一种基于模块复用的助听器去噪装置和方法
【专利摘要】本发明提供了一种基于模块复用的助听器去噪装置和方法。所述基于模块复用的助听器去噪装置包括谱估计与端点检测模块，用于求出输入帧的功率谱并且判断当前帧是语音帧还是噪声帧，从而实现频谱估计与端点检测的模块共用；谱均值模块，用于对前后两帧的功率谱密度进行均值操作从而得到时间平滑的功率谱；维纳滤波模块，用于对当前帧进行维纳滤波操作；以及快速傅里叶逆变换模块，用于将已处理的信号从频域转换回时域，从而得到去噪后的信号。本发明提供的基于模块复用的助听器去噪装置和方法能够实现频谱估计与语音活动性检测的模块共用，从而减少运算量和硬件功耗。
【专利说明】一种基于模块复用的助听器去噪装置和方法【技术领域】
[0001]本发明涉及一种助听器的去噪装置和方法，更具体地涉及一种基于模块复用的助听器去噪装置和方法。
【背景技术】
[0002]随着现代科技的发展，数字助听器以其强大的信号处理能力而逐渐被越来越多的听力障碍患者所接受。然而，在噪声环境下，助听器佩带者对语音的可懂度会严重下降。因此，去噪电路模块对于助听器的语音处理而言尤为重要。目前常用的一些去噪方法包括谱减法、维纳滤波法、子空间语音增强方法等方法，其中最常用的是维纳滤波法，它可以去除环境中的背景噪声、白噪声以及一些音乐噪声等。
[0003]常用的一种维纳滤波算法是ETSI(欧洲电信标准化协会)的标准ETSI ES 202 050V1.1.5 (2007-01)。图1是现有技术的两级维纳滤波方法的流程框图。如图1所示，两级Mel翘曲维纳滤波应用Mel域三角滤波器组将维纳滤波系数转换到与语音感知相关的Mel域，然后对信号进行滤波。
[0004]在第一级中，通过谱估计模块计算输入帧的谱，谱均值模块用前后帧之间的功率谱均值得到时间平滑的功率谱，语音活动性检测(Voice Activity Detection, VADNest)(以下也将称为端点检测)模块判定当前帧是语音帧还是纯噪声帧。在维纳滤波模块完成线性频率滤波器系数的计算之后，采用美化带模块进行平滑操作而得到Mel翘曲维纳滤波系数，再进行Mel IDCT操作得到Mel翘曲维纳滤波器的时域冲击响应。然后，由滤波模块对滤波器冲击响应和输入语音信号进行卷积，从而实现维纳滤波过程。
[0005]在进行谱估计的时候，需要对256点进行快速傅里叶变换(FFT)，然后对频域进行平方得到频谱。图2是现有技术的两级维纳滤波方法中的端点检测(VADNest)的流程框图，其中求FRAME_EN的公式为:.,_` 16
fmmetn = ?.，+ ——K In --- r
—.1n 264
II
如图1所示，第二级的维纳滤波与第一级不同的是在美化带模块中求取Mel尺度各子带滤波系数之后，在增益调整模块中对系数进行了增益处理。对信噪比(SNR)较低的信号帧利用增益处理作更深度的噪声消除，而对SNR较高的信号帧则通过减小滤波系数增益以减低滤波器影响，从而降低噪声消除深度。通过这样的处理，进一步降低了噪声信号的幅度，同时尽可能保留语音信号，有利于提高识别的准确率。此外，去直流模块用于消除直流分量。
[0006]从图1和图2可以看出，在进行谱估计来求频谱的时候需要进行256点的FFT变换，在VADNest的时候需要对每一个点进行平方并且求对数。虽然这对于软件的运算来说不算太大负担，但是对于硬件来说，FFT变换和平方运算都是需要花费很长的时间的并且需要消费很大的功耗。尤其对于安装纽扣电池的助听器产品来说，这样的花销是很不值得的，也算是非常致命的打击。
【发明内容】
[0007]本发明实施例提供一种基于模块复用的助听器去噪装置，包括:谱估计与端点检测模块，用于求出输入帧的功率谱并且判断当前帧是语音帧还是噪声帧，从而实现频谱估计与端点检测的模块共用；谱均值模块，耦合于谱估计与端点检测模块，用于对前后两帧的功率谱密度进行均值操作从而得到时间平滑的功率谱；维纳滤波模块，耦合于谱均值模块，用于对当前帧进行维纳滤波操作；以及快速傅里叶逆变换模块，耦合于维纳滤波模块，用于将已处理的信号从频域转换回时域，从而得到去噪后的信号。
