商标分类 
商标转让 
您当前的位置： 基于二元麦克风阵列的语音增强方法和装置与流程
2021-01-28 16:01:42|
334|
起点商标网
本申请实施例涉及计算机技术领域，具体涉及基于二元麦克风阵列的语音增强方法和装置。
背景技术：
目前，语音交互系统已经得到了广泛应用，比如应用于手机通话、车载系统、智能家居等等。
现有的基于两个麦克风的语音增强的技术实现主要包括以下两种形式：
1)基于主辅形式：其中一个为主麦克风，用于采集人的语音及周围环境的噪声。另一个为辅助麦克风，通过特殊的音腔结构设计，将人的语音进行隔离，只采集周围环境的噪声。通过从主麦克风采集的语音信号中减去辅助麦克风采集的语音信号，可以得到增强后的语音信号。这种形式对工艺要求比较高，需要设计实现专门的音腔结构用于隔离人声和周围环境的噪声。当周围噪声较大的时候容易造成语音的失真。
2)基于麦克风阵列：将两个麦克风看成一个两元的线性麦克风阵列系统，采用通用的麦克风阵列语音增强算法。例如，通过增加麦克风阵元个数来增强语音信号。这种形式一般会增加语音交互系统的成本，并且对语音交互系统的空间布局会产生一定的影响。
技术实现要素：
本申请实施例提出了基于二元麦克风阵列的语音增强方法和装置。
第一方面，本申请实施例提供了一种基于二元麦克风阵列的语音增强方法，该方法包括：基于二元麦克风阵列中的两个麦克风采集到的语音信号，形成目标方向的第一波束以及至少一个干扰方向的第二波束，其中，目标方向和至少一个干扰方向是预先设定的；基于所形成的第二波束的语音信号，确定干扰信号；从第一波束的语音信号中减去干扰信号，得到增强后的语音信号。
在一些实施例中，基于二元麦克风阵列中的两个麦克风采集到的语音信号，形成目标方向的第一波束以及至少一个干扰方向的第二波束，包括：将两个麦克风采集到的语音信号从时域转换成频域，得到转换成频域后的语音信号；基于转换成频域后的语音信号，形成第一波束以及至少一个干扰方向的第二波束。
在一些实施例中，将两个麦克风采集到的语音信号从时域转换成频域，得到转换成频域后的语音信号，包括：基于预设的帧大小以及帧移，对两个麦克风中的每个麦克风采集到的语音信号进行分帧，得到与该麦克风对应的第一语音帧序列；将两个麦克风中的每个麦克风所对应的第一语音帧序列中的每个语音帧从时域转换成频域，并将转换成频域后的第一语音帧序列作为与该麦克风对应的第二语音帧序列。
在一些实施例中，将两个麦克风中的每个麦克风所对应的第一语音帧序列中的每个语音帧从时域转换成频域，包括：对于两个麦克风中的每个麦克风，对该麦克风所对应的第一语音帧序列中的每个语音帧进行加窗操作，并对经加窗后的该语音帧进行快速傅里叶变换，以将该语音帧从时域转换成频域。
在一些实施例中，基于转换成频域后的语音信号，形成第一波束以及至少一个干扰方向的第二波束，包括：采用差分波束形成方法，基于两个麦克风分别对应的第二语音帧序列，形成第一波束以及至少一个干扰方向的第二波束。
在一些实施例中，每个第二波束对应权值向量和导向矢量，权值向量和导向矢量是在采用差分波束形成方法形成该第二波束的过程中计算得出的；以及基于所形成的第二波束的语音信号，确定干扰信号，包括：对于所形成的每个第二波束，将该第二波束所对应的权值向量与导向矢量的乘积的绝对值确定为从该第二波束泄露到第一波束的增益系数，并将增益系数与该第二波束的语音信号的乘积确定为干扰信号。
在一些实施例中，上述方法还包括：将增强后的语音信号从频域转换成时域；对转换成时域的增强后的语音信号进行加窗操作，得到经加窗后的语音信号；对经加窗后的语音信号进行合帧操作，得到经合帧后的语音信号。
第二方面，本申请实施例提供了一种基于二元麦克风阵列的语音增强装置，该装置包括：波束形成单元，被配置成基于二元麦克风阵列中的两个麦克风采集到的语音信号，形成目标方向的第一波束以及至少一个干扰方向的第二波束，其中，目标方向和至少一个干扰方向是预先设定的；确定单元，被配置成基于所形成的第二波束的语音信号，确定干扰信号；处理单元，被配置成从第一波束的语音信号中减去干扰信号，得到增强后的语音信号。
在一些实施例中，波束形成单元包括：转换子单元，被配置成将两个麦克风采集到的语音信号从时域转换成频域，得到转换成频域后的语音信号；波束形成子单元，被配置成基于转换成频域后的语音信号，形成第一波束以及至少一个干扰方向的第二波束。
