本發(fā)明涉及到語音識(shí)別領(lǐng)域，特別是涉及到一種混響抑制方法及裝置。

背景技術(shù)：

近年來隨著互聯(lián)網(wǎng)技術(shù)、智能硬件的蓬勃發(fā)展，語音識(shí)別、聲紋識(shí)別、聲源檢測(cè)等語音智能交互技術(shù)開始從實(shí)驗(yàn)室走向用戶。由于語音識(shí)別技術(shù)是基于語音的人機(jī)交互系統(tǒng)最核心的技術(shù)。目前在限定條件下識(shí)別率已經(jīng)達(dá)到可用的準(zhǔn)確率。所謂限定調(diào)節(jié)通常是指用戶距離麥克風(fēng)較近，噪聲干擾較小。而必須近距離發(fā)出語音指令這一條件限制了語音交互的便捷性。

在遠(yuǎn)講情況下，由于語音能量會(huì)快速衰減，而噪音干擾能量大致不變，會(huì)使得識(shí)別率迅速下降。另外一個(gè)影響識(shí)別準(zhǔn)確率的因素是，語音指令到達(dá)房間墻壁多次反射之后的混響，也會(huì)造成實(shí)際應(yīng)用與語音識(shí)別訓(xùn)練數(shù)據(jù)集的不匹配，影響識(shí)別率。

噪音主要有兩個(gè)來源：(1)麥克風(fēng)信號(hào)采集系統(tǒng)自帶的信道噪聲，信道噪聲因麥克風(fēng)的敏感性而不同，麥克風(fēng)敏感性越高，通常信道噪聲越高；(2)不可忽略的環(huán)境噪聲干擾，比如電視機(jī)、空調(diào)噪聲等等。相比于噪聲，混響由于產(chǎn)生條件更為復(fù)雜，更難抑制。并且，噪音和混響一般同時(shí)存在，使得混響抑制更加困難。

cn201280047068公開了一種混響抑制裝置，具備：回聲消除部，去除輸入信號(hào)中包含的回聲分量；嘯聲抑制部，根據(jù)被去除了回聲分量的輸入信號(hào)的頻率特性，檢測(cè)嘯聲的發(fā)生，使所檢測(cè)出的嘯聲分量的頻率的電平衰減；以及語頭抑制部，檢測(cè)嘯聲分量的頻率電平被衰減的輸入信號(hào)的聲音區(qū)間，抑制所檢測(cè)出的聲音區(qū)間的聲音開始部分的信號(hào)值。

然而，該裝置提供的是汽車內(nèi)部空間的混響抑制解決方法，并不適用于家居音頻采集時(shí)的混響問題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的主要目的為提供一種混響抑制方法及裝置，解決家居環(huán)境中聲音采集的混響問題。

本發(fā)明提出一種混響抑制方法，包括以下步驟：

將聲音信號(hào)從時(shí)域變換到頻域，獲得頻域信號(hào)；

根據(jù)所述頻域信號(hào)計(jì)算所述頻域信號(hào)的語音參數(shù)；

在判斷出所述聲音信號(hào)存在語音活動(dòng)時(shí)，根據(jù)所述語音參數(shù)更新預(yù)測(cè)誤差向量；

根據(jù)所述預(yù)測(cè)誤差向量，更新所述聲音信號(hào)的混響功率譜密度；

根據(jù)所述混響功率譜密度構(gòu)建衰減因子，使用所述衰減因子處理語音頻譜，獲得優(yōu)化語音頻譜。

優(yōu)選地，所述根據(jù)所述語音參數(shù)更新預(yù)測(cè)誤差向量，具體為：

g^k＝g′^k+kgepre

其中，g^k為當(dāng)前幀的預(yù)測(cè)誤差向量，g′^k為前一幀的預(yù)測(cè)誤差向量，kg為kalman增益，epre為當(dāng)前幀的預(yù)測(cè)混響分量。