[0008]本发明实施例还提供一种基于模块复用的助听器去噪方法，包括:求出输入帧的功率谱并且判断当前帧是语音帧还是噪声帧，从而实现频谱估计与端点检测的模块共用；对前后两帧的功率谱密度进行均值操作从而得到时间平滑的功率谱；对当前帧进行维纳滤波操作；以及将已处理的信号从频域转换回时域，从而得到去噪后的信号。
[0009]本发明提供的基于模块复用的助听器去噪装置和方法能够实现频谱估计与语音活动性检测的模块共用，从而更好地实现算法的功能并且减少运算量和硬件功耗以使算法的功能更加简单。
【专利附图】
【附图说明】
[0010]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0011]图1是现有技术的两级维纳滤波方法的流程框图。
[0012]图2是现有技术的两级维纳滤波方法中的端点检测的流程框图。
[0013]图3是本发明一实施例提供的基于模块复用的助听器去噪装置的结构示意图。
[0014]图4是本发明一实施例提供的基于模块复用的助听器去噪方法的流程示意图。
【具体实施方式】
[0015]为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0016]图3是本发明一实施例提供的基于模块复用的助听器去噪装置300的结构示意图。助听器去噪装置300包括谱估计与端点检测模块302、谱均值模块304、维纳滤波模块306、以及快速傅里叶逆变换(IFFT)模块308。
[0017]谱估计与端点检测模块302能够实现频谱估计与语音活动性检测的模块共用。在一方面，谱估计与端点检测模块302可用于将输入信号重叠分帧，通过快速傅里叶变换(FFT)将帧从时域转换到频域并求出输入帧的功率谱。在另一方面，谱估计与端点检测模块302还可用于判断当前帧(例如，20ms数据帧)是语音帧还是噪声帧。在一个实施例中，谱估计与端点检测模块302是采用与频谱估计一样的算法来判断当前帧是语音帧还是噪声帧。即，谱估计与端点检测模块302采用256点的FFT来进行频谱估计与端点检测两者的运算。具体来说，在谱估计与端点检测模块302进行频谱估计的时候，直接取用FFT的结果然后进行平方即得到频谱；而在谱估计与端点检测模块302进行端点检测的时候，将某几个频率分量进行组合，然后得到频谱的均值，进而求得频带的方差。因为噪声的起伏程度往往比较小，可以通过比较频带的方差与预设阈值来实现语音帧和噪声帧的判断。如果频带的方差大于预设阈值，则当前帧被判断为语音帧(如话音、音乐、信息音等)。相反地，如果频带的方差不大于预设阈值，则当前帧被判断为噪声帧(静默帧)。
[0018]谱均值模块304用于对前后两帧的功率谱密度进行均值操作从而得到时间平滑的功率谱。在一个实施例中，维纳滤波模块306可进行两级维纳滤波操作。在第一级滤波阶段的噪声估计中，根据谱估计与端点检测模块302的检测结果而对非语音段进行更新。在第二级滤波阶段的噪声估计中，利用语音与噪声之间的相关性进行更新。IFFT模块308用于将已处理的信号从频域转换回时域，从而得到去噪后的信号。虽然此处并未详述谱均值模块304、维纳滤波模块306、和IFFT模块308的更多具体操作，本领域技术人员应可理解以上模块可采用任何已知的合适技术及其结合来实现。
[0019]图4是本发明一实施例提供的基于模块复用的助听器去噪方法400的流程示意图。以下将参考图3来描述图4。
[0020]在步骤S402，将输入信号分帧，求出输入帧的功率谱并且进行端点检测(或可称为语音活动性检测)。例如，图3中的谱估计与端点检测模块302采用256点的FFT来进行频谱估计与端点检测两者的运算。具体来说，在谱估计与端点检测模块302进行频谱估计的时候，直接取用FFT的结果然后进行平方即得到频谱；而在谱估计与端点检测模块302进行端点检测的时候，将某几个频率分量进行组合，然后得到频谱的均值，进而求得频带的方差。因为噪声的起伏程度往往比较小，可以通过比较频带的方差与预设阈值来实现语音帧和噪声帧的判断。如果频带的方差大于预设阈值，则当前帧被判断为语音帧(如话音、音乐、信息音等)。相反地，如果频带的方差不大于预设阈值，则当前帧被判断为噪声帧(静默帧)。
