利用线性传感器阵列检测非相关信号分量的方法和装置与流程

本发明涉及信号处理的技术领域，且更特别地涉及利用线性传感器阵列检测非相关信号分量的方法和装置。

背景技术

当处理来自传感器阵列的信号时，最好知道感测到的信号是噪声还是理想信号。如果感测到的信号是噪声，则可以丢弃或适当地标记这些信号，如果感测到的信号是理想信号，则将在电子设备的相关构件中相应地处理这些信号。同样地，在阵列处理技术中，为了增强关注的信号，很可能要求区分点源和扩散源。例如，在线性麦克风阵列中，扩散的噪声或风噪将以不同统计特征沿不同麦克风入射。在这种情况下的非冗余信息能够用于识别是否存在理想信号。

传感器阵列中的传感器可以是麦克风、天线等。

技术实现要素：

本发明的一个目的在于提供利用线性传感器阵列在被分析的数据帧中即刻检测非相关信号分量的新的解决方案。

根据本发明的第一方面，提供利用线性传感器阵列检测非相关信号分量的方法，包括：数字化特定时间帧内的来自线性传感器阵列中的至少三个传感器的输入信号；缓冲数字化信号；从对应于每个传感器的缓冲信号提取多个子带；对传感器的各子带计算二阶或更高阶相位差和/或二阶或更高阶振幅比；且基于二阶或更高阶相位差和/或二阶或更高阶振幅比检测非相关时频分量。

根据本发明的第二方面，提供利用线性传感器阵列检测非相关时频分量的装置，包括：a/d转换器，将特定时间帧内的来自线性传感器阵列中的至少三个传感器的输入信号转换成数字化信号；缓冲器，缓冲数字化信号；和处理装置，其执行以下处理：从对应于每个传感器的缓冲信号提取多个子带；对传感器的各子带计算二阶或更高阶相位差和/或二阶或更高阶振幅比；且基于二阶或更高阶相位差和/或二阶和/或更高阶振幅比检测非相关时频分量。

通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。

附图说明

被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。

图1是示出到达方向的估计的示意性简图。

图2示出根据本公开的一实施方式的利用线性传感器阵列检测非相关信号分量的方法的流程图。

图3示出根据本公开的一实施方式的利用线性传感器阵列检测非相关信号分量的装置的示意性框图。

图4示出根据本公开的另一实施方式的利用线性传感器阵列检测非相关信号分量的处理的示意性电路图。

图5示出根据本公开的又另一实施方式的利用线性传感器阵列检测非相关信号分量的处理的示意性框图。

图6示出根据本公开的又另一实施方式的利用线性传感器阵列检测非相关信号分量的处理的示意性框图。

具体实施方式

现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。

注意到相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

在本公开中的一实施方式中，识别在时频域中通过线性传感器阵列感测到的非相关数据样本(信号)。传感器阵列具有线性拓扑结构且可以位于电子设备中。电子设备可以是天线系统、智能扬声器或手机，且可以对现实环境中的信号相关性给出量度。因此，本文公开的实施方式对扩散的噪声声学分量给出指示，而且有助于标记存在严重噪声的场景，诸如有风等。这种信息在执行语音增强和/或风噪抑制时是特别关键的。

本公开将线性麦克风阵列当做示例以阐述其方案。作为线性麦克风阵列的补充，实施方式也可以用于其他线性传感器阵列。

图1是示出估计到达方向的示意性简图。

在图1中，示出三个麦克风12-1、12-2、12-3的线性阵列。两个邻近麦克风之间的元素间距离是d，且声源11定位在距离d处，其中d>>d。在这种情况下，入射波能够被当做平面波。在宽带源的情况下，到达每对传感器的时间差异直接相关于每个频率处的特定相移。因此，存在可提取的相位和/或振幅信息，它们在传感器对之中是相关的。这种相关信息在相位和振幅方面都有。如果提取的信息在传感器对之间是冗余的，则对应时频分量属于相同点源。可以使用电子设备的信号处理链中已经得到的相位和/或振幅信息来确定所接收的信号是否是理想的。例如，在到达方向(doa)算法的情况下，相位信息可能已经可供使用，因此相位信息能够被重新使用以确定信号是否属于点源。

