劉興亮，姚劍敏，郭太良

(福州大學 物理與信息工程學院，福建 福州 350116)

基于LPC的混響時間估計算法*

劉興亮，姚劍敏，郭太良

(福州大學 物理與信息工程學院，福建 福州 350116)

準確計算混響時間需要知道房間的尺寸、墻壁的吸聲系數(shù)等。經(jīng)典的混響時間盲估計方法可以避免這些條件，但需要事先提供一個沖激信號。文章對經(jīng)典算法進行了改進，提出了一種基于線性預測的混響時間盲估計算法。首先，將采集到的語音通過一個低階的線性預測濾波器來獲得線性預測殘差信號；其次，計算殘差信號的自相關，并選取合適的部分；最后，將選取的部分通過一個最大似然估計器，提取參數(shù)計算混響時間。文章還提出了一種改進的二分法來求解最大似然估計方程。實驗證明，與經(jīng)典算法相比，所提出算法估計的混響時間精度更高，且更具有實時性。

線性預測編碼濾波器；線性預測殘差信號；最大似然估計；無偏自相關函數(shù)

0 引言

混響是聲音在密閉空間中經(jīng)過內(nèi)部障礙物等反射面多次連續(xù)反射產(chǎn)生的，它可使語音的質量和清晰度惡化，導致語音處理系統(tǒng)(電話會議、自動語音識別系統(tǒng)等)性能下降。在許多重要的應用中(例如助聽器以及免提電話)，一種改善系統(tǒng)性能的策略就是估計房間聲學參數(shù)(主要是混響時間)，同時利用最合適的方法消除混響[1-2]。另外，在許多語音處理應用中混響時間也需要計算[3-6]。

混響時間是房間聲學的一個重要特征，它實質是描述房間沖激響應(RIR)的特征。聲源停止發(fā)聲后，聲能密度的空間均值衰減60 dB所需時間定義為混響時間。目前，估計混響時間的方法主要有三種，分別是基于時域RIR的方法[7]、基于房間尺寸以及障礙物吸聲系數(shù)的方法[8]和基于語音的盲估計方法[9-12]。RIR會隨著聲源位置、房間溫度和障礙物位置的變化而變化，計算比較困難；房間的大小以及墻壁的吸聲系數(shù)實際也不易獲取。還有通過檢測聲源停止發(fā)聲后聲音能量衰減來衡量[7]，這種方法需要提供一個沖激信號。因此，以上方法無法應用到實時語音處理系統(tǒng)中去。

混響時間盲估計的方法發(fā)展至今，出現(xiàn)了許多不同的思路。利用逆調制傳輸函數(shù)濾波器[10]來存儲能量包絡的方法計算量大，不滿足實時性要求；基于時頻域房間衰減模型[13]的方法對語音的長度有要求；一些基于最大似然估計的方法不適用于噪聲環(huán)境，還有一些方法需要語音中的話語之間要有一定長度的停頓。

針對經(jīng)典混響時間盲估計方法計算復雜、精度不高且不滿足實時性要求的問題，本文提出了一種基于線性預測的混響時間盲估計算法，不僅使得精度提高，還滿足實時性要求。

1 混響時間估計算法模型及問題分析

1.1 混響時間計算公式

混響的理論是由Sabine在1900年提出來的，他通過大量的實驗，得到混響時間RT60的計算公式為：

(1)

其中,V表示房間的容積，A表示房間的吸聲量。

Sabine的理論開啟了建筑聲學的研究熱潮，人們按照聲學原理設計劇院和音樂廳取得了很好的效果。Sabine的理論意義巨大，但是也有局限性。對于當前熱門的人工智能來說，機器的位置是任意的，而快速地獲取房間的尺寸以及障礙物的吸聲系數(shù)是不現(xiàn)實的。

1.2 經(jīng)典混響時間盲估計算法

經(jīng)典混響時間盲估計算法是由Ratnam[11]等人在2003年提出來的。該算法首先模擬房間混響，得到近似的房間沖激響應函數(shù)，然后利用最大似然估計獲取相關參數(shù)，最后計算混響時間。

混響時間為200 ms的房間沖激響應波形如圖1所示。

大多數(shù)情況下，RIR可以根據(jù)Polack模型表示成一種非平穩(wěn)隨機過程[14]：

(2)

經(jīng)典算法通過沖激信號模擬房間沖激響應，然后通過最大似然估計來求解參數(shù)a的值。該算法的復雜之處主要集中在房間沖激響應估計部分和最大似然估計部分。算法開始需要提供一個沖激信號，而沖激信號在現(xiàn)實環(huán)境下是不易獲取的，對于一個實時系統(tǒng)來說，實時地產(chǎn)生沖激信號是不現(xiàn)實的。同時，經(jīng)典算法利用牛頓迭代法來求解最大似然估計問題，其對初值要求比較高且局部收斂，計算復雜度高。

