頻譜，由于無(wú)法獲得噪聲頻譜的分布信息，只 能減去噪聲頻譜的均值，這就導(dǎo)致譜減后的語(yǔ)音存在較多的殘留噪聲，與實(shí)際純凈語(yǔ)音相 差較大。因此，在譜減法中，通常設(shè)置譜減系數(shù)，其設(shè)置原則為：在純?cè)肼曨l段，譜減系數(shù)較 大，減去較多的噪聲；在含有語(yǔ)音的頻段，譜減系數(shù)較小，避免損傷語(yǔ)音。
[0004] 噪聲估計(jì)一直是譜減法語(yǔ)音增強(qiáng)的關(guān)鍵技術(shù)之一，一般通過(guò)對(duì)語(yǔ)音間隙期的噪聲 功率譜進(jìn)行平滑得到噪聲頻譜的均值。然而，環(huán)境噪聲往往是非平穩(wěn)的，在語(yǔ)音段，噪聲的 類型或強(qiáng)度也有可能發(fā)生變化，因此噪聲估計(jì)不能僅僅局限于語(yǔ)音間隙期，在語(yǔ)音存在期 間也應(yīng)該連續(xù)更新噪聲。目前，逐幀估計(jì)噪聲的主要方法是搜索一段時(shí)間內(nèi)含噪語(yǔ)音頻譜 的最小值，用含噪語(yǔ)音頻譜的最小值代表噪聲頻譜大小。這種方法的主要缺點(diǎn)是噪聲估計(jì) 存在一定的延遲，無(wú)法實(shí)時(shí)跟蹤非平穩(wěn)噪聲。


【發(fā)明內(nèi)容】

[0005] 發(fā)明目的：針對(duì)現(xiàn)有技術(shù)中存在的問(wèn)題，本發(fā)明提供一種基于高斯混合模型 (GMM)噪聲估計(jì)的語(yǔ)音增強(qiáng)方法。
[0006] 技術(shù)方案：一種基于GMM噪聲估計(jì)的語(yǔ)音增強(qiáng)方法，首先，含噪語(yǔ)音經(jīng)過(guò)預(yù)處理 得到含噪語(yǔ)音的幅度和相位，幅度用于噪聲估計(jì)和譜減，相位用于恢復(fù)時(shí)域信號(hào)；然后 利用GMM從含噪語(yǔ)音中實(shí)時(shí)估計(jì)噪聲參數(shù)和純凈語(yǔ)音MFCC(Mel frequency c印stral coefficient)，并根據(jù)估得的純凈語(yǔ)音特征MFCC計(jì)算譜減系數(shù)；最后，對(duì)含噪語(yǔ)音的頻譜 進(jìn)行譜減，恢復(fù)時(shí)域信號(hào)，并用重疊相加法得到增強(qiáng)后的語(yǔ)音。
[0007] 方法的具體過(guò)程如下：
[0008] (1)對(duì)含噪語(yǔ)音進(jìn)行預(yù)處理，包括加窗、分幀和FFT (Fast Fourier Transform)，并 將每幀信號(hào)的頻譜分為幅度部分和相位部分；
[0009] (2)根據(jù)含噪語(yǔ)音幅度譜，提取含噪語(yǔ)音MFCC ;
[0010] (3)利用訓(xùn)練階段生成的GMM從含噪語(yǔ)音MFCC中估計(jì)噪聲的均值和方差，在噪聲 估計(jì)中不區(qū)分非語(yǔ)音幀和語(yǔ)音幀；
[0011] (4)利用估得的噪聲參數(shù)對(duì)GMM的均值和方差進(jìn)行變換，使之與當(dāng)前環(huán)境相匹配， 并用最小均方誤差算法估計(jì)純凈語(yǔ)音MFCC ;
[0012] (5)將估得的純凈語(yǔ)音MFCC變換到線性譜域，計(jì)算人耳的掩蔽閾值，得到每個(gè)離 散數(shù)字頻率k處的掩蔽閾值T (k)，并根據(jù)T (k)計(jì)算譜減系數(shù)；
[0013] (6)對(duì)每幀含噪語(yǔ)音進(jìn)行端點(diǎn)檢測(cè)，判斷其是語(yǔ)音幀還是非語(yǔ)音幀；
[0014] (7)根據(jù)估得的噪聲均值和譜減系數(shù)，對(duì)語(yǔ)音幀的含噪語(yǔ)音頻譜進(jìn)行幅度譜減，得 到增強(qiáng)后的語(yǔ)音幅度譜；
[0015] (8)對(duì)非語(yǔ)音幀的幅度譜進(jìn)行處理，一般只需要乘以一個(gè)較小的系數(shù)即可，系數(shù)值 一般取0.01 ;
[0016] (9)對(duì)增強(qiáng)后的每幀信號(hào)進(jìn)行IFFT(Inverse FFT)運(yùn)算，得到每幀時(shí)域信號(hào)，在進(jìn) 行IFFT運(yùn)算時(shí)，相位采用該幀含噪語(yǔ)音的相位；
[0017] (10)對(duì)語(yǔ)音全部幀的時(shí)域信號(hào)進(jìn)行重疊相加，得到增強(qiáng)后的語(yǔ)音。
[0018] 本發(fā)明采用上述技術(shù)方案，具有以下有益效果：在本發(fā)明的語(yǔ)音增強(qiáng)方法中，噪聲 估計(jì)不局限于語(yǔ)音間隙期的靜音段，而是通過(guò)GMM模型逐幀估計(jì)噪聲參數(shù)，不區(qū)分靜音段 和語(yǔ)音段，無(wú)需端點(diǎn)檢測(cè)算法。因此，在非平穩(wěn)環(huán)境中，基于GMM噪聲估計(jì)的語(yǔ)音增強(qiáng)方法 可以更好地跟蹤環(huán)境噪聲的變化，得到更加準(zhǔn)確的純凈語(yǔ)音信號(hào)，優(yōu)于傳統(tǒng)的語(yǔ)音增強(qiáng)算 法。