图2示出根据本公开的一实施方式的利用线性传感器阵列检测非相关信号分量的方法的流程图。

如图2所示，在步骤s1100处，将在特定时间帧内的来自线性传感器阵列中的至少三个传感器的输入信号数字化。

在步骤s1200处，数字化信号被缓冲。

在步骤s1300处，从对应于每个传感器的缓冲信号提取多个子带。

在步骤s1400处，对传感器的各子带计算二阶或更高阶相位差和/或二阶或更高阶振幅比。

在步骤s1500处，基于二阶或更高阶相位差和/或二阶或更高阶振幅比检测非相关时频分量。

在这个实施方式中，当确定被传感器感测到的输入信号是风噪或任何其他非相关噪声时，能够执行预设处理以抵消噪声。例如，如果线性传感器阵列是线性麦克风阵列，则当确定感测到的信号大量包括非相关分量时，可以忽略感测到的信号而不给用户播放。例如，在利用天线阵列或麦克风阵列进行波束成形时，可以通过检测到非相关数据且因此跳过信号处理链来减小输出中的白噪声增益(wng)。此外，在使用降噪算法时，非相关数据的信息能够用于构建非相关数据模型，非相关数据模型后续可以用于从理想信号除去噪声非相关数据。

在一示例中，如果检测到非相关数据，则能够跳过输入信号的信号处理。例如，电子设备中的某些构件、诸如fft过滤器可以使用输入信号以训练机器学习处理，从而得到用于点源的合适模型(例如，人在注册过程期间的话语)。在这种情形下，非相关噪声可能损坏理想模型，导致系统性能的退化。通过适当地标记或弃除非相关信号分量，可以避免这种类型的损失。

本文中，能够独立地使用相位差和振幅比。替换性地，二者能够结合使用。例如，可以首先使用二阶或更高阶相位差以确定哪些输入信号分量非相关，而后可以使用二阶或更高阶振幅比以确定哪些输入信号分量非相关。如果任何一个(或二者)表明输入信号分量与算法定义的非相关性的统计特性相匹配，则检测到非相关时频分量(信号分量通过时频分量特征来描述)；否则，输入信号被确定为包括来自理想点源的信号。

存在检测非相关信号分量的许多方式。在一示例中，我们提出利用二阶相位差来检测非相关信号分量，在第二示例中利用二阶振幅比来检测非相关信号分量。两种方法能够独立于彼此使用或也可以结合使用。

在一示例中，利用第一关系表并基于二阶或更高阶相位差获取相关性，第一关系表代表相位差和相关性之间的对应关系，且如果相关性低于第一预设阈值则确定输入信号是噪声(非相关信号分量)。例如，第一关系表是归一化的von-mises冯·米塞斯分布查找表。

在另一示例中，利用第二关系表并基于二阶或更高阶振幅比获取相关性，第二关系表代表振幅比和相关性之间的对应关系，且如果相关性低于第二预设阈值则确定输入信号是噪声。例如，第二关系表是归一化的指数分布查找表。

第一和第二预设阈值可以由设计者指定。可以通过经验或通过实验获取第一和第二预设阈值，且可以在制造期间设定第一和第二预设阈值。替换性的，能够在用户使用电子设备时自定义第一和第二预设阈值。

