仿聽覺掩蔽效應的助聽器語音增強算法*

張素貞，唐加能，梁瑞宇

（1.常州輕工技術學院，江蘇常州213164；2.華僑大學工學院，福建泉州362021；3.南京工程學院通信工程學院，南京211167）

仿聽覺掩蔽效應的助聽器語音增強算法*

張素貞1*，唐加能2，梁瑞宇3

（1.常州輕工技術學院，江蘇常州213164；2.華僑大學工學院，福建泉州362021；3.南京工程學院通信工程學院，南京211167）

為增強聽障患者在噪聲環境下的語言理解度，提出了一種改進的感知濾波器算法。針對一般感知濾波器會出現被掩蔽音在感知濾波后變為可聞噪聲的問題，仿聽覺掩蔽效應設計了加權感知濾波器算法。算法在基本感知濾波器設計的基礎上，首先采用直接判決法來估計先驗信噪比，并基于最佳平滑因子法進行修正。然后基于最小均方差準則獲得最優估計值，從而得到感知權重濾波器的增益函數。仿真實驗結果表明，該方法能夠有效地消除殘留噪聲，降低噪聲對語音的干擾，使得處理后的語音質量有所提高。

助聽器；掩蔽效應；降噪；最小均方差

如何提高助聽器在噪音環境下的表現一直是助聽算法研究的重要方向。經過近幾十年的研究，許多降噪方法被提出來。對于單通道降噪算法來說，需要解決的問題是如何從被噪聲污染的信號中估計出期望語音信號。最早出現的方法是1979年Boll提出的譜減法［1］，該方法計算簡單，但是會帶來音樂噪聲問題，之后，又有許多研究者提出了多種改進的譜減法，如Gaustafsson［2］提出的自適應增益平均譜減法，Sim［3］等提出的最小均方誤差譜減法等，均取得了一定的效果。另一種常見的單通道降噪方法是維納濾波器法［4］，以估計信號和真實信號之間的誤差最小均方值作為最佳準則，后來Lim和Oppenheim［5］又提出了迭代的維納濾波器方法。1984年，Ephraim［6］等人提出了一種基于最小均方誤差MMSE（Minimum Mean Square Error）估計的最優幅度譜估計方法，由于人耳對聲音的響度感知與頻譜幅度的對數成正比，采用對數譜更加合適，Ephraim和Malah［7］由此提出了基于對數譜幅度的MMSE估計方法。此外，還出現了其它一些MMSE的改進形式，如Chen和Loizou［8］提出的基于拉普拉斯分布的MMSE估計，Cohen［9］引入條件語音存在概率提出的最優修正對數譜幅度估計等。

項目來源：國家自然基金項目（61375028）；江蘇省自然基金項目（14KJB510034）；泉州市科技計劃項目（2014Z103）

收稿日期：2015-07-23修改日期：2015-08-23

由于人對聲音的主觀感知是人生理、心理等方面的綜合作用的結果，許多學者對此進行了研究，其中，基于聽覺掩蔽模型的語音增強成為一個研究熱點，Virag［10］等將人耳聽覺系統的聽覺掩蔽效應與譜減法相結合來進行語音降噪，Loizou、Alam［11］等學者提出了感知濾波器的降噪方法，通過設計感知濾波器來對帶噪語音信號進行感知濾波。但是由于噪聲種類、應用場合等的多樣性，并沒有一種算法能夠抑制所有的噪聲。此外，盡管感知濾波器方法和傳統降噪方法相比表現不錯，但它們仍會殘留可聞噪聲。其根本原因在于：在用感知方法進行降噪后，語音成分被衰減，導致原先的掩蔽閾值下降，因此，可能會使原先被掩蔽的且未被處理的不可聞噪聲成分超出掩蔽閾值，變得可聞［12］。

