本发明涉及语音降噪，具体而言，涉及一种用于头戴式计算机的自适应降噪方法及装置。
背景技术：
1、轨道交通作业环境中，复杂多样的背景噪声(如列车运行噪声、机械设备声、风噪等)给语音信号的提取和增强带来了巨大挑战。这些噪声具有宽带、非平稳、空间分布复杂等特点，且在动态环境中噪声源频谱特征会随时间变化，增加了信号处理的难度。
2、传统降噪方法通常依赖固定噪声模型，难以适应复杂场景，容易导致语音信号失真或残留噪声。此外，语音增强需要同时处理全局频域特性和局部时频特性，但现有方法往往难以兼顾这些特性，降噪效果不稳定。头戴式计算机的麦克风阵列为多通道信号采集和处理提供了基础，但其有限的计算资源和能耗要求对算法的实时性和高效性提出了更高要求。如何在复杂环境中设计兼顾精度、鲁棒性和实时性的自适应降噪方法，成为轨道交通作业环境中语音处理亟待解决的难题。
技术实现思路
1、本发明的目的在于提供一种用于头戴式计算机的自适应降噪方法及装置，以改善上述问题。为了实现上述目的，本发明采取的技术方案如下：
2、第一方面，本申请提供了一种用于头戴式计算机的自适应降噪方法，包括：
3、获取轨交作业环境中的多通道信号，对所述多通道信号进行增强噪声估计，得到噪声频谱特征估计，所述多通道信号通过头戴式计算机进行采集；
4、根据所述噪声频谱特征估计进行背景噪声建模，得到噪声源模型；
5、基于所述噪声源模型设计自适应频谱滤波器，通过所述自适应频谱滤波器对多通道信号进行过滤，得到初步降噪信号；
6、基于语音增强模型对所述初步降噪信号进行语音增强，得到语音信号。
7、第二方面，本申请还提供了一种用于头戴式计算机的自适应降噪装置，包括：
8、获取模块，用于获取轨交作业环境中的多通道信号，对所述多通道信号进行增强噪声估计，得到噪声频谱特征估计，所述多通道信号通过头戴式计算机进行采集；
9、构建模块，用于根据所述噪声频谱特征估计进行背景噪声建模，得到噪声源模型；
10、降噪模块，用于基于所述噪声源模型设计自适应频谱滤波器，通过所述自适应频谱滤波器对多通道信号进行过滤，得到初步降噪信号；
11、增强模块，用于基于语音增强模型对所述初步降噪信号进行语音增强，得到语音信号。
12、本发明的有益效果为：本发明利用麦克风阵列采集多通道信号，结合全局频域特性和时频局部特性进行增强噪声估计，建立动态的噪声源模型。基于噪声源模型，自适应调整滤波器参数，以实时对噪声频谱进行有效抑制，提升初步降噪信号的质量。并且在初步降噪信号基础上，进一步通过语音增强模型提取语音信号，使语音更清晰，同时保持语音的自然性。同时针对头戴式计算机的硬件限制，优化算法结构，确保能够在有限资源条件下实现实时的高效语音处理。
13、本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
1.一种用于头戴式计算机的自适应降噪方法，其特征在于，包括：
2.根据权利要求1所述的用于头戴式计算机的自适应降噪方法，其特征在于,对所述多通道信号进行增强噪声估计，得到噪声频谱特征估计，包括：
3.根据权利要求2所述的用于头戴式计算机的自适应降噪方法，其特征在于,根据所述预处理信号的全局频域特性和时频局部特性计算梅尔频率倒谱系数，包括：
4.根据权利要求3所述的用于头戴式计算机的自适应降噪方法，其特征在于,基于所述头戴式计算机的麦克风阵列，对所述预处理信号进行波束形成，得到增强功率谱，包括：
5.根据权利要求3所述的用于头戴式计算机的自适应降噪方法，其特征在于,所述梅尔频率倒谱系数的计算公式为：
6.根据权利要求1所述的用于头戴式计算机的自适应降噪方法，其特征在于,根据所述噪声频谱特征估计进行背景噪声建模，得到噪声源模型，包括：
7.根据权利要求1所述的用于头戴式计算机的自适应降噪方法，其特征在于,基于所述噪声源模型设计自适应频谱滤波器，通过所述自适应频谱滤波器对多通道信号进行过滤，得到初步降噪信号，包括：
8.根据权利要求7所述的用于头戴式计算机的自适应降噪方法，其特征在于，其特征在于，所述权重更新公式为：
9.根据权利要求1所述的用于头戴式计算机的自适应降噪方法，其特征在于，其特征在于，基于语音增强模型对所述初步降噪信号进行语音增强，得到语音信号，包括：
10.一种用于头戴式计算机的自适应降噪装置，其特征在于，包括：