本發(fā)明涉及語音降噪，具體而言，涉及一種用于頭戴式計(jì)算機(jī)的自適應(yīng)降噪方法及裝置。

背景技術(shù)：

1、軌道交通作業(yè)環(huán)境中，復(fù)雜多樣的背景噪聲(如列車運(yùn)行噪聲、機(jī)械設(shè)備聲、風(fēng)噪等)給語音信號(hào)的提取和增強(qiáng)帶來了巨大挑戰(zhàn)。這些噪聲具有寬帶、非平穩(wěn)、空間分布復(fù)雜等特點(diǎn)，且在動(dòng)態(tài)環(huán)境中噪聲源頻譜特征會(huì)隨時(shí)間變化，增加了信號(hào)處理的難度。

2、傳統(tǒng)降噪方法通常依賴固定噪聲模型，難以適應(yīng)復(fù)雜場景，容易導(dǎo)致語音信號(hào)失真或殘留噪聲。此外，語音增強(qiáng)需要同時(shí)處理全局頻域特性和局部時(shí)頻特性，但現(xiàn)有方法往往難以兼顧這些特性，降噪效果不穩(wěn)定。頭戴式計(jì)算機(jī)的麥克風(fēng)陣列為多通道信號(hào)采集和處理提供了基礎(chǔ)，但其有限的計(jì)算資源和能耗要求對(duì)算法的實(shí)時(shí)性和高效性提出了更高要求。如何在復(fù)雜環(huán)境中設(shè)計(jì)兼顧精度、魯棒性和實(shí)時(shí)性的自適應(yīng)降噪方法，成為軌道交通作業(yè)環(huán)境中語音處理亟待解決的難題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種用于頭戴式計(jì)算機(jī)的自適應(yīng)降噪方法及裝置，以改善上述問題。為了實(shí)現(xiàn)上述目的，本發(fā)明采取的技術(shù)方案如下：

2、第一方面，本申請(qǐng)?zhí)峁┝艘环N用于頭戴式計(jì)算機(jī)的自適應(yīng)降噪方法，包括：

3、獲取軌交作業(yè)環(huán)境中的多通道信號(hào)，對(duì)所述多通道信號(hào)進(jìn)行增強(qiáng)噪聲估計(jì)，得到噪聲頻譜特征估計(jì)，所述多通道信號(hào)通過頭戴式計(jì)算機(jī)進(jìn)行采集；

4、根據(jù)所述噪聲頻譜特征估計(jì)進(jìn)行背景噪聲建模，得到噪聲源模型；

5、基于所述噪聲源模型設(shè)計(jì)自適應(yīng)頻譜濾波器，通過所述自適應(yīng)頻譜濾波器對(duì)多通道信號(hào)進(jìn)行過濾，得到初步降噪信號(hào)；

6、基于語音增強(qiáng)模型對(duì)所述初步降噪信號(hào)進(jìn)行語音增強(qiáng)，得到語音信號(hào)。

7、第二方面，本申請(qǐng)還提供了一種用于頭戴式計(jì)算機(jī)的自適應(yīng)降噪裝置，包括：

8、獲取模塊，用于獲取軌交作業(yè)環(huán)境中的多通道信號(hào)，對(duì)所述多通道信號(hào)進(jìn)行增強(qiáng)噪聲估計(jì)，得到噪聲頻譜特征估計(jì)，所述多通道信號(hào)通過頭戴式計(jì)算機(jī)進(jìn)行采集；

9、構(gòu)建模塊，用于根據(jù)所述噪聲頻譜特征估計(jì)進(jìn)行背景噪聲建模，得到噪聲源模型；

10、降噪模塊，用于基于所述噪聲源模型設(shè)計(jì)自適應(yīng)頻譜濾波器，通過所述自適應(yīng)頻譜濾波器對(duì)多通道信號(hào)進(jìn)行過濾，得到初步降噪信號(hào)；

11、增強(qiáng)模塊，用于基于語音增強(qiáng)模型對(duì)所述初步降噪信號(hào)進(jìn)行語音增強(qiáng)，得到語音信號(hào)。

12、本發(fā)明的有益效果為：本發(fā)明利用麥克風(fēng)陣列采集多通道信號(hào)，結(jié)合全局頻域特性和時(shí)頻局部特性進(jìn)行增強(qiáng)噪聲估計(jì)，建立動(dòng)態(tài)的噪聲源模型?；谠肼曉茨Ｐ?，自適應(yīng)調(diào)整濾波器參數(shù)，以實(shí)時(shí)對(duì)噪聲頻譜進(jìn)行有效抑制，提升初步降噪信號(hào)的質(zhì)量。并且在初步降噪信號(hào)基礎(chǔ)上，進(jìn)一步通過語音增強(qiáng)模型提取語音信號(hào)，使語音更清晰，同時(shí)保持語音的自然性。同時(shí)針對(duì)頭戴式計(jì)算機(jī)的硬件限制，優(yōu)化算法結(jié)構(gòu)，確保能夠在有限資源條件下實(shí)現(xiàn)實(shí)時(shí)的高效語音處理。

