曾金芳 陳達(dá) 張鈺 李友明

摘 要：在信號處理領(lǐng)域，室內(nèi)環(huán)境下的混響語音盲分離一直以來都是一個(gè)重點(diǎn)與難點(diǎn)，主要是由于混合系統(tǒng)存在的混響和回聲嚴(yán)重影響了語音質(zhì)量，從而降低了算法分離效果。因此，本文提出了一個(gè)應(yīng)對算法，由麥克風(fēng)采集到室內(nèi)混響語音混合信號后，對該混合信號進(jìn)行兩階段去混響處理：首先通過設(shè)計(jì)一個(gè)逆濾波器來抑制早期混響或增大信號混響能量比，再采用譜減法來消除回聲；然后將處理過的時(shí)域卷積混合語音信號通過短時(shí)傅里葉變換轉(zhuǎn)化為頻域各個(gè)頻點(diǎn)的瞬時(shí)混合形式，用IVA算法分離混合語音信號，最終恢復(fù)為時(shí)域語音信號。實(shí)驗(yàn)表明，該方法可以有效提高室內(nèi)混響環(huán)境下的語音盲分離效果。

關(guān)鍵詞：去混響；盲源分離；頻域分離；時(shí)域卷積

*基金項(xiàng)目：湖南省自然科學(xué)基金（2018JJ3486）

0 引言

盲源分離（blind source separation， BSS）是指當(dāng)源信號參數(shù)和信號混合模型都未知時(shí)，基于輸入源信號的統(tǒng)計(jì)特性，將源信號從觀測信號分離出來的過程。盲源分離技術(shù)先后應(yīng)用于文本數(shù)據(jù)挖掘、語音信號處理、地球物理信號處理等多個(gè)領(lǐng)域[1-3]。

獨(dú)立分量分析[4]（independent component analysis， ICA）算法是解決盲源分離問題的一個(gè)常用且高效的算法。然而，在真實(shí)的室內(nèi)環(huán)境中，由于室內(nèi)存在的混響和回聲，接收器接收得到的信號一般都不是線性混合的，而是卷積混合的。因此通常采用頻域ICA算法進(jìn)行分離。頻域ICA算法是通過短時(shí)傅里葉變換（short-time fourier transform， STFT）將混合信號由時(shí)域的卷積混合轉(zhuǎn)到頻域各個(gè)頻點(diǎn)的瞬時(shí)混合，再使用ICA算法進(jìn)行分離。但傳統(tǒng)的頻域ICA算法通常存在幅度模糊性和排序模糊性問題[5-6]，經(jīng)過學(xué)者們的不斷研究，目前已有許多算法被用來解決該問題 [7-8]，如獨(dú)立向量分析（IVA）算法。

頻域ICA算法另一個(gè)需要注意的是混響強(qiáng)弱問題，處理不好會(huì)導(dǎo)致分離性能嚴(yán)重下降。在無噪聲條件下，混響語音的質(zhì)量主要依賴于兩個(gè)不同的感知成分：早期混響和回聲。它們分別對應(yīng)兩個(gè)物理變量：信號混響能量比和混響時(shí)間。受此啟發(fā)，我們采用一種單麥克風(fēng)雙級語音去混響算法[9]。在第一階段，通過估計(jì)一個(gè)逆濾波器來抑制早期混響或增大信號混響能量比。在第二階段，采用譜減法來減少回聲的影響。實(shí)驗(yàn)表明，該算法在一定程度上抑制了室內(nèi)的混響和回聲，提高了語音的質(zhì)量。

由于混響和回聲的存在，室內(nèi)混響語音盲分離導(dǎo)致算法性能嚴(yán)重下降。因此，通過結(jié)合兩階段去混響算法和IVA算法，構(gòu)建出一個(gè)新的算法模型，來處理真實(shí)室內(nèi)環(huán)境下的語音盲分離問題，即先對室內(nèi)混響語音混合信號進(jìn)行兩階段去混響處理，抑制早期混響和消除回聲，再將目標(biāo)信號轉(zhuǎn)到頻域，用IVA算法分離語音信號，最終恢復(fù)為時(shí)域語音信號。