在一些实施例中，转换子单元包括：分帧模块，被配置成基于预设的帧大小以及帧移，对两个麦克风中的每个麦克风采集到的语音信号进行分帧，得到与该麦克风对应的第一语音帧序列；转换模块，被配置成将两个麦克风中的每个麦克风所对应的第一语音帧序列中的每个语音帧从时域转换成频域，并将转换成频域后的第一语音帧序列作为与该麦克风对应的第二语音帧序列。
在一些实施例中，转换模块进一步被配置成：对于两个麦克风中的每个麦克风，对该麦克风所对应的第一语音帧序列中的每个语音帧进行加窗操作，并对经加窗后的该语音帧进行快速傅里叶变换，以将该语音帧从时域转换成频域。
在一些实施例中，波束形成子单元进一步被配置成：采用差分波束形成方法，基于两个麦克风分别对应的第二语音帧序列，形成第一波束以及至少一个干扰方向的第二波束。
在一些实施例中，每个第二波束对应权值向量和导向矢量，权值向量和导向矢量是在采用差分波束形成方法形成该第二波束的过程中计算得出的；以及确定单元进一步被配置成：对于所形成的每个第二波束，将该第二波束所对应的权值向量与导向矢量的乘积的绝对值确定为从该第二波束泄露到第一波束的增益系数，并将增益系数与该第二波束的语音信号的乘积确定为干扰信号。
在一些实施例中，上述装置还包括：第一转换单元，被配置成将增强后的语音信号从频域转换成时域；加窗单元，被配置成对转换成时域的增强后的语音信号进行加窗操作，得到经加窗后的语音信号；合帧单元，被配置成对经加窗后的语音信号进行合帧操作，得到经合帧后的语音信号。
第三方面，本申请实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当该一个或多个程序被该一个或多个处理器执行，使得该一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的基于二元麦克风阵列的语音增强方法和装置，通过基于二元麦克风阵列中的两个麦克风采集到的语音信号，形成目标方向的第一波束以及至少一个干扰方向的第二波束，而后基于所形成的第二波束的语音信号，确定干扰信号，以便从第一波束的语音信号中减去该干扰信号，得到增强后的语音信号。本申请的上述实施例提供的方案可以在不为麦克风增加特殊音腔结构以及不增加麦克风阵元个数的情况下，实现对目标方向的语音信号的增强。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请的一些实施例可以应用于其中的示例性系统架构图；
图2是根据本申请的基于二元麦克风阵列的语音增强方法的一个实施例的流程图；
图3是根据本申请的基于二元麦克风阵列的语音增强方法的一个应用场景的示意图；
图4是根据本申请的基于二元麦克风阵列的语音增强方法的又一个实施例的流程图；
图5是根据本申请的基于二元麦克风阵列的语音增强装置的一个实施例的结构示意图；
图6是适于用来实现本申请的一些实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的基于二元麦克风阵列的语音增强方法或基于二元麦克风阵列的语音增强装置的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括二元麦克风阵列101，网络102和终端设备103。网络102用以在二元麦克风阵列101和终端设备103之间提供通信链路的介质。网络102可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
二元麦克风阵列101为包括两个麦克风的麦克风阵列。二元麦克风阵列101用于进行语音信号的采集，并将采集到的语音信号发送至终端设备103。
终端设备103可以用于接收二元麦克风阵列101发送的语音信号，并对该语音信号进行语音增强处理。其中，终端设备103可以安装有语音增强类应用等。
终端设备103可以是硬件，也可以是软件。当终端设备103为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机、台式计算机、智能空调、智能音响、智能音箱等等。当终端设备103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
需要指出的是，二元麦克风阵列101与终端设备103可以相互独立，或者，二元麦克风阵列101可以包含在终端设备103中，在此不做具体限定。
需要说明的是，本申请实施例所提供的基于二元麦克风阵列的语音增强方法一般由终端设备103执行，相应地，基于二元麦克风阵列的语音增强装置一般设置于终端设备103中。