為此，本文基于聽覺掩蔽機理改進了感知濾波器算法。算法基于最小均方差原則設計了感知濾波器的加權因子，從而修正了先驗信噪比的估計，獲得最優增益函數。在不同噪聲類型和不同信噪比的3種噪聲類型下，本文對比了3種降噪算法，主客觀指標顯示該算法的降噪效果突出，語音質量佳。

1　聽覺掩蔽降噪原理

基于聽覺掩蔽效應的語音增強算法不需要將噪聲完全消除，只要滿足殘留的噪聲不被人感知條件即可，減少了語音的失真，改善了人耳的聽覺舒適度。

設y（n）為帶噪語音信號，x（n）為純凈語音信號，d（n）為加性噪聲信號，并且假設x（n）和d（n）兩者不相關，則帶噪語音信號為：

經過分幀、傅里葉變換后得：

其中，Y（m，k）為帶噪語音的幅度譜，X（m，k）為純凈語音的幅度譜，D（m，k）為噪聲的幅度譜，m為幀號，k為離散頻率。

令X^（m，k）=G（m，k）：Y（m，k）為通過感知濾波器增強后的語音信號，G（m，k）為感知濾波器的增益函數，則增強語音與純凈語音的誤差譜為：

由式（3）可知，語音信號失真和噪聲失真隨增益函數G（m，k）的變化趨勢相反，不可能使得兩者都同時變小。因此，一個理想的增益函數需要在語音信號失真和噪聲失真之間做一個合理的折衷。感知濾波器不是將殘留噪聲完全消除，而是利用人耳的聽覺掩蔽效應，將殘留噪聲控制在聽覺門限T之下，使之不被人耳感知到，同時使語音信號的失真最小。即：

引入一個拉格朗日因子μ（m，k），且μ（m，k）≥0。令拉格朗日代價函數為：

其中，ξ（m，k）表示第m幀的信噪比。將上式代入約束條件G2（m，k）||D（m，k）2≤T（m，k），又μ（m，k）≥0得：

只要μ（m，k）滿足式（7），殘留噪聲就會被掩蔽掉。將公式（6）代入ε2X（m，k）可得

從式（8）可以看出，隨著μ（m，k）的增大，ε2X（m，k）也增大，即語音失真也增大。因此，為了減小語音的失真，取μ（m，k）的最小值，得增益函數：

式（9）的增益函數是在使殘留噪聲保持在掩蔽閾值之下的同時，使語音失真最小這一目標下求解得到的。

2　改進策略

當噪聲的第m幀的第k個離散頻點功率譜|D（m，k）|2大于它所對應的掩蔽閾值T（m，k）：時，得G（m，k）＜1，即對帶噪語音的第m幀的第k個離散頻點進行了抑制；而對于|D（m，k）|2≤T（m，k）的頻點，G（m，k）=1，是不進行衰減處理，直接輸出的，即只有高于掩蔽閾值的噪聲被濾波，而低于掩蔽閾值的噪聲仍然存在。這就產生了MAN現象。基于數字助聽器實時性和低功耗角度考慮，一般采用基于先驗信噪比的維納濾波器進行抑制，因為維納濾波器計算較簡單，并且維納濾波器的殘留噪聲類似白噪聲，聽覺感受較好。

本文對感知濾波器進行改進，引入一個權重因子W，權重因子W定義如下：

其中，Tabs（m，k）為絕對聽閾，ξ（m，k）為先驗信噪比。當噪聲功率譜在滿足Tabs（m，k）＜||D（m，k）2≤T（m，k）條件時，對帶噪語音進行噪聲抑制即維納濾波，從而減小了MAN現象的發生，提高了語音質量。

一般采用直接判決法來估計先驗信噪比ξ（m，k）。

在先驗信噪比估計中，平滑系數α的取值很重要，通常是一個非常接近1的常數。文獻［13］表明，α的值越接近1，則殘留的音樂噪聲越小，但也會導致最終信號的瞬變失真增多。為了平衡這兩方面，一般把α值設置為0.95～0.99之間的一個常數。然而，固定的α值不能很好地應對后驗信噪比突然變化的情況。因此，為了解決上述問題，本文使用一種最佳平滑因子方法，α不再是一個固定值，而是一個隨時間變化的平滑系數。