優(yōu)選地，所述根據(jù)所述預(yù)測(cè)誤差向量，更新所述聲音信號(hào)的混響功率譜密度，具體為：

其中，φr(k)為當(dāng)前幀的混響功率譜密度，φ′r(k)為前一幀的混響功率譜密度，α為平滑系數(shù)，為估算語音頻譜。

優(yōu)選地，所述α的取值范圍為[0.95，0.98)、0.98或(0.98，0.995]。

優(yōu)選地，所述根據(jù)所述混響功率譜密度構(gòu)建衰減因子，輸出估算語音頻譜，具體為：

其中，ζ(k)為衰減因子，φy(k)為混合語音功率譜密度，φv(k)為噪音功率譜密度。

優(yōu)選地，所述根據(jù)所述混響功率譜密度構(gòu)建衰減因子，輸出估算語音頻譜之后，還包括：

采用逆傅里葉變換，將所述估算語音頻譜恢復(fù)為時(shí)域信號(hào)，具體為：

其中，為經(jīng)優(yōu)化后的時(shí)域信號(hào)。

優(yōu)選地，所述根據(jù)所述語音參數(shù)更新預(yù)測(cè)誤差向量之前，還包括：

計(jì)算kalman增益，并更新預(yù)測(cè)向量方差矩陣，具體為：

其中，kg為kalman增益，

ppre為預(yù)測(cè)向量方差矩陣，用于計(jì)算kalman增益，

p^k為向量方差矩陣，用于更新ppre，

e(k)為估算混響分量。

優(yōu)選地，所述e(k)由以下式子求得：

e(k)＝η|epre|²-(1-η)|epre，o|²

其中，η為平滑系數(shù)，epre，o為前一幀的預(yù)測(cè)混響分量。

優(yōu)選地，所述計(jì)算kalman增益，并更新預(yù)測(cè)向量方差矩陣之前，還包括：

更新所述預(yù)測(cè)向量方差矩陣和當(dāng)前幀的預(yù)測(cè)混響分量epre，具體為：

其中，為維度lg×lg的單位矩陣矩陣，y(l，k)為當(dāng)前幀的混合語音頻譜。

本發(fā)明還提出了一種混響抑制裝置，包括：

變換模塊，用于將聲音信號(hào)從時(shí)域變換到頻域，獲得頻域信號(hào)；

參數(shù)計(jì)算模塊，用于根據(jù)所述頻域信號(hào)計(jì)算所述頻域信號(hào)的語音參數(shù)；

更新預(yù)測(cè)向量模塊，用于在判斷出所述聲音信號(hào)存在語音活動(dòng)時(shí)，根據(jù)所述語音參數(shù)更新預(yù)測(cè)誤差向量；

更新混響功率譜密度模塊，用于根據(jù)所述預(yù)測(cè)誤差向量，更新所述聲音信號(hào)的混響功率譜密度；

優(yōu)化語音頻譜計(jì)算模塊，用于根據(jù)所述混響功率譜密度構(gòu)建衰減因子，使用所述衰減因子處理語音頻譜，獲得優(yōu)化語音頻譜。

本發(fā)明提出的一種混響抑制方法及裝置，先將聲音信號(hào)從時(shí)域變換到頻域，獲得頻域信號(hào)，然后使用vad(voiceactivitydetection，語音活動(dòng)檢測(cè))檢測(cè)所述頻域信號(hào)，判斷是否存在語音；在存在語音的情況下，使用一個(gè)預(yù)測(cè)誤差向量預(yù)測(cè)聲音信號(hào)的混響功率譜密度，然后構(gòu)建衰減因子，計(jì)算出優(yōu)化語音頻譜，該優(yōu)化語音頻譜去除了聲音信號(hào)中的混響部分。本發(fā)明提高了采集的聲音信號(hào)質(zhì)量。

附圖說明

圖1為本發(fā)明混響抑制方法一實(shí)施例的流程示意圖；

圖2為本發(fā)明混響抑制裝置一實(shí)施例的結(jié)構(gòu)示意圖。

本發(fā)明目的的實(shí)現(xiàn)、功能特點(diǎn)及優(yōu)點(diǎn)將結(jié)合實(shí)施例，參照附圖做進(jìn)一步說明。