应该理解，图1中的二元麦克风阵列、网络和终端设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的二元麦克风阵列、网络和终端设备。
继续参考图2，示出了根据本申请的基于二元麦克风阵列的语音增强方法的一个实施例的流程200。该基于二元麦克风阵列的语音增强方法的流程200，包括以下步骤：
步骤201，基于二元麦克风阵列中的两个麦克风采集到的语音信号，形成目标方向的第一波束以及至少一个干扰方向的第二波束。
在本实施例中，基于二元麦克风阵列的语音增强方法的执行主体可以为终端设备(例如图1所示的终端设备103)。终端设备可以与二元麦克风阵列(例如图1所示的二元麦克风阵列101)通信连接。其中，二元麦克风阵列与终端设备可以相互独立，或者，二元麦克风阵列可以包含在终端设备中，在此不做具体限定。
终端设备可以实时地接收二元麦克风阵列中的两个麦克风采集到的语音信号。而后，终端设备可以基于该语音信号，形成目标方向的第一波束以及至少一个干扰方向的第二波束。其中，目标方向和该至少一个干扰方向可以是预先设定的。这里，目标方向例如可以是垂直于上述两个麦克风的连线方向的方向。第一波束与上述两个麦克风的连线的夹角的角度例如可以是90度。第二波束与上述两个麦克风的连线的夹角的角度例如可以是30度或150度等。
需要说明的是，终端设备可以采用各种方法，基于上述两个麦克风采集到的语音信号，形成目标方向的第一波束以及上述至少一个干扰方向的第二波束。例如，终端设备可以采用现有的延迟求和、广义旁瓣消除或最小方差等方法，对上述两个麦克风采集到的语音信号进行分析等处理，以形成目标方向的第一波束以及上述至少一个干扰方向的第二波束。这里，由于以上各种方法是目前广泛研究和应用的公知技术，在此不再赘述。
在本实施例的一些可选的实现方式中，上述两个麦克风采集到的语音信号属于时域信号，若直接基于时域信号形成波束，会增大计算量。因此，终端设备可以先将上述两个麦克风采集到的语音信号从时域转换成频域，得到转换成频域后的语音信号。而后，终端设备可以基于转换成频域后的语音信号，形成目标方向的第一波束以及上述至少一个干扰方向的第二波束。
这里，终端设备例如可以采用傅里叶变换算法将上述两个麦克风采集到的语音信号从时域转换成频域。具体地，终端设备可以采用快速傅里叶变换(fastfouriertransform，fft)算法将该语音信号从时域转换成频域。由于在二元麦克风阵列中，对于上述至少一个干扰方向的第二波束的入射方位，差分波束有比较好的效果，因此，终端设备可以采用差分波束形成方法，基于经转换成频域后的语音信号，形成目标方向的第一波束以及上述至少一个干扰方向的第二波束。由于傅里叶变换算法以及差分波束形成方法是目前广泛研究和应用的公知技术，在此不再赘述。
步骤202，基于所形成的第二波束的语音信号，确定干扰信号。
在本实施例中，终端设备可以基于在步骤201中形成的第二波束的语音信号，确定干扰信号。例如，终端设备可以直接将所形成的第二波束的语音信号作为干扰信号。
可选地，由于直接将所形成的第二波束的语音信号作为干扰信号，可能会造成信号失真，因此，对于所形成的每个第二波束，终端设备可以先确定从该第二波束泄露到第一波束的增益系数。然后终端设备可以将该第二波束的语音信号与该增益系数的乘积确定为干扰信号。
这里，终端设备在采用差分波束形成方法形成第二波束的过程中，会计算得出与该第二波束对应的权值向量和导向矢量。对于所形成的每个第二波束，终端设备可以将该第二波束所对应的权值向量和导向矢量的乘积的绝对值确定为从该第二波束泄露到第一波束的增益系数。
步骤203，从第一波束的语音信号中减去干扰信号，得到增强后的语音信号。
在本实施例中，终端设备可以从第一波束的语音信号中减去干扰信号，将第一波束的减去干扰信号后的语音信号作为增强后的语音信号。
需要说明的是，所得的增强后的语音信号可以应用于多种场景，而且可以有助于实现不同的技术效果。例如，当增强后的语音信号应用于语音播放场景时，可以有助于提高播放的语音信号的质量。当增强后的语音信号应用于语音识别场景时，可以有助于提高语音识别结果的准确度。