13、本發(fā)明的其他特征和優(yōu)點(diǎn)將在隨后的說明書闡述，并且，部分地從說明書中變得顯而易見，或者通過實(shí)施本發(fā)明實(shí)施例了解。本發(fā)明的目的和其他優(yōu)點(diǎn)可通過在所寫的說明書、權(quán)利要求書、以及附圖中所特別指出的結(jié)構(gòu)來實(shí)現(xiàn)和獲得。

技術(shù)特征：

1.一種用于頭戴式計(jì)算機(jī)的自適應(yīng)降噪方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的用于頭戴式計(jì)算機(jī)的自適應(yīng)降噪方法，其特征在于,對(duì)所述多通道信號(hào)進(jìn)行增強(qiáng)噪聲估計(jì)，得到噪聲頻譜特征估計(jì)，包括：

3.根據(jù)權(quán)利要求2所述的用于頭戴式計(jì)算機(jī)的自適應(yīng)降噪方法，其特征在于,根據(jù)所述預(yù)處理信號(hào)的全局頻域特性和時(shí)頻局部特性計(jì)算梅爾頻率倒譜系數(shù)，包括：

4.根據(jù)權(quán)利要求3所述的用于頭戴式計(jì)算機(jī)的自適應(yīng)降噪方法，其特征在于,基于所述頭戴式計(jì)算機(jī)的麥克風(fēng)陣列，對(duì)所述預(yù)處理信號(hào)進(jìn)行波束形成，得到增強(qiáng)功率譜，包括：

5.根據(jù)權(quán)利要求3所述的用于頭戴式計(jì)算機(jī)的自適應(yīng)降噪方法，其特征在于,所述梅爾頻率倒譜系數(shù)的計(jì)算公式為：

6.根據(jù)權(quán)利要求1所述的用于頭戴式計(jì)算機(jī)的自適應(yīng)降噪方法，其特征在于,根據(jù)所述噪聲頻譜特征估計(jì)進(jìn)行背景噪聲建模，得到噪聲源模型，包括：

7.根據(jù)權(quán)利要求1所述的用于頭戴式計(jì)算機(jī)的自適應(yīng)降噪方法，其特征在于,基于所述噪聲源模型設(shè)計(jì)自適應(yīng)頻譜濾波器，通過所述自適應(yīng)頻譜濾波器對(duì)多通道信號(hào)進(jìn)行過濾，得到初步降噪信號(hào)，包括：

8.根據(jù)權(quán)利要求7所述的用于頭戴式計(jì)算機(jī)的自適應(yīng)降噪方法，其特征在于，其特征在于，所述權(quán)重更新公式為：

9.根據(jù)權(quán)利要求1所述的用于頭戴式計(jì)算機(jī)的自適應(yīng)降噪方法，其特征在于，其特征在于，基于語音增強(qiáng)模型對(duì)所述初步降噪信號(hào)進(jìn)行語音增強(qiáng)，得到語音信號(hào)，包括：

10.一種用于頭戴式計(jì)算機(jī)的自適應(yīng)降噪裝置，其特征在于，包括：

技術(shù)總結(jié)
本發(fā)明提供了一種用于頭戴式計(jì)算機(jī)的自適應(yīng)降噪方法及裝置，涉及語音降噪技術(shù)領(lǐng)域，所述方法包括獲取軌交作業(yè)環(huán)境中的多通道信號(hào)，對(duì)所述多通道信號(hào)進(jìn)行增強(qiáng)噪聲估計(jì)，得到噪聲頻譜特征估計(jì)，所述多通道信號(hào)通過頭戴式計(jì)算機(jī)進(jìn)行采集；根據(jù)所述噪聲頻譜特征估計(jì)進(jìn)行背景噪聲建模，得到噪聲源模型；基于所述噪聲源模型設(shè)計(jì)自適應(yīng)頻譜濾波器，通過所述自適應(yīng)頻譜濾波器對(duì)多通道信號(hào)進(jìn)行過濾，得到初步降噪信號(hào)；基于語音增強(qiáng)模型對(duì)所述初步降噪信號(hào)進(jìn)行語音增強(qiáng)，得到語音信號(hào)。本發(fā)明解決了軌交作業(yè)環(huán)境下自適應(yīng)降噪不能同時(shí)兼顧精度、魯棒性和實(shí)時(shí)性的問題。

技術(shù)研發(fā)人員：郭浩,張?jiān)撇?王虎,王軍,孫全文,婁朋超,劉玉來,王志剛,張慶,竇長路,陳寧,高東輝,曹志民,王曉生,高彥,安弘宇,何凱,趙林,林廣軒,楊濤,陳會(huì)芳,宋盼辰,高恒孜,翟永剛,李石磊
受保護(hù)的技術(shù)使用者：中國鐵路北京局集團(tuán)有限公司豐臺(tái)車輛段
技術(shù)研發(fā)日：
技術(shù)公布日：2025/6/26