將原有的先驗信噪比平滑公式（11）改寫為由時變平滑系數作用的公式：

為了減小估計值與真實值間的誤差，本文采用最小均方差準則對α（m，k）進行更新。

定義均方誤差為：

將式（12）代入式（13），并化簡得：

在實際的應用中，由于 ξ（m，k）未知，可以用max（γ（m，k）-1，0）代替上式中的ξ（m，k）。為了避免α（m，k）=1的死鎖情況發生，最優平滑系數αopt（m，k）被限制在一個最大值αmax之下，如αmax=0.998。同樣，為了保證在低后驗信噪比下的平滑效果，也給平滑系數設置一個下限值αmin，如0.3。

3　實驗仿真與分析

為了衡量加權感知濾波器（WPF）法的降噪性能，本文在不同噪聲環境下進行了測試。實驗采用NOISE-92噪聲庫中的 White噪聲、Pink噪聲、SpeechBabble噪聲和DestroyEngine噪聲4種噪聲進行測試，通過疊加得到不同信噪比（-5 dB，0 dB，5 dB，10 dB，15 dB）的帶噪語音信號，并且采用主觀評價方法中的MOS方法和客觀評價中的segSNR 和PESQ指標對3種方法進行性能分析。實驗中純凈語音和噪聲均重新采樣為16 kHz，選用漢明窗加窗，幀長為512采樣點，幀之間重疊50%。將維納濾波WF（Wiener Filter）法、感知濾波器PF（Perceptual Filter）法兩種降噪方法作為對比實驗。

3.1主觀評價

MOS得分是用得較多的一種主觀評價方法，在本文的MOS方法測評中，邀請10名聽力正常的測試者進行試聽，并根據MOS評分等級標準進行打分，在White噪聲、Pink噪聲、SpeechBabble噪聲和DestroyEngine噪聲下，3種降噪方法的MOS得分結果如圖1所示。

從圖1可知，WF法的MOS得分在3種方法中得分最低，因為WF降噪后仍然有音樂噪聲存在。而PF法降噪后的聲音幾乎聽不到音樂噪聲，MOS得分比WF法要高。由于WPF法在PF法的基礎上減少了MAN現象的發生，進一步提高了語音質量，因此其MOS得分也是最高的。主觀評價表明，與WF方法和PF方法相比，本文提出的WPF方法能夠更有效地消除噪聲，語音聽覺感受也更好。

圖1　MOS得分

3.2客觀評價（1）segSNR

在White噪聲、Pink噪聲、SpeechBabble噪聲和DestroyEngine噪聲下，3種降噪方法的分段信噪比如圖2所示。

（2）PESQ

在White噪聲、Pink噪聲、SpeechBabble噪聲和DestroyEngine噪聲下，3種降噪方法的PESQ得分如圖3所示。

圖2　分段信噪比比較圖

從種客觀評價的結果中可以看出，改進的WPF降噪方法是優于WF法和PF法的，WPF方法降噪后的語音與原始的純凈語音更接近，語音失真更小，語音質量也更好，在消除背景噪聲、抑制殘留噪聲和減小語音失真等方面都取得了較好的效果。

4　結論

本文仿人耳聽覺掩蔽效應提出一種加權感知濾波器算法。相比傳統的語音降噪算法，本文引入實時加權因子，能更好的改善語音降噪性能，提高語音質量和自然度，進而提高聽損患者的語言辨識率，對后續數字助聽器的設計與實現有較高的參考價值和意義。

［1］ Boll S.Suppression of Acoustic Noise in Speech Using Spectral Subtraction［J］.IEEE Transactions on Acoustics，Speech and Signal Processing，1979，27（2）：113-120.