继续参见图3，图3是根据本实施例的基于二元麦克风阵列的语音增强方法的应用场景的一个示意图。在图3的应用场景中，终端设备可以包括二元麦克风阵列。二元麦克风阵列可以包括两个麦克风。终端设备可以实时地接收二元麦克风阵列发送的语音信号。其中，该语音信号可以包括上述两个麦克风分别采集的语音信号a1、a2。而后，终端设备可以基于语音信号a1、a2，形成目标方向的第一波束b1，以及两个干扰方向的第二波束b2、b3。其中，第一波束b1与上述两个麦克风之间的连线的夹角的角度可以为90度，第二波束b2与该连线的夹角的角度可以为30度，第二波束b3与该连线的夹角的角度可以为150度。然后，终端设备可以基于第二波束b2的语音信号，确定干扰信号c1，以及基于第二波束b3的语音信号，确定干扰信号c2。最后，终端设备可以从第一波束b1的语音信号中减去干扰信号c1、c2，将第一波束b1的减去干扰信号c1、c2之后的语音信号作为增强后的语音信号d。
本申请的上述实施例提供的方法，通过基于二元麦克风阵列中的两个麦克风采集到的语音信号，形成目标方向的第一波束以及至少一个干扰方向的第二波束，而后基于所形成的第二波束的语音信号，确定干扰信号，以便从第一波束的语音信号中减去该干扰信号，得到增强后的语音信号。本申请的上述实施例提供的方案可以在不为麦克风增加特殊音腔结构以及不增加麦克风阵元个数的情况下，实现对目标方向的语音信号的增强。
进一步参考图4，其示出了基于二元麦克风阵列的语音增强方法的又一个实施例的流程400。该基于二元麦克风阵列的语音增强方法的流程400，包括以下步骤：
步骤401，基于预设的帧大小以及帧移，对二元麦克风阵列中的两个麦克风中的每个麦克风采集到的语音信号进行分帧，得到与该麦克风对应的第一语音帧序列。
在本实施例中，基于二元麦克风阵列的语音增强方法的执行主体可以为终端设备(例如图1所示的终端设备103)。终端设备可以与二元麦克风阵列(例如图1所示的二元麦克风阵列101)通信连接。其中，二元麦克风阵列与终端设备可以相互独立，或者，二元麦克风阵列可以包含在终端设备中，在此不做具体限定。
终端设备可以实时地接收二元麦克风阵列中的两个麦克风采集到的语音信号。而后，终端设备可以基于预设的帧大小(例如512个采样点)以及帧移(例如256)，对上述两个麦克风中的每个麦克风采集到的语音信号进行分帧，得到与该麦克风对应的第一语音帧序列。应该理解，帧大小以及帧移是可以根据实际需要调整的，在此不做具体限定。
步骤402，对于两个麦克风中的每个麦克风，对该麦克风所对应的第一语音帧序列中的每个语音帧进行加窗操作，对经加窗后的该语音帧进行快速傅里叶变换，以将该语音帧从时域转换成频域，并将转换成频域后的第一语音帧序列作为与该麦克风对应的第二语音帧序列。
在本实施例中，对于上述两个麦克风中的每个麦克风，终端设备可以对该麦克风所对应的第一语音帧序列中的每个语音帧进行加窗操作，对经加窗后的该语音帧进行快速傅里叶变换，以将该语音帧从时域转换成频域。而后终端设备可以将转换成频域后的第一语音帧序列作为与该麦克风对应的第二语音帧序列。
由于语音信号是非平稳的信号，傅里叶变换需要信号是平稳的，因此需要增加窗函数，将非平稳信号变成短时平稳信号。其中，窗函数例如可以为矩形窗或汉明窗等等。
这里，以汉明窗为例，对于上述两个麦克风中的每个麦克风，对于该麦克风所对应的第一语音帧序列中的每个语音帧，终端设备例如可以采用以下方式对该语音帧进行加窗操作：
其中，x可以代表处于时域的语音信号。w可以代表加窗。
对于经加窗操作后的语音帧，终端设备可以采用快速傅里叶变换函数，将该语音帧中的每个采样点从时域变换成频域，进而得到变换成频域后的语音帧。
步骤403，采用差分波束形成方法，基于两个麦克风分别对应的第二语音帧序列，形成目标方向的第一波束以及至少一个干扰方向的第二波束。
在本实施例中，终端设备可以采用差分波束形成方法，基于上述两个麦克风分别对应的第二语音帧序列，形成目标方向的第一波束以及至少一个干扰方向的第二波束。
其中，目标方向和上述至少一个干扰方向可以是预先设定的。目标方向例如可以是垂直于上述两个麦克风的连线方向的方向。第一波束与上述两个麦克风的连线的夹角的角度例如可以是90度。第二波束与上述两个麦克风的连线的夹角的角度例如可以是30度或150度等。
这里，可以采用以下方式描述终端设备所形成的任意一个波束(如第一波束、第二波束)：
其中，y可以代表与波束对应的语音信号。
需要说明的是，对于所形成的每个第二波束，终端设备在采用差分波束形成方法形成该第二波束的过程中，还可以计算得到与该第二波束对应的导向矢量。
例如，当干扰在该第二波束的方向时，上述两个麦克风的时间延迟可以采用以下公式计算得出：
其中，τ可以代表时间延迟。τb可以代表当干扰在波束b的方向时，上述两个麦克风的时间延迟。d可以代表上述两个麦克风之间的距离。θ可以代表角度。θb可以代表波束b与上述两个麦克风的连线的夹角的角度。c可以代表声速，c的取值例如可以为343米每秒。
