語音處理系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 這里描述的實(shí)施例一般地涉及語音處理系統(tǒng)。
【背景技術(shù)】
[0002] 經(jīng)常需要在嘈雜的環(huán)境中去理解語音，舉例來講，當(dāng)在擁擠的地方使用移動(dòng)電話 時(shí)、在移動(dòng)設(shè)備上收聽媒體文件時(shí)、在車站聽公告時(shí)，等等。
[0003] 可以增強(qiáng)語音信號(hào)以使得其在這種環(huán)境中更加易懂。
【附圖說明】
[0004] 現(xiàn)在參照附圖描述根據(jù)非限制性實(shí)施例的系統(tǒng)和方法，其中：
[0005] 圖1是根據(jù)本發(fā)明的一種實(shí)施例的系統(tǒng)的示意圖；
[0006] 圖2是示出了具有頻譜整形濾波器和動(dòng)態(tài)范圍壓縮級(jí)的根據(jù)本發(fā)明的一種實(shí)施 例的系統(tǒng)的進(jìn)一步示意圖；
[0007] 圖3是示出了圖2的頻譜整形濾波器和動(dòng)態(tài)范圍壓縮級(jí)的示意圖；
[0008] 圖4是更詳細(xì)地示出了頻譜整形濾波器的示意圖；
[0009] 圖5是更詳細(xì)地示出了動(dòng)態(tài)范圍壓縮級(jí)的示意圖；
[0010] 圖6是輸入-輸出包絡(luò)特性曲線的圖；
[0011] 圖7a是語音信號(hào)的圖以及圖7b是來自動(dòng)態(tài)范圍壓縮級(jí)的輸出的圖；
[0012] 圖8是根據(jù)信噪比適配的輸入-輸出包絡(luò)特性曲線的圖；以及
[0013] 圖9是具有多個(gè)輸出的根據(jù)又一實(shí)施例的系統(tǒng)的示意圖。
【具體實(shí)施方式】
[0014] 在一種實(shí)施例中，提供了一種用于增強(qiáng)將在嘈雜環(huán)境中輸出的語音的語音易懂性 增強(qiáng)系統(tǒng)，該系統(tǒng)包括：
[0015] 語音輸入，用于接收要增強(qiáng)的語音；
[0016] 噪聲輸入，用于接收關(guān)于嘈雜環(huán)境的實(shí)時(shí)信息；
[0017] 增強(qiáng)語音輸出，用于輸出增強(qiáng)的語音；以及
[0018] 處理器，被配置為將從所述語音輸入接收的語音轉(zhuǎn)換成將由所述增強(qiáng)語音輸出輸 出的所述增強(qiáng)的語音，
[0019] 所述處理器被配置為：
[0020] 將頻譜整形濾波器應(yīng)用于經(jīng)由所述語音輸入接收的語音；
[0021] 將動(dòng)態(tài)范圍壓縮應(yīng)用于所述頻譜整形濾波器的輸出；以及
[0022] 測(cè)量所述噪聲輸入處的信噪比；
[0023] 其中頻譜整形濾波器包括控制參數(shù)，動(dòng)態(tài)范圍壓縮包括控制參數(shù)，以及其中根據(jù) 所測(cè)量的信噪比來實(shí)時(shí)更新動(dòng)態(tài)范圍壓縮或頻譜整形的控制參數(shù)中的至少一個(gè)。
[0024] 在根據(jù)以上實(shí)施例的系統(tǒng)中，所述輸出適應(yīng)于噪聲環(huán)境。此外，所述輸出被不斷更 新，以使得其實(shí)時(shí)地適應(yīng)于改變的噪聲環(huán)境。例如，如果將上述系統(tǒng)構(gòu)建于移動(dòng)電話中并且 用戶站立于嘈雜的房間之外，則系統(tǒng)能夠適于根據(jù)房間門是打開還是關(guān)閉來增強(qiáng)語音。類 似地，如果系統(tǒng)用于火車站中的公共廣播系統(tǒng)，則所述系統(tǒng)可隨著列車到達(dá)和離開實(shí)時(shí)地 適應(yīng)于變化的噪聲條件。
[0025] 在一種實(shí)施例中，逐幀地估計(jì)信噪比，并且針對(duì)前一幀的信噪比用來更新當(dāng)前幀 的參數(shù)。典型的幀的長度是1秒到3秒。
[0026] 以上系統(tǒng)可以使頻譜整形濾波器和/或動(dòng)態(tài)范圍壓縮級(jí)適應(yīng)于嘈雜環(huán)境。在一些 實(shí)施例中，頻譜整形濾波器和動(dòng)態(tài)范圍壓縮級(jí)兩者都適配于嘈雜環(huán)境。
