一种周期性瞬态干扰事件检测方法
文献发布时间:2023-06-19 19:27:02
技术领域
本发明属于数字信号处理技术领域,具体涉及一种周期性瞬态干扰事件检测方法。
背景技术
在语音信号处理技术领域,瞬态噪声通常被看作是一种干扰信号,瞬态噪声抑制被广泛用于提高通话质量,即提高语音清晰度和可懂度。然而在不需要进行语音通话的场景下,瞬态噪声也可作为一种有用的信息。例如:利用燃气灶点火形成的周期性瞬态干扰来启动油烟机,避免人们忘记开油烟机,减少厨房油烟污染。此外,在忘记关冰箱门或没关严的情况下,冰箱会发出提示音,可以利用该周期性瞬态声音来自动关闭冰箱门,节能减排。因此需要一种周期性瞬态干扰事件检测方法,来判断设备的工作状态。
发明内容
为利用瞬态噪声对语音设备的工作状态进行检测,本发明公开了一种周期性瞬态干扰事件检测方法。
本发明所述一种周期性瞬态干扰事件检测方法,其特征在于,包括以下步骤:
S1.设定麦克风接收信号为
y(n)=x(n)+t(n)
式中n为时间刻度,x(n)为语音信号,t(n)为瞬态噪声。
通过短时傅里叶变换可得麦克风接收的时频域信号
Y(k,l)=X(k,l)+T(k,l) ,式中k为频率刻度,l为时域帧索引;
估计非瞬态信号功率谱λ
S2.估计瞬态噪声功率谱λ
瞬态噪声功率谱的表达式为
λ
式中G(k,l)代表估计瞬态干扰噪声功率谱的最优增益频谱,其计算公式为
式中G
式中e 为自然常数,ξ(k,l)是瞬态噪声的先验信噪比,αt代表权重因子,且αt∈[0,1],而γ(k,l)是后验信噪比,v(k,l)表示先验信噪比和后验信噪比的关系参数,计算公式分别为:
式中Y(k,l)为S1步骤中麦克风接收的时频域信号,λ
S3.根据瞬态干扰的条件存在概率,判断瞬态干扰是否存在周期性:
S31.首先根据瞬态干扰噪声功率谱的最优增益频谱G(k,l),计算指定频带内的最优增益函数的平均值,即
式中bin
计算以当前帧为终点的连续m帧最优增益函数平均值
m为设定的平均最优帧数;
S32.若
当确定当前帧包含瞬态干扰噪声时,则进行周期性瞬态干扰事件检测,进入步骤S33,否则重复步骤S32;
S33.判断周期性瞬态干扰事件是否发生;
S331.构建事件判断循环窗,用于存储当前瞬态干扰帧数与上一次瞬态干扰帧数的差值T
T
式中T
构建事件判断循环窗来循环存储当前瞬态干扰帧数与上一次瞬态干扰帧数之间的全部T
T
l=1,2…L
S332.设定周期性瞬态干扰事件的周期时间为T
T=T
式中len为每帧信号的长度,Fs为信号采样频率;
设定判断周期性瞬态干扰事件的最小门限值T
S333.对循环窗存储的当前差值进行判断,若差值大于等于门限最小值且小于等于门限最大值,则进行周期计数,
如果T
若循环窗内L帧的周期计数count大于指定周期性瞬态干扰事件门限T
优选的,所述步骤S331中还包括相邻间干扰判断,设置干扰阈值δT,当Td大于δT时,认为不存在相邻间干扰,如果认为存在相邻间干扰,则不进行后续步骤并重复S331步骤。
优选的,判断周期性瞬态干扰事件的最小门限值Tmin=T-TR和最大门限值Tmax=T+TR,TR为设定的容忍帧数。
优选的,如权利要求1所述的周期性瞬态干扰事件检测方法,其特征在于,所述S1步骤中利用MCRA算法估计得到非瞬态信号功率谱
式中α
p(k,l)=α
