專利名稱：使用通過線性組合的頻譜分析的源聲分離器及其方法
技術領域：
本發明涉及源聲分離器及其方法，更具體地，涉及用于分離目標聲音并且隔離干 擾聲音的源聲分離器和方法，所述干擾聲音來自與目標聲音的方向不同的方向。
背景技術：
這樣的源聲分離器適用于例如諸如移動電話等移動裝置或諸如汽車導航系統等 車載裝置。在利用語音識別或電話消息記錄時，可能產生下面的問題由麥克風捕獲的語音 可能因為環境噪聲而在語音識別的精度上嚴重惡化，或者所記錄的語音可能由于這樣的噪 聲而變得難于辨別。在這樣的情況下，已經試圖使用麥克風陣列來控制定向特性，從而選擇 性地僅獲得感興趣的語音。然而，如果意欲取出感興趣的語音、使其為與背景噪聲分離的狀 態，那么，僅控制定向特性是不夠的。通過麥克風陣列來控制定向特性的解決方案本身是已知的。例如，迄今已知用 于通過延遲和陣列(Delayed Sum Array, DSA)或波束形成(Beam Forming, BF)的定向 特性控制解決方案，或用于通過方向約束的功率最小化(Directionally Constrained Minimization of Power, DCMP)自適應陣列的定向特性控制解決方案。作為用于分離遠處發出的語音的解決方案，已知一種被稱為SAFIA的解決方案， 在該方案中，如日本公開專利申請公報No. 313497/1998所公開的，對從固定的多個麥克風 輸出的信號進行窄帶頻譜分析，并且將在每一個頻帶中產生最大振幅的麥克風分配用于捕 獲該頻帶中的聲音。在這種基于帶寬選擇(Bandwidth Selection, BS)的語音分離的解決 方案中，選擇位置最接近發出目標語音的聲源的麥克風，并且使用分配給該麥克風的頻帶 中的聲音進行語音合成。在SAFIA中，如上所述，兩個信號在重疊時可以被彼此分離。如果存在三個或更多 個聲源，那么這些信號在理論上可以被彼此分離，但分離的性能將嚴重地惡化。因此，如果 存在多個噪聲源，那么，將目標聲音以高精度從接收到的、被多個噪聲信號混雜的聲音信號 中分離出來會變得極其困難。Kobayashi等人的公開號為US 2009/0323977A1的美國專利申請中已提出了與頻 帶選擇相比有所改善的另一解決方案。在由KcAayashi等人教示的方法(下文中將詳細所 述)中，計算頻率特性，使用該頻率特性來適當地加強來自各聲源的、諸如語音和聲學信號 等的聲音信號。然而，由麥克風捕獲的信號除了目標聲音之外還可能包含干擾聲音。因此， 不得不說，這些解決方案不適用于消除干擾聲音的最后階段附近。在這樣的情況下，在最后 的源聲分離后，聲音質量會變差。

發明內容
本發明的目的是提供一種源聲分離器及其方法，利用所述源聲分離器及其方法， 即使在存在多個干擾聲音時，也能夠容易地將源聲以分離的目標聲音的最佳聲音質量分離 出來。
4
根據本發明，提供了一種源聲分離器，用于將目標聲音和干擾聲音彼此分離，所述 干擾聲音來自與所述目標聲音的進入的方向不同的可選方向，所述源聲分離器包括第一 頻譜產生器，用于使用布置為彼此分離的多個麥克風中的兩個麥克風接收的聲音信號來執 行用于在時域或頻域中加強目標聲音的線性組合的第一處理，以產生至少一個第一目標聲 音占優勢的頻譜；第二頻譜產生器，用于使用用于產生所述第一目標聲音占優勢的頻譜的 所述兩個麥克風接收的聲音信號來執行用于在時域或頻域中加強目標聲音的線性組合的 第二處理，以產生至少一個第二目標聲音占優勢的頻譜；第三頻譜產生器，用于使用用于產 生所述第一目標聲音占優勢的頻譜的所述兩個麥克風接收的聲音信號來執行用于在時域 或頻域中抑制目標聲音的線性組合的第三處理，以產生至少一個目標聲音抑制的頻譜，所 述至少一個目標聲音抑制的頻譜將與所述第一目標聲音占優勢的頻譜和所述第二目標聲 音占優勢的頻譜形成為一組；相位產生器，用于使用所述多個麥克風中的多個接收的聲音 信號來執行頻域中的線性組合的處理，以產生相位信號；以及目標聲音分離器，用于使用所 述第一目標聲音占優勢的頻譜、所述第二目標聲音占優勢的頻譜、所述目標聲音抑制的頻 譜和所述相位信號將所述目標聲音和所述干擾聲音彼此分離。