在嘈雜的環(huán)境中，對于手機(jī)、可穿戴設(shè)備和其它智能設(shè)備來說聲音隔離技術(shù)能夠提升語音增強(qiáng)和識別準(zhǔn)確度

聲音或語音用戶接口在手機(jī)、平板電腦、可穿戴設(shè)備和其它智能設(shè)備上變得越來越普遍和重要，因?yàn)檫@項(xiàng)技術(shù)確實(shí)讓這些設(shè)備不需要再設(shè)計(jì)鍵盤或者觸摸屏。為了能夠提供更精確的語音處理過程，系統(tǒng)在設(shè)計(jì)時必須要保證對語音正確可靠的識別，即使在復(fù)雜的噪聲環(huán)境條件中。

目前已經(jīng)有數(shù)百萬人已經(jīng)依賴自動語音識別技術(shù)來將語音轉(zhuǎn)換為文字來編寫文檔和生成文本。然而自動語音識別的質(zhì)量主要依賴于一些最優(yōu)條件，比如假設(shè)每個人說話的方式與聲音訓(xùn)練數(shù)據(jù)非常類似，講話處在安靜的環(huán)境中避免噪聲干擾，即使這樣也需要工作人員來修改文字錯誤、標(biāo)點(diǎn)以及語法錯誤，此外還可能存在其他類型的翻譯錯誤。語音技術(shù)的持續(xù)改進(jìn)對于提升設(shè)備對人類語言的識別準(zhǔn)確度非常有必要，在手機(jī)、智能設(shè)備應(yīng)用以及諸如汽車這樣的噪聲環(huán)境下語音識別技術(shù)的效果對其能否成功至關(guān)重要。

圖1：噪聲環(huán)境下聲音隔離技術(shù)提升設(shè)備的語音增強(qiáng)和識別效果

語音增強(qiáng)是基于聲音隔離和噪聲抑制技術(shù)，本篇文章主要介紹聲音隔離技術(shù)，實(shí)現(xiàn)噪聲剔除和語音增強(qiáng)，因此下面只對噪聲抑制做了簡要介紹。

噪聲抑制技術(shù)能夠幫助去除不同類型的背景噪聲，防止干擾語音識別。噪聲的顯著特征主要體現(xiàn)在時間域和頻域，時間域的噪聲包括連續(xù)、斷續(xù)和脈沖型的噪聲，頻域噪聲包括寬頻帶和窄頻帶噪聲。辦公室和交通的聲音、操作設(shè)備的聲音和嘶嘶聲是典型的連續(xù)型噪聲，這類噪聲變化非常慢。非連續(xù)型噪聲是重復(fù)的噪聲，比如喇叭或者鈴鐺的聲音。脈沖式的噪聲通常比較生硬如點(diǎn)擊和重?fù)舻穆曇?。寬頻噪聲如嘶嘶聲可能有不同的頻率，窄頻噪聲的發(fā)生往往在一定的頻率范圍內(nèi)，包括正弦波、嗡嗡聲和機(jī)器噪聲。

工程師們已經(jīng)嘗試了各種濾波技術(shù)，每種技術(shù)會對不同類型的噪聲都有一定的積極作用。然而每種噪聲的特性會隨著時間有些改變，工程師可能也需要采用自適應(yīng)算法來動態(tài)匹配噪聲的變化，一些噪聲剔除技術(shù)的例子包括頻率補(bǔ)償、脈沖過濾、自適應(yīng)寬頻濾波、自適應(yīng)逆向?yàn)V波和立體濾波等。

認(rèn)識聲音隔離技術(shù)

聲音隔離是提升語音識別度的一種新型方法，傳統(tǒng)的方式是屏蔽和過濾不同的噪聲，聲音隔離技術(shù)則側(cè)重于鑒別人語音的某種具體特征來判定和傳輸有效的語音，從而過濾掉背景噪聲。聲音隔離技術(shù)能夠顯著提升語音的清晰度和識別度，即使在噪聲環(huán)境中。為了能夠可靠的鑒別人語音的部分，聲音隔離系統(tǒng)需要采用聲學(xué)和語言模型，這里向大家介紹了兩種目前嵌入式設(shè)計(jì)中采用的建模方法。第一種是深度神經(jīng)網(wǎng)絡(luò)算法，第二種是耳蝸仿真，即模擬人聽力系統(tǒng)從內(nèi)耳到大腦的行為。

采用深度神經(jīng)網(wǎng)絡(luò)的方法需要一個大型數(shù)據(jù)庫，包含數(shù)百小時以上的噪聲和語音，用于訓(xùn)練算法系統(tǒng)。起初在這個數(shù)據(jù)庫對語音沒有概念，通過大量的訓(xùn)練開始學(xué)習(xí)鑒別人類不同的語音模式，聲音隔離的質(zhì)量包括能夠判定不同聲音的來源，通過兩個或者更多的麥克風(fēng)來采集音頻數(shù)據(jù)能夠提升其效果，這個網(wǎng)絡(luò)甚至能夠訓(xùn)練識別是誰在發(fā)聲、何時在發(fā)聲等效果。