【專利附圖】

【附圖說(shuō)明】
[0019] 圖1為本發(fā)明實(shí)施例的方法流程圖，該方法主要包括語(yǔ)音預(yù)處理、特征提取、噪聲 參數(shù)估計(jì)、純凈語(yǔ)音估計(jì)、譜減系數(shù)估計(jì)、端點(diǎn)檢測(cè)、語(yǔ)音幀譜減、非語(yǔ)音幀處理、IFFT和重 疊相加10個(gè)模塊。

【具體實(shí)施方式】
[0020] 下面結(jié)合具體實(shí)施例，進(jìn)一步闡明本發(fā)明，應(yīng)理解這些實(shí)施例僅用于說(shuō)明本發(fā)明 而不用于限制本發(fā)明的范圍，在閱讀了本發(fā)明之后，本領(lǐng)域技術(shù)人員對(duì)本發(fā)明的各種等價(jià) 形式的修改均落于本申請(qǐng)所附權(quán)利要求所限定的范圍。
[0021] 如圖1所示，基于GMM噪聲估計(jì)的語(yǔ)音增強(qiáng)方法主要包括噪聲估計(jì)、譜減系數(shù)估 計(jì)、語(yǔ)音幀譜減、非語(yǔ)音幀處理等模塊。下面逐一詳細(xì)說(shuō)明附圖中各模塊的具體實(shí)施方案。
[0022] 1、語(yǔ)音預(yù)處理：
[0023] 對(duì)含噪語(yǔ)音進(jìn)行預(yù)處理，包括加窗、分幀和FFT。窗函數(shù)一般米用海明窗；分幀時(shí)， 前后幀之間一般有部分采樣點(diǎn)重疊；FFT的點(diǎn)數(shù)由采樣頻率決定，使每幀信號(hào)的持續(xù)時(shí)間 在20毫秒左右。含噪語(yǔ)音經(jīng)過(guò)預(yù)處理，可以得到其幅度譜和相位譜，幅度譜用于噪聲估計(jì) 和譜減，相位譜用于在后端恢復(fù)時(shí)域信號(hào)。一般認(rèn)為相位對(duì)聽(tīng)覺(jué)系統(tǒng)的影響很小，可以直接 用含噪語(yǔ)音的相位作為純凈語(yǔ)音的相位。
[0024] 2、特征提?。?br> [0025] 用標(biāo)準(zhǔn)MFCC提取算法，從含噪語(yǔ)音幅度譜中為每幀信號(hào)提取特征參數(shù)，得到含噪 語(yǔ)音MFCC。
[0026] 3、噪聲參數(shù)估計(jì)：
[0027] 在訓(xùn)練階段，用一個(gè)GMM表示純凈語(yǔ)音特征向量的空間分布：