该第二波束对应的导向矢量可以通过以下公式计算得出：
其中，a可以代表导向矢量。
需要指出的是，该第二波束所对应的权值向量可以是基于导向矢量计算得出的。根据波束形成的定义，权值向量的推导可以根据以下两个约束进行：
1)对波束指向方向的增益为1；
2)其他方向的增益为0。
在两麦差分波束形成设计时，一般会选取一个零点方向，不同的零点方向对应不同的波束响应。这里，例如可以选取零点方向为收音范围与该第二波束的方向垂直的方向。应该理解，零点方向可以根据实际需要设置，在此不做具体限定。在本实施例中，零点方向对应的时间延迟以及导向矢量可以根据以上描述的公式计算得出。该第二波束所对应的权值向量可以根据该第二波束所对应的导向矢量、零点方向所对应的导向矢量以及以上两个约束计算得出。
步骤404，对于所形成的每个第二波束，将该第二波束所对应的权值向量与导向矢量的乘积的绝对值确定为从该第二波束泄露到第一波束的增益系数，并将增益系数与该第二波束的语音信号的乘积确定为干扰信号。
在本实施例中，对于在步骤403中形成的每个第二波束，终端设备可以将该第二波束所对应的权值向量与导向矢量的乘积的绝对值确定为从该第二波束泄露到第一波束的增益系数，并将该增益系数与该第二波束的语音信号的乘积确定为干扰信号。
步骤405，从第一波束的语音信号中减去干扰信号，得到增强后的语音信号。
在本实施例中，终端设备在确定干扰信号后，可以从第一波束的语音信号中减去所确定的各个干扰信号，并将第一波束的减去干扰信号后的语音信号作为增强后的语音信号。
步骤406，将增强后的语音信号从频域转换成时域。
在本实施例中，终端设备在得到增强后的语音信号后，可以将该语音信号从频域转换成时域。例如，终端设备可以采用快速傅里叶逆变换(inversefastfouriertransform，ifft)算法，将增强后的语音信号从频域转换成时域。
步骤407，对转换成时域的增强后的语音信号进行加窗操作，得到经加窗后的语音信号。
在本实施例中，终端设备可以采用如在步骤402中描述的加窗方法，对转换成时域的增强后的语音信号进行加窗操作，得到经加窗后的语音信号。
步骤408，对经加窗后的语音信号进行合帧操作，得到经合帧后的语音信号。
在本实施例中，终端设备在对转换成时域的增强后的语音信号进行加窗操作，得到经加窗后的语音信号后，可以对该经加窗后的语音信号进行合帧操作，得到经合帧后的语音信号。这里，终端设备例如可以采用重叠-相加的方式对该经加窗后的语音信号进行合帧操作。其中，重叠-相加方式是一种区块卷积，可以有效地计算一个很长的信号和一个滤波器(finiteimpulseresponse，fir)的离散卷积。
从图4中可以看出，与图2对应的实施例相比，本实施例中的基于二元麦克风阵列的语音增强方法的流程400突出了对第一波束以及第二波束的形成方法进行扩充的步骤，对干扰信号的确定方法进行扩充的步骤，以及对增强后的语音信号进行处理的步骤。由此，本实施例描述的方案实现了信息处理的多样性。另外，通过针对第二波束估计增益系数，将该增益系数与该第二波束的语音信号的乘积确定为干扰信号，可以避免增强后的语音信号失真。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种基于二元麦克风阵列的语音增强装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的基于二元麦克风阵列的语音增强装置500包括：波束形成单元501被配置成基于二元麦克风阵列中的两个麦克风采集到的语音信号，形成目标方向的第一波束以及至少一个干扰方向的第二波束，其中，目标方向和至少一个干扰方向可以是预先设定的；确定单元502被配置成基于所形成的第二波束的语音信号，确定干扰信号；处理单元503被配置成从第一波束的语音信号中减去干扰信号，得到增强后的语音信号。
在本实施例中，基于二元麦克风阵列的语音增强装置500中：波束形成单元501、确定单元502和处理单元503的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202和步骤203的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，波束形成单元501可以包括：转换子单元(图中未示出)，被配置成将两个麦克风采集到的语音信号从时域转换成频域，得到转换成频域后的语音信号；波束形成子单元(图中未示出)，被配置成基于转换成频域后的语音信号，形成第一波束以及至少一个干扰方向的第二波束。
