噪聲環境中語音信號的健壯分離的制作方法

專利名稱：噪聲環境中語音信號的健壯分離的制作方法
技術領域：
本發明涉及用于從有噪聲的聲環境中分離語言信號的處理和方 法。更具體地，本發明的一個實施例提供了用于從噪聲環境中分離語 音信號的盲信號源處理。
背景技術：
聲環境通常是有噪聲的，這使得難以可靠地檢測期望的提供信息 的信號和對該信號作出反應。例如，某人可能希望使用話音通信信道 與另一人通信。該信道可由例如移動無線手持裝置、步話機、雙向無 線電裝置或其他通信裝置來提供。為了改進可用性，該人可使用連接 到通信裝置的手持裝置或聽筒。手持裝置或聽筒通常具有一個或多個 耳機和麥克風。通常，麥克風在話筒吊桿上朝著該人的嘴部延伸，以 增加麥克風拾取該人講話的聲音的似真性。當該人講話時，麥克風接 收其話音信號，并將該信號轉換為電子信號。麥克風還從各種噪聲源 接收聲音信號，因此在上述電子信號中還包括了噪聲分量。由于聽筒可將麥克風定位于距離該人的嘴部幾英寸處，而環境可具有許多不可 控制的噪聲源，因此所得到的電子信號可具有大量的噪聲分量。上述 噪聲導致了不能令人滿意的通信體驗，并可使得通信裝置以低效率的 方式工作，從而增加了電池消耗。在一個特定示例中，在噪聲環境中生成語音信號，并使用語音處 理方法將語音信號從環境噪聲中分離。這種語音信號處理在日常通信 的許多領域中是重要的，這是由于在真實世界條件中總是存在噪聲。 噪聲被定義為干擾感興趣的語音信號或降低感興趣的語音信號質量的 所有信號的組合。真實世界充滿了多種噪聲源，包括經常越界進入多 種聲音從而形成混響的單點噪聲源。除非將期望的語音信號從背景噪 聲中分離和隔離，否則便難以可靠和有效地使用期望的語音信號。背 景噪聲可包括由普通環境生成的大量噪聲信號、由其他人的背景交談 生成的信號、以及由上述信號中的每一個生成的反射和混響。在用戶 通常在噪聲環境中通話的通信中，希望能夠將用戶的語音信號從背景 噪聲中分離。語音通信媒介(例如蜂窩電話、揚聲器電話、聽筒、無繩電話、電話會議、CB無線電裝置、手提式步話機(walkie-talkies)、 計算機電話應用程序、計算機和汽車語音命令應用和其他免提的應用、 對講電話裝置、麥克風系統等等)可利用語音信號處理將期望的語音信號從背景噪聲中分離。已經創建出許多方法來從背景噪聲信號中分離期望的聲音信號， 包括簡單的濾波處理。現有技術的噪聲濾波器將具有預定特征的信號 識別為白噪聲信號，并將這些信號從輸入信號中減除。雖然這些方法 對于聲音信號的實時處理而言足夠簡單和快速，但它們不能輕易地適 應不同的聲音環境，并可導致想要分解的語音信號質量顯著降低。噪 聲性質的預定々支i殳可以是過度包含(over-inclusive)或包含不足 (under-inclusive )。因此，這些方法可將人的語音的一些部分一見作"噪 聲"，并從輸出的語音信號中將其去除，而將背景噪聲的一些部分(例 如音樂或交談)視作非噪聲，因而將其包含在輸出的語音信號中。在信號處理應用中，通常使用換能器傳感器(例如麥克風)獲得 一個或多個輸入信號。由傳感器提供的信號是許多源的混合。通常，這些信號源以及它們的混合特性是未知的。如果除了源獨立性的一般 統計假設之外，沒有這些信號源的其它知識，則信號處理問題在現有技術中通稱為"盲源分離(BSS)問題"。盲分離問題以許多熟悉的 形式出現。例如，眾所周知，即使在包含許多聲音信號源的環境中， 某人可將注意力集中在單個這樣的源上，這種現象通常被稱為"雞尾 酒會效應(cocktail-party effect)，，。在,人源到麥克風的傳輸過程中， 這些源信號中的每一個以某種隨時間變化的方式被延遲和衰減，然后 在麥克風處與其它獨立延遲和衰減的源信號(包括其自身的多徑信號 (混響)，其為從不同方向到達的延遲的信號)混合。接收到所有這 些聲信號的人能夠聽到聲音信號的特定集合，同時濾出或忽略其它干 擾源，包括多徑信號。現有技術中已經投入相當多的努力來解決雞尾酒會效應，既有物 理裝置方面的又有上述裝置的計算模擬方面的。普遍采用了各種噪聲 降低技術，從在分析之前對信號的簡單排除到依賴語音和非語音信號 之間的恰當辨別的噪聲譜的自適應估計方案。這些技術的描述在第 6,002,776號美國專利(其通過引用并入本文)中一般性地定性。具體 地，第6,002,776號美國專利描述了分離源信號的方案，其中兩個或多 個麥克風安裝在包含不同聲源的環境中，不同聲源的數目等于或小于 麥克風的數目。使用到達方向信息，第一模塊試圖提取原始的源信號， 而第二模塊則去除信道之間的剩余串音。這種結構可有效地分離具有清晰定義的到達方向的空間局部化點源，但卻不能在真實世界的空間 分布式噪聲環境中分離出語音信號，因為在空間分布式噪聲環境中不 能確定特定的到達方向。諸如獨立成分分析("ICA")的方法提供了用于從噪聲源分離 語音信號的相對精確和靈活的手段。ICA是用于分離可假定彼此獨立 的混合源信號(成分)的技術。在其筒化形式中，獨立成分分析在混 合信號上執行權重的"未混合，，矩陣運算，例如將該矩陣乘以混合信 號，以產生分離的信號。權重是指派的初值，然后進行調節以使信號 的相關熵最大化，從而使信息冗余最小化。重復權重調節和熵增加處 理，直到信號的信息冗余降到最小。由于這一技術不需要各個信號的源的信息，因此其通常被稱作"盲源分離"方法。盲分離問題涉及分 離來自多個獨立源的混合信號的想法。已經開發出許多流行的ICA算法來最優化它們的性能，包括通過 對僅在十年前存在的算法進行重要的修改而發展出的大量算法。例如， A. J. Bell和TJ Sejnowski在神經計算7: 1129-1159 ( 1995 ) ( Neural Computation 7:1129-1159(1995))和Bell, AJ.在美國專利第5，706,402 號中描述的工作通常不會以其專利形式使用。與之相反，為了最優化 其性能，由許多不同實體對該算法進行了若干重新定性。上述改變的 一種包括使用"自然梯度(natural gradient)"，這在Amari， Cichocki, Yang ( 1996)中進行了描述。其它流行的ICA算法包括計算高階統計 的方法，例3口累積量(Cardoso, 1992; Comon， 1994; Hyvaerinen和 Oja， 1997)。但是，許多公知的ICA算法不能有效地分離已記錄在固有地包括 聲學回聲的真實環境中的信號，這些聲學回聲例如由與房間建筑結構 有關的反射引起。需要強調的是，迄今為止所提及的方法局限于由源 信號的線性定常混合所引起的信號的分離。由直達信號與其回聲對應 物的相加所引起的現象被稱作混響，其在人工語音增強和識別系統中 引起主要的問題。ICA算法可能需要能夠分離那些時延的回聲信號的 長濾波器，從而阻礙了有效的實時使用。公知的ICA信號分離系統通常使用作為神經網絡的濾波器網絡， 以從輸入濾波器網絡的任意數量的混合信號中分解單獨的信號。也就 是說，ICA網絡被用來接收包括鋼琴音樂和人的談話的聲音信號，雙 端口的ICA網絡將聲音分離為兩個信號具有大部分鋼琴音樂的一個 信號，以及具有大部分語音的另一個信號。另 一種現有的技術是基于聽覺情景分析(auditory scene analysis ) 來分離聲音。在這一分析中，對源所具有的性質的假設構成主要的使 用。假設聲音可被分解為較小的元素，例如音調和脈沖，然后可根據 諸如調和性和時間連貫性等屬性而對這些元素進行分組。可使用來自 單個麥克風或多個麥克風的信息來執行聽覺情景分析。由于計算機器 學習方法的可用性，產生了計算聽覺情景分析或CASA,因此聽覺情景分析的領域已經得到了更多關注。盡管由于其包括人類聽覺處理的 理解而具有科學上受到關注，但是模型假設和計算技術仍然在其解決 現實的雞尾酒情節的初級階段。用于分離聲音的其它技術通過對其源的空間分離來工作。基于這 一原理的裝置的復雜性是變化的。最簡單的上述裝置是具有高度選擇 性、但靈敏度為固定模式的麥克風。例如定向傳聲器被設計為對從特 定方向發射的聲音具有最大化的靈敏度，并因而可用來對一個話音源 相對于其它話音源進行增強。類似地，安裝于講話者嘴部附近的近通 話麥克風可拒絕某些遠距離源。因而，麥克風陣列處理技術可用來通 過使用感知到的空間分離來對源進行分離。這些技術并不實用，這是 因為，由于至少 一個麥克風僅包含期望的信號的假設在聲環境中并不 實際，因而不能完成對竟爭的聲源的充分抑制。用于線性麥克風陣列處理的普遍公知的技術通常被稱作"波束賦形(beamforming)"。在這一方法中，由于麥克風的空間差異而形成 的信號間的時差被用來增強信號。更具體地，其中一個麥克風可能在 語音源處"看上去"更直接，而其它的麥克風可生成相對衰減的信號。 雖然可獲得某些衰減，但波束賦形裝置不能提供其波長大于陣列的頻 率分量的相對衰減。這些技術是用于空間濾波以調整波束朝向聲源、 并因此在其它方向上設置零信號的方法。波束賦形技術不對聲源進行 假設，而是為了去除信號的混響或者使聲源局部化，而假設源與傳感 器或者聲源信號本身之間的幾何形狀是已知的。Hoshuyama, O.