數(shù)據(jù)庫包含的信息會被用來創(chuàng)建小型快速算法，然后移植到目標(biāo)數(shù)字信號處理器（DSP）上來執(zhí)行實(shí)現(xiàn)語音的監(jiān)測和分類。根據(jù)數(shù)據(jù)庫中存儲的信息開發(fā)出來的自適應(yīng)算法的組合就被稱為神經(jīng)網(wǎng)絡(luò)。

神經(jīng)網(wǎng)絡(luò)算法會將輸入的聲音進(jìn)行分解，對不同的聲音分段來分析來判定人不同的語音模式，神經(jīng)網(wǎng)絡(luò)會分析聲音段的不同特征包括頻率、諧波、“攻擊”和衰減特性，從而從環(huán)境聲音中區(qū)分出語音。神經(jīng)網(wǎng)絡(luò)會基于音頻采樣率來權(quán)衡性能，低采樣率需要的處理更少當(dāng)然精確度也會低，越高的采樣率越精確，當(dāng)然計(jì)算處理過程也更復(fù)雜。

不同的濾波算法用于聲波紋識別同時移除不想要的音頻部分，多通濾波器的使用會更有效的過濾同時能夠恢復(fù)任何丟失的音頻部分。在后處理階段通過設(shè)置不同的算法參數(shù)，聲音能夠被一定程度的優(yōu)化適合人的聽力系統(tǒng)或者用于語音識別系統(tǒng)，這非常重要因?yàn)槿祟惡驼Z音識別系統(tǒng)采用不同的語音解析方式。

耳蝸仿真

這種聲音隔離方法采用DSP平臺運(yùn)行計(jì)算機(jī)聽覺場景分析（CASA）算法來模擬人類聽覺系統(tǒng)將語音從噪聲環(huán)境中提取出來。這種方式會對音頻信息進(jìn)行編碼從而實(shí)現(xiàn)分組和解析。目前有幾十種分組依據(jù)涉及時間和頻率相關(guān)，包括音高、空間位置和起始/結(jié)束時間。

音高是一個非常重要的分組依據(jù)，它根據(jù)不同的諧波模式來鑒別某種聲音的唯一特征。當(dāng)采用兩個或者多個麥克風(fēng)時，聲音隔離系統(tǒng)可以根據(jù)空間位置信息來確定每個麥克風(fēng)聲音的方向和距離。CASA建模方式使得聲音隔離系統(tǒng)實(shí)現(xiàn)“雞尾酒會效應(yīng)”，讓系統(tǒng)能夠集中于某一聲音源，比如某個特定的人，并且屏蔽掉背景聲音。起始/停止時間分組指的是某一聲音成分開始出現(xiàn)和停止的時刻，這些數(shù)據(jù)與原始的頻率數(shù)據(jù)合并時就能夠判斷是否來自同一聲音源。

圖2：各種聲音隔離方法被采用實(shí)現(xiàn)所謂的“雞尾酒會效應(yīng)”，即屏蔽掉一系列噪聲集中識別某一特定的聲音源。

具有相似屬性的聲音會形成同一音頻流，同樣的，不同的屬性的會形成各自的音頻流。這個系統(tǒng)就可以采用這些不同的音頻流來鑒別持續(xù)或者重復(fù)的聲源。一旦有了足夠的聲音分組，實(shí)際的聲音隔離處理就會從已經(jīng)鑒別過的聲源中去匹配，并且響應(yīng)真正說話者的聲音。逆向轉(zhuǎn)換可將數(shù)據(jù)重新構(gòu)造為音頻流并傳輸供人來聽。

注意事項(xiàng)

聲音隔離不僅適合提供高質(zhì)量的語音——語音識別系統(tǒng)，還有很多其他重要應(yīng)用。比如在緊急情況下往往是比較嘈雜混亂的環(huán)境，這時快速且準(zhǔn)確的語音通訊對于生命安全非常關(guān)鍵，通過清晰的語音識別急救人員就能夠快速的定位求救人員。相比噪聲抑制方法，聲音隔離提供了一種更加高效的機(jī)制，盡管在不可控的環(huán)境條件下也能夠提升語音通信識別度。

專用的DSP聲音處理器能夠帶來性能的優(yōu)化同時保持較低的功耗，尤其對于一直打開的語音應(yīng)用或者要求用戶手動（比如長按按鈕）初始化激活語音識別接口非常重要，需要一直打開的語音功能不可避免的要持續(xù)造成功耗，因?yàn)橄到y(tǒng)處理器一直保持活動狀態(tài)。與此相反，為了節(jié)省電池能量，需要一直打開的語音應(yīng)用可以采用專用的語音處理器，這種處理器支持睡眠模式，保留一定的功能，此外還支持低功耗監(jiān)聽模式以及全功能喚醒模式。

語音功能不再僅面向手持設(shè)備和智能手機(jī)了，可穿戴設(shè)備正式得益于用戶語音功能才不需要設(shè)計(jì)鍵盤或者觸摸屏功能了。隨著語音功能的成熟，用戶與設(shè)備之間的距離也會增加。舉個例子，現(xiàn)在一些智能電視支持語音命令，這些電視一般會放在客廳，同時需要考慮用戶隱私和安全問題，需要重新執(zhí)行完善的方案，相信用戶語音功能會在更多的傳統(tǒng)電子產(chǎn)品設(shè)備中獲得應(yīng)用。