[0021]在步骤S404中，进行均值操作从而得到时间平滑的功率谱。例如，图3中的谱均值模块304对前后两帧的功率谱密度进行均值操作从而得到时间平滑的功率谱。
[0022]在步骤S406中，进行维纳滤波操作。例如，图3中的维纳滤波模块306可进行两级维纳滤波操作。在第一级滤波阶段的噪声估计中，根据谱估计与端点检测模块302的检测结果而对非语音段进行更新。在第二级滤波阶段的噪声估计中，利用语音与噪声之间的相关性进行更新。
[0023]在步骤S408中，将处理的信号从频域转换回时域，从而得到去噪后的信号。例如，图3中的IFFT模块308将已处理的信号从频域转换回时域，从而得到去噪后的信号。
[0024]有利地，本发明提供的基于模块复用的助听器去噪装置和方法能够实现频谱估计与语音活动性检测的模块共用，从而更好地实现算法的功能并且减少运算量和硬件功耗以使算法的功能更加简单。
[0025]以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
【权利要求】
1.一种基于模块复用的助听器去噪装置，包括: 谱估计与端点检测模块，用于求出输入帧的功率谱并且判断当前帧是语音帧还是噪声帧，从而实现频谱估计与端点检测的模块共用； 谱均值模块，耦合于所述谱估计与端点检测模块，用于对前后两帧的功率谱密度进行均值操作从而得到时间平滑的功率谱； 维纳滤波模块，耦合于所述谱均值模块，用于对所述当前帧进行维纳滤波操作；以及 快速傅里叶逆变换模块，耦合于所述维纳滤波模块，用于将已处理的信号从频域转换回时域，从而得到去噪后的信号。
2.如权利要求1所述的助听器去噪装置，其特征在于，所述谱估计与端点检测模块是采用256点的快速傅里叶变换来进行频谱估计与端点检测两者的运算。
3.如权利要求2所述的助听器去噪装置，其特征在于，所述谱估计与端点检测模块是直接取用快速傅里叶变换的结果然后进行平方来得到频谱。
4.如权利要求2所述的助听器去噪装置，其特征在于，所述谱估计与端点检测模块是通过比较频带的方差与预设阈值来实现语音帧和噪声帧的判断。
5.如权利要求4所述的助听器去噪装置，其特征在于，如果所述频带的方差大于所述预设阈值，则所述当前帧被判断为语音帧，并且如果所述频带的方差不大于所述预设阈值，则所述当前帧被判断为噪声帧。
6.一种基于模块复用的助听器去噪方法，包括: 求出输入帧的功率谱并且判断当前帧是语音帧还是噪声帧，从而实现频谱估计与端点检测的模块共用； 对前后两帧的功率谱密度进行均值操作从而得到时间平滑的功率谱； 对所述当前帧进行维纳滤波操作；以及 将已处理的信号从频域转换回时域，从而得到去噪后的信号。
7.如权利要求6所述的助听器去噪方法，其特征在于，求出输入帧的功率谱并且判断当前帧是语音帧还是噪声帧的所述步骤包括采用256点的快速傅里叶变换来进行频谱估计与端点检测两者的运算。
8.如权利要求7所述的助听器去噪方法，其特征在于，求出输入帧的功率谱的所述步骤包括直接取用快速傅里叶变换的结果然后进行平方来得到频谱。
9.如权利要求7所述的助听器去噪方法，其特征在于，判断当前帧是语音帧还是噪声帧的所述步骤包括比较频带的方差与预设阈值。
10.如权利要求9所述的助听器去噪方法，其特征在于，如果所述频带的方差大于所述预设阈值，则所述当前帧被判断为语音帧，并且如果所述频带的方差不大于所述预设阈值，则所述当前帧被判断为噪声帧。
【文档编号】G10L21/0232GK103824563SQ201410059379
【公开日】2014年5月28日 申请日期:2014年2月21日 优先权日:2014年2月21日
【发明者】薛风杰 申请人:深圳市微纳集成电路与系统应用研究院