1 語音卷積混合模型

至此，在室內(nèi)混響環(huán)境下，其時(shí)域上的卷積混合便轉(zhuǎn)換成為頻域各個(gè)頻點(diǎn)上的瞬時(shí)混合。

2 一種室內(nèi)混響語音盲分離算法

2.1 本文算法流程

算法流程圖如圖1所示。首先，接收一段室內(nèi)混響語音信號，對該混響混合信號采用兩階段去混響算法，濾除信號中存在的混響和回聲，增大信號混響能量比和減小信號混響時(shí)間，再使用STFT變換將信號由時(shí)域上的卷積混合轉(zhuǎn)換成為頻域各個(gè)頻點(diǎn)上的瞬時(shí)混合，采用IVA算法分離語音信號，最后通過STFT逆變換恢復(fù)為時(shí)域語音信號。

2.2 兩階段去混響

通常在室內(nèi)環(huán)境中，信號在傳播時(shí)會(huì)產(chǎn)生混響和回聲。因此，一個(gè)麥克風(fēng)接收到的信號分為直達(dá)語音和混響成分。直達(dá)語音，即直接到達(dá)麥克風(fēng)的語音?；祉懗煞忠话惴譃樵缙诨祉懞突芈?，如圖2所示，室內(nèi)脈沖響應(yīng)的早期部分（t<50 ms）看起來像一連串脈沖，顯示了房間的早期混響。脈沖響應(yīng)的后面部分（t>50 ms）看起來更隨機(jī)，則是房間的后期混響，也就是回聲。由于脈沖響應(yīng)的兩個(gè)部分的不同性質(zhì)，本文用一個(gè)兩階段去混響算法分兩階段解決這兩種干擾。在第一階段，我們通過估計(jì)一個(gè)逆濾波器，以抑制早期混響。第二階段，我們采用譜減法來消除回聲的影響，如圖3所示。

1）抑制早期混響

在單通道去混響算法的第一階段，我們通過估計(jì)一個(gè)逆濾波器來抑制早期混響效應(yīng)或增大信號混響能量比[11]。

圖4顯示了圖2逆濾波后的室內(nèi)脈沖響應(yīng)波形圖。通過圖2與圖4的對比可以看出，圖2原始脈沖響應(yīng)50 ms之前的混響成分幅度大、多且雜亂，而圖4逆濾波室內(nèi)脈沖響應(yīng)波形圖50 ms之前的早期混響部分在很大程度上被抑制住了。由此可得出，此算法估計(jì)的逆濾波器能在一定程度上抑制室內(nèi)脈沖響應(yīng)的早期混響部分，增大信號混響能量比，提高語音質(zhì)量。

3.3 仿真結(jié)果

對兩組信號采用本文提出的基于去混響的室內(nèi)混響語音盲分離算法進(jìn)行分離，并輸出波形。兩組語音的源信號、混合信號以及分離出來的信號均如圖7所示。為了美觀，本文只列出了一組室內(nèi)混響語音盲分離的波形圖。源信號如圖7所示。將源信號與通過Roomsim生成的混響沖擊響應(yīng)卷積得到混合信號，如圖8所示。再將混合信號經(jīng)過兩階段去混響處理，得到語音去混響波形圖，如圖9所示。最后通過本文提出的算法得到分離信號波形圖，如圖10所示。

通過圖8與圖9之間對比可以看出，經(jīng)過去混響算法后，混合語音細(xì)節(jié)變得更加清晰，且明顯消除了室內(nèi)混響所產(chǎn)生的回聲。因此，兩階段去混響算法效果十分明顯。