另外，根據本發明，提供了一種用于將目標聲音和干擾聲音彼此分離的方法，所述 干擾聲音來自與所述目標聲音進入的方向不同的方向，所述方法包括準備第一頻譜產生 器、第二頻譜產生器、第三頻譜產生器、相位產生器和目標聲音分離器；由所述第一頻譜產 生器通過使用布置為彼此分離的多個麥克風中的兩個麥克風接收的聲音信號執行用于在 時域或頻域中加強目標聲音的線性組合的第一處理，來產生至少一個第一目標聲音占優勢 的頻譜；由所述第二頻譜產生器通過使用用于產生所述第一目標聲音占優勢的頻譜的所述 兩個麥克風接收的聲音信號執行用于在時域或頻域中加強目標聲音的線性組合的第二處 理，來產生至少一個第二目標聲音占優勢的頻譜；由所述第三頻譜產生器通過使用用于產 生所述第一目標聲音占優勢的頻譜的所述兩個麥克風接收的聲音信號來執行用于在時域 或頻域中抑制目標聲音的線性組合的第三處理，以產生至少一個目標聲音抑制的頻譜，所 述至少一個目標聲音抑制的頻譜將與所述第一目標聲音占優勢的頻譜和所述第二目標聲 音占優勢的頻譜形成為一組；由所述相位產生器通過使用所述多個麥克風中的多個接收的 聲音信號來執行頻域中的線性組合的處理，以產生相位信號；以及由所述目標聲音分離器 通過使用所述第一目標聲音占優勢的頻譜、所述第二目標聲音占優勢的頻譜、所述目標聲 音抑制的頻譜和所述相位信號，將所述目標聲音和所述干擾聲音彼此分離。根據本發明，提供了一種用于控制計算機的計算機程序，當所述計算機程序被安 裝在所述計算機中或在所述計算機上執行時，通過使得所述計算機作為如上所述的源聲分 離器來工作，將目標聲音和干擾聲音彼此分離。根據本發明，即使當存在多個干擾聲音時，也可以容易地分離源聲。另外，所分離 的目標聲音可以具有最佳的聲音質量。


通過下面結合附圖的詳細描述，本發明的目的和特征將變得更清楚，在附圖中圖1是示出根據本發明的一個優選實施例的源聲分離器的整體構成的示意性框 圖2是根據本發明的另一實施例的源聲分離器的整體構成的示意性框圖；圖3是示出常規的源聲分離器的構成的示意性框圖；以及圖4A和4B示意地示出了用于理解空間濾波器的聲場。
具體實施例方式為了更好地理解本發明，在描述本發明的優選實施例之前，現在參考圖3來詳細 描述Kobayashi等公開的源聲分離方法。在KcAayashi等的方法中，兩個麥克風21和22并排排列，以沿著與進入的目標聲 音的方向基本上垂直的方向延伸。在目標聲音優勢信號產生器330中，第一目標聲音優勢信號產生器331求麥克風 21接收的聲音信號Xl (t)和時域或頻域信號D(X2(t))之間的差，后一信號D(X2(t))是通 過將麥克風22接收的聲音信號延遲而獲得的。所求得的這種差產生第一目標聲音優勢信 號Xl (t) -D (X2 (t))。第二目標聲音優勢信號產生器332求麥克風22接收的聲音信號X2 (t) 和時域或頻域信號D(Xl(t))之間的差，后一信號D(Xl(t))是通過將麥克風21接收的聲音 信號延遲而獲得的。所求的該差產生第二目標聲音優勢信號X2(t)-D (Xl(t))。