置的映 射公式获取与外部噪声相对应的外部近似特征，再接着通过傅里叶逆变换将外部近似特征 转换为对应的噪声信号估计值，最后将噪声信号估计与采集的包含有内部噪声的语音信号 进行预置噪声对消方式处理，获取噪声抑制后的去噪语音信号；
[01巧]主语音采集机构52,用于采集包含有内部噪声的语音信号，主语音采集机构52， 还用于采集未输入语音信号时的外部噪声，使得噪声抑制装置53对未输入语音信号时，对 内部噪声和外部噪声组成的噪声信号样本进行预置自编码神经网络结构的训练，W确定映 射公式。
[0156] 其中，内部信号特征为功率谱帖序列，外部近似特征为功率谱形式的帖序列。
[0157] 进一步地，参考语音采集机构51和主语音采集机构52可W是麦克风，此处具体不 做限定。
[0158] 所属领域的技术人员可W清楚地了解到，为描述的方便和简洁，上述描述的系统， 装置和单元的具体工作过程，可W参考前述方法实施例中的对应过程，在此不再寶述。
[0159] 在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可W 通过其它的方式实现。例如，W上所描述的装置实施例仅仅是示意性的，例如，所述单元的 划分，仅仅为一种逻辑功能划分，实际实现时可W有另外的划分方式，例如多个单元或组件 可W结合或者可W集成到另一个系统，或一些特征可W忽略，或不执行。另一点，所显示或 讨论的相互之间的禪合或直接禪合或通信连接可W是通过一些接口，装置或单元的间接禪 合或通信连接，可W是电性，机械或其它的形式。
[0160] 所述作为分离部件说明的单元可W是或者也可W不是物理上分开的，作为单元显 示的部件可W是或者也可W不是物理单元，即可W位于一个地方，或者也可W分布到多个 网络单元上。可W根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目 的。
[0161]另外，在本发明各个实施例中的各功能单元可W集成在一个处理单元中，也可W 是各个单元单独物理存在，也可W两个或两个W上单元集成在一个单元中。上述集成的单 元既可W采用硬件的形式实现，也可W采用软件功能单元的形式实现。
[0162] 所述集成的单元如果W软件功能单元的形式实现并作为独立的产品销售或使用 时，可W存储在一个计算机可读取存储介质中。基于该样的理解，本发明的技术方案本质 上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可软件产品的形 式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用w使得一台计算 机设备（可W是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法 的全部或部分步骤。而前述的存储介质包括；U盘、移动硬盘、只读存储器（ROM,ReacK)nly Memcxry)、随机存取存储器（RAM,RandomAccessMemcxry)、磁碟或者光盘等各种可W存储程 序代码的介质。
[0163]W上所述，W上实施例仅用W说明本发明的技术方案，而非对其限制；尽管参照前 述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可W对前 述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而该些 修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
【主权项】
1. 一种噪声抑制方法，其特征在于，包括： 51 :当语音信号输入时，噪声抑制装置接收到参考语音采集机构采集的内部噪声和主 语音采集机构采集的包含有外部噪声的语音信号； 52 :提取所述内部噪声对应的内部信号特征，所述内部信号特征为功率谱帧序列； 53 :根据所述内部信号特征，并结合预置的映射公式获取与所述外部噪声相对应的外 部近似特征，所述外部近似特征为功率谱形式的帧序列； 54 :通过傅里叶逆变换将所述外部近似特征转换为对应的噪声信号估计值； 55 :将所述噪声信号估计与采集的包含有内部噪声的语音信号进行预置噪声对消方式 处理，获取噪声抑制后的去噪语音信号。2. 根据权利要求1所述的噪声抑制方法，其特征在于，步骤S1之前还包括： 对未输入所述语音信号时，对所述内部噪声和所述外部噪声组成的噪声信号样本进行 预置自编码神经网络结构的训练，以确定所述映射公式。3. 根据权利要求2所述的噪声抑制方法，其特征在于，所述预置自编码神经网络结构 的训练步骤具体包括： 56 :对所述噪声信号样本进行每一个预置帧的傅里叶变换，获取对应的样本帧的特征 和样本角度信息，所述样本帧的特征为功率谱形式； 57 :将所述样本帧的特征作为所述预置自编码神经网络结构的样本输入x(n)和期望 输出〇 (n)，确定训练样本集(?).?))