［2］ Gustafsson H，Nordholm S E，Claesson I.Spectral Subtraction Using Reduced Delay Convolution and Adaptive Averaging［J］. IEEE Transactions on Speech and Audio Processing，2001，9（8）：799-807.

［3］ Sim B L，Tong Y C，Chang J S，et al.A Parametric Formulation of the Generalized Spectral Subtraction Method［J］.IEEE Transactions on Speech and Audio Processing，1998，6（4）：328-337.

［4］ Wiener N.Extrapolation，Interpolation，and Smoothing of Stationary Time Series［M］.Cambridge，MA：MIT Press，1949：110-119.

［5］ Lim J S，Oppenheim A V.Enhancement and Bandwidth Compression of Noisy Speech［J］.Proceedings of the IEEE，1979，67（12）：1586-1604.

［6］ Ephraim Y，Malah D.Speech Enhancement Using a Minimum-Mean Square Error Short-Time Spectral Amplitude Estimator［J］. IEEE Transactions on Acoustics，Speech and Signal Processing，1984，32（6）：1109-1121.

［7］ Ephraim Y，Malah D.Speech Enhancement Using a Minimum Mean-Square Error Log-Spectral Amplitude Estimator［J］.IEEE Transactions on Acoustics，Speech and Signal Processing，1985，33（2）：443-445.

［8］ Chen B，Loizou P C.A Laplacian-Based MMSE Estimator for Speech Enhancement［J］.Speech Communication，2007，49（2）：134-143.

［9］ Cohen I，Berdugo B.Speech Enhancement for Non-Stationary Noise Environments［J］.Signalprocessing，2001，81（11）：2403-2418.

［10］Virag N.Single Channel Speech Enhancement Based on Masking Properties of the Human Auditory System［J］.IEEE Transactions on Speech and Audio Processing，1999，7（2）：126-137.

［11］Udrea R M，Vizireanu N D，Ciochina S.An Improved Spectral Subtraction Method for Speech Enhancement Using a Perceptual Weighting Filter［J］.Digital Signal Processing，2008，18（4）：581-587.

［12］Amehraye A，Pastor D，Tamtaoui A，et al.From Maskee to Audible Noise in Perceptual Speech Enhancement［J］.International Journal of Signal Processing，2008（2）：302-308.

［13］Cappé O.Elimination of the Musical Noise Phenomenon with the Ephraim and Malah Noise Suppressor［J］.IEEE Transactions on Speech and Audio Processing，1994，2（2）：345-349.

張素貞（1979-），女，江蘇鎮江，常州輕工職業技術學院講師，主要研究方向為電子信息與信號處理，zhangszcz@163.com。

Speech Enhancement Algorithm for Hearing Aids Imitating the Hearing Masking Effect*

ZHANG Suzhen1*，TANG Jianeng2，LIANG Ruiyu3
（1.Changzhou Vocational Institute of Light INdustry，Changzhou Jiangsu 213164，China；2.College of Engineering，Huaqiao University，Quanzhou Fujian 362021 China；3.School of Communication Engineering，Institute of Nanjing Technology，Nanjing 211167，China）

In order to improve the language comprehension of patients with hearing impairment under the noise environment，one perception filter algorithm is proposed.For the general perception filter，the masking tone will be changed to audible noise after perception filtering.To solve this problem，one weighted perception filter algorithm for the simulation of the auditory masking effect is designed.Based on the design of basic perception filter，firstly，the priori SNR is estimated by the direct decision method and revised by the optimal smoothing factor method.The optimal estimate value is obtained with minimum mean square error criterion，and then gain function of perception weighting filter is obtained.The simulation experiment results show that with the proposed method the residual noise can be eliminated effectively and the interference of noise is reduced，so that the quality of the processed speech is improved.

hearing aids；masking effect；noise reduction；minimum mean square error

TH785.1；TB535.1

A

1005-9490（2016）03-0698-05

EEACC：645010.3969/j.issn.1005-9490.2016.03.038