式中α
S
S(k,l)=α
S
式中α
本发明利用在增强瞬态干扰过程中获取的瞬态干扰的条件存在概率,求取帧瞬态干扰的条件概率,对连续帧求取帧瞬态干扰条件概率的平均值进行周期性瞬态干扰事件判断,提高了判断正确率,并为利用瞬态干扰控制语音设备提供了技术基础。
附图说明
图1为本发明所述周期性瞬态干扰事件检测方法的一种具体实施方式流程示意图;
图2为本发明所述周期性瞬态干扰事件判断的一个具体流程图;
图3为本发明一个具体实施例中麦克风接收信号和增强后的瞬态噪声语谱对比图。
实施方式
下面对本发明的具体实施方式作进一步的详细说明。
下面结合附图对本发明的具体实施方式进行详细说明,但并不用来限制本发明的保护范围。
本发明的一个具体实施方式流程如图1所示。
S1.根据MCRA算法来估计非瞬态信号功率谱λ
设定麦克风接收信号为
y(n)=x(n)+t(n)
式中n为时间刻度,x(n)为语音信号,t(n)为瞬态噪声。
通过短时傅里叶变换可得麦克风接收的时频域信号
Y(k,l)=X(k,l)+T(k,l)
式中k为频率刻度,l为时域帧索引。
利用MCRA算法估计得到的非瞬态信号功率谱为
式中α
p(k,l)=α
式中α
S
S(k,l)=α
S
式中αS为第三平滑参数,且αS∈[0,1],若αS越小,则捕获语音或背景噪声的PSD变化的速度越快。
本步骤中,根据语音瞬态干扰和背景噪声具有不同的变化率,与较慢的语音和伪静态背景噪声相比,瞬态干扰随时间快速变化等特点,采用MCRA算法估计得到瞬态干扰功率谱,可以通过调整MCRA算法的平缓因子来进行优化,更快地捕获语音或背景噪声的功率谱密度变化。
S2.如图2所示,基于OM-LSA算法来估计瞬态噪声功率谱λ
瞬态噪声功率谱的表达式为
λ
式中G(k,l)代表估计瞬态干扰噪声功率谱的最优增益频谱,其计算公式为
式中G
式中e 为自然常数,ξ(k,l)是瞬态噪声的先验信噪比,αt代表权重因子,且αt∈[0,1],而γ(k,l)是后验信噪比,v(k,l)表示先验信噪比和后验信噪比的关系参数,计算公式分别为:
式中Y(k,l)为S1步骤中麦克风接收的时频域信号,λ
本步骤利用OM-LSA算法可对瞬态干扰进行增强,抑制非瞬态干扰的语音信号和背景噪音。
S3.根据瞬态干扰的条件存在概率,判断瞬态干扰是否存在周期性:
如图2所示为周期性瞬态干扰事件判断的一个具体流程图。
S31首先,根据瞬态干扰噪声功率谱的最优增益频谱,计算指定频带内的最优增益函数的平均值,即
式中bin
计算以当前帧为终点的连续m帧的最优增益函数平均值,m为设定的平均最优帧数,例如可取m=3,
S32.若
当确定当前帧包含瞬态干扰噪声时,则进行周期性瞬态干扰事件检测,进入步骤S33,否则重复步骤S32;
S33.当确定当前帧包含瞬态干扰噪声时,则进行周期性瞬态干扰事件检测,具体步骤如下:
S331.构建事件判断循环窗,用于存储当前瞬态干扰帧数与上一次瞬态干扰帧数的差值T
T
式中T
事件判断循环窗循环存储当前瞬态干扰帧数与上一次瞬态干扰帧数之间的全部T
T
l=1,2…L
为了避免相邻间干扰,可设置干扰阈值δ
S332.设定周期性瞬态干扰事件的周期时间为T
T=T
式中len为每帧信号的长度,Fs为信号采样频率。
根据周期帧数T的值来设定判断周期性瞬态干扰事件的最小门限值T
根据T设定了最小门限值T