具體實(shí)施方式

應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

本發(fā)明所指的聲音信號(hào)，是指數(shù)字音頻數(shù)據(jù)，即先通過聲波轉(zhuǎn)換電路將聲波轉(zhuǎn)換為模擬音頻信號(hào)，再通過模擬數(shù)字轉(zhuǎn)換器將上述模擬音頻信號(hào)轉(zhuǎn)換得到的數(shù)字音頻數(shù)據(jù)。

參照?qǐng)D1，本發(fā)明實(shí)施例提出一種混響抑制方法，包括以下步驟：

s10、將聲音信號(hào)從時(shí)域變換到頻域，獲得頻域信號(hào)；

s20、根據(jù)所述頻域信號(hào)計(jì)算所述頻域信號(hào)的語音參數(shù)；

s30、在判斷出所述聲音信號(hào)存在語音活動(dòng)時(shí)，根據(jù)所述語音參數(shù)更新預(yù)測(cè)誤差向量；

s40、根據(jù)所述預(yù)測(cè)誤差向量，更新所述聲音信號(hào)的混響功率譜密度；

s50、根據(jù)所述混響功率譜密度構(gòu)建衰減因子，使用所述衰減因子處理語音頻譜，獲得優(yōu)化語音頻譜。

在步驟s10中，取緩沖區(qū)數(shù)據(jù)，并加窗做fft變換，把時(shí)域信號(hào)變換到頻譜域：

假設(shè)混合語音數(shù)據(jù)為y(t)，其中x(t)為帶混響語音信號(hào)，v(t)為背景噪聲，fft變換(傅里葉變換)如下所示：

其中，w(t)為長(zhǎng)度512的漢寧窗，l為時(shí)間幀坐標(biāo)，k為頻率坐標(biāo)。

上述y(t)即為聲音信號(hào)，y(l，k)為頻域信號(hào)。

在步驟s20、s30中，語音參數(shù)包括估算語音頻譜頻域信號(hào)y(l，k)，預(yù)測(cè)向量方差矩陣p^k，預(yù)測(cè)誤差e(k)，具體計(jì)算過程如下：

在前l(fā)i幀進(jìn)行預(yù)測(cè)誤差向量，預(yù)測(cè)向量方差矩陣，預(yù)測(cè)誤差進(jìn)行初始化，初始化過程如下所示：

e(k)＝0

其中，預(yù)測(cè)向量方差矩陣p^k為維度lg×lg的0矩陣，為預(yù)測(cè)誤差向量g^k為維度lg×1的0向量，e(k)為采用當(dāng)前預(yù)測(cè)向量獲得的預(yù)測(cè)誤差。

從li+1幀開始，如果語音檢測(cè)結(jié)果表明存在語音活動(dòng)執(zhí)行如下自適應(yīng)更新過程：

更新預(yù)測(cè)誤差，包括預(yù)測(cè)誤差向量和預(yù)測(cè)頻譜誤差，更新過程如下所示：

其中，為維度lg×lg的單位矩陣矩陣。

預(yù)測(cè)頻譜誤差平滑，使得誤差估計(jì)更加平滑，具體流程如下所示：

e(k)＝η|epre|²-(1-η)|epre，o|²

其中，η為平滑系數(shù)取值范圍在0.6～0.9之間，本項(xiàng)發(fā)明取值為0.75。

kalman增益計(jì)算，更新預(yù)測(cè)向量，更新過程如下所示：

g^k＝g′^k+kgepre

這樣就獲得可用于預(yù)測(cè)混響分量的向量g^k。

步驟s40中，根據(jù)所述預(yù)測(cè)誤差向量，更新所述聲音信號(hào)的混響功率譜密度，具體計(jì)算如下：

α為平滑系數(shù)，取值范圍為推薦為0.95～0.995，本實(shí)施例優(yōu)選0.98作為平滑閾值。

步驟s50中，根據(jù)所述混響功率譜密度構(gòu)建衰減因子，使用所述衰減因子處理語音頻譜，獲得優(yōu)化語音頻譜，計(jì)算如下：

該優(yōu)化語音頻譜，既用來在下一步恢復(fù)時(shí)域信號(hào)，又用于第一步參與后驗(yàn)信噪比的計(jì)算。

以下為本發(fā)明混響抑制方法具體的計(jì)算過程。

首先是背景噪音的估計(jì)，噪聲能量估計(jì)的準(zhǔn)確程度直接影響后續(xù)語音檢測(cè)的效果。本發(fā)明實(shí)施例采用固定噪聲估計(jì)結(jié)合噪聲自適應(yīng)更新的方式來保證噪音估計(jì)的穩(wěn)定性和精確性。初始化及具體計(jì)算流程如下所示：