1.3 本文提出的基于線性預測的混響時間盲估計算法

為了避免算法對沖激信號的依賴，同時減小算法計算的復雜度，本文對經(jīng)典算法進行了改進。算法的整體框架不變，對房間沖激響應估計部分和最大似然估計部分進行了改進。算法的思路是從采集到的語音信號(非沖激信號)中提取估計RT60所需要的信息，將采集到的語音通過線性預測濾波器得到線性預測殘差信號，再計算殘差信號的自相關，幀平均后選取合適的部分作為最大似然估計的輸入，估計參數(shù)a，最后求解混響時間。算法的流程如圖2所示。

1.3.1 線性預測殘差信號模型分析

假設噪聲為零，混響環(huán)境下接收到的語音可以表示為：

x[n]=s[n]*h[n]

(3)

其中,x[n]、s[n]、h[n]分別表示麥克風采集到的語音信號、源語音信號以及時不變房間沖激響應。

語音信號s[n]可以表示為一個激勵信號e[n]和一個聲道濾波器v[n]的卷積[16]，所以式(3)可以表示為：

x[n]=e[n]*v[n]*h[n]

(4)

聲道的影響可以通過線性預測濾波器(全極點濾波器)來消除[16]。LPC的系數(shù)可以通過計算信號的相關性來獲取，同時假設RIR濾波器是一個非相干過程，當LPC濾波器的階數(shù)很小時(32ms的幀長時設置為10)，它可以近似移除混響語音信號中的聲道濾波器的影響。因此，假設LPC濾波器能夠將x[n]中的v[n]移除，線性預測殘差信號可以近似表示為：

(5)

=(e[n]*h[n])*(e[-n]*h[-n])

=e[n]*e[-n]*h[n]*h[-n] =Ce[n]*Ch[n]

(6)

其中Ce[n]和Ch[n]分別是e[n]和h[n]的自相關函數(shù)。h[n]的自相關以及它與e[n]自相關卷積情況如圖3所示，其中e[n]用一幀殘差信號來表示。

由圖3可以觀察到 ：

(7)

混響時間為300ms的語音處理后截取的合適部分如圖5所示。這部分做為最大似然估計的輸入，最終估計出的混響時間是292ms,非?？拷?00ms。

1.3.2 最大似然估計模型

(8)

(9)

(10)

(11)

剩下的問題就是如何解方程組。

2 一種新的快速求解最大似然估計方程組的方法

利用牛頓迭代法求解最大似然估計方程組復雜度較高且局部收斂，本文提出了一種二分法，可以快速求解方程。RT60的范圍設置為0.1 s～3 s，時間精度設置為0.01 s，方法的流程如下：

(1)初始化

T60_min=0.1；T60_max=3；t_accur=0.01；

Num_iter=log2((T60_max-T60_min)/t_accur)；

t_accur表示時間精度，Num_iter表示迭代的次數(shù)。

(2)迭代

T(i)=(T60_max+T60_min)/2

a(i)=exp (-6.91/T(i))

g(i)>0 then T60_min=T(i)

g(i)<0 then T60_max=T(i)

該方法的優(yōu)點是不用初始化a，能夠快速收斂。

3 實驗結果

實驗所使用的混響語音信號是利用純凈語音信號與RIR卷積合成的。其中，純凈語音信號取自TIMIT數(shù)據(jù)庫，采樣頻率為16 kHz；RIR是根據(jù)image方法[17]來構建的。構建的RIR的混響時間范圍為0.1 s～1 s，對應的房間大小從2.5 m×3.5 m×2 m到6 m×6 m×4 m，同時對麥克風和聲源的位置進行了相應的設定。將本文算法與經(jīng)典方法進行對比。利用這兩種方法分別對混響時間為0.1 s～1 s的10組語音信號進行估計。本次實驗采用的窗長度為300 ms。本文算法與經(jīng)典算法估計出的混響時間與真實值之間的關系如圖6所示。由圖6可知，本文算法的混響時間估計值明顯與混響時間實際值更加貼近，Ratnam方法對混響時間的估計值誤差較大，且越偏越遠。

算法若滿足實時性的要求，必須減少對語音長度的依賴。為了驗證算法的實時性能，從同一混響語音信號中截取長度為1 s～10 s的語音段，利用它們來估計混響時間，并分析混響時間的估計誤差，誤差計算公式如下：

(12)

由圖7可以看出，當語音長度大于等于5s時，相對誤差較小甚至趨于穩(wěn)定；語音長度在3s～5s之間時，誤差也在可接受范圍之內(nèi)。這種效果基本滿足實時性要求。

4 結論

本文提出了一種基于線性預測的方法來估計混響時間，該算法直接利用接收到的語音作為系統(tǒng)輸入，不用再另外提供沖激信號。利用合適的窗函數(shù)對接收到的信號進行分幀，然后利用低階線性預測編碼濾波器來獲取殘差信號。計算每一幀殘差信號的自相關，然后求平均，消除信道以及其他因素的影響。本文還提出了一種快速求解最大似然估計方程組的方法，使得算法效率更高。利用本文算法估計的混響時間誤差不超過0.1 s，相對于經(jīng)典的混響盲估計算法，精度提高了至少15%，且算法對于語音長度的要求也不高，3 s～5 s的語音相對誤差已經(jīng)很小，滿足實時性的要求。本研究為后續(xù)語音混響消除做了鋪墊。

[1] COUVREUR L, COUVREUR C. Blind model selection for automatic speech recognition in reverberant environments[J]. Journal of Signal Processing Systems, 2004, 36(2):189-203.

