一种基于通信设备客户端的音频去噪方法

摘要

本发明的目的在于为通信设备的实时音频去噪提供一种有效的技术手段和解决方案，提高通信设备在通信过程中的语音质量。为了实现上述发明目的，本发明的步骤包括以下：1.在通信之前，在一个较短时间内采集周围噪声，把信号转为数字信号，以频率高低分为n个频率段，并统计在每段频率上的概率；2.开始通信后，把接收到的语音信号通过模数转换器转化为数字信号；3.将数字信号通过滤波除去那些频率与普通语音频率相差较大的噪声信号；4.对不能负载大量计算的通信设备将直接通过滤波降频处理实现语音去噪，能承受一定计算量的需要再将信号通过小波分析与变换，通过选择适当的门限值改变小波系数，再重构小波得到去除噪声的信号。如附图1所示。

说明书

                  技术领域

本发明属于应用通信领域。具体涉及一种利用统计噪声特性后，结合滤波与小波分析与变换技术来达到通信设备客户端设备中的实时音频去噪。

                  技术背景

由于通信的普遍化，特别是移动电话通信方面，各种通信越来越在强噪声中进行，附加在语音上的噪声信号严重干扰了语音信号，故进行通信的质量下降，因此对语音进行去噪处理越来越变得重要。现在对语音进行去噪处理都在通信系统之上实现，这就给通信系统很大的计算量，会影响系统接入的用户数量。

基于语音去噪的方法很多，例如在时域上进行分析，实现把语音信号与噪声信号分离，这种方法的优点就是计算量小，但较难除去混杂在语音信号中的噪音，如果企望大部分地除去混杂在语音中的噪音，很可能会严重损害原语音的质量，即使语音失真。另会就是在频域上进行分析，把时域上的信号变换到频域上，例如通过傅里叶变换或者小波变换，把时域上的信号变换到频域上后再对信号进行分析处理以达到消除噪声的目的。由于噪声频率与语音信号不同，故可以在频域上做减法以达到消除噪声的目的，但由于噪声的随机性，做减法时所减去的阀值难以确定，如果阀值太大，可能使减后的语音信号失真，如果太小，又达不到消去噪声的目的。因此，如何提高通信设备客户端的音频去噪成为一个越来越值得研究的问题。

                  发明内容

各种通信越来越在强噪声中进行，附加在语音上的噪声信号严重干扰了语音信号，故进行通信的质量下降，因此对语音进行去噪处理越来越变得重要。加上由于现在对语音进行去噪处理都在通信系统之上实现，这就给通信系统很大的计算量，计算过程将占用大量的CPU时间，严重地制约了系统能够处理的数据量，也就是制约了系统能够接入的用户数量。通过把一部分对语音去噪处理的计算分布于用户端设备上，那将减轻通信系统的计算量，提高通信系统的用户接入量。再者就是在用户端进行处理，还可以通过收集用户当前的环境噪声，根据当前的环境噪声对含有噪声的语音信号进行去噪处理。由于时域上进行分析，实现把语音信号与噪声信号分离，这种方法计算量小，对语音去噪的实时性支持较好，可以在时域上将信号细分成足够小的区间，对每一个区间上的信号进行频率分析，利用适当的阀值处理滤去部份噪声信号。又由于部分噪声信号的频率与语音信号的频率在一定程度上有各自的规律与差别。例如对于某些噪声，其频率相对于语音的频率要低很多或者高得多，故可以根据一般语音的频率的范围，把不属于一般的语音频率范围内的音频信号除掉，以达到除去这种有规律的噪声。这种方法只需小量计算即可除去部份的噪声，对实时性支持很好。只要把语音频率范围适当放大一点，就可以确保原信号语音不失真。至于剩下部份，可以通过小波对信号进行分析，选择适当的阀值对小波系数进行处理，然后再对小波进行重构还原为语音信号，这就得到了较好的消除噪声的语音信号了。

为了实现上述发明目的，本发明的步骤包括以下：

1.在进行语音通信之前，在一个较短的时间内采集周围噪声信号，也可在通信过程中手动重新采集噪声信号或者通过检测含噪声的语音信号自动识别出一段噪声信号，且通过模数转换器把信号转为数字信号，以频率高低分为n个频率段，并统计数字信号在每段频率上的概率，把统计结果中概率小于一定界限的频率段丢弃(忽略这种小概率事件)，最后把结果存储于通信设备的存储单元中。

2.开始语音通信后，把通信设备接收到的通话者的语音信号通过模数转换器转化为数字信号。

3.将数字信号通过滤波除去那些频率与普通语音频率相差较大的噪声信号。

4.①对于那些不能负载大量计算的通信设备将直接通过滤波降频处理实现语音去噪。②对于能承受一定计算量的通信设备将通过滤波降频处理后再将信号通过小波分析与变换，通过选择适当的门限值改变小波系数，然后再重构小波得到去除噪声的信号。