取緩沖區(qū)數(shù)據(jù)，并加窗做fft變換，把時(shí)域信號(hào)變換到頻譜域：

假設(shè)混合語音數(shù)據(jù)為y(t)，其中x(t)為帶混響語音信號(hào)，v(t)為背景噪聲，h(τ)為混響沖擊響應(yīng)信號(hào)，s(t-τ)為無混響語音信號(hào)。fft變換(傅里葉變換)如下所示：

其中，w(t)為長(zhǎng)度512的漢寧窗，l為時(shí)間幀坐標(biāo)，k為頻率坐標(biāo)。

對(duì)前l(fā)i時(shí)間幀假設(shè)沒有語音活動(dòng)，并做如下初始化：

γ(k)＝1，ε(k)＝κ，k＝1，2，...，k

其中，k代表頻帶整體的數(shù)量，φv(k)代表噪音信號(hào)的功率譜密度，φy(k)代表觀測(cè)信號(hào)的功率譜密度，γ(k)為先驗(yàn)信噪比，ε(k)為后驗(yàn)信噪比，為估算語音頻譜，初始化為混合頻譜的均值乘以一個(gè)衰減因子κ，衰減因子取值為0.1。

從第lt+1時(shí)間幀開始做迭代計(jì)算，計(jì)算流程如下所示：

更新觀測(cè)信號(hào)功率譜密度估計(jì)值，即根據(jù)前一幀的結(jié)果，平滑得到下一幀的計(jì)算結(jié)果：

φ′y(k)＝αφy(k)+(1-α)|y(l，k)|²

其中，α為平滑因子，取值范圍為推薦為0.95～0.995，本實(shí)施例優(yōu)選0.98作為平滑閾值。

計(jì)算先驗(yàn)信噪比和后驗(yàn)信噪比

其中，β為平滑因子，β為取值范圍為0.6～0.9，本實(shí)施例優(yōu)選取值為0.75。max函數(shù)表示選擇兩個(gè)變量中的最大值。

以上只是先驗(yàn)信噪比和后驗(yàn)信噪比的一種優(yōu)選的計(jì)算方式，任何按照上述方法進(jìn)行適當(dāng)?shù)淖冃畏纸?，再進(jìn)行求解的方式，也應(yīng)屬于本發(fā)明的保護(hù)范圍之內(nèi)。

根據(jù)先驗(yàn)后驗(yàn)信噪比計(jì)算噪音功率譜自適應(yīng)更新步長(zhǎng)：

即采用固定步長(zhǎng)加上自適應(yīng)步長(zhǎng)的方式，實(shí)現(xiàn)整體更新。

根據(jù)步長(zhǎng)，更新噪音功率譜，基本原則是，如果語音越少，則噪音功率譜更新的步長(zhǎng)越大，保證噪音估計(jì)的準(zhǔn)確性；反之，則采用較慢的步長(zhǎng)，以避免語音信號(hào)參與噪音功率譜的迭代更新：

φv(k)＝αv(k)φ′v(k)+(1-αv(k))|y(l，k)|²。

上式輸出即為噪音功率譜更新結(jié)果，用以下一幀的噪音更新和作為參數(shù)參與語音檢測(cè)過程。

以下為語音檢測(cè)的具體過程。

在準(zhǔn)確估算出背景噪音參數(shù)之后，便可根據(jù)背景噪音參數(shù)構(gòu)建聽覺特征的。在獲得聽覺特征之后，將當(dāng)前幀的聽覺特征與設(shè)定的聽覺閾值比較，便可判斷當(dāng)前幀是否出現(xiàn)語音活動(dòng)。