、 Sugiyama, A., Hirano在1999年10月的IEEE信 號處理學報第10期第47巻第2677-2684頁(IEEE Transactions on Signal Processing, vol 47, No 10， pp 2677-2684, October 1999)發表的 "用于使用帶約束的自適應濾波器的具有分塊矩陣的麥克風陣列的健 壯的自適應波束賦形裝置(A Robust Adaptive Beamformer for Microphone Arrays with a Blocking Matrix using Constrained Adaptive Filters)" —文中對在健壯的自適應波束賦形中^皮稱為"通用副瓣對 消(GSC)"的公知技術進行了討論。GSC的目的在于從一組測量值 x中濾出單個期望的源信號z—i,這一點在GSC原理(Griffiths, L丄、Jim， C.W.的"用以線性受約束的自適應波束賦形的選擇性方法"(An alternative approach to linear constrained adaptive beamforming ) ， IEEE 天線與傳播學報第1期第30巻第27-34頁，1982年1月(IEEE Transaction Antennas and Propagation, vol 30， no 1, pp.27-34, Jan 1982))中進行了全面的解釋。通常，GSC預先規定信號獨立的波束 賦形裝置c過濾傳感器信號，以使得來自期望的源的直達路徑保持無 失真，而理想地，應該對其它的方向進行抑制。最常見地，必須由另 外的定位方法來預先確定期望源的位置。在較低的側部路徑中，自適 應分塊矩陣B的目的在于對源自期望信號z—i的所有成分進行抑制， 以使得B的輸出處僅出現噪聲成分。這樣，通過使總的輸出功率 E(z—i*z—i)的估計值達到最小，自適應干擾消除器a在c的輸出處得到 剩余噪聲成分的估計值。因此，固定的波束賦形裝置c和干擾消除器 a共同執行千擾抑制。由于GSC要求期望的揚聲器限制在有限的追蹤 區域中，因此其適用性受到嚴格的空間方案限制。另一公知技術是一類主動消除算法，其與聲音分離相關。但是， 這一技術需要"參考信號"，即，僅來自于其中一個源的信號。主動 噪聲消除和回聲消除技術廣泛使用該技術，通過過濾僅包含噪聲的已 知信號并將其從混合信號中減除，使噪聲降低與噪聲對于混合信號的貢獻相關。這一方法假設測量信號的其中之一由唯一的源構成，這種 假設在許多現實生活設定中是不實際的。不需要參考信號的用于主動消除的技術被稱作"盲的(blind)", 在本申請中受到主要的關注。目前，這些技術在涉及聲學處理的基本 假設的現實性程度基礎上被分類，不需要的信號通過上述聲學處理到 達麥克風。 一類盲的主動消除技術可被稱作"基于增益的(gain-based)" 或者也通常^皮稱作"瞬時混合(instantaneous mixing)，， 其假定各個 源產生的波形由多個麥克風同時接收，但是具有變化的相對增益。(定 向傳聲器通常被用來產生所需的增益差別。)因此，基于增益的系統 試圖通過將相對增益應用于麥克風信號以及減除但并不應用延時或其 它濾波，而消除不同麥克風信號中的不期望的源。已經提出了用于盲 的主動消除的大量基于增益的方法；參見Hemult和Jutten ( 1986)、Tong等人(1991 )以及Molgedey和Schuster ( 1994)。當麥克風在 空間上分隔(與在大部分聲學應用中一樣)時，基于增益或瞬時混合 的假設不成立。這一方法的簡單擴展是包括延時因子但卻沒有任何其 它濾波，其工作在無回聲的條件下。但是，當存在回聲和混響時，從 源到麥克風的聲傳播的筒單模型的使用受限。當前公知的最實際的主 動消除技術是"巻積的(convolutive)":從各個源到各個麥克風的 聲傳播被模型化為巻積濾波器。這些技術比基于增益和基于延遲的技 術更實際，這是因為它們明顯地適應內部麥克風分隔、回聲和混響的 效應。原則上，由于增益和延遲是巻積濾波的特殊情況，因此上述技 術也更通用。許多研究者已經描述了巻積盲消除技術，其中包括Jutten等人 (1992 ) 、 Van Compernolle和Van Gerven ( 1992 ) 、 Platt和Faggin (1992 ) 、 Bell和Sejnowski ( 1995 ) 、 Torkkola ( 1996 ) 、 Lee ( 1998 )以及Parra等人(2000)。數學模型主要用于經由麥克風陣列的多信道觀測，該多源模型可進行如下公式表示、(o=SIX'(^(卜/)+",.(0其中x(t)表示觀測的數據，s(t)是隱藏的源信號，n(t)是附加的感覺 的噪聲信號，a(t)是混合濾波器。參數m是源的數目，L是巻積階并依 賴于環境聲學，而t指的是時間系數。第一個求和是對環境中的源的 濾波，第二個求和是對不同源的混合。大部分對于ICA的工作已經集 中于瞬時混合情況的算法，其中去除了第一個求和，任務是進行簡化 以倒轉混合矩陣a。細微的變化是在假設沒有混響時，源自點源的信 號在被記錄在不同的麥克風位置時，除了振幅系數和延遲之外均可被 視作是相同的。上述公式所描述的問題被通稱為多信道盲去巻積問題。 自適應信號處理的代表性工作包括Yellin和Weinstein ( 1996 )，其中， 高階統計信息被用來估計感覺的輸入信號間的共同信息。ICA和BSS 工作到巻積混合的擴展包括Lambert ( 1996) 、 Torkkola ( 1997) 、 Lee 等人(1997 )以及Parra等人(2000 )。用于解決多信道盲去巻積問題的基于ICA和BSS的算法已經變得 越來越流行，這是因為它們可能能夠解決聲學上混合的源的分離。但是，在這些算法中仍然具有強烈的假設，這些假設限制了這些算法對 于實際情況的適用性。最矛盾的假設是要求具有至少與要分離的源一 樣多的傳感器。從數學上講，這一假設是講得通的。但是實際上，源 的數目通常是動態變化的，而傳感器的數目則需要固定。另外，具有 大量的傳感器在許多應用中并不實際。在大部分算法中，調整統計的 源信號模型以確保適當的密度估計，并因此確保各種各樣的源信號的 分離。由于除了對濾波器的調整之外，對源模型的調整也需要在線完 成，因此這一需求在計算上是繁重的。假設源之間的統計獨立性是比 較實際的假設，但共有信息的計算是密集和困難的。實際的系統需要 良好的近似。此外，通常要考慮到沒有傳感器噪聲，這在使用高級麥 克風時是正當的假設。但是，簡單的麥克風具有傳感器噪聲，這必須注意到，以使得算法能夠獲得合理的性能。最終，大部分ICA公式表示隱含地假設，基本的源信號本質上來源于空間局部化的點源，雖然 它們具有各自的回聲和反射。這一假設通常對于強漫射或空間分布的 噪聲源而言并不有效，例如發自許多方向的具有可比聲壓級的風噪聲。對于這些類型的分布式噪聲情況而言，單獨通過ICA方法實現分離是 不夠的。期望有一種簡化的語音處理方法，其能夠以近乎實時的方式從背 景噪聲中分離語音信號，并且不需要大量的計算能力，卻仍然產生相 對正確的結果，并且能夠靈活地適應不同環境。發明內容筒要地，本發明提供了 一種對從有噪的聲學環境中提取的語音信 號的質量進行改進的健壯的方法。在一種方法中，信號分離處理與話 音活動檢測器相關。所述話音活動檢測器是雙通道檢測器，其使得能 夠進行尤其健壯和正確的話音活動檢測。當#全測到語音時，話音活動 檢測器生成控制信號。該控制信號用來啟動、調節或控制信號分離處 理或后處理操作，以改進所形成的語音信號的質量。在另一種方法中， 提供信號分離處理作為學習級和輸出級。學習級主動地適應當前聲學 條件，并將系數傳遞給輸出級。輸出級適應得比較慢，并生成語音內容信號和噪聲為主的信號。當學習級變得不穩定時，僅對學習級復位， 從而使得輸出級能夠繼續輸出高質量的語音信號。在另一種方法中，分離處理接收分別由兩個麥克風生成的兩個輸 入信號。所述麥克風與目標講話者具有預定的關系，從而一個麥克風 生成語音為主的信號，而另一個麥克風生成噪聲為主的信號。將兩個 信號接收進入信號分離處理，且在一組后處理操作中對來自信號分離處理的輸出進行進一步處理。縮放監控器(scaling monitor)對信號分 離處理或者一個或多個后處理操作進行監控。為了在信號分離處理中 進行調節，縮放監控器可控制輸入信號的縮放或放大。優選地，各輸 入信號可獨立地縮放。通過縮放一個或兩個輸入信號，信號分離處理 可更有效或主動地操作，從而使得需要較少的后處理，并提高總體的 語音信號質量。在另 一種方法中，監控來自麥克風的信號是否受到存在的風噪聲 的影響。當從一個麥克風中檢測到風噪聲時，停止該麥克風或降低該 麥克風的重要性，并將系統設定作為單通道系統操作。當不再存在風 噪聲時，再次啟動所述麥克風，系統回到正常的雙通道操作。


圖1是根據本發明分離語音信號的處理的框圖； 圖2是根據本發明分離語音信號的處理的框圖； 圖3是根據本發明的聲音檢測處理的框圖； 圖4是根據本發明的聲音檢測處理的框圖； 圖5是根據本發明分離語音信號的處理的框圖； 圖6是根據本發明分離語音信號的處理的框圖； 圖7是根據本發明分離語音信號的處理的框圖； 圖8是根據本發明的無線聽筒的圖； 圖9是根據本發明的分離過程的流程圖；圖IO是根據本發明的改進的ICA處理子模快的一個實施方案的 框圖；圖11是根據本發明的改進的ICA語音分離處理的一個實施方案的框圖；圖12是根據本發明的對信號分離處理復位的處理的框圖； 圖13是根據本發明的、用于對信號分離處理的輸入信號進行縮放 的處理的方框圖；以及圖14是根據本發明管理風噪聲的處理的流程圖。
具體實施方式
