基于蓝牙耳机芯片的单麦克风助听降噪方法及蓝牙耳机

摘要

本发明公开了基于蓝牙耳机芯片的单麦克风助听降噪方法及蓝牙耳机，所述方法包括：获取原始声音信号，识别所述原始声音信号中噪音的噪音特征，根据不同类型的噪音调用不同的降噪处理公式；将噪音识别得到的降噪处理公式进行迭代训练，优化降噪处理公式并获取降噪处理公式中参数的最优取值；根据迭代训练优化的降噪处理公式及具体每个参数的取值对原始声音信号进行计算，输出噪声的信噪比；判断所述信噪比是否合格，如果所述信噪比合格，将处理后的声音信号进行助听处理。本发明无需借助助听器芯片内置的专用迭代、自适应学习滤波器硬件，便可以实现通过单麦克风降噪迅速识别、压制、收敛非稳态噪声。

说明书

技术领域

本发明涉及声音处理技术领域，尤其涉及一种基于蓝牙耳机芯片的单麦克风助听降噪方法、系统、蓝牙耳机及计算机可读存储介质。

背景技术

助听器把原本听损患者听不到的声音降噪、人声增强等并加以放大，再利用听障者的残余听力，使声音能送到大脑听觉中枢，而感觉到声音，为听障者带来很大便利。

目前存在很多听障用户，这些听障用户无法像正常人一样听到或者听清楚他人说话、音乐、广播或者如警报、门铃、喇叭、提示音等各种声音。出现听障难于治愈，一般只能通过佩戴助听器解决。

现有技术中助听器关键的部件为助听器芯片，如图1所示，助听器芯片内部最基础的模块是“单麦克风降噪算法”（软件）+“自适应、智能学习助听迭代滤波器”（硬件）。

外界声音从麦克风进来后，“单麦克风降噪算法”针对背景噪音、杂音做降噪处理，为助听器芯片后续提取、增强有用声音如人声、音乐、告警音、提示音等奠定基础。单麦克风收到的声音来源途径单一，不存在声源信号的相位差异，也无法有效识别噪音的信号特征，因此在噪声抑制方面先天不足。简单讲就是时不时会出现完全不能压制周边噪音、杂音的情况。因此必须有“自适应、智能学习迭代滤波器”的硬件模块配合：该硬件模块学习外界不同背景噪音模式、杂音的信号特征，然后输入给“单麦克风降噪算法”。二者配合就能做到在不同环境中都能稳定抑制背景噪音、杂音。

但是上述解决方案必须借助于专门的助听器芯片实现（通用蓝牙耳机芯片不包含自适应、智能自学习助听迭代滤波器）。但是助听器芯片长期被少数商家所垄断，从而导致市场上的助听器价格非常高。

因此，现有技术还有待于改进和发展。

发明内容

本发明的主要目的在于提供一种基于蓝牙耳机芯片的单麦克风助听降噪方法、蓝牙耳机及计算机可读存储介质，旨在解决现有技术中抑制背景噪音、杂音需要通过专用的助听器芯片通过“单麦克风降噪算法”（软件）+“自适应、智能学习助听迭代滤波器”（硬件）解决的问题。

为实现上述目的，本发明提供一种基于蓝牙耳机芯片的单麦克风助听降噪方法，所述基于蓝牙耳机芯片的单麦克风助听降噪方法包括如下步骤：

获取原始声音信号，识别所述原始声音信号中噪音的噪音特征，根据不同类型的噪音调用不同的降噪处理公式；

将噪音识别得到的降噪处理公式进行迭代训练，优化降噪处理公式并获取降噪处理公式中参数的最优取值；

根据迭代训练优化的降噪处理公式及具体每个参数的取值对原始声音信号进行计算，输出噪声的信噪比；

判断所述信噪比是否合格，如果所述信噪比合格，将处理后的声音信号进行助听处理。

可选地，所述的基于蓝牙耳机芯片的单麦克风助听降噪方法，其中，所述噪音特征包括在频谱上的能量分布、强度、稳态、暂态和粉噪。

可选地，所述的基于蓝牙耳机芯片的单麦克风助听降噪方法，其中，根据不同类型的噪音调用不同的降噪处理公式中，降噪处理公式的参数的原始取值按照缺省的经验值进行取值。

可选地，所述的基于蓝牙耳机芯片的单麦克风助听降噪方法，其中，在进行迭代训练时，每一次计算的重复称为一次迭代，每一次迭代得到的结果作为下一次迭代的初始值。

可选地，所述的基于蓝牙耳机芯片的单麦克风助听降噪方法，其中，所述根据迭代训练优化的降噪处理公式及具体每个参数的取值对原始声音信号进行计算，输出噪声的信噪比，还包括：