語音活動(dòng)檢測(cè)主要是為了檢測(cè)出語音活動(dòng)的區(qū)域，在非語音活動(dòng)區(qū)域，停止對(duì)語音的優(yōu)化處理，減少功耗；在語音活動(dòng)區(qū)域，則可減少噪音干擾，提高語音優(yōu)化的效果。

在提取當(dāng)前幀的聽覺特征之前，有一初始化過程，具體如下：

對(duì)特征緩沖矩陣，特征閾值，語音檢測(cè)結(jié)果緩沖區(qū)進(jìn)行初始化，特征緩沖區(qū)矩陣由li個(gè)3維度列向量構(gòu)成，以公式表示如下：

q(1：li)＝0

θt(1)＝fb(1，1)

θt(2)＝fb(2，1)

θt(3)＝fb(3，1)

其中，fb為聽覺特征緩沖區(qū)，q為語音活動(dòng)檢測(cè)結(jié)果緩沖區(qū)，θt為聽覺特征閾值緩沖區(qū)，即分別用先驗(yàn)信噪比、后驗(yàn)信噪比和時(shí)域信號(hào)用以最終的語音活動(dòng)檢測(cè)。在聽覺特征計(jì)算中，lw代表窗長(zhǎng)，lt代表起始樣本點(diǎn)，起始樣本點(diǎn)取值范圍通常在5～20之間，本實(shí)施例設(shè)定為10。

從第lt+1時(shí)間幀開始，計(jì)算當(dāng)前幀聽覺特征如下所示：

根據(jù)當(dāng)前幀聽覺特征計(jì)算結(jié)果，更新特征緩沖區(qū)和特征閾值，即把緩沖區(qū)內(nèi)時(shí)間最久的數(shù)據(jù)踢出緩沖區(qū).把當(dāng)前幀數(shù)據(jù)放入緩沖區(qū)：

并求取各維度參數(shù)對(duì)應(yīng)的聽覺閾值：

θt(i)＝max(θ′t(i)，minj-1，...，li(fb(i，j)))，i＝1，2，3

當(dāng)前聽覺特征與聽覺閾值進(jìn)行對(duì)比，根據(jù)對(duì)比結(jié)果確定語音檢測(cè)的結(jié)果，具體計(jì)算如下所示：

q(i)為所述聽覺特征的維度參數(shù)的得分，qframe為語音檢查的判斷結(jié)果，結(jié)果為1則表明當(dāng)前幀存在語音，結(jié)果為0則表明當(dāng)前幀不存在語音。

更新語音檢測(cè)結(jié)果緩沖區(qū)，同樣把緩沖區(qū)內(nèi)時(shí)間最久的數(shù)據(jù)踢出緩沖區(qū)，加入當(dāng)前幀判斷結(jié)果，并計(jì)算緩沖區(qū)內(nèi)平均的語音檢測(cè)結(jié)果：

q＝[q′(：，2：lb)；qframe]

然后，計(jì)算語音檢測(cè)結(jié)果緩沖區(qū)內(nèi)檢測(cè)結(jié)果的統(tǒng)計(jì)值，在此處采用的是計(jì)算檢測(cè)結(jié)果的總和，具體計(jì)算如下：

由于語音通常是連續(xù)出現(xiàn)的，對(duì)比qm與固定閾值δli，如果小于閾值，表明當(dāng)前緩沖區(qū)內(nèi)語音存在幀為誤檢，當(dāng)前緩沖區(qū)內(nèi)沒有語音，更新特征閾值并把語音頻譜估計(jì)結(jié)果設(shè)為一個(gè)極小值，計(jì)算如下所示：