【權(quán)利要求】
1. 一種基于GMM噪聲估計(jì)的語(yǔ)音增強(qiáng)方法，其特征是用GMM從含噪語(yǔ)音中實(shí)時(shí)估計(jì)噪 聲參數(shù)和純凈語(yǔ)音特征參數(shù)，并根據(jù)估得的純凈語(yǔ)音特征參數(shù)計(jì)算譜減系數(shù)，對(duì)含噪語(yǔ)音 的頻譜進(jìn)行譜減，恢復(fù)時(shí)域信號(hào)，得到增強(qiáng)后的語(yǔ)音； 具體包括： (1) 利用一個(gè)含有多個(gè)高斯單元的GMM描述純凈語(yǔ)音特征向量的分布，在訓(xùn)練階段用 純凈訓(xùn)練語(yǔ)音的特征向量訓(xùn)練生成該GMM; (2) 用于譜減的噪聲均值通過(guò)GMM從含噪語(yǔ)音特征向量中實(shí)時(shí)估計(jì)，在噪聲估計(jì)中，不 區(qū)分語(yǔ)音幀和非語(yǔ)音幀，而是逐幀更新噪聲的均值； (3) 在噪聲參數(shù)估計(jì)中，除估計(jì)噪聲均值外，還估計(jì)噪聲的方差； (4) 利用估得的噪聲均值和方差對(duì)GMM的均值和方差進(jìn)行變換，使之與當(dāng)前環(huán)境相匹 配，并用最小均方誤差算法估計(jì)純凈語(yǔ)音特征向量； (5) 將估得的純凈語(yǔ)音特征向量變換到線性譜域，計(jì)算人耳的掩蔽閾值，得到每個(gè)離散 數(shù)字頻率處的掩蔽閾值，并根據(jù)掩蔽閾值計(jì)算譜減系數(shù)； (6) 根據(jù)估得的噪聲均值和譜減系數(shù)，對(duì)語(yǔ)音幀的含噪語(yǔ)音頻譜進(jìn)行幅度譜減，得到增 強(qiáng)后的語(yǔ)音幅度譜，對(duì)非語(yǔ)音幀的噪聲幅度譜乘以一個(gè)較小的噪聲保留系數(shù)。
2. 根據(jù)權(quán)利要求1所述的一種基于GMM噪聲估計(jì)的語(yǔ)音增強(qiáng)方法，其特征在于：噪聲 的均值和方差通過(guò)最大期望算法和最大似然準(zhǔn)則從若干幀含噪語(yǔ)音或噪聲中估計(jì)，用于噪 聲估計(jì)的信號(hào)包括當(dāng)前幀及其之前的若干幀，幀數(shù)一般取20?30幀。
3. 根據(jù)權(quán)利要求1所述的一種基于GMM噪聲估計(jì)的語(yǔ)音增強(qiáng)方法，其特征在于：純凈 語(yǔ)音估計(jì)中得到純凈語(yǔ)音特征向量不直接作為增強(qiáng)后的語(yǔ)音，而是根據(jù)其計(jì)算人耳的掩蔽 閾值，根據(jù)掩蔽閾值計(jì)算譜減法的過(guò)減系數(shù)和噪聲保留系數(shù)。
4. 根據(jù)權(quán)利要求1所述的一種基于GMM噪聲估計(jì)的語(yǔ)音增強(qiáng)方法，其特征在于：譜減 法的過(guò)減系數(shù)a(k)根據(jù)下式計(jì)算：
其中，k為離散數(shù)字頻率，T(k)為掩蔽閾值，N(k)為噪聲均值，Citl為常數(shù)，a(k)為離 散數(shù)字頻率k處的過(guò)減系數(shù)。
【文檔編號(hào)】G10L15/20GK104464728SQ201410704574
【公開(kāi)日】2015年3月25日 申請(qǐng)日期:2014年11月26日 優(yōu)先權(quán)日:2014年11月26日
【發(fā)明者】呂勇 申請(qǐng)人:河海大學(xué)