当迭代训练得到的信噪比达到预设阈值时结束迭代训练。

可选地，所述的基于蓝牙耳机芯片的单麦克风助听降噪方法，其中，所述信噪比计算为：

SNR=10 * log10(S/N)；

其中，SNR表示信噪比，单位为dB，S 表示信号的平均功率，N 表示噪声的平均功率。

可选地，所述的基于蓝牙耳机芯片的单麦克风助听降噪方法，其中，所述判断所述信噪比是否合格，之后还包括：

如果所述信噪比不合格，将相关信息反馈到前端再次开始迭代训练。

此外，为实现上述目的，本发明还提供一种基于蓝牙耳机芯片的单麦克风助听降噪系统，其中，所述基于蓝牙耳机芯片的单麦克风助听降噪系统包括：

噪音识别模块，用于获取原始声音信号，识别所述原始声音信号中噪音的噪音特征，根据不同类型的噪音调用不同的降噪处理公式；

迭代训练模块，用于将噪音识别得到的降噪处理公式进行迭代训练，优化降噪处理公式并获取降噪处理公式中参数的最优取值；

参数计算模块，用于根据迭代训练优化的降噪处理公式及具体每个参数的取值对原始声音信号进行计算，输出噪声的信噪比；

判断处理模块，用于判断所述信噪比是否合格，如果所述信噪比合格，将处理后的声音信号进行助听处理。

此外，为实现上述目的，本发明还提供一种蓝牙耳机，其中，所述蓝牙耳机包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于蓝牙耳机芯片的单麦克风助听降噪程序，所述基于蓝牙耳机芯片的单麦克风助听降噪程序被所述处理器执行时实现如上所述的基于蓝牙耳机芯片的单麦克风助听降噪方法的步骤。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有基于蓝牙耳机芯片的单麦克风助听降噪程序，所述基于蓝牙耳机芯片的单麦克风助听降噪程序被处理器执行时实现如上所述的基于蓝牙耳机芯片的单麦克风助听降噪方法的步骤。

本发明中，获取原始声音信号，识别所述原始声音信号中噪音的噪音特征，根据不同类型的噪音调用不同的降噪处理公式；将噪音识别得到的降噪处理公式进行迭代训练，优化降噪处理公式并获取降噪处理公式中参数的最优取值；根据迭代训练优化的降噪处理公式及具体每个参数的取值对原始声音信号进行计算，输出噪声的信噪比；判断所述信噪比是否合格，如果所述信噪比合格，将处理后的声音信号进行助听处理。本发明无需借助助听器芯片内置的专用迭代、自适应学习滤波器硬件，便可以实现通过单麦克风降噪迅速识别、压制、收敛非稳态噪声。

附图说明

图1是现有技术中助听器芯片利用单麦克风降噪算法”（软件）+“自适应、智能学习助听迭代滤波器”（硬件）进行降噪的原理示意图；

图2是本发明基于蓝牙耳机芯片的单麦克风助听降噪方法的较佳实施例的流程图；

图3是本发明基于蓝牙耳机芯片的单麦克风助听降噪方法的较佳实施例执行过程的流程图；

图4是利用降噪处理公式对原始声音信号进行降噪处理的示意图；

图5是本发明基于蓝牙耳机芯片的单麦克风助听降噪系统的较佳实施例的原理示意图；

图6为本发明蓝牙耳机的较佳实施例的运行环境示意图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明较佳实施例所述的基于蓝牙耳机芯片的单麦克风助听降噪方法，如图2和图3所示，所述基于蓝牙耳机芯片的单麦克风助听降噪方法包括以下步骤：

步骤S10、获取原始声音信号（外部声音输入），识别所述原始声音信号中噪音的噪音特征，根据不同类型的噪音调用不同的降噪处理公式。

具体地，识别输入的原始声音信号中噪音的特征：在频谱上的能量分布、强度、稳态、暂态、粉噪等。根据不同类型的噪音调用不同的降噪处理公式fn（n1、n2、n3、n4、n5……），其中的参数n1、n2、…、在第一次运算时按缺省的经验值取值，即根据不同类型的噪音调用不同的降噪处理公式中，降噪处理公式的参数的原始取值按照缺省的经验值进行取值。