目標聲音劣 勢信號產生器340獲得兩個麥克風21和22接收的聲音信號Xl (t)和X2 (t)之間在時域或 頻域中的差，以產生目標聲音劣勢信號Xl(t)-X2(t)。由頻率分析器部350對這三個信號 Xl (t) -D (X2 (t))、X2 (t) -D (XI (t))和 Xl (t) -X2 (t)進行頻率分析。在第一分離單元361中，使用第一目標聲音優勢信號和目標聲音劣勢信號的頻譜 來執行頻帶選擇或頻譜相減。這將來自第一麥克風21所位于的空間(即如下所述的圖4B 的左側的空間)的聲音分離。另外，在第二分離單元362中，使用第二目標聲音優勢信號和 目標聲音劣勢信號的頻譜來執行頻帶選擇或頻譜相減。這將來自麥克風22所位于的空間 (即圖4B的右側的空間)的聲音分離。在整合單元363中，通過利用對從第一分離單元361 和第二分離單元362輸出的頻譜的頻譜整合處理來分離目標聲音。在第一和第二目標聲音優勢信號產生器331和332與目標聲音劣勢信號產生器 340中，使用被稱為空間濾波器的濾波器。現在參考圖4A和4B來描述所述空間濾波器。假定在圖4B中來自聲源的聲音以 角度θ進入被布置為彼此距離為d的兩個麥克風21和22中。在該情況下，麥克風21和 聲源之間的距離與另一麥克風22和聲源之間的距離相差dXsin θ =T0這樣，導致來自聲 源的聲音到達兩個麥克風的時間點之間出現由下面的表達式(1)表示的時間差t :t = (dXsin θ )/(聲音傳播速度)(1)另外，假定麥克風21的輸出相對于來自麥克風22的輸出延遲了時間差t，并且，從 麥克風22的輸出減去麥克風21產生的延遲輸出。在該情況下，兩個輸出彼此抵消，因此， 抑制了沿著抑制角度θ的方向的聲音。圖4Α示出就聲源的可變方向而言被設置為抑制角度θ的空間濾波器的抑制后增 益。第一和第二目標聲音優勢信號產生器331和332使用分別被設置為例如抑制角度-90° 和90°的空間濾波器，以提取目標聲音分量并且抑制干擾聲音分量。而且，目標聲音劣勢信 號產生器340使用抑制角度θ被設置為0°的空間濾波器，以便抑制目標聲音并且提取干
擾聲音。
6
在第一或第二分離單元361或362中執行的頻帶選擇處理包括利用表達式O) 限定的歸一化進行的兩個頻譜的選擇；以及表達式(3)限定的分離頻譜的計算
權利要求
1.一種源聲分離器，用于將目標聲音和干擾聲音彼此分離，所述干擾聲音來自與所述 目標聲音進入的方向不同的方向，所述源聲分離器包括第一頻譜產生器，用于使用布置為彼此分離的多個麥克風中的兩個麥克風接收的聲音 信號來執行用于在時域或頻域中加強目標聲音的線性組合的第一處理，以產生至少一個第 一目標聲音占優勢的頻譜；第二頻譜產生器，用于使用用于產生所述第一目標聲音占優勢的頻譜的所述兩個麥克 風接收的聲音信號來執行用于在時域或頻域中加強目標聲音的線性組合的第二處理，以產 生至少一個第二目標聲音占優勢的頻譜；第三頻譜產生器，用于使用用于產生所述第一目標聲音占優勢的頻譜的所述兩個麥克 風接收的聲音信號來執行用于在時域或頻域中抑制目標聲音的線性組合的第三處理，以產 生至少一個目標聲音抑制的頻譜，所述至少一個目標聲音抑制的頻譜將與所述第一目標聲 音占優勢的頻譜和所述第二目標聲音占優勢的頻譜形成為一組；相位產生器，用于使用所述多個麥克風中的多個接收的聲音信號來執行頻域中的線性 組合的處理，以產生相位信號；以及目標聲音分離器，用于使用所述第一目標聲音占優勢的頻譜、所述第二目標聲音占優 勢的頻譜、所述目標聲音抑制的頻譜和所述相位信號將所述目標聲音和所述干擾聲音彼此 分離。