現在參照圖1，其示出了語音分離處理過程100。語音分離處理 IOO具有一組信號輸入(例如來自麥克風的聲音信號)102和104，所 述信號輸入與預期的交談者具有預定義的關系。例如，信號輸入102 可來自于設置在最靠近交談者嘴部處的麥克風，而信號輸入104可來 自于距離交談者嘴部較遠處的麥克風。通過預定義與預定交談者的相 對關系，分離、后處理以及話音活動檢測處理可更有效地運轉。語音 分離處理106通常具有兩個單獨卻相關的處理。分離處理106具有信 號分離處理108，信號分離處理108例如可以是盲信號源(BSS)或獨 立成分分析(ICA)處理。在操作中，麥克風生成一對輸入信號至信 號分離處理108，而信號分離處理生成具有語音內容的信號112以及 噪聲占優的信號114。后處理步驟IIO接受這些信號，并進一步降低 噪聲以生成輸出語音信號121，輸出語音信號121可由傳輸子系統123 傳輸125。為了提高穩定性、增加分離的有效性以及降低功耗，處理100使 用話音活動檢測器106以啟動、調節或控制選定的信號分離、后處理 或傳輸功能。話音活動檢測器是雙通道檢測器，其使得話音活動檢測 器("VAD")能夠以特別健壯和精確的方式工作。VAD106接收兩 個輸入信號105，其中一個信號定義為保持較強的語音信號。因此， VAD以筒單和有效的方式來確定何時出現語音。通過4企測語音，VAD 106生成控制信號107。該控制信號例如可用來僅在出現語音時啟動信 號分離處理，從而增加穩定性以及節約功率。在另一實施例中，后處 理步驟IIO可被控制為更精確地表征噪聲，這是因為表征處理可限制 為在沒有語音出現時進行。通過對噪聲的較好表征，剩余的噪聲信號可從語音信號中更有效地去除。如下文中將進一步描述的那樣，健壯和精確的VAD 106使得能夠進行更穩定和有效的語音分離處理。現在參照圖2，其示出了通信處理175。通信處理175具有生成第 一麥克風信號178的第一麥克風177，第一麥克風信號178被接收進 入語音分離處理180。第二麥克風175生成第二麥克風信號182，第二 麥克風信號182也被接收進入語音分離處理180。在一種結構中，話 音活動檢測器185接收第一麥克風信號178和第二麥克風信號182。 可以理解，麥克風信號可被濾波、數字化或進行其它處理。第一麥克 風177設置在比麥克風179距交談者的嘴部更近的位置。這一預定義 的結構使得能夠簡化語音信號的識別，同時改進話音活動檢測。例如， 雙通道話音活動4全測器185可運行與參照圖3或圖4描述的處理類似 的處理。話音活動檢測電路的一般設計是眾所周知的，因此不再詳細 描述。有益地，話音活動4企測器185是雙通道話音活動^r測器，如參 照圖3或4描述的那樣。這意味著VAD 185對于合理的SNR是尤其 健壯和精確的，因此可確定地作為核心控制機制在通信處理175中使 用。當雙通道話音活動纟企測器185 4全測到語音時，其生成控制信號186。 有益地，控制信號186可用于啟動、控制或調節通信處理175中 的幾個處理。例如，語音分離處理180可以是自適應的，并可根據具 體的聲環境學習。語音分離處理180還可適合于特定的麥克風設置、 聲環境或者特定的用戶語音。為了改進語音分離處理的適應性，學習 過程188可響應于話音活動控制信號186而啟動。通過這種方式，語 音分離過程僅在期望的語音可能出現時才使用其自適應學習處理。同 樣地，在僅出現噪聲或者不存在噪聲時，通過停止學習處理，可保存 處理能力和電池功率。為了解釋的目的，將語音分離處理描述為獨立成分分析(ICA)處理。通常，當期望的交談者未說話時，ICA模塊在任何時間間隔內 都不能執行其主要的分離功能，因此可被關閉。基于對輸入信道之間 的能量含量的比較或者基于對期望的交談者的先驗知識(例如具體的 頻譜特征(spectral signature ))，話音活動片全測模塊185可對"開(on )，， 和"關(off)"狀態進行監控和控制。通過在期望的語音未出現時關閉ICA, ICA濾波器不會不適當地進行適應，從而使得僅在這種適應 能夠獲得分離改進時才能夠進行這種適應。控制ICA濾波器的適應使 得，即使在期望交談者長時間的沉默之后，ICA處理也能夠獲得和保 持良好的分離質量，并且能夠避免為解決ICA級不能解決的情況而作 出無效果的分離努力而導致的算法奇異性。盡管各種ICA算法對于無 向性噪聲表現出了不同程度的健壯性或穩定性，但是，在缺少期望的 交談者或者缺少噪聲期間關閉ICA級大大增加了該方法的健壯性。同 樣，通過在僅存在噪聲時停止ICA處理，可保存處理能力和電池功率。 由于在ICA實現的一個實施例中使用無限脈沖響應濾波器，因此 理論上，不能總是保證組合/學習處理的穩定性。但是，與具有相同性 能的FIR濾波器(即，等價的ICAFIR濾波器要長得多，并且要求明 顯更高的MIPS)相比，IIR濾波器的高度期望的效率以及在當前IIR 濾波器結構下不存在白化人為結果(artifact)是吸引人的，其中包含 了與閉環系統的極性布置近似相關的一組穩定性檢查，從而觸發濾波 器歷史的初始條件和ICA濾波器的初始條件的復位。由于IIR濾波本 身可導致由過去的濾波器誤差(數值的不穩定性)的累積引起的無界 限輸出，因此可使用在有限精確度編碼中使用的用以檢查不穩定性的 技術。對ICA濾波階段的輸入和輸出能量的顯式評估被用來檢測異常 以及將濾波器和濾波歷史復位為管理模塊所提供的值。在另一個實施例中，話音活動檢測器控制信號186用來設置音量 調節189。例如，語音信'號181的音量可在沒有檢測到話音活動時被 充分地減小。然后，當檢測到話音活動時，語音信號181的音量可增 大。也可對任何后處理階段的輸出進行上述音量調節。這不僅提供了 較好的通信信號，而且節約了有限的電池功率。以類似的方式，在未 檢測到話音活動時，噪聲估計處理190可用來確定何時可更主動地運 行噪聲降低處理。由于噪聲估計處理190現在知道信號在何時僅為噪 聲，因此可更精確地表征該噪聲信號。通過這種方式，噪聲處理可更 好地調節以適應實際的噪聲特征，并且可在沒有語音的時期內更主動 地應用。然后，在4全測到話音活動時，可調節噪聲降〗氐處理以在該語 音信號上具有較小的降低效果。例如，雖然一些噪聲降低處理在降低噪聲方面可非常有效，但它們公知地在語音信號中創建不期望的人為 噪音。這些噪聲處理可在不存在語音信號時運行，而在可能存在語音 時被禁止或調節。在另一實施例中，控制信號186可用來調節某些噪聲降低處理 192。例如，噪聲降低處理192可為頻譜減除處理。更具體地，信號分 離處理180生成噪聲信號196和語音信號181。語音信號181可仍然 具有噪聲成分，并且由于噪聲信號196精確地表征噪聲，因此頻譜減 除處理192可用來進一步從語音信號中去除噪聲。但是，所述頻鐠減 除也起到了降低剩余語音信號的能級的作用。因此，當控制信號指示 存在語音時，通過對剩余的語音信號應用相對較小的放大，可對噪聲 降低處理進行調節以補償頻i普減除。所述較小的放大導致了更自然和 一致的語音信號。同樣，由于噪聲降低處理190知道執行頻譜減除的 主動性如何，因此》丈大的程度可得到相應調節。控制信號186也可用來控制自動增益控制(AGC)功能194。 AGC 應用于語音信號181的輸出，并用來將語音信號維持在可用的能級。 由于AGC知道何時存在語音，因此AGC可對語音信號更精確地應用 增益控制。通過更精確地控制輸出語音信號或對輸出語音信號規格化 (normalize)，可更容易和有效地應用后處理功能。同樣，后處理和 傳輸中飽和的風險得以降低。可以理解，控制信號186可有益地用來 控制或調節通信系統中的幾個處理，包括其它的后處理195功能。在示例性實施方案中，AGC既可完全自適應也可具有固定的增 益。優選地，AGC支持具有約-30dB到30dB范圍的完全自適應工 作模式。可獨立地建立默認的增益值，通常為0dB。如果使用自適應 增益控制，則初始增益值由這一默認的增益值指定。AGC根據輸入信 號181的功率級來調節增益系數。具有低能級的輸入信號181被放大 到舒適的聲級，而高能信號則被削弱。乘法器將增益系數應用于隨后被輸出的輸入信號。首先將通常為 OdB的默認增益應用于該輸入信號。功率估計器估計增益調節信號的 短期平均功率。優選地，每隔八個采樣(對于8kHz信號通常每隔lms) 計算一次輸入信號的短期平均功率。剪裁邏輯(clipping logic )分析短期平均功率，以識別其振幅大于預定的剪裁閾值的增益調節信號。剪裁邏輯控制AGC旁路開關，AGC旁路開關在增益調節信號的振幅超 過預定的剪裁閾值時，將輸入信號直接連接到媒體隊列。AGC旁路開 關保持在向上或旁路位置，直到AGC調整到增益調節信號的振幅下降 到小于剪裁閾值為止。在描述的示例性實施方案中，雖然如果檢測到溢出或剪裁時AGC 應該較快地調整，但AGC被設計為緩慢調整。從系統觀點上看，如果 VAD確定話音是不活動的，則AGC調整應該保持固定或設計為削弱 或刪除背景噪聲。在另一實施例中，控制信號186可用來啟動或停止傳輸子系統 191。特殊地，如果傳輸子系統191是無線的無線電裝置，則該無線的 無線電裝置僅在檢測到話音活動時需要被啟動或者被充分供能。通過 這種方式，可在未檢測到話音活動時降低傳輸功率。由于本地無線電 系統可能由電池供能，因此節約傳輸功率為聽筒系統提供了增強的可 用性。在一個實施例中，從傳輸系統191傳輸的信號是將由控制模塊 中的相應藍牙接收器接收的藍牙信專193。