二； 58 :对所述训练样本集(4?)，〇(?))二中的训练样本--进行训练，确定所述训练样本 集以⑷以/小二对应的权重向量和偏置参数； 59 :将确定后的所述权重向量和所述偏置参数与所述自编码神经网络的结构求和，计 算得到所述训练样本集(4")々("))二的所述映射公式。4. 根据权利要求1至3中任意一项所述的噪声抑制方法，其特征在于，步骤S5具体包 括： 将所述噪声信号估计与采集的包含有所述内部噪声的语音信号进行ANC噪声对消方 式处理，获取噪声抑制后的所述去噪语音信号。5. 根据权利要求2或3所述的噪声抑制方法，其特征在于，所述预置自编码神经网络结 构为5层结构，第一层和第五层为输入输出层，第二层、第三层和第四层为隐含层。6. -种噪声抑制装置，其特征在于，包括： 接收单元，用于当语音信号输入时，接收所述参考语音采集机构采集的内部噪声和所 述主语音采集机构采集的包含有外部噪声的语音信号； 提取单元，用于提取所述内部噪声对应的内部信号特征，所述内部信号特征为功率谱 帧序列； 获取单元，用于根据所述内部信号特征，并结合预置的映射公式获取与所述外部噪声 相对应的外部近似特征，所述外部近似特征为功率谱形式的帧序列； 转换单元，用于通过傅里叶逆变换将所述外部近似特征转换为对应的噪声信号估计 值； 去噪单元，用于将所述噪声信号估计与采集的包含有内部噪声的语音信号进行预置噪 声对消方式处理，获取噪声抑制后的去噪语音信号。7. 根据权利要求6所述的噪声抑制装置，其特征在于，所述的噪声抑制装置还包括： 训练单元，用于对未输入所述语音信号时，对所述内部噪声和所述外部噪声组成的噪 声信号样本进行预置自编码神经网络结构的训练，以确定所述映射公式。8. 根据权利要求6或7所述的噪声抑制装置，其特征在于，所述训练单元具体包括： 变换子单元，用于对未输入所述语音信号时，对所述内部噪声和所述外部噪声组成的 噪声信号样本进行每一个预置帧的傅里叶变换，获取对应的样本帧的特征和样本角度信 息，所述样本帧的特征为功率谱形式； 第一确定子单元，用于将所述样本帧的特征作为所述预置自编码神经网络结构的样本 输入x (n)和期望输出〇 (n)，确定训练样本集二； 第二确定子单元，用于对所述训练样本集中的训练样本一一进行训练，确 定所述训练样本集U㈨4"))二对应的权重向量和偏置参数； 计算子单元，用于将确定后的所述权重向量和所述偏置参数与所述自编码神经网络的 结构求和，计算得到所述训练样本集(x⑷，〇⑷)：的所述映射公式。9. 一种噪声抑制系统，其特征在于，包括： 参考语音采集机构、主语音采集机构，以及如权利要求6至8中任意一项所述的噪声抑 制装置； 所述参考语音采集机构、所述主语音采集机构分别与所述噪声抑制装置建立有信号传 输连接关系； 其中，所述参考语音采集机构，用于采集内部噪声信号； 所述噪声抑制装置，用于当语音信号输入时，接收所述内部噪声和包含有外部噪声的 语音信号，然后提取所述内部噪声对应的内部信号特征，接着根据所述内部信号特征，并结 合预置的映射公式获取与所述外部噪声相对应的外部近似特征，再接着通过傅里叶逆变换 将所述外部近似特征转换为对应的噪声信号估计值，最后将所述噪声信号估计与采集的包 含有内部噪声的语音信号进行预置噪声对消方式处理，获取噪声抑制后的去噪语音信号； 所述主语音采集机构，用于采集包含有所述内部噪声的所述语音信号。 其中，所述内部信号特征为功率谱帧序列，所述外部近似特征为功率谱形式的帧序列。10. 根据权利要求9所述的噪声抑制系统，其特征在于， 所述主语音采集机构，还用于采集未输入所述语音信号时的所述外部噪声，使得所述 噪声抑制装置对未输入所述语音信号时，对所述内部噪声和所述外部噪声组成的噪声信号 样本进行预置自编码神经网络结构的训练，以确定所述映射公式。
【专利摘要】本发明实施例公开了一种噪声抑制方法、装置及系统，解决了目前由于参考麦克风和主麦克风的声场环境较大的差异，而导致的采用ANC方法将性能差的技术问题。本发明实施例的噪声抑制方法包括：S1：当语音信号输入时，噪声抑制装置接收到参考语音采集机构采集的内部噪声和主语音采集机构采集的包含有外部噪声的语音信号；S2：提取内部噪声对应的内部信号特征；S3：根据内部信号特征，并结合预置的映射公式获取与外部噪声相对应的外部近似特征；S4：通过傅里叶逆变换将外部近似特征转换为对应的噪声信号估计值；S5：将噪声信号估计与采集的包含有内部噪声的语音信号进行预置噪声对消方式处理，获取噪声抑制后的去噪语音信号。
【IPC分类】G10L21/0208
【公开号】CN104952458
【申请号】CN201510312269
【发明人】杜高峰, 梁添才, 刘建平, 金晓峰
【申请人】广州广电运通金融电子股份有限公司
【公开日】2015年9月30日
【申请日】2015年6月9日