通過將圖10和圖7進(jìn)行對比可以看出，該算法能夠?qū)⒃葱盘栍行Х蛛x出來。但是僅僅通過觀察，并不能準(zhǔn)確評價(jià)算法的分離效果。因此本文引入盲源分離工具箱來評估算法的分離效果，并與未進(jìn)行兩階段去混響的原頻域分離算法進(jìn)行對比分析。通過實(shí)驗(yàn)仿真，得到兩組數(shù)據(jù)的兩種算法的SIR和SDR性能參數(shù)，如圖11和圖12。從圖11中可以看出，改進(jìn)算法的SIR相對于原算法最高獲得了2.13 dB的提升，SDR最高提升了1.21 dB。

4 結(jié)語

針對室內(nèi)混響環(huán)境下卷積混合語音信號存在混響和回聲而導(dǎo)致頻域盲分離精度低的問題，提出了一種新的室內(nèi)混響語音盲分離方法，可以有效提高室內(nèi)混響語音盲分離的效果。

參考文獻(xiàn)：

[1] LEGLAIVE S， BADEAU R，RICHARD G.Separating Time-Frequency Sources from TimeDomain Convolutive Mixtures Using Non-negative Matrix Factorization[C]. IEEE Workshop on Applications of Signal Processing to Audio and Acoustics （WASPAA）， Oct 2017， New Paltz， New York， United States.

[2] 張華，馮大政，龐繼勇.卷積混迭語音信號的聯(lián)合塊對角化盲分離方法[J].聲學(xué)學(xué)報(bào)（中文版），2009，34（02）：167-174.

[3] 季策，姜雨田.基于方向幅值比的欠定盲源分離算法[J].東北大學(xué)學(xué)報(bào)（自然科學(xué)版），2019，40（07）：920-924.

[4] 陳秀敏，李珊君，董興建.Fast-ICA算法非線性函數(shù)性能的仿真分析[J].計(jì)算機(jī)應(yīng)用與軟件，2020，37（06）：277-282+333.

[5] 李揚(yáng)，張偉濤，樓順天.基于聯(lián)合對角化的聲信號深度卷積混合盲分離方法[J].電子與信息學(xué)報(bào)，2019，41（12）：2951-2956.

[6] 張?zhí)祢U，張華偉，劉董華，李群.基于區(qū)域增長校正的頻域盲源分離排序算法[J].電子與信息學(xué)報(bào)，2019，41（03）：580-587.

[7] 冷艷宏，鄭成詩，李曉東.功率比相關(guān)子帶劃分快速獨(dú)立向量分析[J].信號處理，2019，35（08）：1314-1323.

[8] 朱堅(jiān)堅(jiān)，王惠剛，李虎雄.聯(lián)合頻域盲語音分離排序算法[J].計(jì)算機(jī)應(yīng)用，2008（06）：1552-1554+1562.

[9] WU M， WANG D. A two-stage algorithm for one-microphone reverberant speech enhancement[J]. IEEE Transactions on Audio， Speech， and Language Processing， 2006， 14（3）： 774-784.

[10] 顧凡，王惠剛，李虎雄.一種強(qiáng)混響環(huán)境下的盲語音分離算法[J].信號處理，2011，27（04）：534-540.

[11] GILLESPIE B W， MALVAR H S， FLORENCIO D， et al. Speech dereverberation via maximum-kurtosis subband adaptive filtering[C]. international conference on acoustics， speech， and signal processing， 2001： 3701-3704.

[12] HAYKIN S.Adaptive Filter Theory[M].4th ed. Upper Saddle River， N.J.： Prentice-Hall， 2002.

[13] NAKATANI T， MIYOSHI M.Blind dereverberation of single channel speech signal based on harmonic structure[C]. international conference on acoustics， speech， and signal processing， 2003： 92-95.

[14] KIM T，ATTIAS H T，LEE S Y，et al.Blind source separation exploiting higher-order frequency dependencies[J].IEEE Transactions on Audio Speech &Language Processing， 2006，15（1）：70–79.

[15] 張?zhí)祢U，徐昕，吳旺軍，等.多反復(fù)結(jié)構(gòu)模型的精確音樂分離方法[J].聲學(xué)學(xué)報(bào)， 2016（1）： 135-142.