在本实施例的一些可选的实现方式中，转换子单元可以包括：分帧模块(图中未示出)，被配置成基于预设的帧大小以及帧移，对两个麦克风中的每个麦克风采集到的语音信号进行分帧，得到与该麦克风对应的第一语音帧序列；转换模块(图中未示出)，被配置成将两个麦克风中的每个麦克风所对应的第一语音帧序列中的每个语音帧从时域转换成频域，并将转换成频域后的第一语音帧序列作为与该麦克风对应的第二语音帧序列。
在本实施例的一些可选的实现方式中，转换模块可以进一步被配置成：对于两个麦克风中的每个麦克风，对该麦克风所对应的第一语音帧序列中的每个语音帧进行加窗操作，并对经加窗后的该语音帧进行快速傅里叶变换，以将该语音帧从时域转换成频域。
在本实施例的一些可选的实现方式中，波束形成子单元可以进一步被配置成：采用差分波束形成方法，基于两个麦克风分别对应的第二语音帧序列，形成第一波束以及至少一个干扰方向的第二波束。
在本实施例的一些可选的实现方式中，每个第二波束对应权值向量和导向矢量，权值向量和导向矢量是在采用差分波束形成方法形成该第二波束的过程中计算得出的；以及确定单元502可以进一步被配置成：对于所形成的每个第二波束，将该第二波束所对应的权值向量与导向矢量的乘积的绝对值确定为从该第二波束泄露到第一波束的增益系数，并将增益系数与该第二波束的语音信号的乘积确定为干扰信号。
在本实施例的一些可选的实现方式中，上述装置500还可以包括：第一转换单元(图中未示出)，被配置成将增强后的语音信号从频域转换成时域；加窗单元(图中未示出)，被配置成对转换成时域的增强后的语音信号进行加窗操作，得到经加窗后的语音信号；合帧单元(图中未示出)，被配置成对经加窗后的语音信号进行合帧操作，得到经合帧后的语音信号。
本申请的上述实施例提供的装置，通过基于二元麦克风阵列中的两个麦克风采集到的语音信号，形成目标方向的第一波束以及至少一个干扰方向的第二波束，而后基于所形成的第二波束的语音信号，确定干扰信号，以便从第一波束的语音信号中减去该干扰信号，得到增强后的语音信号。本申请的上述实施例提供的方案可以在不为麦克风增加特殊音腔结构以及不增加麦克风阵元个数的情况下，实现对目标方向的语音信号的增强。
下面参考图6，其示出了适于用来实现本申请实施例的电子设备(例如图1所示的终端设备103)的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示，计算机系统600包括中央处理单元(cpu)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储部分608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram603中，还存储有系统600操作所需的各种程序和数据。cpu601、rom602以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(cpu)601执行时，执行本申请的系统中限定的上述功能。
需要说明的是，本申请所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括波束形成单元、确定单元和处理单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，波束形成单元还可以被描述为“基于二元麦克风阵列中的两个麦克风采集到的语音信号形成目标方向的第一波束以及至少一个干扰方向的第二波束的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备：基于二元麦克风阵列中的两个麦克风采集到的语音信号，形成目标方向的第一波束以及至少一个干扰方向的第二波束，其中，目标方向和至少一个干扰方向可以是预先设定的；基于所形成的第二波束的语音信号，确定干扰信号；从第一波束的语音信号中减去干扰信号，得到增强后的语音信号。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
起点商标作为专业知识产权交易平台，可以帮助大家解决很多问题，如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】
与客服一对一沟通，为大家解决相关问题。
此文章来源于网络,如有侵权,请联系删除
热门咨询