S333.对循环窗存储的当前差值进行判断,若差值大于等于门限最小值且小于等于门限最大值,则进行周期计数,
如果T
Count值计数加1
若循环窗内L帧的周期计数count大于指定周期性瞬态干扰事件门限T
本发明为检测瞬态干扰周期性,利用在增强瞬态干扰过程中获取的瞬态干扰的条件存在概率,求取帧瞬态干扰的条件概率,对连续多帧求取帧瞬态干扰条件概率的平均值进行瞬态干扰判断,当大于给定阈值时,确定当前帧为瞬态干扰。若当前帧是瞬态干扰,则进行周期性瞬态干扰事件检测。
通过构建事件判断循环窗,用于存储当前瞬态干扰帧数与上一次瞬态干扰帧数的差值,接着通过先验信息确定事件的周期,并根据周期设定判断判断门限的最小值和最大值,最后对循环窗进行判断,若循环窗差值处于判断门限范围内,则进行周期计数,最后,周期计数值大于设定阈值时,则判断周期性瞬态干扰事件发生,从而判断设备的工作状态。
实施例:
厨房油烟污染会严重危害人体健康,烹饪时使用吸油烟机是减少厨房油烟污染的有效措施,但是人们可能忘记开启油烟机。
将本实施例所提出的一种周期性瞬态干扰事件检测方法应用于智能油烟机上,通过检测燃气灶点火形成的周期性瞬态干扰来唤醒油烟机启动,避免人们忘记开启油烟机的情况。
本实施例的周期性瞬态干扰事件检测方法,利用OM-LSA算法对瞬态干扰进行增强,抑制非瞬态干扰的语音信号和背景噪音。本实施例的参数设置如下:第一平滑参数α
如图3所示,横坐标是时间,纵坐标是频域,图3上方是麦克风接收信号的语谱图,包含了瞬态干扰信号和其他背景噪声信号,图下方是增强后的瞬态噪声语谱图。
如图3下方的语谱图所示,语谱图中颜色接近浅色的部分表示没有能量,即没有信号,颜色接近红色的部分表示存在语音信号,且颜色越深,信号能量越大。在13s~15.5s这段时间内,存在多条颜色深于前后区域的“竖线”,每条“竖线”表明横坐标所处时刻能量突然增大,符合瞬态信号的特征,因此认为有瞬态干扰存在。
本实施例为了检测瞬态干扰的周期性,利用在增强瞬态干扰过程中获取的瞬态干扰的条件存在概率,求取帧瞬态干扰的条件概率,对连续3帧求取帧瞬态干扰条件概率的平均值进行瞬态干扰判断,当大于给定阈值时,确定当前帧为瞬态干扰。若当前帧是瞬态干扰,则进行周期性瞬态干扰事件检测,首先构建事件判断循环窗,用于存储当前瞬态干扰帧数与上一次瞬态干扰帧数的差值,接着通过先验信息确定事件的周期,并根据周期设定判断判断门限的最小值和最大值,最后对循环窗进行判断,若循环窗差值处于判断门限范围内,则进行周期计数,最后,周期计数值大于设定阈值时,则判断周期性瞬态干扰事件发生,从而判断设备的工作状态。本实施例的参数设置如下:
指定频带起点bin
循环窗窗长L=20,T
通过串口打印表示当前检测到了瞬态干扰信号,若连续检测到若干瞬态干扰信号,由此可判断存在燃气灶点火声,由此发送唤醒词来自动启动油烟机。
前文所述的为本发明的各个优选实施例,各个优选实施例中的优选实施方式如果不是明显自相矛盾或以某一优选实施方式为前提,各个优选实施方式都可以任意叠加组合使用,所述实施例以及实施例中的具体参数仅是为了清楚表述发明人的发明验证过程,并非用以限制本发明的专利保护范围,本发明的专利保护范围仍然以其权利要求书为准,凡是运用本发明的说明书及附图内容所作的等同结构变化,同理均应包含在本发明的保护范围内。