例如，假设传感器的数量是n，n≥3，在步骤s1400处，从线性传感器阵列中的传感器中选出三个传感器，根据该三个传感器的各子带计算二阶相位差和/或二阶振幅比。

替换性的，在上述假设下，若n≥4，对传感器的各子带计算(n-1)阶相位差和/或(n-1)阶振幅比。例如，在近场(圆形波传播)的情况下，3阶和4阶可能更有效。

在线性传感器阵列中，选出的三个传感器中的两个邻近传感器之间的距离是相等的或是成比例的关系。

如上文说明的，线性传感器阵列中的传感器可以包括麦克风或天线。

例如，在步骤s1300处，可以利用短时傅里叶变换技术从每个缓冲信号中提取多个子带，该多个子带覆盖预设带宽。

图3示出根据本公开的一实施方式的利用线性传感器阵列检测非相关信号分量的装置50的示意性框图。装置50可以用于实施如上所述的方法且将省略一些重复性描述。

如图3所示，装置50连接到线性传感器阵列51且从线性传感器阵列51接收感测到的输入信号。线性传感器阵列51包括至少三个传感器。

装置50包括a/d转换器52、缓冲器53和处理装置54。

a/d转换器52将特定时间帧内的来自线性传感器中的至少三个传感器的输入信号转换成数字化信号。缓冲器53缓冲数字化信号。处理装置54执行以下处理：从对应于每个传感器的缓冲信号提取多个子带；对传感器的各子带计算二阶或更高阶相位差和/或二阶或更高阶振幅比；且基于二阶或更高阶相位差和/或二阶或更高阶振幅比检测非相关信号分量。

例如，如果在被分析的数据帧中检测到主要是非相关的信号分量，则处理装置54可以跳过输入信号的信号处理。

例如，处理装置54在检测到非相关信号分量时还执行以下处理：利用第一关系表并基于二阶或更高阶相位差获取相关性，第一关系表代表相位差和相关性之间的对应关系；且如果相关性低于第一预设阈值则确定输入信号为噪声。第一关系表可以是归一化的von-mises冯·米塞斯分布查找表、或非常适合于应用的循环数据的任何其他统计分布。

例如，处理装置54在检测到非相关信号分量时还可以执行以下处理：利用第二关系表并基于二阶或更高阶振幅比获取相关性，第二关系表代表振幅比和相关性之间的对应关系；且如果相关性低于第二预设阈值则确定输入信号是噪声。例如，第二关系表可以归一化的指数分布查找表。

例如，假设传感器的数量是n，且n＝3，处理装置54还执行以下处理：从线性传感器阵列选出三个传感器，根据该三个传感器的各子带计算二阶相位差和/或二阶振幅比；或若n≥4，对传感器的各子带计算(n-1)阶相位差和/或(n-1)阶振幅比。

在线性传感器阵列中，在选出的三个传感器中的两个邻近传感器之间的距离可以相等或是成比例的关系。传感器可以包括麦克风或天线。

例如，处理装置54还可以在提取多个子带时执行以下处理：利用短时傅里叶变换技术或任何合适的过滤器组从每个缓冲信号中提取多个子带，该子带覆盖预设带宽。

将参考图4-6描述数个示例。

图4示出根据本公开的另一实施方式的利用线性传感器阵列检测非相关信号分量的处理的示意性电路图。

如图4所示，传感器2-0-0、2-0-1、…2-0-n感测信号。对理想的帧长度的感测到的信号数字化并缓冲该数字化信号。利用短时傅里叶变换技术或任何合适的过滤器组将信号转换成随着时间变化的频域。信号具有相位其中t代表时间，n∈[0，n-1]，其中n是传感器的数量，ω∈[ω0，ωk-1]跨越理想带宽，且k是理想子带的数量。本文中，理想带宽的选择可以依据应用类型、操作频率和要求的频率分辨率。例如，对于语音应用，理想带宽的范围可以从100hz至4000hz。

如图4所示，在第一阶段，在加法器2-1-0、2-1-1、…2-1-n-1处计算每两个邻近传感器之间的一阶相位差。类似地，在阶段n-1处，在加法器2-n处计算n-1阶相位差

在此，任何邻近的一对传感器之间的信息(相位信息或振幅信息)是冗余的，且(n-1)阶相位差将接近于零，这指明相应时频分量处具有高相关性。

下文中，将参考图5、6描述三个传感器的系统的两个示例。

图5示出三个传感器的系统。图5中的传感器可以是天线或麦克风。在图5的示例中，相位差用于检测非相关信号分量。

如图5所示，传感器31-1、31-2、31-3感测信号且向分析模块32-1，32-2，32-3发送感测到的信号。分析模块32-1、32-2、32-3可以数字化感测到的信号、缓冲信号、将信号转换到时频域、从信号提取多个子带等等。在模块33-1、33-2、33-3处，将从分析模块32-1、32-2、32-3输出的信号的相位计算为其中ω∈[ω0，ωk-1]跨域理想带宽，且k是理想子带的数量。

