- 抑制語音非穩(wěn)態(tài)噪聲的方法
- 使用兩個(gè)麥克風(fēng)來改善對(duì)聽覺現(xiàn)場(chǎng)的理解
- 利用分組原理來分隔聲音點(diǎn)
- 減少收斂時(shí)間以消除更多的瞬間噪聲
- 采用對(duì)數(shù)與線性頻率比例
移動(dòng)運(yùn)營(yíng)商非常明白語音質(zhì)量對(duì)于留住用戶來說很重要。影響語音質(zhì)量的一個(gè)主要因素是環(huán)境噪聲，因此任何抑制噪聲的方法對(duì)于手機(jī)制造商來說都是一個(gè)實(shí)現(xiàn)差異化的機(jī)會(huì)。不過，直到最近噪聲抑制技術(shù)還只專注于降低緩慢變化的穩(wěn)態(tài)噪聲源。然而，很多非穩(wěn)態(tài)噪聲源為快速變化的，因此不能被抑制。因而，用戶不能在繁忙的大街上、擁擠的酒店或者甚至是在家里可靠地使用他們的手機(jī)。
抑制非穩(wěn)態(tài)噪聲對(duì)用戶和運(yùn)營(yíng)商都有很大的好處。用戶可以在任何時(shí)候和任何地點(diǎn)自由清楚地通話，可以在嘈雜的環(huán)境中低聲說話以保護(hù)其隱私，不會(huì)被要求離開重要的電話會(huì)議。運(yùn)營(yíng)商會(huì)看到丟失用戶的數(shù)量降低，增加通話時(shí)間，而且更有效地使用網(wǎng)絡(luò)帶寬，并大大地節(jié)省投資和運(yùn)營(yíng)成本。
圖1.在采用瞬時(shí)非穩(wěn)態(tài)噪聲抑制技術(shù)前后的時(shí)域波形。
1．理解穩(wěn)態(tài)和非穩(wěn)態(tài)噪聲之間的差異
由于其相對(duì)穩(wěn)定的特性—例如嘈雜的鼓風(fēng)機(jī)環(huán)境中，穩(wěn)態(tài)噪聲可以很容易地被識(shí)別，能用傳統(tǒng)的新好處理方法輕易地去除。相反，非穩(wěn)態(tài)噪聲具有快速或隨即的變化，例如一個(gè)人的說話聲、背景音樂或按鍵音。當(dāng)非穩(wěn)態(tài)噪聲被作為噪聲識(shí)別的時(shí)候，這些噪聲實(shí)際上已經(jīng)通過，因此需要更成熟的噪聲抑制方法。
2．使用兩個(gè)麥克風(fēng)來改善對(duì)聽覺現(xiàn)場(chǎng)的理解
下一代噪聲抑制技術(shù)，例如聽覺場(chǎng)分析(ASA)、波束成形(BF)和盲源隔離(BSS)使用幾個(gè)麥克風(fēng)來更準(zhǔn)確地識(shí)別、定位以及噪聲源分組，準(zhǔn)確性比單個(gè)麥克風(fēng)更高。當(dāng)今的手機(jī)制造商已經(jīng)意識(shí)到這種趨勢(shì)，在手機(jī)的架構(gòu)中引入了第二個(gè)麥克風(fēng)。
3．利用分組原理來分隔聲音點(diǎn)
分組方法簡(jiǎn)化了噪聲抑制，同時(shí)還能確定非穩(wěn)態(tài)噪聲源。例如聽覺場(chǎng)分析(ASA)使用人的聽覺通道作為一個(gè)模型，按照人實(shí)際對(duì)某個(gè)聲音的聽覺來處理噪聲。通過多聲學(xué)能量進(jìn)行分組來重新產(chǎn)生原來的聲音，ASA實(shí)現(xiàn)了來自多個(gè)源的準(zhǔn)確分組，同時(shí)避免任何聽覺上應(yīng)該分開的聲音被混合在一起。分組原理可以被大致描述為連續(xù)的(在一段時(shí)間內(nèi)發(fā)生的)和同時(shí)的(在一段頻率內(nèi))。
4．使用多個(gè)線索來分組，否則難以正確地對(duì)聲音進(jìn)行分組
每一個(gè)分組線索都有局限性。使用多個(gè)線索能對(duì)難以分析的聲音進(jìn)行正確的分組。某些重要的線索包括：