如图4所示，任何降噪算法本质上都是利用一系列数学公式，假设该公式是f1（n1、n2、n3、n4、n5……），f2（n1、n2、n3、n4、n5……），f3（n1、n2、n3、n4、n5……），…，fn（n1、n2、n3、n4、n5……）等对输入的、经过数字化采样后的原始声音信号进行计算，使得计算后的声音信号有更好的信噪比，即原始声音中有用信号更强、更清晰了。

因此，关键在于降噪计算时调用哪一个或者哪几个公式，还有被调用的某个公式内部的参数n1、n2、n3 、n4、n5……等如何取值，这两点关系到处理后的原始声音信号信噪比是否能有效的增强。本发明的核心就是通过自研的“人工智能学习”软件模块，精准的判断应该调用哪个或哪几个公式、每个公式内的参数该如何取值，然后通知“单麦克风降噪算法”。

进一步地，噪声抑制器滤波器由以下组合滤波器构成：

其中，

SNR和噪声频谱的计算是在信号的非活动部分进行的，其中只有噪声存在，而不是实际的语音信号。活动或非活动语音的指示由一种特殊的语音检测算法完成，该算法使用能量和频谱斜率信息来执行信号分类任务。

本发明的降噪算法使用线性滤波器和LPC（全极点，Linear Predictive Coding）谱估计方法，背景噪声的频谱在语音的非活动部分期间被估计并且被表示，由于纯背景噪声谱通常不包含明显的共振峰（即频率峰值），并且随着频率的增加而逐渐衰减，因此在大多数情况下，使用简单的一阶LPC模型对噪声谱进行建模即可。输入信号的频谱在任何时候都表示为Fs（z），当噪声语音信号的频谱斜率接近纯背景噪声的斜率时，只需减小F

步骤S20、将噪音识别得到的降噪处理公式进行迭代训练，优化降噪处理公式并获取降噪处理公式中参数的最优取值。

具体地，所述迭代训练即人工智能学习是重复反馈过程的计算，目的是为了尽可能选择到最优的降噪处理公式fn（n1、n2、n3、n4、n5……）以及其中的参数。每一次计算的重复称为一次“迭代”，而每一次迭代得到的结果会作为下一次迭代的初始值。根据噪音识别的初步判断，持续跟踪、学习每一类噪音特征，快速优化所需的一个或几个降噪公式及每一个公式内具体参数的取值。

因为噪声的前端预分类不可能百分百可靠，而且噪声有可能是在快速变化的，所以降噪处理公式中参数也需要根据变化来调整，因此会根据输出的反馈来及时调整参数。

迭代训练直到SNR（信噪比）达到合适的值即可（这个预设阈值可以提前预设好），当然也有一种极端可能就是无论如何训练都没有达到阈值，那么算法会有一套缺省的参数来放弃迭代训练。

步骤S30、根据迭代训练优化的降噪处理公式及具体每个参数的取值对原始声音信号进行计算，输出噪声的信噪比。

具体地，根据迭代训练选定的降噪处理公式及具体每个参数的取值对原始外界输入的声音信号进行计算，迭代训练主要是估算输出的信噪比（SNR）。

其中，所述信噪比（SNR）计算为：

SNR=10 * log10(S/N)；

其中，SNR表示信噪比，单位为dB，S 表示信号的平均功率，N 表示噪声的平均功率。

If（SNR>threshold）

信号输出

Else

调整滤波器参数。

步骤S40、判断所述信噪比是否合格，如果所述信噪比合格，将处理后的声音信号进行助听处理。

具体地，测量、分析降噪处理后的声音信号，判断各类噪声的信噪比是否合格，如果信噪比合格就将处理后的声音输入到后续的助听处理环节；如果不合格就把相关信息反馈到前端再次开始迭代训练。关键点就是能在通用蓝牙耳机芯片上迭代速度足够快，迅速压制各类噪音，为后续的人声、有用声音增强奠定基础。

本发明在传统的“单麦克风降噪算法”中加入“人工智能学习”的软件功能模块，并大幅度优化代码运行效率，使通用蓝牙耳机芯片平台无论是RISCV/ARM/MIPS都能运行；本发明无需借助助听器芯片内置的专用迭代、自适应学习滤波器硬件，便可以实现通过单麦克风降噪迅速识别、压制、收敛非稳态噪声，也就是说将本发明的单麦克风助听降噪算法加载到任何通用蓝牙耳机芯片，就能实现等同于助听器芯片中单麦克风助听降噪的功能，为下一步用通用蓝牙耳机芯片替代昂贵的助听器芯片奠定基础。彻底打破单麦降噪助听算法必须依托于助听器专用芯片才能起作用的限制，利用普通蓝牙芯片平台，例如RISCV/ARM/MIPS可以实现助听器中最关键、最基本的功能，彻底打破外商长达几十年的垄断，将助听器从高价格降低到普通电子产品的价位段，为用户购买降低成本，方便用户使用。