在模块34-1、34-2处，一阶相位差被计算为模块35处，二阶相位差被计算为

然后，在阶段36处，二阶相位差被用作一个值，以从已知的von-mises分布函数提取基于相位的相关性。von-mises分布函数可以被实施为查找表。由于在实际情形中，来自传感器的信号可能依据周围传递函数、不同信号源之间的时频重叠和固有系统噪声而改变，优选的是具有最适用于应用的波束宽度的归一化的von-mises冯·米塞斯分布函数。然而，也可以使用用于循环数据的任何其他分布函数。

在图5中，在模块36的图表中，水平轴线可以代表相位差且竖直轴线可以代表每个时频分量的相关性。本文中，如果二阶相位差接近于零(或360°)，相关性接近于一。这表明输入信号是相关的，且很有可能是期望信号；否则，输入信号可能是噪声。

在模块37处，输出非相关时频分量或属于点源的信号的检测结果。检测结果能够被电子设备的其他构件使用。例如，检测结果能够被噪声抑制/噪声消除技术使用。替换性的，如果信号链中的一些算法未设计为处理非相关信号，则能够使用适当标记以跳过这些算法。

图6示出另一三个传感器的系统。如上文说明的，图6中的传感器可以是天线或麦克风。在图6的示例中，振幅比用于检测非相关信号分量。

如图6所示，传感器41-1、41-2、41-3感测信号且向分析模块42-1、42-2、42-3发送感测到的信号。分析模块42-1、42-2、432-3可以数字化感测到的信号、缓冲信号、将转换信号转换成时频域、从信号提取多个子带等等。在模块43-1、43-2、43-3处，从分析模块42-1、42-2、42-3输出的信号的振幅被计算为a1(t，ω)、a2(t，ω)、a3(t，ω)，其中ω∈[ω0，ωk-1]跨越理想带宽，且k是理想子带的数量。

在模块44-1、44-2处，一阶振幅比的被计算为δa21(t，ω)、δa32(t，ω)。在模块45处，二阶振幅比的被计算为δ2a31(t，ω)。

然后，在阶段46处，二阶振幅比δ2a31(t，ω)被用作一个值，以便从已知的分布函数提取基于振幅比的相关性。分布函数可以被实施为查找表，查找表限定振幅比和相关性之间的对应关系。这种查找表可以在设计或测试阶段被测试和调试。

在图6中，在模块46的图表中，水平轴线可以代表振幅比且竖直轴线可以代表每个时频分量的相关性。本文中，如果二阶振幅比接近于一，则相关性接近于一。这表明输入信号是相关的，且很有可能是理想信号(点源信号的代表)。

在模块47处，输出关于非相关信号分量和随后的非相关数据帧的检测结果，或输出关于理想信号分量和随后的理想信号数据帧的检测结果。检测结果能够如上文说明地那样使用。

本领域技术人员将理解的是，除了一些诸如扬声器、麦克风等等的机械构件之外，软件等同于硬件。在这方面，本领域技术人员可以设想到，在本公开的教导下，能够通过硬件方、软件方式和/或它们的结合执行图4中的加法器2-1-0、2-1-1…2-1-n-1…2-n、图5中的模块32-1、32-2、32-3、33-1、33-2、33-3、34-1、34-2、35、36、37和模块42-1、42-2、42-3、43-1、43-2、43-3、44-1、44-2、45、46、47中的任何的处理。例如，能够通过分立器件、asic、诸如pld、dsp、fpga的可编程装置执行处理。替换性的，能够在诸如cpu或mpu的处理装置和存储器的结合中实施处理，其中，指令存储在存储器中且用于控制处理装置以执行对应操作。在这方面，本公开将不限制处理的实施方式。本领域技术人员可以在本公开的教导下考虑到成本、市场供应等而选择实施方式。

虽然已经通过示例详细阐述本发明的一些特定实施例，但是本领域技术人员将理解到上述示例仅旨在是示意性的而非限制本发明的范围。