•聲音的特性：一個(gè)音源產(chǎn)生的諧波可以形成清楚的頻率圖，這個(gè)頻率圖可以用來對(duì)兩個(gè)聲音進(jìn)行區(qū)分。聲音特性是區(qū)分男人和女人的一個(gè)主要線索。
•空間信息：由距離和方向判斷出來的距離可以用來對(duì)聲音分組，因而可以對(duì)感興趣的聲音進(jìn)行分辨。
•發(fā)出時(shí)間：如果兩個(gè)聲音能量和他們對(duì)應(yīng)的諧波在時(shí)間上一致，他們很可能來自同一個(gè)音源。
5．減少收斂時(shí)間以消除更多的瞬間噪聲
傳統(tǒng)的噪聲抑制方法必須在他們消除噪聲之前收斂，因而他們?cè)谝种品欠€(wěn)態(tài)噪聲源上效率較低。通過利用快速響應(yīng)的線索來對(duì)聲音進(jìn)行描述，像打響指這樣的瞬間時(shí)間都可以被識(shí)別并消除。
6．采用對(duì)數(shù)與線性頻率比例(FCTvs.FFT)
熟悉的快速傅立葉變換(FFT)對(duì)頻率分量按線性比例進(jìn)行分解，這樣限制了在低頻處的頻譜分辨率，而且使用很定的幀大小和獨(dú)立于頻率的帶寬。相反的，快速耳蝸?zhàn)儞Q(FCT)基于人耳蝸的原理，按對(duì)數(shù)頻率比例變化。這樣一來，它不會(huì)限制頻譜分辨率。通過不斷的處理，而不是按幀進(jìn)行處理，F(xiàn)CT還降低了處理延遲，因此它適合于識(shí)別非穩(wěn)態(tài)的噪聲源。此外，F(xiàn)CT工作的帶寬是與頻率相關(guān)的，在人耳聽覺范圍內(nèi)能更準(zhǔn)確地匹配時(shí)域-頻域折衷。
7．使用全向麥克風(fēng)來降低成本
像波束成形這類方法需要一種專門的心型曲線式(cardioid，單向)麥克風(fēng)。這種麥克風(fēng)的成本比全向麥克風(fēng)成本更高，具有更低的噪聲容限，必須進(jìn)行單獨(dú)的校準(zhǔn)和匹配，誤差要低于1dB，帶來對(duì)間隔的限制，由于對(duì)風(fēng)聲和呼吸聲很敏感，因此會(huì)增加+12dB的噪聲。波束成形技術(shù)也有其局限性，對(duì)所關(guān)注的波束的任何錯(cuò)誤選擇都會(huì)被錯(cuò)誤地傳遞。對(duì)一個(gè)系統(tǒng)所需要的麥克風(fēng)的數(shù)量的管理也很重要。例如，盲源分離(BlindSourceSeparation)使用一種簡(jiǎn)單的線性非混合方法，在麥克風(fēng)的數(shù)量與音源的數(shù)量一樣多的條件下，這種方法效果非常理想。
8．將回聲作為獨(dú)立的音源來處理
一直以來，人們利用回波消除方法來消除回聲。這種方法的運(yùn)算量非常大，因?yàn)楸仨氂?jì)算回波反射，在噪聲源變化很快的時(shí)候，其性能很差。分組線索使我們能將會(huì)波作為另外一種噪聲源。由于回波既不需要進(jìn)行計(jì)算，而且不會(huì)改變路徑，因此可以進(jìn)行瞬間抑制，能實(shí)現(xiàn)高達(dá)46dB的回波噪聲抑制性能。
9．采用新的測(cè)試標(biāo)準(zhǔn)
移動(dòng)通信行業(yè)不斷地推進(jìn)測(cè)試標(biāo)準(zhǔn)來表現(xiàn)出通過在噪聲抑制技術(shù)上的創(chuàng)新實(shí)現(xiàn)更高的語音質(zhì)量等級(jí)。為了保證他們的產(chǎn)品獲得最佳的質(zhì)量，該行業(yè)最近修正了ITUP.835規(guī)范來提供一致的測(cè)試方法，對(duì)采用了噪聲抑制技術(shù)的語音質(zhì)量進(jìn)行測(cè)試并產(chǎn)生測(cè)試報(bào)告