θt(i)＝maxj-1，...，li(fb(i，j))，i＝1，2，3

同時(shí)，更新估算語音頻譜計(jì)算如下：

δ取值范圍為0.1～0.3，本項(xiàng)發(fā)明取值為0.15。若無誤檢，表明當(dāng)前緩沖區(qū)內(nèi)有語音出現(xiàn)，可對(duì)該聲音信號(hào)繼續(xù)優(yōu)化處理。

kalman自適應(yīng)增強(qiáng)是假定用一個(gè)長(zhǎng)為lg的前向預(yù)測(cè)濾波器，對(duì)純凈語音頻譜進(jìn)行預(yù)測(cè)，通常lg＜li。在本項(xiàng)發(fā)明中，這兩個(gè)參數(shù)分別設(shè)置為lg＝15，li＝25。由于語音信號(hào)可以用一個(gè)自回歸模型來很好的表達(dá)，預(yù)測(cè)的誤差可以理解為混響分量。基于最小均方誤差準(zhǔn)則，濾波器更新的自適應(yīng)過程如下所示：

在前l(fā)i幀進(jìn)行預(yù)測(cè)誤差向量，預(yù)測(cè)向量方差矩陣，預(yù)測(cè)誤差進(jìn)行初始化，初始化過程如下所示：

e(k)＝0

其中，預(yù)測(cè)向量方差矩陣p^k為維度lg×lg的0矩陣，為預(yù)測(cè)誤差向量g^k為維度lg×1的0向量，e(k)為采用當(dāng)前預(yù)測(cè)向量獲得的預(yù)測(cè)誤差。

從li+1幀開始，如果語音檢測(cè)結(jié)果表明存在語音活動(dòng)執(zhí)行如下自適應(yīng)更新過程：

(1.1)更新預(yù)測(cè)誤差，包括預(yù)測(cè)誤差向量和預(yù)測(cè)頻譜誤差，更新過程如下所示：

其中，為維度lg×lg的單位矩陣矩陣。

(1.2)預(yù)測(cè)頻譜誤差平滑，使得誤差估計(jì)更加平滑，具體流程如下所示：

e(k)＝η|epre|²-(1-η)|epre，o|²

其中，η為平滑系數(shù)取值范圍在0.6～0.9之間，本項(xiàng)發(fā)明取值為0.75。

(1.3)kalman增益計(jì)算，更新預(yù)測(cè)向量，更新過程如下所示：

g^k＝g′^k+kgepre

(1.4)混響功率譜密度更新，更新過程如下所示：

該混響功率譜密度與觀測(cè)信號(hào)功率譜密度采用同一個(gè)平滑系數(shù)。φ′r(k)為前一幀的混響功率譜密度?；祉懝β首V密度的初始設(shè)置值為0。

(1.5)根據(jù)維納濾波構(gòu)建衰減因子，輸出估算語音頻譜，計(jì)算如下：

該頻譜估計(jì)值既用來在下一步恢復(fù)時(shí)域信號(hào)，又用于第一步參與后驗(yàn)信噪比的計(jì)算。

(1.6)循環(huán)執(zhí)行1.1-1.5至所有頻帶更新完畢，采用逆傅里葉變換恢復(fù)時(shí)域信號(hào)，計(jì)算流程如下所示：

恢復(fù)出時(shí)域信號(hào)之后，發(fā)送到后續(xù)應(yīng)用終端，比如通訊設(shè)備或者語音識(shí)別引擎，實(shí)現(xiàn)噪聲、混響聯(lián)合抑制。

參照?qǐng)D2，本發(fā)明還提出了一種混響抑制裝置，包括：

變換模塊10，用于將聲音信號(hào)從時(shí)域變換到頻域，獲得頻域信號(hào)；

參數(shù)計(jì)算模塊20，用于根據(jù)所述頻域信號(hào)計(jì)算所述頻域信號(hào)的語音參數(shù)；

更新預(yù)測(cè)向量模塊30，用于在判斷出所述聲音信號(hào)存在語音活動(dòng)時(shí)，根據(jù)所述語音參數(shù)更新預(yù)測(cè)誤差向量；

更新混響功率譜密度模塊40，用于根據(jù)所述預(yù)測(cè)誤差向量，更新所述聲音信號(hào)的混響功率譜密度；

優(yōu)化語音頻譜計(jì)算模塊50，用于根據(jù)所述混響功率譜密度構(gòu)建衰減因子，使用所述衰減因子處理語音頻譜，獲得優(yōu)化語音頻譜。

可選地，所述更新預(yù)測(cè)向量模塊30，用于根據(jù)所述語音參數(shù)更新預(yù)測(cè)誤差向量，具體為：

g^k＝g′^k+kgepre

其中，g^k為當(dāng)前幀的預(yù)測(cè)誤差向量，g′^k為前一幀的預(yù)測(cè)誤差向量，kg為kalman增益，epre為當(dāng)前幀的預(yù)測(cè)混響分量。

