用于增强混合信号中的语音的方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号(10)申请公布号CNCN104067340104067340A(43)申请公布日2014.09.24(21)申请号201280067875.2(22)申请日2012.12.11(30)优先权数据13/360,4672012.01.27US(85)PCT国际申请进入国家阶段日2014.07.23(86)PCT国际申请的申请数据PCT/JP2012/0825982012.12.11(87)PCT国际申请的公布数据WO2013/111476EN2013.08.01(71)申请人三菱电机株式会社地址日本东京都(72)发明人J·R·赫尔歇J·勒鲁克斯(74)专利代理机构北京三友知识产权代理有限公司11127代理人吕俊刚刘久亮(51)Int.Cl.G10L21/0216(2013.01)权权利要求书2页利要求书2页说明书5页说明书5页附图1页附图1页(54)发明名称用于增强混合信号中的语音的方法(57)摘要从包括噪声和语音的混合信号中产生增强的语音。利用矢量泰勒级数来估计混合信号中的噪声。估计的噪声依据最小均方差。然后，从混合信号中减去噪声以获得增强的语音。CN104067340ACN104673ACN104067340A权利要求书1/2页1.一种用于增强混合信号中的语音的方法，其中，所述混合信号包括噪声信号和语音信号，该方法包括以下步骤：确定混合信号中的噪声的估计，其中，所述确定使用所述语音信号、所述噪声信号和所述混合信号的概率模型，其中，在基于对数频谱的域中定义所述概率模型；以及从所述混合信号中减去所述噪声的所述估计以获得增强的语音，其中，上述步骤在处理器中执行。2.根据权利要求1所述的方法，其中，所述噪声的所述估计基于后验最小均方误差标准。3.根据权利要求1所述的方法，其中，所述噪声的所述估计基于最大后验(MAP)概率标准。4.根据权利要求1所述的方法，其中，所述确定利用基于矢量泰勒级数(VTS)的方法。5.根据权利要求4所述的方法，其中，所述噪声的所述估计是其中，s是所述语音的状态，y是有噪语音对数频谱，是所述基于VTS的方法的展开点，μ是均值，并且是考虑了所述有噪语音对数频谱和所述展开点的语音状态的条件概率。6.根据权利要求1所述的方法，其中，所述减去产生复谱其中，t是时间帧，yt是有噪语音对数频谱，是所述噪声的所述估计，并且θt是所述有噪语音对数频谱的相位。7.根据权利要求1所述的方法，该方法还包括：针对所述噪声中的各个频率f赋予声学模型权重αf，以有区别地强调声学似然分数。8.根据权利要求1所述的方法，其中，从所述混合信号中的非语音段估计所述噪声模型的充分统计数据。9.根据权利要求8所述的方法，其中，根据下式在对数频谱域中估计所述噪声模型的均值其中，I是用于假定的非语音帧的时间索引的集合，yt是有噪语音对数频谱，并且n是所述集合I中的索引的数量。10.根据权利要求8所述的方法，其中，根据下式在功率域中估计所述噪声模型的均值2CN104067340A权利要求书2/2页其中，I是用于假定的非语音帧的时间索引的集合，yt是有噪语音对数频谱，并且n是所述集合I中的索引的数量。3CN104067340A说明书1/5页用于增强混合信号中的语音的方法技术领域[0001]本发明总体上涉及一种用于增强包括语音和噪声的信号的方法，更具体地，涉及利用模型来增强语音信号的方法。背景技术[0002]诸如基于矢量泰勒级数(VTS)的方法的基于模型的语音增强方法使用语音和噪声二者的统计学模型，以从有噪信号中产生增强的语音的估计。在基于模型的方法中，在给定噪声的情况下，通常根据模型通过确定语音的期望值直接估计增强的语音。[0003]基于直接矢量泰勒级数的方法[0004]在高分辨率噪声补偿技术中，通过在短时对数谱域而非具有降低的谱分辨率的特征域(诸如通常用于语音识别的梅尔频谱)中的高斯分布或高斯混合模型将混合的语音和噪声信号模型化。为了从频谱中完美地重构信号，通过利用合适的互补分析和综合窗来实现这一点，这在减小的特征集中是不可能的。[0005]这里，将帧t的短时语音对数频谱xt置于离散状态st。噪声为似稳定，因此仅单个高斯分布用于噪声对数频谱nt：[0006][0007]其中，指具有均值μ和方差Σ的高斯分布N。[0008]关于相位，对数和近似在功率域中使用期望值的对数，以在频率f和帧t中定义观察到的有噪频谱yf,t上的交互分布：[0009][0010]其中，Ψ＝(ψf)f是旨在处理该相位的影响的方差。[0011]为了在该模型中执行推理，需要确定以下似然和后验积分[0012]p(yt|st)＝∫p(yt|xt，nt)p(nt)p(xt|st)dxtdnt，(3)[0013]E(xt|s