用于無線通信聽筒的信號分離處理可從健壯和精確的話音活動檢 測器獲益。圖3中示出了一種具體的健壯和精確的話音活動檢測 (VAD)處理。VAD處理200具有兩個麥克風，所述麥克風的其中第 一個位于無線聽筒上，從而第一麥克風比第二麥克風更靠近交談者的 嘴部，如方框206所示。各個麥克風均生成各自的麥克風信號，如方 框207所示。話音活動檢測器監控每個麥克風信號的能級，并比較測 量到的能級，如方框208所示。在一個簡單的實現中，監控各麥克風 信號之間的能級差別何時超過預定的閾值。該閾值可以是固定的，或 者可以根據聲環境調整。通過比較能級的大小，話音活動檢測器可精 確地確定目標用戶的講話是否引起了能量峰值。通常，這種比較的結 果為以下二者之一(1 )第一麥克風信號具有比第二麥克風信號更高的能級，如 方框209所示。信號能級之間的差別超過預定的閾值。由于第一 麥克風與交談者較接近，因此這一能級的關系表示目標用戶正在講話，如方框212所示，可使用控制信號來表示存在期望的語音化"T^ 或者(2)第二麥克風信號具有比第一麥克風信號更高的能級，如 方框210所示。信號能級之間的差別超過預定的閾值。由于第一 麥克風與交談者較接近，因此這一能級的關系表示目標用戶未講 話，如方框213所示，可使用控制信號來表示信號僅為噪聲。 實際上，由于一個麥克風與用戶的嘴部比較接近，因此，在該麥 克風中的語音內容比l^響亮，并可通過兩個記錄的麥克風通道之間的 伴隨的較大能量差別來追蹤用戶的語音活動。同樣，由于BSS/ICA階 段從其它通道中去除了用戶的語音，因此通道之間的能量差別在 BSS/ICA輸出級可變得更大。使用來自BSS/ICA處理的輸出信號的 VAD在圖4中示出。VAD處理250具有兩個麥克風，所述麥克風的 其中第一個位于無線聽筒上，從而第一麥克風比第二麥克風更靠近交 談者的嘴部，如方框251所示。各個麥克風均生成各自的麥克風信號， 所述信號接收進入信號分離處理。信號分離處理生成噪聲占優的信號， 以及具有語音內容的信號，如方框252所示。話音活動檢測器監控每 個信號的能級，并比較測量到的能級，如方框253所示。在一個簡單 的實現中，監控信號之間的能級差別何時超過預定的閾值。該閾值可 以是固定的，或者可以根據聲環境調整。通過比較能級的大小，話音 活動檢測器可精確地確定目標用戶的講話是否引起了能量峰值。通常， 這種比較的結果為以下二者之一(1) 語音內容信號具有比噪聲占優的信號更高的能級，如方 框254所示。信號能級之間的差別超過預定的閾值。由于預先確 定了語音內容信號具有語音內容，因此這一能級的關系表示目標 用戶正在講話，如方框257所示，可使用控制信號來表示存在期 望的語音信號；或者(2) 噪聲占優的信號具有比語音內容信號更高的能級，如方 框255所示。信號能級之間的差別超過預定的閾值。由于預先確 定了語音內容信號具有語音內容，因此這一能級的關系表示目標 用戶未講話，如方框258所示，可使用控制信號來表示信號僅為噪聲。在雙通道VAD的另一個實施例中，參照圖3和圖4描述的處理 均被使用。在這一設置中，VAD使用麥克風信號(圖3)進行一個比 較，使用從信號分離處理(圖4)的輸出進行另一個比較。在麥克風 記錄級的通道之間的能量差別和ICA階段的輸出的結合可用來對當前 處理的幀是否包含期望的語音進行健壯的評估。雙通道話音檢測處理與公知的單通道檢測器相比具有顯著的優 勢。例如，擴音器上的話音可使得單通道檢測器指示存在語音，而雙 通道處理則會理解，擴音器比目標交談者更遠，因此并未引起通道間 的較大能量差別，所以將指示其為噪聲。由于單純基于能量測量的單 通道VAD非常不可靠，因此其可用性受到了很大限制，并需要通過 額外的基準來進行補償，例如零交叉率或先驗期望交談者語音時間和 頻率模型。但是，雙通道處理的健壯性和精確性使得VAD能夠在對 無線聽筒的工作進行的管理、控制和調節中起到中心的作用。VAD檢測不包含活動語音的數字話音釆樣的機制可通過多種方 式來實現。 一個這樣的機制要求監控短周期(周期長度通常在約10 至30毫秒范圍)的數字話音采樣的能級。如果通道之間的能級差別超 過固定的閾值，則所述數字話音采樣被宣稱為活動的，否則被宣稱為 非活動的。作為一種選擇，VAD的閾值水平可以是自適應的，而背景 噪聲能量可被追蹤。這也可通過多種方式來實現。在一個實施方案中， 如果當前周期中的能量遠大于特定的閾值(例如由舒適噪聲估算器作 出的背景噪聲估計)，則所述數字話音采樣被宣稱為活動的，否則被 宣稱為非活動的。在使用自適應閾值水平的單通道VAD中，測量諸如零交叉率、 頻譜傾斜、能量和頻譜動力(spectral dynamics )等的語音參數，并將 其與噪聲值進行比較。如果對于話音的參數明顯不同于對于噪聲的參 數，則表示存在活動的語音，即使數字話音采樣的能級較低。在本實 施方案中，可在不同的通道之間進行比較，尤其是將話音為中心的通 道(例如，話音+噪聲或相反)與其它通道進行比較，而不論所述其 它通道是分離的噪聲通道、以噪聲為中心的通道(其可以或不必被增強或分離，例如，噪聲+話音)、或者是用于噪聲的存儲值或估計值。 雖然對數字話音采樣能量的測量對于檢測非活動語音而言可能已 經足夠，但是數字話音采樣相對于固定闊值的頻i普動力在辨別具有聲 譜的較長話音部分和長期的背景噪聲中可以是有用的。在采用頻譜分析的VAD的一個示例性實施方案中，VAD使用Itakura或Itakura-Saito 失真來執行自動相關，以對基于背景噪聲的長期估計與基于一段時間 內的數字話音采樣的短期估計進行比較。另外，如果得到話音編碼器 的支持，線頻譜對(LSP)可用來對基于背景噪聲的長期LSP與基于 一段時間內的數字話音采樣的短期估計進行比較。作為一種選擇，當 可從另一軟件模塊中獲得的頻譜可用時，可使用FFT方法。優選地，應該向具有活動語音的數字話音采樣的活動周期的末尾 應用延遲釋放(hangover)。延遲釋放連接較短非活動部分，以確保 將安靜的結尾的清音(例如/s/)或低SNR過渡內容分類為活動的。延 遲釋放的量可根據VAD的工作模式來調節。如果較長活動周期之后 的周期明顯是非活動的(即，具有與測量的背景噪聲相似的頻鐠的非 常低的能量)，則延遲釋放周期的長度可縮短。通常，由于延遲釋放， 活動語音短脈沖串之后的約20至500毫秒范圍的非活動語音將被呈現 為活動語音。該閾值可以通過約-60 dBm至約-50 dBm之間的默認 值在約-IOO和約-30dBm之間進行調節，所述閾值取決于話音質量、 系統效率和帶寬需求、或者聽力的閾值水平。作為一種選擇，所述閾 值可適應于某個固定的或變化的值，該值大于或等于噪聲(例如來自 于其它通道的噪聲)的值在一個示例性實施方案中，VAD可配置為以多種沖莫式工作， >(人而 提供話音質量、系統效率和帶寬需求之間的系統折衷。在一種模式中， VAD總是被禁用，并宣告所有數字話音采樣為活動語音。但是，典型 的電話交談具有差不多百分之六十的安靜或非活動內容。因此，如果 在這些周期期間數字話音釆樣被主動VAD抑制，則可實現高帶寬增 益。另外，可通過VAD (尤其是自適應VAD)實現許多系統效率， 例如，節約能量，減小的處理需求，增加的話音質量或改進的用戶接 口。主動VAD不僅試圖檢測包含活動語音的數字話音采樣，高質量的VAD還可檢測和使用數字話音(噪聲)采樣(分離的或未分離的) 的參數，包括介于噪聲和語音采樣之間的數值范圍或者噪聲或話音的 能量。因此，主動VAD(尤其是自適應VAD)具有提高了系統效率 的許多附加的特征，包括調整分離和/或后(預)處理步驟。例如，將 數字話音采樣識別為活動語音的VAD可開啟或關閉分離處理或任何 預/后處理步驟，或者作為一種選擇，應用不同的分離和/或處理技術或 分離和/或處理技術的組合。如果VAD沒有識別活動語音，則VAD也 可調整不同的處理，包括削弱或刪除背景噪聲，估計噪聲參數或者規 格化或調整信號和/或硬件參數。現在參照圖5，其示出了用于操作通信聽筒的處理325。處理325 具有生成第一麥克風信號的第一麥克風327和生成第二麥克風信號的 第二麥克風329。雖然所示的方法325具有兩個麥克風，但是可以理 解，可使用兩個以上的麥克風和麥克風信號。將麥克風信號接收進入 語音分離處理330。語音分離處理330可以為例如盲信號分離處理。 在一個更具體的實施例中，語音分離處理330可以是獨立成分分析處 理。題為"在多換能器結構中的目標聲信號的分離，，的第10/897,219 號美國專利申請更完整地陳述了用于生成語音信號的特定處理，該申 請的全部內容并入本文。語音分離處理330生成干凈的(clean)語音 信號331。將干凈的語音信號331接收進入傳輸子系統332。傳輸子系 統332可以是例如藍牙無線電裝置、IEEE 802.11無線電裝置或者有線 的連接。此外可以理解，所述傳輸可以是到局域無線電模塊、或者可 以是到用于廣域基礎設施的無線電裝置的傳輸。通過這樣的方式，傳 輸的信號335具有代表干凈的語音信號的信息。現在參照圖6，其示出了用于操作通信聽筒的處理350。通信處理 350具有向語音分離處理354提供第一麥克風信號的第一麥克風351。 第二麥克風352提供第二麥克風信號進入語音分離處理354。語音分 離處理354生成干凈的語音信號355,干凈的語音信號355被接收進 入傳輸子系統358。