本发明的优点在于：

1、减轻通信系统的计算量；通过把一部分对语音去噪处理的计算分布于用户端设备上，把通信系统中的集中计算部分转变为分布式计算，减轻通信系统的负载量，提高用户接入能力，那将减轻通信系统的计算量，提高通信系统的用户接入量。

2、计算量小，对语音去噪的实时性支持较好；在时域上进行分析的方法，可以在时域上将信号细分成足够小的区间，对每一个区间上的信号进行频率分析，利用适当的阀值处理滤去部份噪声信号，实现把语音信号与噪声信号分离，这种方法计算量小，对语音去噪的实时性支持较好。

3、相对较好的通信效果；可以根据一般语音的频率的范围，把不属于一般的语音频率范围内的音频信号除掉，以达到除去这种有规律的噪声。

                  附图说明

图1是本发明中模块整体工作流程图；

图2是对不能承受大量计算的通信设备，音频去噪处理模块的细分说明图；

图3是能承受大量计算的通信设备，音频去噪处理模块的细分说明图；

图4是图3去噪处理对应的流程图。

                    具体实施方式

下面结合附图对本发明做进一步的说明。

如图1(11)所示，在进行语音通信之前，在一个较短的时间内采集周围噪声信号，也可在通信过程中手动重新采集噪声信号或者通过检测含噪声的语音信号识别出一段噪声信号(原理为在讲话停顿处音频的频率相对要小很多，即是没有语音而只有噪声时的信号的频率要相对小很多，且在一段时间内处于一定的较平稳的频率，根据其特征这段噪声音频可被识别出来)，且通过模数转换器(图1(12))把噪声信号转为数字信号，以频率高低分为n个频率段，并统计数字信号在每段频率上的概率，把统计结果中概率小于一定界限的频率段丢弃(忽略这种小概率事件)，最后把结果存储于通信设备的存储单元(图1(13))中。如果重新采集噪声或者动态检测出噪声信号，则要重新统计数据，并用最新结果更新通信设备的存储单元(图1(13))中的数据开始语音通信后，把接收到的语音信号通过模数转换器(图1(12))转化为数字信号。

将步骤2得到的数字信号进行音频去噪处理；将数字信号通过滤波器(图2中的(21))除去那些频率与普通语音频率相差较大的噪声信号。人耳能听到的声音的频率为20Hz左右一直到高频20k Hz左右，由于部份噪声信号的频率与语音信号的频率存在着较大的区别，且一般语音的频率也有一定的范围，例如在范围[M1，M2]区间内，为了保持语音信号不会产生严重失真，则可把区间[M1，M2]适当增大为[M1-d，M2+d](d为正数)，则可以把频率在[20，M1-d]和[M2+d，20K]区间上的信号认为是噪声信号除去，把其变成静音或者大幅度地降低其频率。除了这些频率与语音频率有相对大区别的噪声外，还有很多无规律性的，难以区分开。例如白噪声的频率分布非常广，但在一个非常窄的频率范围内，总体来说噪声会非常的低了，而语音信号会强很多。根据这个原理，对每个小频率范围进行动态处理，在任意时刻只要音量超过一个阈值，则认为是需要保留的语音信号，不去改动它；而低于阈值则认为是噪声信号，把它静音或者是大幅度地降低。而这个阀值的选择则根据在这个小频率范围内的信号的信噪比(这里的信噪比的计算由公式粗略计算：信噪比＝(含有噪声的信号的频率-采集到的噪声的平均频率)/含有噪声的信号的频率)大小从对采集到的噪声信号统计中形成的数据中选择。若信噪比相对较大，则选择较小的阀值，反之则选择较大的阀值。为了满足对通信的实时性的较好的支持，对于不能承受大量计算的客户端通信设备就不用经过第4步处理了(由于第4步需要较大的计算量)，在此把信号经过数模转换器(图2中的(22))，再由通信设备相应模块调制出信号就可以了。对于那些能承受相对大计算量的客户端通信设备，将经过滤波器(图3中的(31)(与图2中的(21)相同))处理后的信号再通过小波分析与变换(图3中的(32))，通过选择适当的门限值改变小波系数(图3中的(33))，进一步去除部分噪声，然后再重构小波系数(图3中的(34))得到去除噪声的信号。由于经过步骤3后，信号中一些高频噪声信号还是难以除去，对信号进行多尺度分解，得到信号的各级子带，则这些噪声部分通常包含在各级高频子带中。因此可以通过阀值地滤的方法对高频子带的小波系数进行处理，然后再重构小波系数以达到去噪的目的。至于阀值的选择，由于小波变换在空间和频域同时具有局部性，故其对信号奇异性、实发性与间断性具有很好的识别能力，而阀值可以在识别这些情况下形成的，且加上约束条件：此阀值不能超过存储器(图1(13))中的最大数值，保证阀值不会过大而使语音严重信号失真。若计算出的阀值超过存储器(图1中的13)中的最大数值，则选择存储器(图1中的13)中最大值作为当前的阀值(如图4所示)。对应用阀值处理后的小波系数进行重构得到去噪后的信号，再将信号通过数模转换器(图3中的35)，然后由通信设备相应模块调制出信号。