[0027] 當(dāng)使動(dòng)態(tài)范圍壓縮適應(yīng)于SNR時(shí)，經(jīng)過更新的控制參數(shù)可被用來控制將由所述動(dòng) 態(tài)范圍壓縮應(yīng)用的增益。在其他實(shí)施例中，更新控制參數(shù)，以使得其隨著信噪比增加逐漸地 抑制輸入語音的低能量段的加強(qiáng)。在一些實(shí)施例中，假定SNR和控制參數(shù)之間具有線性關(guān) 系，在其它實(shí)施例中，可使用非線性或邏輯關(guān)系。
[0028] 為了控制輸出的音量，在一些實(shí)施例中，所述系統(tǒng)還包括能量存儲(chǔ)箱，所述能量存 儲(chǔ)箱是所述系統(tǒng)中設(shè)置的存儲(chǔ)器且被配置為存儲(chǔ)在增強(qiáng)之前所述輸入語音的總能量，所述 處理器還被配置為使用所述能量存儲(chǔ)箱中存儲(chǔ)的能量來增加增強(qiáng)信號(hào)中低能量部分的能 量。
[0029] 頻譜整形濾波器可包括自適應(yīng)頻譜整形級(jí)和固定頻譜整形級(jí)。自適應(yīng)頻譜整形級(jí) 可包括共振峰成形濾波器和用來減少頻譜傾斜的濾波器。在一種實(shí)施例中，第一控制參數(shù) 被設(shè)置為控制所述共振峰成形濾波器，第二控制參數(shù)被配置為控制用于減少頻譜傾斜的所 述濾波器，以及其中根據(jù)所述信噪比來更新所述第一和/或第二控制參數(shù)。所述第一和/ 或第二控制參數(shù)與所述信噪比線性相關(guān)。
[0030] 上述討論集中于響應(yīng)于SNR來適配信號(hào)。然而，所述系統(tǒng)還可被配置為與噪聲測(cè) 量無關(guān)地根據(jù)輸入語音來修改頻譜整形濾波器。例如，所述處理器可被配置為在應(yīng)用頻譜 整形濾波器時(shí)估計(jì)最大濁音化概率，以及其中所述系統(tǒng)被配置為每m秒更新最大濁音化概 率，其中m是從2到10的值。
[0031] 所述系統(tǒng)還可以附加地或備選地被配置為與噪聲測(cè)量無關(guān)地根據(jù)所述輸入語音 來修改動(dòng)態(tài)范圍壓縮。例如，所述處理器被配置為在應(yīng)用動(dòng)態(tài)范圍壓縮時(shí)估計(jì)輸入語音 的信號(hào)包絡(luò)的最大值，以及其中所述系統(tǒng)被配置為每m秒更新輸入語音的信號(hào)包絡(luò)的最大 值，其中m是從2到10的值。
[0032] 所述系統(tǒng)還被配置為在多個(gè)位置輸出增強(qiáng)語音。例如，這種系統(tǒng)可包括對(duì)應(yīng)于多 個(gè)位置的多個(gè)噪聲輸入，所述處理器被配置為應(yīng)用多個(gè)頻譜整形濾波器和多個(gè)相應(yīng)的動(dòng)態(tài) 范圍壓縮級(jí)，以使得針對(duì)每個(gè)噪聲輸入存在頻譜整形濾波器和動(dòng)態(tài)范圍壓縮級(jí)對(duì)，所述處 理器被配置為根據(jù)從相應(yīng)的噪聲輸入測(cè)量的信噪比來更新每個(gè)頻譜整形濾波器和動(dòng)態(tài)范 圍壓縮級(jí)對(duì)的控制參數(shù)。這種系統(tǒng)可用于例如在不同環(huán)境中具有多個(gè)揚(yáng)聲器的PA系統(tǒng)。
[0033] 在其他實(shí)施例中，提供了一種用于增強(qiáng)將在嘈雜環(huán)境中輸出的語音的方法，該方 法包括：
[0034] 接收要增強(qiáng)的語音；
[0035] 在噪聲輸入處接收關(guān)于嘈雜環(huán)境的實(shí)時(shí)信息；
[0036] 將從所述語音輸入接收的語音轉(zhuǎn)換成增強(qiáng)的語音；以及
[0037] 輸出所述增強(qiáng)的語音，
[0038] 其中轉(zhuǎn)換所述語音包括：
[0039] 測(cè)量所述噪聲輸入處的信噪比；
[0040] 將頻譜整形濾波器應(yīng)用于經(jīng)由所述語音輸入接收的語音；以及
[0041] 將動(dòng)態(tài)范圍壓縮應(yīng)用于所述頻譜整形濾波器的輸出；