傳輸子系統358可以是例如藍牙無線電裝置、IEEE 802.11無線電裝置、其它這樣的無線標準或者有線的連接。傳輸子系 統將傳輸信號362傳輸到控制模塊或其它遠程無線電裝置。干凈的語音信號355也由側音處理模塊356接收。側音處理模塊356將削弱的 干凈語音信號反饋到本地揚聲器360。通過這種方式，聽筒上的耳機 向用戶提供更自然的話音反饋。可以理解，側音處理模塊356可響應 于本地聲環境而調節發送到揚聲器360的側音信號的音量。例如，語 音分離處理354還可輸出代表噪聲音量的信號。在本地的嘈雜環境中， 側音處理模塊356可被調節以將較高水平的干凈語音信號輸出作為對 用戶的反饋。可以理解，可在設定側音處理信號的衰減水平中使用其 它因素。現在參照圖7,其示出了通信處理400。通信處理400具有第一麥 克風401，第一麥克風401向語音分離處理405提供第一麥克風信號。 第二麥克風402向語音分離處理405提供第二麥克風信號。語音分離 處理405生成相對干凈的語音信號406以及代表聲學噪聲407的信號。 雙通道話音活動4企測器410從語音分離處理接收一對信號，用于確定 何時可能出現語音，并在可能出現語音時生成控制信號411。話音活 動檢測器410如參照圖3或圖4所述的那樣操作VAD處理。控制信 號411可用來啟動或調節噪聲估計處理413。如果噪聲估計處理413 知道了信號407何時可能未包含語音，則噪聲估計處理413可更精確 地表征噪聲。因此，對聲學噪聲特性的這種認識可被噪聲降低處理415 使用，以更全面和精確地降低噪聲。由于來自語音分離處理的語音信 號406可具有一些噪聲成分，因此附加的噪聲降低處理415可進一步 提高語音信號的質量。通過這種方式，由傳輸處理418接收的信號具 有較好的質量和較低的噪聲成分。可以理解，控制信號411可用來控 制通信處理400的其它方面，例如，噪聲降低處理或傳輸處理的啟動， 或者語音分離處理的啟動。噪聲采樣(分離的或未分離的)的能量可 用來調整輸出增強話音的能量或遠端用戶的語音能量。另外，VAD可 在本發明的處理之前、之中和之后調整信號的參數。通常，所描述的分離處理使用一組至少兩個隔開的麥克風。在一 些情況下，麥克風具有至講話者話音的相對直接路徑是理想的。在這 種路徑中，講話者的話音直接行進到各個麥克風，而沒有任何干涉的 物理障礙。在另外的情況下，麥克風可設置為其中一個具有相對直接的路徑，而另一個遠離講話者。可以理解，特定的麥克風設置可根據 例如預定的聲環境、物理界限和可用的處理能力來完成。分離處理可 具有兩個以上麥克風，用于需要更健壯分離的應用、或者用于其布置 約束條件使得可使用更多麥克風的應用。例如，在一些應用中，講話 者可能位于與一個或多個麥克風隔離的位置處。在這種情況下，將使 用另外的麥克風來增加至少兩個麥克風具有至講話者話音的直接通路 的可能性。各個麥克風從語音源以及噪聲源接收聲能，并生成既具有 語音成分又具有噪聲成分的復合麥克風信號。由于各個麥克風與其它 的麥克風隔開，因此各麥克風將生成稍有不同的復合信號。例如，噪 聲和語音的相對含量可以變化，各個聲音源的計時和延遲也可以變化。 在各個麥克風處生成的復合信號由分離處理接收。分離處理對接 收的復合信號進行處理，并生成語音信號和代表噪聲的信號。在一個實施例中，分離處理使用獨立成分分析(ICA)處理，用于生成所述 兩個信號。ICA處理使用交叉濾波器對接收的復合信號進行過濾，交有界函數是具有可快速計算的預定最大和最小值的非線性函數，例如 根據輸入值返回正值或負值作為輸出的符號函數。在信號的重復反饋 之后，產生兩個通道的輸出信號，其中以噪聲為主的一個通道基本由 噪聲成分構成，而另一個通道則包含噪聲和語音的組合。可以理解， 其它的ICA濾波器函數和處理也可與本發明一致地使用。作為一種選 擇，本發明預期采用其它源分離技術。例如，分離處理可使用盲信號 源(BSS)處理，或者使用一定程度的關于聲環境的先驗知識的應用 專用自適應濾波器處理，以實現基本類似的信號分離。現在參照圖8，其示出了無線聽筒系統450。無線聽筒系統450 被構建為具有整合的懸掛式麥克風的耳機。圖8中示出了無線聽筒系 統450的左側451和右側452。可以理解，無線聽筒或耳積W又4又是受 益于本發明討論的通信處理的許多物理裝置的其中之一。例如，便攜 式通信裝置、移動手持裝置、聽筒、無需用手操作的汽車裝備、頭盔 以及各種其它裝置可受益于用于從嘈雜環境中分離語音的更健壯的處 理。在類似于蜂窩電話手持裝置和聽筒的移動應用中，通過調整而微調分離ICA濾波器的方向性模型，和/或選擇麥克風配置，從而實現對 于期望的講話者運動的健壯性，所述麥克風配置對最可能一些的裝置/ 講話者嘴部設置導致相同的話音/噪聲通道輸出順序。因此，麥克風優 選設置在移動裝置的劃分線上，在硬件的每側上不對稱。通過這種方 式，當使用移動裝置時，同一麥克風總是設置為最有效地接收最多的 語音，而與通信裝置的位置無關，例如，不管該裝置的用戶的位置， 主麥克風都以這樣的方式定位以最接近于講話者的嘴部。這種一致性 和預定義的定位使得ICA處理能夠具有更好的默認值并且更容易地識 別語音信號。現在參照圖9，其示出了特定的分離處理500。處理500放置換能 器以接收聲信息和噪聲，并生成復合信號，用于進行如方框502和504 所示的進一步處理。復合信號被處理進入通道，如方框506所示。通 常，處理506包括一組具有自適應濾波器系數的濾波器。例如，如果 處理506使用ICA處理，則處理506具有多個濾波器，其每一個均具 有可適應和可調節的濾波器系數。在處理506工作時，調節所述系數 以改進分離性能，如方框521所示，在濾波器中應用和使用新的系數 如方框523所示。對濾波器系數的這一連續調整使得即使在變化的聲 環境中，處理506也能夠提供足夠的分離水平。處理506通常生成兩個通道，在方框508中對這兩個通道進行識 別。具體地，將一個通道識別為噪聲為主的信號，而將另一個通道識 別為語音信號，語音信號可以是噪聲和信息的組合。如方框515中所 示，可對噪聲為主的信號或信號組合進行測量，以檢測信號分離的水 平。例如，可對噪聲為主的信號進行測量以檢測語音成分的水平，并 且響應于所述測量，可調節麥克風的增益。可在處理500的工作期間、 或者在處理的建立期間執行所述測量和調節。通過這種方式，可在設 計、測試或者制造處理中選擇和預定義用于處理的期望增益因子，從 而在工作期間將處理500從執行這些測量和設定中解脫出來。同樣地， 增益的正確設定可受益于高級電子測試裝置的使用，例如高速數字示 波器，其可在設計、測試或制造階4殳中最有效地使用。應該理解，可在設計、測試或制造階^殳進行初始的增益設定，而在處理500的現場工作期間可進行增益設定的附加調諧。圖IO示出了 ICA或BSS處理功能的一個實施方案600。參照圖 10和11描述的ICA處理非常好地適合于圖8中所示的聽筒設計。這 一設計具有良好定義和預定義的麥克風定位，使得兩個語音信號能夠 從講話者嘴部前方的相對較小的"泡，，中提取出。輸入信號X!和X2 分別從通道610和620中接收。通常，這些信號中的每一個來自于至 少一個麥克風，但是可以理解，可使用其它來源。將交叉濾波器Wj 和W2應用于各個輸入信號，以產生分離的信號Ui的通道630和分離 的信號U2的通道540。通道630 (語音通道)包含占優勢的期望信號， 而通道640 (噪聲通道)包含占優勢的噪聲信號。應該理解，雖然使 用術語"語音通道"和"噪聲通道"，但是可基于期望互換術語"語 音"和"噪聲"，例如，可期望一個語音和/或噪聲超過其它的語音和/或噪聲。另外，該方法也可用來從兩個以上的來源中分離混合的噪聲 信號。無限脈沖響應濾波器優選用于本發明的處理過程。無限脈沖響應 濾波器是這樣的濾波器，即，其輸出信號作為輸入信號的至少一部分 反饋進入濾波器。有限脈沖響應濾波器是這樣的濾波器，即，其輸出信號不作為輸入反饋。交叉濾波器W2,和\￥12可具有時間上的分散分布的系數，以捕獲較長的時間延遲。在最簡化的形式中，交叉濾波器\￥21和W,2是每個濾波器僅具有一個濾波器系數的增益因子，例如，輸出信號與反饋輸入信號之間時間延遲的延遲增益因子，以及用于放 大輸入信號的振幅增益因子。在另外的形式中，交叉濾波器可各自具有數十、數百或數千濾波器系數。如下所述，輸出信號U!和U2可通過后處理子模塊 一 一 降噪模塊或語音特征提取模塊一一進行進一 步處 理。雖然已經明確地推導出ICA學習規則以獲得盲源分離，但是ICA 學習規則對聲環境中語音處理的實際執行可導致濾波方案的不穩定性 能。為了確保該系統的穩定性，必須首先穩定Wn和W^的適應動態 (adaptation dynamics )。上述系統的增益余量通常4交低，這意味著輸入增益的增加(例如與不穩定的語音信號相沖突的輸入增益的增加) 可導致不穩定性，并因此導致加權系數的指數增長。由于語音信號通 常表現出具有零平均值的分散分布，因此符號函數會在時間上頻繁振 蕩，從而導致不穩定性能。最后，因為快速收斂希望使用較大的學習 參數，而較大的輸入增益會使得系統更不穩定，因此在穩定性和性能 之間具有固有的折衷。已知的學習規則不僅導致不穩定性，還可能因 為非線性的符號函數而形成振蕩(尤其在逼近穩定性極限時)，從而 導致濾波后的輸出信號U, (t)和U2(t)的混響。為了解決這些問題，用 于\￥12和W2!的適應規則必須是穩定的。