可選地，所述更新混響功率譜密度模塊40，用于根據(jù)所述預(yù)測(cè)誤差向量，更新所述聲音信號(hào)的混響功率譜密度，具體為：

其中，φr(k)為當(dāng)前幀的混響功率譜密度，φ′r(k)為前一幀的混響功率譜密度，α為平滑系數(shù)，為估算語音頻譜。

可選地，所述α的取值范圍為[0.95，0.98)、0.98或(0.98，0.995]。

可選地，所述優(yōu)化語音頻譜計(jì)算模塊50，用于根據(jù)所述混響功率譜密度構(gòu)建衰減因子，輸出估算語音頻譜，具體為：

其中，ζ(k)為衰減因子，φy(k)為混合語音功率譜密度，φv(k)為噪音功率譜密度。

可選地，還包括頻譜恢復(fù)模塊，用于采用逆傅里葉變換，將所述估算語音頻譜恢復(fù)為時(shí)域信號(hào)，具體為：

其中，為經(jīng)優(yōu)化后的時(shí)域信號(hào)。

可選地，所述參數(shù)計(jì)算模塊20，包括：

第二參數(shù)計(jì)算單元，用于計(jì)算kalman增益，并更新預(yù)測(cè)向量方差矩陣，具體為：

其中，kg為kalman增益，

ppre為預(yù)測(cè)向量方差矩陣，用于計(jì)算kalman增益，

p^k為向量方差矩陣，用于更新ppre，

e(k)為估算混響分量。

可選地，所述e(k)由以下式子求得：

e(k)＝η|epre|²-(1-η)|epre，o|²

其中，η為平滑系數(shù)，epre，o為前一幀的預(yù)測(cè)混響分量。

可選地，所述參數(shù)計(jì)算模塊20，還包括：

第一參數(shù)計(jì)算單元，用于更新所述預(yù)測(cè)向量方差矩陣和當(dāng)前幀的預(yù)測(cè)混響分量epre，具體為：

其中，為維度lg×lg的單位矩陣矩陣，y(l，k)為當(dāng)前幀的混合語音頻譜。

本發(fā)明可以用于輔助應(yīng)用于家居環(huán)境下的語音指令識(shí)別。在家居環(huán)境下，用戶距離麥克風(fēng)大約為1米至3米，會(huì)受到家庭噪聲和墻壁混響的影響，識(shí)別率會(huì)迅速下降。本發(fā)明提出的混響抑制方法與裝置，可以優(yōu)化語音質(zhì)量。經(jīng)實(shí)驗(yàn)證明，在距離麥克風(fēng)2米左右，輸入信噪比10db左右，識(shí)別率可以從30％提高到65％，當(dāng)增加噪聲至20db，識(shí)別率從10％提高至50％左右。

本發(fā)明提出的一種混響抑制方法及裝置，先將聲音信號(hào)從時(shí)域變換到頻域，獲得頻域信號(hào)，然后使用vad(voiceactivitydetection，語音活動(dòng)檢測(cè))檢測(cè)所述頻域信號(hào)，判斷是否存在語音；在存在語音的情況下，使用一個(gè)預(yù)測(cè)誤差向量預(yù)測(cè)聲音信號(hào)的混響功率譜密度，然后構(gòu)建衰減因子，計(jì)算出優(yōu)化語音頻譜，該優(yōu)化語音頻譜去除了聲音信號(hào)中的混響部分。本發(fā)明提高了采集的聲音信號(hào)質(zhì)量。

以上所述僅為本發(fā)明的優(yōu)選實(shí)施例，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā)明說明書所作的等效結(jié)構(gòu)或等效流程變換，或直接或間接運(yùn)用在其他相關(guān)的技術(shù)領(lǐng)域，均同理包括在本發(fā)明的專利保護(hù)范圍內(nèi)。