[0042] 其中頻譜整形濾波器包括控制參數(shù)，動(dòng)態(tài)范圍壓縮包括控制參數(shù)，以及其中根據(jù) 所測(cè)量的信噪比來實(shí)時(shí)更新動(dòng)態(tài)范圍壓縮或頻譜整形的控制參數(shù)中的至少一個(gè)。
[0043] 以上實(shí)施例討論了系統(tǒng)響應(yīng)于SNR的適應(yīng)性。然而，在一些實(shí)施例中，與語音將要 被輸出到的環(huán)境的SNR無關(guān)地增強(qiáng)語音。這里，提供了一種用于增強(qiáng)要輸出的語音的語音 易懂性增強(qiáng)系統(tǒng)，該系統(tǒng)包括：
[0044] 語音輸入，用于接收要增強(qiáng)的語音；
[0045] 增強(qiáng)語音輸出，用于輸出增強(qiáng)的語音；以及
[0046] 處理器，被配置為將從所述語音輸入接收的語音轉(zhuǎn)換成將由所述增強(qiáng)語音輸出輸 出的所述增強(qiáng)的語音，所述處理器被配置為：
[0047] 將頻譜整形濾波器應(yīng)用于經(jīng)由所述語音輸入接收的語音；以及
[0048] 將動(dòng)態(tài)范圍壓縮應(yīng)用于所述頻譜整形濾波器的輸出；
[0049] 其中頻譜整形濾波器包括控制參數(shù)，動(dòng)態(tài)范圍壓縮包括控制參數(shù)，以及其中根據(jù) 在語音輸入處接收的語音來實(shí)時(shí)更新動(dòng)態(tài)范圍壓縮或頻譜整形的控制參數(shù)中的至少一個(gè)。
[0050] 例如，所述處理器可被配置為在應(yīng)用頻譜整形濾波器時(shí)估計(jì)最大濁音化概率，以 及其中所述系統(tǒng)被配置為每m秒更新最大濁音化概率，其中m是從2到10的值。
[0051] 所述系統(tǒng)還可以附加地或備選地被配置為與噪聲測(cè)量無關(guān)地根據(jù)所述輸入語音 來修改動(dòng)態(tài)范圍壓縮。例如，所述處理器被配置為在應(yīng)用動(dòng)態(tài)范圍壓縮時(shí)估計(jì)輸入語音 的信號(hào)包絡(luò)的最大值，以及其中所述系統(tǒng)被配置為每m秒更新輸入語音的信號(hào)包絡(luò)的最大 值，其中m是從2到10的值。
[0052] 在又一種實(shí)施例中，提供了一種用于增強(qiáng)語音易懂性的方法，該方法包括：
[0053] 接收要增強(qiáng)的語音；
[0054] 將從所述語音輸入接收的語音轉(zhuǎn)換成增強(qiáng)的語音；以及
[0055] 輸出所述增強(qiáng)的語音，
[0056] 其中轉(zhuǎn)換所述語音包括：
[0057] 將頻譜整形濾波器應(yīng)用于經(jīng)由所述語音輸入接收的語音；以及
[0058] 將動(dòng)態(tài)范圍壓縮應(yīng)用于所述頻譜整形濾波器的輸出；
[0059] 其中頻譜整形濾波器包括控制參數(shù)，動(dòng)態(tài)范圍壓縮包括控制參數(shù)，根據(jù)在語音輸 入處接收的語音來實(shí)時(shí)更新動(dòng)態(tài)范圍壓縮或頻譜整形的控制參數(shù)中的至少一個(gè)。
[0060] 由于根據(jù)實(shí)施例的一些方法可通過軟件實(shí)現(xiàn)，所以一些實(shí)施例涵蓋任意合適載體 介質(zhì)上的提供給通用計(jì)算機(jī)的計(jì)算機(jī)代碼。載體介質(zhì)可包括任意存儲(chǔ)介質(zhì)（比如軟盤、CD ROM、磁性裝置或可編程存儲(chǔ)器設(shè)備）或任何瞬時(shí)介質(zhì)（比如任何信號(hào)，例如電、光或微波信 號(hào)）。
[0061] 圖1是語音易懂性增強(qiáng)系統(tǒng)的示意圖。
[0062] 系統(tǒng)1包括處理器3,處理器3包括程序5,其獲取輸入語音和關(guān)于將輸出語音處 的噪聲條件的信息，并增強(qiáng)語音，以增加噪聲存在情況下的語音易懂性。存儲(chǔ)器7存儲(chǔ)由程 序5使用的數(shù)據(jù)。下文將描述關(guān)于存儲(chǔ)何種數(shù)據(jù)的細(xì)節(jié)。
[0063] 系