如果用于濾波器系數的學習 規則是穩定的，并JU人X到U的系統傳遞函^t的閉環才及點都位于單^f立圓內，那么，大量的分析和實驗研究表明，系統在BIBO(有界輸入有界輸出)中是穩定的。因此，總的處理方案的最終相應目標將是在 穩定性約束下的嘈雜語音的盲源分離。因此，確保穩定性的主要方法是適當地對輸入進行縮放。在這一框架中，基于進入的輸入信號特征對縮放因子sc—fact進行適應。例如， 如果輸入過高，則增大sc—fact的增加以降低輸入振幅。在性能和穩定 性之間存在折衷。通過sc—fact將輸入減小降低了 SNR,這導致了分離 性能的降低。因此，輸入應該僅被縮放到確保穩定性所需的程度。通 過運行考慮了每個采樣的加權系數的短期波動的濾波器結構，可實現 用于交叉濾波器的附加的穩定化處理，從而避免了相關的混響。這種 適應規則濾波器可被看作是時域平滑。另外，濾波器平滑可在頻域中 執行，以增強收斂的分離濾波器在相鄰頻點(frequencypin)上的相干 性。這可通過對K抽頭濾波器零抽頭至長度L、然后用增加的時間支 持對濾波器進行傅立葉變換、接著進行逆變換，來方便地完成。由于 該濾波器已經通過矩形時域窗口被有效地窗口化，因此其通過正弦函 數在頻域中進行相應平滑。所述頻域平滑可在規則的時間間隔完成， 以周期性地將已適應的濾波器系數重新初始化為相關的方案。下面的公式是ICA濾波器結構的實施例，其可用于每個時間采樣 t, k為時間增量變量<formula>formula see original document page 28</formula> (公式1)<formula>formula see original document page 29</formula> (公式2)<formula>formula see original document page 29</formula> (公式3)<formula>formula see original document page 29</formula> (公式4)函數f(x)是非線性有界函數，即，具有預定最大值和預定最小值 的非線性函數。優選地，f(x)是這樣的非線性有界函數，即，其根據變量x的符號快速逼近最大值或最小值。例如，可將符號函數作為簡單的有界函數來使用。符號函數f(x)是這樣的函數，即，其根據x是正或負，而具有1或-1的二進制值。非線性有界函數的實施例包括但不限于<formula>formula see original document page 29</formula>(公式7)<formula>formula see original document page 29</formula>(公式8 )<formula>formula see original document page 29</formula>(公式9)這些規則假設浮點精度可用于執行必要的計算。雖然浮點精度是 優選的，但是也可使用定點運算，尤其是在應用于具有最小計算處理 能力的裝置時。不論釆用定點運算的能力如何，收斂到最優ICA方案 都更為困難。實際上，ICA算法是基于必須消除干擾源的原則的。由 于在減去了幾乎相等的數(或者加上了非常不同的數)的情況下定點 運算的某些錯誤，ICA算法可顯示出不夠最優的收斂性質。可影響到分離性能的另 一 個因素是濾波器系數的量化誤差效應。 由于有限的濾波器系數精度(resolution)，濾波器系數的適應會在某 一點產生出漸進的附加分離改進，并因此將考慮確定收斂性質。量化 誤差效應取決于多個因素，但主要是所用的濾波器長度和位精度的函 數。之前列出的輸入縮放問題在避免數值溢出的有限精度計算中也是 必需的。由于濾波處理所涉及的巻積可潛在地合計為大于可用精度范 圍的數值，因此縮放因數必須確保濾波器輸入足夠小，以避免上述情 況發生。本發明的處理函數從至少兩個音頻輸入通道(例如麥克風)接收 輸入信號。音頻輸入通道的數量可增加超過最少的兩個通道。隨著輸入通道數量的增加，可提高語音分離質量，通常到輸入通道的數量等 于音頻信號源的數量時為止。例如，如果輸入音頻信號源包括講話者、 背景講話者、背景音樂源以及由遠處的公路噪聲和風噪聲所生成的一 般背景噪聲，則四通道語音分離系統通常優于雙通道系統。當然，在 使用更多輸入通道時，需要更多的濾波器和更大的計算能力。作為一 種選擇，通常，只要存在用于期望的分離信號和噪聲的通道，則可實 現通道數少于源的總數。本發明的處理子模塊和過程可用來分離兩個以上的輸入信號通 道。例如，在蜂窩電話應用中， 一個通道可基本包含期望的語音信號， 另 一個通道可基本包含來自 一個噪聲源的噪聲信號，再另 一個通道可 基本包含來自另一個噪聲源的噪聲信號。例如，在多用戶環境中，一 個通道可包括主要來自 一個目標用戶的語音，而另 一個通道可包括主 要來自另一個目標用戶的語音。第三通道可包括噪聲，其對于進一步 處理兩個語音通道是有用的。可以理解，可使用附加的語音或目標通 道。雖然一些應用僅包括期望語音信號的一個源，但是在其它應用中 可存在期望語音信號的多個源。例如，電話會議應用或音頻監督應用 可需要從背景噪聲中分離出多個講話者的語音信號以及將多個講話者 的語音信號彼此分離。本發明的處理不僅可用來從背景噪聲中分離語 音信號的 一 個源，還可用來從一 個講話者的語音信號中分離出另一個 講話者語音信號。本發明適應多個源，只要至少一個麥克風與講話者 具有相對直接的路徑即可。如果不能像聽筒應用中(其中兩個麥克風 都位于用戶的耳朵附近且直接的聲音路徑被用戶的臉頰遮擋)那樣獲 得所述直接路徑，那么，由于用戶的語音信號仍然局限于空間中的相 當小的區域(嘴部周圍的語音泡)，使得本發明仍然能發揮作用。本發明的處理將聲音信號分離到至少兩個通道中，例如，以噪聲 信號為主的一個通道(噪聲為主通道)以及語音和噪聲信號的一個通道(復合通道)。如圖11所示，通道730是復合通道，通道740是噪 聲為主通道。噪聲為主通道很可能仍然包含某些較低水平的語音信號。 例如，如果存在兩個以上的顯著聲源和僅兩個麥克風，或者如果兩個麥克風靠攏設置而聲源遠離設置，則單獨的處理可能并不總是將噪聲 完全分離。因此，經過處理的信號可需要附加的語音處理，以去除剩 余的背景噪聲水平和/或進一 步改進語音信號的質量。這是通過經由單 通道或多通道語音增強算法來饋送分離的輸出而實現的，所述算法例 如，具有使用噪聲為主的輸出通道評估的噪聲頻譜的維納濾波器(當第二通道僅是噪聲為主時，通常并不需要VAD)。維納濾波器也可使 用通過話音活動檢測器檢測到的非語音時間間隔，以獲得用于由具有 較長時間支持的背景噪聲而劣化的信號的較好SNR。另外，有界函數 僅僅是對相關熵計算的簡化逼近，并可以不必總是完全降低信號的信 息冗余。因此，在使用本發明的分離處理分離信號之后，可使用后處 理來進一步改進語音信號的質量。基于噪聲為主通道中的噪聲信號具有與復合通道中的噪聲信號類 似的信號特征的合理假設，其特征類似于噪聲為主通道信號的特征的 復合通道中的這些噪聲信號應該在語音處理函數中被濾除。例如，頻 譜減除技術可用來執行所述處理。識別噪聲通道中的信號的特征。跟 現有技術中依賴于噪聲特征的預定假設的濾波器相比，語音處理更為 靈活，這是因為語音處理分析特定環境的噪聲特征并去除代表該特定 環境的噪聲信號。因此，不太可能在噪聲去除時過度包含或包含不足。 諸如維納濾波和卡爾曼濾波等的其它濾波技術也可用來執行語音后處 理。由于ICA濾波器方案僅收斂到實際方案的極限環，因此濾波器系 數將繼續適應，而不會導致更好的分離性能。已經觀察到一些系數漂 移至其精度極限。因此，將包含期望的講話者信號的ICA輸出的后處 理的版本通過所示的IIR反饋結構反饋，從而克服了收斂極限環，并 且不會動搖ICA算法。這一 過程的有益的副產品是顯著地加速了收斂。通過一般解釋的ICA過程，某些特定的特征對于聽筒或耳機裝置 是可用的。例如，通常的ICA過程被調節以提供自適應復位機制。信 號分離過程750在圖12中示出。信號分離過程750從第一麥克風接收 第一輸入信號760，從第二麥克風接收第二輸入信號762。如上所述， ICA過程具有在工作期間進行適應的濾波器。在這些濾波器適應時， 總的處理可最終變得不穩定，所引起的信號變得失真或飽和。在輸出信號變得飽和后，濾波器需要進行復位，這可導致所生成的語音信號
770中的令人討厭的"彈出(pop)"。在一個特別期望的結構中，ICA 處理750具有學習級752和輸出級756。學習級752采用相對主動的 ICA濾波器結構，而其輸出僅用來"教導"輸出級756。輸出級756 提供平滑函數，并更緩慢地適應于改變的條件。輸出級生成具有語音 內容770的信號，以及噪聲為主的信號773。通過這種方式，學習級 快速適應并指51對輸出級進行這些改變，而輸出級表現出對改變的慣 性或抵抗。ICA復位處理765監控每個級中的值以及最終輸出信號。 由于學習級752主動地工作，因此學習級752可能比輸出級756更經 常飽和。 一旦飽和，學習級濾波器系數754被復位為默認條件，學習 ICA 752使其濾波器歷史替換為當前的采樣值。但是，由于學習ICA 752的輸出并不直接連接到任何輸出信號，因此所引起的"一閃信號 (glitch)"不會導致任何可覺察到或可聽到的失真。與之相反，所述 改變僅僅導致發送到輸出級756的一組不同的濾波器系數。但是，由 于輸出級756相對較慢地改變，其也不會生成任何可覺察到或可聽到 的失真。通過僅復位學習級752，使得ICA處理750工作，而不會因 復位而導致顯著失真。當然，輸出級756可仍然偶爾需要被復位，這 種復位可導致通常的"彈出"。但是，這種情況目前很少發生。