[2] GAMMAL J S, GOUBRAN R A. Combating reverberation in speaker verification[C]. IEEE Instrumentation & Measurement Technology Conference, 2005:687-690.

[3] HEINRICH W L. L?LLMANN (EURASIP Member), VARY P. Low delay noise reduction and dereverberation for hearing aids[J]. Journal on Advances in Signal Processing, 2009, 2009(1):1-9.

[4] HABETS E A P, GAUBITCH N D, NAYLOR P A. Temporal selective dereverberation of noisy speech using one microphone[C]. IEEE International Conference on Acoustics, 2008:4577-4580.

[5] MOSAYYEBPOUR S, SHEIKHZADEH H, GULLIVER T A, et al. Single-microphone LP residual skewness-based inverse filtering of the room impulse response[J]. IEEE Transactions on Audio Speech & Language Processing, 2012, 20(5):1617-1632.

[6] MOSAYYEBPOUR S, SAYYADIYAN A, MOHAMMADI E S, et al. Time delay estimation using one microphone inverse filtering in highly reverberant room[C]. International Conference on Signal Acquisition and Processing, IEEE, 2010:140-144.

[7] SCHROEDER M R. New method of measuring reverberation time[J]. Journal of the Acoustical Society of America, 1965, 37(3):409-412.

[8] SABINE W C, EGAN M D. Collected papers on acoustics[M]. Collected Papers on Acoustics. Harvard University Press, 1922.

[9] VESA S, HARMA A. Automatic estimation of reverberation time from binaural signals[C]. IEEE International Conference on Acoustics, 2005:281-284.

[10] UNOKI M, HIRAMATSU S. Blind estimation method of reverberation time based on concept of modulation transfer function[J]. Journal of the Acoustical Society of America, 2008, 123(5):3616.

[11] RATNAM R, JONES D L, O'BRIEN W D. Fast algorithms for blind estimation of reverberation time[J]. IEEE Signal Processing Letters, 2004, 11(6):537-540.

[12] L?LLMANN H W, VARY P. Estimation of the reverberation time in noisy environments[C]. In Proc. Int. Workshop Acoust. Echo Noise Control(IWAENC), 2008:1-4.

[13] WEN J Y C, HABETS E A P, NAYLOR P A. Blind estimation of reverberation time based on the distribution of signal decay rates[C]. IEEE International Conference on Acoustics, 2008:329-332.

[14] HABETS E. Single and multi-microphone speech dereverberation using spectral enhancement[D]. Eindhoven: Eindhoven University of Techn.,2007.

[15] MOORER J A. About this reverberation business[J]. Computer Music Journal, 1985, 3(2):605-639.

[16] BELLANGER M G. Digital processing of speech signals[M]. New Jersey: Prentice-Hall, 1978.

[17] ALLEN J B, BERKLEY D A. Image method for efficiently simulating small-room acoustics[J]. Journal of the Acoustical Society of America, 1976, 60(S1):943-950.

A algorithm of blind reverberation time estimation based on LPC filter

Liu Xingliang, Yao Jianmin, Guo Tailiang

(College of Physics and Information Engineering, Fuzhou University, Fuzhou 350116, China)

Accurate calculation of the reverberation time need to know the size of the room and the absorption characteristics of the walls .Classical method of blind reverberation time estimation can estimate the reverberation time without knowing the size of the room and the absorption characteristics of the walls, but have to provide an impulse signal. In this paper, we proposed a linear prediction based method. Firstly, the input speech is passed through a low order linear prediction coding filter to obtain the LP residual signal. Then, calculating the autocorrelation function of the LP residual signal and extracting the appropriate portion. Lastly, calculating the reverberation time with the ML estimator whose input is the appropriate portion. In this paper, we also proposed an improved dichotomy to solve the ML equation. It is proved that the accuracy of the proposed method is increased, and the proposed method meets the requirements of real time.

linear predictive coding (LPC) filter; linear predictive residual signal; maximum likelihood estimate; unbiased autocorrelation function

國家重點研發(fā)計劃課題(2016YFB0401503)

TP312

A

10.19358/j.issn.1674- 7720.2017.05.024

劉興亮，姚劍敏，郭太良.基于LPC的混響時間估計算法[J].微型機與應用，2017,36(5)：80-83.

2016-11-03)

劉興亮(1991-)，男，碩士研究生，主要研究方向：音頻處理。

姚劍敏(1978-)，男，博士，副研究員，主要研究方向：圖像處理、音頻處理等。

郭太良(1963-)，男，研究員，博士生導師，主要研究方向：場致發(fā)射等。