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

聲音或語音用戶接口在手機、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，因為這項技術(shù)確實讓這些設(shè)備不需要再設(shè)計鍵盤或者觸摸屏。為了能夠提供更精確的語音處理過程，系統(tǒng)在設(shè)計時必須要保證對語音正確可靠的識別，即使在復雜的噪聲環(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、標點以及語法錯誤，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)改進對于提升設(shè)備對人類語言的識別準確度非常有必要，在手機、智能設(shè)備應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)備的語音增強和識別效果

語音增強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)，實現(xiàn)噪聲剔除和語音增強，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擊和重擊的聲音。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)的例子包括頻率補償、脈沖過濾、自適應寬頻濾波、自適應逆向濾波和立體濾波等。

認識聲音隔離技術(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)需要采用聲學和語言模型，這里向大家介紹了兩種目前嵌入式設(shè)計中采用的建模方法。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，通過大量的訓練開始學習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，然后移植到目標數(shù)字信號處理器（DSP）上來執(zhí)行實現(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然精確度也會低，越高的采樣率越精確，當然計算處理過程也更復雜。

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)，這非常重要因為人類和語音識別系統(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平臺運行計算機聽覺場景分析（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行編碼從而實現(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。當采用兩個或者多個麥克風時，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聲音的方向和距離。CASA建模方式使得聲音隔離系統(tǒng)實現(xiàn)“雞尾酒會效應”，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現(xiàn)所謂的“雞尾酒會效應”，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)或者重復的聲源。一旦有了足夠的聲音分組，實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

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，因為系統(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)備中獲得應用。