另外，期望創建穩定的分離ICA濾波的輸出的復位機制，以使得 在生成的音頻信號中用戶可感知到失真和不連續性最小。由于對一批 立體聲系統緩沖采樣進行飽和檢查的評估，因此緩沖器應該選擇為與 實際的一樣小，這是因為從ICA級緩沖的復位將被棄用，而且沒有足 夠的時間在當前采樣周期中重新進行ICA濾波。用當前記錄的輸入緩 沖值對用于兩個IC A濾波器級的過去的濾波器歷史重新初始化。后處 理級將接收當前記錄的語音+噪聲信號和當前記錄的噪聲通道信號作 為參考。由于ICA緩沖器尺寸可減小到4ms，因此將導致期望的講話 者話音輸出中的覺察不到的不連續性。
當啟動或復位ICA處理時，將濾波器值754或758或抽頭復位為 預定義的值。由于聽筒或耳機通常僅具有有限范圍的工作條件，因此 可選擇用于抽頭的默認值，以說明預期的工作結構。例如，從每個麥克風到講話者嘴部的距離通常保持在較小的范圍，并且講話者的話音 的預期頻率可能在相對較小的范圍。使用這些約束以及實際的工作值， 可確定一組適當的正確抽頭值。通過仔細選擇默認值，ICA執行可預 期分離的時間得以減少。應該包括用以約束可能的方案空間的對濾波 器抽頭范圍的顯式約束。可從方向性考慮或者通過之前實驗中收斂到 最優方案而獲得的實驗值而得出這些約束。同樣應該理解，默認值可 隨時間而適應，以及根據環境條件而適應。
同樣可以理解，通信系統可具有一組以上的默認值777。例如， 一組默認值(例如"組1")可在非常嘈雜的環境中使用，另一組默 認值(例如"組2")可在比較安靜的環境中使用。在另一個實施例 中，不同的默認值組可存儲用于不同的用戶。如果提供了一組以上的 默認值，則將包括管理模塊767，其確定當前工作環境，并且確定將 使用哪一組可用的默認值組。然后，當從復位監控器765接收到復位 命令時，管理處理767將例如通過在芯片組上的閃速存儲器中存儲新 的默認值，將所選定的默認值傳送給ICA處理濾波器系數。
使用從一組初始條件啟動分離優化的任何方法來加速收斂。對于 任何給定的情景，管理模塊應該決定是否特定的 一組初始條件適當并 且才丸4于該組初始條件。
在聽筒中自然會出現聲學回聲問題，這是因為由于空間或設計局 限，麥克風可能位于耳機附近。例如，在圖8中，麥克風461靠近耳 機456。當來自遠端用戶的語音在耳機中播放時，該語音也將被麥克 風拾取并回波返回遠端用戶處。根據耳機的音量和麥克風的位置，這 一不期望的回聲可能響亮和令人討厭。
聲學回聲可視作干擾噪聲，并可通過相同的處理算法來去除。對 一個交叉濾波器的濾波器約束反映出需要從一個通道去除期望的講話 者并限制了其方案范圍。另外的交叉濾波器去除任何可能的外部干擾 和來自擴音器的聲回聲。因此，通過賦予足夠的適應靈活性來確定第 二交叉濾波器抽頭上的約束，以去除回聲。用于該交叉濾波器的學習 速率可能也需要改變，并可與用于噪聲抑制的學習速率不同。根據聽 筒設置，耳機與麥克風的相對位置可固定。可提前學習并固定用于去除耳機語音的必需的第二交叉濾波器。另一方面，麥克風的傳遞特性 可在時間上漂移，或者隨環境(例如溫度改變)而漂移。可由用戶調 節將麥克風的位置調節到某種程度。所有這些都要求調節交叉濾波器 系數，以更好地消除回聲。在適應期間，這些系數可被約束在固定的 學習到的一組系數附近。
可使用公式(1 )至(4)中所描述的相同算法去除聲學回聲。輸 出Ui是沒有回聲的期望的近端用戶語音。U2是去除了近端用戶語音 的噪聲參考通道。
按照慣例，使用自適應規格化最小均方(NLMS)算法以及使用 遠端信號作為參考，從麥克風信號中去除聲回聲。然后，需要檢測近 端用戶的沉默，并且假設通過麥克風拾取的信號僅包含回聲。NLMS 算法使用遠端信號作為濾波器輸入、使用麥克風信號作為濾波器輸出， 建立聲學回聲的線性濾波器模型。當檢測到遠端和近端用戶均在講話 時，經過學習的濾波器則停止且應用于進入的遠端信號，以生成對回 聲的評估。然后從麥克風信號中減除所評估后的回聲，將所形成的信 號作為清除了回聲的信號進行發送。
上述方案的缺點在于，其需要對近端用戶的沉默進行良好檢測。 如果用戶處于嘈雜環境中，這可能難以實現。上述方案也假設進入到 耳機至麥克風拾取路徑的遠端電子信號中的線性處理。在將電信號轉 換為聲音時，耳機很少是線性裝置。當揚聲器在高音量被驅動時，非 線性效應是明顯的。其可能飽和，產生諧波或失真。使用雙麥克風設 置，將由兩個麥克風拾取來自耳機的失真的聲信號。由第二交叉濾波 器將回聲評估為U2，并由第一交叉濾波器將其從主麥克風中去除。這 樣就產生了去除了回聲的信號U,。這一方案評估了對至麥克風路徑的 遠端信號的非線性度進行模型化的需要。不論近端用戶是否沉默，學 習規則(3-4)均運行。這樣就可去除雙向通話檢測器(double talk detector)，并且在整個交談期間都更新交叉濾波器。
在第二麥克風不可用的情況下，可將近端麥克風信號和進入的遠 端信號可用作輸入X，和X2。本發明中描述的算法仍然可用來去除回 聲。唯一的修改是在遠端信號X2不包含任何近端語音時，權重W21k均設置為O。這樣，學習規則(4)將被去除。雖然非線性度問題在單
麥克風設置中未解決，但交叉濾波器仍然可在整個交談期間更新，并 且不需要雙向通話檢測器。在雙麥克風或單麥克風結構的任一種中，
聲回聲抑制和補充梳狀濾波。在補充梳狀濾波中，首先將到耳機的信 號通過梳狀濾波器的頻帶。將麥克風耦合到補充梳狀濾波器，補充梳 狀濾波器的阻帶是第一濾波器的通帶。在聲學回聲抑制中，當檢測到
近端用戶沉默時，將麥克風信號衰減6dB或更多。
現在參照圖13，其示出了語音分離系統800。語音分離處理808 具有麥克風801,麥克風801比麥克風802距目標講話者更近。通過 這種方式，麥克風801將生成較強的語音信號，而麥克風802將具有 更占優勢的噪聲信號。通信處理800具有信號分離處理808，例如BSS 或ICA處理。信號分離處理生成具有語音內容的信號812以及噪聲為 主的信號814。通信處理800具有后處理步驟810,在后處理步驟810 中，從語音內容信號812中去除了附加噪聲。在一個實施例中，使用 噪聲特征從語音信號812中在頻譜上減除噪聲。這種減除的主動性由 OSF ( over-satumtion-factor,過飽和因數)控制。但是，頻譜減除的 主動應用可導致令人討厭的或不自然的輸出語音信號821。為了減少 必需的頻譜減除，通信處理800可對ICA/BSS處理的輸入應用縮;改805 或806。為了在話音+噪聲和僅噪聲通道之間的每個頻點中匹配噪聲 特征和振幅，左、右輸入通道可相對于彼此進行縮放，這樣，/人噪聲 通道獲得話音+噪聲通道中的噪聲的盡可能接近的模型。不在處理級 中對過飽和因數(OSF)進行調諧，而是進行所述縮放，通常可產生 更好的話音質量，這是因為ICA級被迫去除了無向性噪聲中盡可能多 的方向成分。在特定實施例中，當需要將附加噪聲降低時，可將來自 麥克風802的噪聲為主的信號更主動地放大805。通過這種方式， ICA/BSS處理808提供了附加的分離，需要較少的后處理。
真實的麥克風可具有頻率和靈敏度失配，而在各個通道，ICA級 可產生高/低頻率的不完全分離。因此，需要在各個頻點或者頻點陣列 中進行OSF的單獨縮放，以實現可能的最好的話音質量。同樣，可加強或削弱選定頻點的重要性，以改進覺察性。
根據期望的ICA/BSS學習速率、或者為了能夠更有效地應用后處 理方法，還可對來自麥克風801和802的輸入水平獨立地調節。 ICA/BSS和后處理采樣緩沖器經過了多個不同的振幅。在高輸入水平 時期望減小ICA學習速率。例如，在高輸入水平時，ICA濾波器的值 可快速改變，并更快地飽和或變得不穩定。通過縮放或衰減輸入信號， 學習速率可被適當減小。縮小后處理輸入還可期望用于避免計算對導 致失真的語音和噪聲功率的粗略評估。為了避免ICA級中的穩定性和 溢出問題以及為了獲益于后處理級810中的最大可能動態范圍，可對 ICA/BSS 808和后處理810級的輸入凄t據應用自適應縮;改。在一個實 施例中，通過適當選擇與DSP輸入/輸出精度相比較更高的中間級輸 出緩沖器精度，可全面提高聲音質量。
獨立的輸入縮放也可用來幫助兩個麥克風801和802之間的振幅 校準。如前所述，兩個麥克風801和802適當匹配是期望的。雖然可 動態地完成某些校準，但其它的校準和選擇可在生產過程中完成。應 該對兩個麥克風進行校準以匹配頻率和總靈敏度，從而使ICA和后處 理級中的調諧達到最小。這可要求將一個麥克風的頻率響應倒置，以 獲得另一個麥克風的響應。本領域中實現通道倒置的所有公知技術(包 括盲通道倒置)可用來實現上述目的。可通過適當匹配來自生產麥克 風的庫(pool)的麥克風而實現硬件校準。考慮離線或在線調諧。在 線調諧要求VAD的幫助，以在僅有噪聲的時間間隔中調節校準設定， 即，麥克風頻率范圍需要通過白噪聲優先激勵，以能夠糾正所有頻率。
風噪聲通常是由直接施加至麥克風的換能器膜的持續風力所導致 的。高度靈敏的膜生成較大的、有時是飽和的電子信號。所述信號淹 沒并經常毀壞麥克風信號中的有用信息，包括任何的語音內容。另外， 由于風噪聲非常強，因此其可導致信號分離處理以及后處理步驟中的 飽和以及穩定性問題。同樣地，被傳輸的任何風噪聲都產生令收聽者 討厭和不舒適的收聽體驗。不幸的是，風噪聲已經是聽筒和耳機裝置 具有的尤其困難的問題。
