基于隐马尔科夫链模型的噪声估计方法和装置制造方法
【专利摘要】本发明涉及语音通信领域，公开了一种基于隐马尔科夫链模型的噪声估计方法和装置。本发明中，根据预先建立的HMM，确定当前帧中语音存在的概率；并根据该语音存在的概率，计算平滑因子；接着根据平滑因子，计算当前帧中噪声的方差估计值。本发明利用隐马尔科夫链状态转移来确定语音存在的概率，并利用该概率去控制噪声更新的大小，从而在噪声抑制中能快速估计噪声的变化，可以准确估计快速变化的非稳态环境中的噪声，最终提升噪声抑制的性能。
【专利说明】基于隐马尔科夫链模型的噪声估计方法和装置
【技术领域】
[0001]本发明涉及语音通信领域，特别涉及单麦克噪声抑制内的基于隐马尔科夫链模型的噪声估计方法和装置。
【背景技术】
[0002]单麦克噪声抑制算法通常采用短时频域衰减方法，流程图如图1所示。主要模块包括快速傅里叶变换(FFT)频域分解、噪声估计、计算先/后验信噪比、计算衰减因子、频域衰减、反傅里叶变换以及重叠相加。
[0003]图1中y，X，η分别表示时域带噪语音、干净语音和噪声信号，对应的大写字母则对应各自频谱，带帽子)的符号表示对应变量的估计值，f表示某个函数，下角标m，l，k分别代表帧序号、帧内时间序号和频点序号。lk(m)和Yk(m)分别表示先验信噪比和后验信噪比:
【权利要求】
1.一种基于隐马尔科夫链模型HMM的噪声估计方法，其特征在于，包含以下步骤: 根据预先建立的HMM，确定当前帧中语音存在的概率；其中，所述HMM的观测向量由至少一帧带噪语音的频谱组成； 根据所述语音存在的概率，计算平滑因子；其中，所述平滑因子与当前观测向量条件下当前帧中语音存在的概率成线性关系； 根据所述平滑因子、前一帧中噪声的方差估计值和当前帧带噪语音的功率谱，计算当前帧中噪声的方差估计值。
2.根据权利要求1所述的基于HMM的噪声估计方法，其特征在于，通过以下公式，根据所述语音存在的概率，计算平滑因子μΝ:
3.根据权利要求1所述的基于HMM的噪声估计方法，其特征在于，通过以下公式，根据所述平滑因子μN、前一帧中噪声的方差估计值和当前帧带噪语音的功率谱|Yk(m) I2，计算当前帧中噪声的方差估计值AL(W):
4.根据权利要求1至3任一项所述的基于HMM的噪声估计方法，其特征在于，所述当前观测向量条件下当前帧中语音存在的概率P (Qm=H11 Ψπ)通过以下公式计算: 水=來)::
其中，Ak(m)为当前帧的似然比
5.根据权利要求4所述的基于HMM的噪声估计方法，其特征在于，所述HMM为两状态的一阶HMM ;其中，所述HMM的两个状态为:语音存在时为状态H1，语音不存在时为状态Htl ； 所述HMM的状态转移矩阵为:
6.根据权利要求5所述的基于HMM的噪声估计方法，其特征在于，所述an大于所述a,
7.根据权利要求5所述的基于HMM的噪声估计方法，其特征在于，所述当前帧的似然比Ak(HI)通过以下公式计算:
8.根据权利要求5所述的基于HMM的噪声估计方法，其特征在于，所述当前帧的似然比Ak(m)通过以下公式计算:
9.一种基于HMM的噪声估计装置，其特征在于，包含:语音存在概率计算模块、平滑因子计算模块、噪声估计模块； 所述语音存在概率计算模块用于根据预先建立的ΗΜΜ，确定当前帧中语音存在的概率；其中，所述HMM的观测向量由至少一帧带噪语音的频谱组成； 所述平滑因子计算模块用于根据所述语音存在的概率，计算平滑因子；其中，所述平滑因子与当前观测向量条件下当前帧中语音存在的概率成线性关系； 所述噪声估计模块用于根据所述平滑因子、前一帧中噪声的方差估计值和当前帧带噪语音的功率谱，计算当前帧中噪声的方差估计值。
10.根据权利要求9所述的基于HMM的噪声估计装置，其特征在于，所述平滑因子计算模块通过以下公式，根据所述语音存在的概率，计算平滑因子:
μ N= μ + (1-μ )p(Q111=H11 Ψω) 其中，μΝ为平滑因子；μ为固定常数，0〈μ〈I Wqm=H1Iwm)为当前观测向量^条件下当前帧中语音存在的概率为语音存在状态，Ψ^?Υ^πι), Yk(m-l),-,Yk(I)I为当前观测向量，m代表帧序号。
11.根据权利要求9所述的基于HMM的噪声估计装置，其特征在于，所述噪声估计模块通过以下公式，根据所述平滑因子μΝ、前一帧中噪声的方差估计值和当前帧带噪语音的功率谱|Yk(m) I2，计算当前帧中噪声的方差估计值巧jw):
12.根据权利要求9至11任一项所述的基于HMM的噪声估计装置，其特征在于，所述语音存在概率计算模块包含:似然比计算子模块，通过以下公式计算当前帧的似然比Ak(m):
13.根据权利要求12所述的基于HMM的噪声估计装置，其特征在于，所述语音存在概率计算模块采用的HMM为两状态的一阶HMM ;其中，所述HMM的两个状态为:语音存在时为状态H1，语音不存在时为状态H。； 所述HMM的状态转移矩阵为:
14.根据权利要求13所述的基于HMM的噪声估计方法，其特征在于，所述an大于所述aOO0
15.根据权利要求13所述的基于HMM的噪声估计装置，其特征在于，所述似然比计算子模块通过以下公式计算所述当前帧的似然比Ak(m):
16.根据权利要求13所述的基于HMM的噪声估计装置，其特征在于，所述似然比计算子模块通过以下公式计算所述当前帧的似然比Ak(m):
【文档编号】G10L15/14GK103903629SQ201210586423
【公开日】2014年7月2日 申请日期:2012年12月28日 优先权日:2012年12月28日
【发明者】谢单辉, 许云峰, 王彦 申请人:联芯科技有限公司