另外，本发明还可以安装到ANDORID、苹果的手机、手表、手环及其它蓝牙穿戴类电子产品上，通过手机、手表、手环、蓝牙血压仪等穿戴类电子产品+耳机的组合实现助听功能。

进一步地，如图5所示，基于上述基于蓝牙耳机芯片的单麦克风助听降噪方法，本发明还相应提供了一种基于蓝牙耳机芯片的单麦克风助听降噪系统，其中，所述基于蓝牙耳机芯片的单麦克风助听降噪系统包括：

噪音识别模块51，用于获取原始声音信号，识别所述原始声音信号中噪音的噪音特征，根据不同类型的噪音调用不同的降噪处理公式；

迭代训练模块52，用于将噪音识别得到的降噪处理公式进行迭代训练，优化降噪处理公式并获取降噪处理公式中参数的最优取值；

参数计算模块53，用于根据迭代训练优化的降噪处理公式及具体每个参数的取值对原始声音信号进行计算，输出噪声的信噪比；

判断处理模块54，用于判断所述信噪比是否合格，如果所述信噪比合格，将处理后的声音信号进行助听处理。

进一步地，如图6所示，基于上述基于蓝牙耳机芯片的单麦克风助听降噪方法和系统，本发明还相应提供了一种蓝牙耳机，所述蓝牙耳机包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于蓝牙耳机芯片的单麦克风助听降噪程序，在一实施例中，当处理器执行所述存储器中基于蓝牙耳机芯片的单麦克风助听降噪程序时实现以下步骤：

获取原始声音信号，识别所述原始声音信号中噪音的噪音特征，根据不同类型的噪音调用不同的降噪处理公式；

将噪音识别得到的降噪处理公式进行迭代训练，优化降噪处理公式并获取降噪处理公式中参数的最优取值；

根据迭代训练优化的降噪处理公式及具体每个参数的取值对原始声音信号进行计算，输出噪声的信噪比；

判断所述信噪比是否合格，如果所述信噪比合格，将处理后的声音信号进行助听处理。

其中，所述噪音特征包括在频谱上的能量分布、强度、稳态、暂态和粉噪。

其中，根据不同类型的噪音调用不同的降噪处理公式中，降噪处理公式的参数的原始取值按照缺省的经验值进行取值。

其中，在进行迭代训练时，每一次计算的重复称为一次迭代，每一次迭代得到的结果作为下一次迭代的初始值。

其中，所述根据迭代训练优化的降噪处理公式及具体每个参数的取值对原始声音信号进行计算，输出噪声的信噪比，还包括：

当迭代训练得到的信噪比达到预设阈值时结束迭代训练。

其中，所述信噪比计算为：

SNR=10 * log10(S/N)；

其中，SNR表示信噪比，单位为dB，S 表示信号的平均功率，N 表示噪声的平均功率。

其中，所述判断所述信噪比是否合格，之后还包括：

如果所述信噪比不合格，将相关信息反馈到前端再次开始迭代训练。

本发明还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有基于蓝牙耳机芯片的单麦克风助听降噪程序，所述基于蓝牙耳机芯片的单麦克风助听降噪程序被处理器执行时实现如上所述的基于蓝牙耳机芯片的单麦克风助听降噪方法的步骤。

综上所述，本发明提供一种基于蓝牙耳机芯片的单麦克风助听降噪方法及蓝牙耳机，所述方法包括：获取原始声音信号，识别所述原始声音信号中噪音的噪音特征，根据不同类型的噪音调用不同的降噪处理公式；将噪音识别得到的降噪处理公式进行迭代训练，优化降噪处理公式并获取降噪处理公式中参数的最优取值；根据迭代训练优化的降噪处理公式及具体每个参数的取值对原始声音信号进行计算，输出噪声的信噪比；判断所述信噪比是否合格，如果所述信噪比合格，将处理后的声音信号进行助听处理。本发明无需借助助听器芯片内置的专用迭代、自适应学习滤波器硬件，便可以实现通过单麦克风降噪迅速识别、压制、收敛非稳态噪声。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者蓝牙耳机不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者蓝牙耳机所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者蓝牙耳机中还存在另外的相同要素。

当然，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关硬件（如处理器，控制器等）来完成，所述的程序可存储于一计算机可读取的计算机可读存储介质中，所述程序在执行时可包括如上述各方法实施例的流程。其中所述的计算机可读存储介质可为存储器、磁碟、光盘等。

应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。