但是，無線聽筒的雙麥克風結構允許以更健壯的方式來檢測風，并允許使風噪聲的干擾效應最小化的麥克風結構或設計。圖14中示出 了雙通道風噪聲降低處理900。由于無線聽筒具有兩個麥克風，因此 該聽筒可運行更精確識別風噪聲存在的處理900。如上所述，兩個麥 克風可設置為使其輸入端口朝向不同方向，如方框902中所示，或者 兩個麥克風彼此屏蔽以使其每一個從不同方向接收風。在這種結構中， 一股風將導致朝向風的麥克風中能級水平的急劇增加，而另 一麥克風 則僅受到最低限度的影響。因此，當聽筒僅在一個麥克風上檢測到大 的能量尖峰信號時，該聽筒可確定所述麥克風受到了風的影響。另外， 可向麥克風信號應用其它處理，以進一步確定所述尖峰信號是由風噪 聲引起的。例如，風噪聲通常具有低頻模式，當在一個或兩個通道發 現所述模式時，則可表示存在風噪聲，如方框904所示。作為一種選 擇，可考慮用于風噪聲的特定的機械或工程設計。
一旦聽筒發現麥克風的其中之一被風撞擊時，該聽筒可運行用以 最小化風的影響的處理。例如，所述處理可阻止來自受到風影響的麥 克風的信號，而僅處理另一個麥克風的信號，如方框906所示。在這 種情況下，也停止分離處理，且噪聲降低處理像更傳統的麥克風系統 那樣工作，如方框908所示。 一旦麥克風不再^皮風撞擊，如方框911 所示，則聽筒可回到通常的雙通道工作，如方框913所示。在一些麥 克風結構中，離講話者較遠的麥克風接收上述受限的語音信號水平， 使得該麥克風不能如同單麥克風輸入那樣工作。在這種情況下，不能 停止最接近講話者的麥克風或削弱該麥克風的重要性，即使是在其受 到風的影響的情況下。
因此，通過將麥克風設置為朝向不同的風向，有風環境可僅在一 個麥克風中導致顯著的噪聲。盡管一個麥克風受到風的影響，但是由 于另一麥克風可能很大程度上不會受到影響，因此，其可單獨用來向 聽筒提供高質量的語音信號。使用這一處理，無線聽筒可在有風環境 中有利地使用。在另一實施例中，聽筒在其外部具有機械旋鈕，因此 用戶可從雙通道模式切換到單通道模式。如果單獨的麥克風是定向的， 那么，即使單麥克風工作也仍然可以對風噪聲過于靈敏。但是，在單 獨的麥克風是無向時，雖然會使聲學噪聲抑制惡化，但是風噪聲效果應該可略微減輕。在同時處理風噪聲和聲學噪聲時，信號質量存在固 有的折衷。可通過軟件來調節所述平衡中的一些，同時可響應于用戶 偏好(例如，使用戶在單通道或雙通道工作之間進行選擇)來做出一 些決定。在一些結構中，用戶還可能能夠選擇使用哪個麥克風作為單 通道輸入。
本發明的多個方面可實現為在任意的多種電路中編程的功能性，
所述電路包括可編程邏輯裝置(PLD)，例如現場可編程門陣列 (FPGA)、可編程陣列邏輯(PAL)裝置、電可編程邏輯和存儲裝置 和標準的基于單元的裝置、以及專用集成電路(ASIC)。實現本發明 多個方面的一些其它的可能包括具有存儲器的微控制器(例如電可 擦除只讀存儲器(EEPROM))、嵌入式微處理器、固件、軟件等。 如果本發明的多個方面在制造過程中的至少一個階段(例如，在嵌入 固件或PLD之前)具體化為軟件，則該軟件可由任何計算機可讀介質 (例如可讀磁盤或可讀光盤(固定盤或軟盤))承載、在載波信號上 調制或以其它方式傳輸等。
此外，本發明的多個方面可嵌入微處理器中，該微處理器具有基 于軟件的電路仿真、(順序的或組合的)離散邏輯、定制器件、模糊 (神經)邏輯、量子器件以及任何上述器件類型的混合。當然，可提 供以下多種組件類型的下層器件技術，例如，如互補金屬氧化物半導 體(CMOS)的金屬氧化物半導體場效應晶體管(MOSFET)技術， 如發射極耦合邏輯(ECL)的雙極技術、聚合體技術(例如硅共軛聚 合物和金屬共軛聚合物金屬結構)、混合模擬和數字等。
雖然已經公開了本發明的特別優選的實施方案和可選的實施方 案，但是應該理解，可使用本發明的教導來實現上述技術的許多不同 修改和擴展。所有這些修改和擴展應該包括在所附權利要求的實際精 神和范圍內。
權利要求
1.一種使用話音活動檢測器改進語音信號的方法，所述方法包括接收第一信號；接收第二信號；比較所述第一信號的能級與所述第二信號的能級；當所述第一信號的能級高于所述第二信號的能級時，確定存在話音活動；響應于存在話音活動的所述確定，生成控制信號；以及使用所述控制信號來控制語音增強處理。
2. 根據權利要求1所述的方法，其中，所述第一信號由第一麥克 風生成，所述第二信號由第二麥克風生成。
3. 根據權利要求1所述的方法，其中，所述第一信號是由信號分 離處理生成的語音內容信號，所述第二信號是由所述信號分離處理生 成的噪聲為主的信號。
4. 根據權利要求1所述的方法，其中，所述確定的步驟包括確 定所述第一信號與所述第二信號之間的能級差別超過閾值。
5. 根椐權利要求4所述的方法，其中，所述閾值是動態調節的。
6. 根據權利要求1所述的方法，其中，所述比較的步驟包括將 長度約10ms的信號采樣與長度約30ms的信號采樣進行比較。
7. 根據權利要求1所述的方法，其中，所述語音增強處理是信號 分離處理，所述信號分離處理是響應于所述控制信號而啟動的。
8. 根據權利要求1所述的方法，其中，所述語音增強處理是后處 理操作，所述后處理操作是響應于所述控制信號而啟動的。
9. 根據權利要求1所述的方法，其中，所述語音增強處理是后處 理操作，所述后處理操作是響應于所述控制信號而停止的。
10. 根據權利要求1所述的方法，其中，所述語音增強處理是信 號分離處理，用于所述信號分離處理的學習過程是響應于所述控制信 號而啟動的。
11. 根據權利要求1所述的方法，其中，所述語音增強處理是噪 聲評估處理，所述噪聲評估處理是響應于所述控制信號而停止的。
12. 根據權利要求1所述的方法，其中，所述語音增強處理是自 動增益控制處理，所述自動增益控制處理是響應于所述控制信號而啟 動的。
13. 根據權利要求1所述的方法，其中，所述語音增強處理是后 處理頻譜減除處理，所述后處理頻譜減除處理的輸出響應于所述控制 4言號而縮;改。
14. 根據權利要求1所述的方法，其中，所述語音增強處理是回 聲消除處理，所述回聲消除處理是在不出現所述控制信號的情況下， 使用遠端信號和麥克風信號作為濾波器輸入。
15. 根據權利要求1所述的方法，其中，所述語音增強處理是回 聲消除處理，所述回聲消除處理響應于所述控制信號，停止經過學習 的濾波器且將所述經過學習的濾波器應用于進入的遠端信號。
16. —種信號分離處理，包括接收第一信號； 接收第二信號；比較所述第一信號與所述第二信號，以確定存在話音活動； 響應于存在話音活動的所述確定，生成控制信號； 響應于所述控制信號，啟動盲信號分離處理； 將所述第一信號和第二信號接收進入所述盲信號分離處理；以及 生成具有語音內容的信號。
17. 根據權利要求16所述的信號分離處理，進一步包括以下步驟 當未存在所述控制信號時，停止所述盲信號分離處理。
18. 根據權利要求16所述的信號分離處理，其中，所述盲信號分 離處理是獨立成分分析處理。
19. 一種信號分離系統，包括 第一麥克風，其生成第一信號； 第二麥克風，其生成第二信號；第一學習級，其接收所述第一信號和所述第二信號，并生成一組 學習系數；所述學習級配置為使其系數快速適應于當前的聲學條件；輸出級，其耦合于所述學習級并接收所述學習系數；所述輸出級接收所述第一信號和所述第二信號，并生成語音內容 信號和噪聲為主的信號；以及所述輸出級配置為更慢地使其系數適應。
20. 根據權利要求19所述的信號分離系統，進一步包括復位監控 器，所述復位監控器監控所述學習級的不穩定條件，并在發現不穩定 條件時生成復位信號。
21. 根據權利要求20所述的信號分離系統，其中，響應于所述復 位信號，對用于所述學習級的所述系數進行復位，而不對所述輸出級復位。
22. 根據權利要求20所述的信號分離系統，其中，響應于所述復 位信號，以一組默認的系數對用于所述學習級的所述系數進行復位。
23. 根據權利要求22所述的信號分離系統，其中，從多組默認的 系數中選擇所述系數，每組系數根據不同期望操作環境來確定。
全文摘要
提供了一種對從嘈雜聲環境中提取的語音信號的質量進行改進的方法。在一種方法中，信號分離處理(180)與話音活動檢測器(185)相關。話音活動檢測器(185)是雙通道(178，182)檢測器，其使得能夠進行尤其健壯和正確的話音活動檢測。當檢測到語音時，話音活動檢測器生成控制信號(411)。控制信號(411)用來啟動、調節或控制信號分離處理或后處理操作(195)，以改進所形成的語音信號的質量。在另一種方法中，提供信號分離處理(180)作為學習級(752)和輸出級(756)。學習級(752)主動地調節以適應當前的聲學條件，并將系數傳遞給輸出級(756)。輸出級(756)適應得更慢，并生成語音內容信號(181，770)和噪聲為主的信號(407，773)。當學習級變(752)得不穩定時，僅對學習級(752)復位，從而使得輸出級(756)能夠繼續輸出高質量的語音信號。
文檔編號G10L21/02GK101278337SQ200680034143
公開日2008年10月1日 申請日期2006年7月21日 優先權日2005年7月22日
發明者埃里克·維斯, 杰里米·托曼, 陳國良 申請人:索福特邁克斯有限公司