2.一種用于將目標聲音和干擾聲音彼此分離的方法，所述干擾聲音來自與所述目標聲 音進入的方向不同的方向，所述方法包括準備第一頻譜產生器、第二頻譜產生器、第三頻譜產生器、相位產生器和目標聲音分離器；由所述第一頻譜產生器通過使用布置為彼此分離的多個麥克風中的兩個麥克風接收 的聲音信號執行用于在時域或頻域中加強目標聲音的線性組合的第一處理，來產生至少一 個第一目標聲音占優勢的頻譜；由所述第二頻譜產生器通過使用用于產生所述第一目標聲音占優勢的頻譜的所述兩 個麥克風接收的聲音信號執行用于在時域或頻域中加強目標聲音的線性組合的第二處理， 來產生至少一個第二目標聲音占優勢的頻譜；由所述第三頻譜產生器通過使用用于產生所述第一目標聲音占優勢的頻譜的所述兩 個麥克風接收的聲音信號來執行用于在時域或頻域中抑制目標聲音的線性組合的第三處 理，以產生至少一個目標聲音抑制的頻譜，所述至少一個目標聲音抑制的頻譜將與所述第 一目標聲音占優勢的頻譜和所述第二目標聲音占優勢的頻譜形成為一組；由所述相位產生器通過使用所述多個麥克風中的多個接收的聲音信號來執行頻域中 的線性組合的處理，以產生相位信號；以及由所述目標聲音分離器通過使用所述第一目標聲音占優勢的頻譜、所述第二目標聲音 占優勢的頻譜、所述目標聲音抑制的頻譜和所述相位信號，將所述目標聲音和所述干擾聲 音彼此分離。
3.一種存儲介質，該存儲介質記錄有計算機程序，并且當被安裝在計算機中或在所述 計算機上執行時，所述計算機程序將目標聲音和干擾聲音彼此分離，所述干擾聲音來自與 所述目標聲音進入的方向不同的方向，所述程序使得所述計算機操作為第一頻譜產生器，用于使用布置為彼此分離的多個麥克風中的兩個麥克風接收的聲音 信號來執行用于在時域或頻域中加強目標聲音的線性組合的第一處理，以產生至少一個第 一目標聲音占優勢的頻譜；第二頻譜產生器，用于使用用于產生所述第一目標聲音占優勢的頻譜的所述兩個麥克 風接收的聲音信號來執行用于在時域或頻域中加強目標聲音的線性組合的第二處理，以產 生至少一個第二目標聲音占優勢的頻譜；第三頻譜產生器，用于使用用于產生所述第一目標聲音占優勢的頻譜的所述兩個麥克 風接收的聲音信號來執行用于在時域或頻域中抑制目標聲音的線性組合的第三處理，以產 生至少一個目標聲音抑制的頻譜，所述至少一個目標聲音抑制的頻譜將與所述第一目標聲 音占優勢的頻譜和所述第二目標聲音占優勢的頻譜形成為一組；相位產生器，用于使用所述多個麥克風中的多個接收的聲音信號來執行頻域中的線性 組合的處理，以產生相位信號；以及目標聲音分離器，用于使用所述第一目標聲音占優勢的頻譜、所述第二目標聲音占優 勢的頻譜、所述目標聲音抑制的頻譜和所述相位信號將所述目標聲音和所述干擾聲音彼此 分離。
全文摘要
在源聲分離器中，由用于加強目標聲音的線性組合的第一和第二處理操作，通過使用被排列為彼此間隔一定距離的兩個麥克風接收的聲音信號，來分別產生第一和第二目標聲音占優勢的頻譜。由用于抑制目標聲音的線性組合的處理通過使用這兩個接收的聲音信號來產生目標聲音抑制的頻譜。另外，由線性組合的處理通過使用這兩個接收的聲音信號來產生包含較大量的目標聲音的信號分量并且顯示出沿目標聲音的方向的方向性的相位信號。通過利用第一和第二目標聲音占優勢的頻譜、目標聲音抑制的頻譜和相位信號，將目標聲音和干擾聲音彼此分離。
文檔編號G10L19/02GK102097099SQ201010592290
公開日2011年6月15日 申請日期2010年12月10日 優先權日2009年12月11日
發明者小川哲司, 小林哲則, 山田圭, 森戶誠, 矢頭隆, 赤桐健三 申請人:沖電氣工業株式會社, 學校法人早稻田大學