袁三男, 吳立新, 劉 虹

(1.上海電力大學(xué),上海 200090; 2.上?？平娮有畔⒓夹g(shù)有限公司,上海 200030)

現(xiàn)代生活中,噪聲的種類多種多樣,人們所處的環(huán)境是被噪聲包圍的,但是調(diào)頻廣播中的噪聲與自然界的噪聲不一樣,是一種似高斯噪聲[1]。這種噪聲可以被用來監(jiān)測黑廣播的出現(xiàn)。黑廣播是指未經(jīng)批準(zhǔn)設(shè)置、非法占用無線調(diào)頻廣播頻率的無線電發(fā)射電臺。黑廣播極大地影響了社會安全、國家穩(wěn)定和社會和諧,并對居民的身體健康造成威脅[2-3]。傳統(tǒng)噪聲和語音的區(qū)分采用頻域的方法,即傅里葉變換,這是因為大部分噪聲的能量集中在高頻段,而語音的能量主要分布在低頻段[4-5]。調(diào)頻廣播中出現(xiàn)的這種噪聲有些不同,其能量主要分布在中低頻段,采用傳統(tǒng)的方法很難將噪聲和語音區(qū)分開來。因此,針對這種情況,本文提出了計算相關(guān)函數(shù)最大值和短時能零比的方差這兩種方法,來區(qū)分調(diào)頻廣播中的噪聲和語音。

1 調(diào)頻廣播中噪聲的產(chǎn)生

似高斯噪聲是一種和高斯噪聲分布類似的聲音。該聲音的功率決定了其分布的寬度。這種似噪聲的聲音幅度可以超過載波過調(diào)的起始電平,這時,載波的瞬時頻率就超出接收機的中頻濾波器[6],引起被解調(diào)信號的損耗,引發(fā)射頻噪聲的解調(diào)。接收端接受的唯一信號就是解調(diào)出的射頻噪聲。這種含有射頻噪聲的聲音與接收機沒有準(zhǔn)確地調(diào)到某個臺時所產(chǎn)生的強烈噪聲是相同的[7]。調(diào)制的聲音幅度超過了過調(diào)發(fā)生電平的那個時間,接收機將產(chǎn)生出偏離某個臺的噪聲以取代原先的調(diào)制信號。解調(diào)后的噪聲具有很大的沖擊量,這種噪聲就是人耳聽到的“呲呲”的聲音。因此黑廣播出現(xiàn)前常常伴隨著這類噪聲的出現(xiàn)。

2 相關(guān)函數(shù)最大值

噪聲語音的相關(guān)函數(shù)有著很大的差別,一般情況下,噪聲的相關(guān)函數(shù)最大值要比語音的相關(guān)函數(shù)最大值小很多[8]。語音、噪聲以及含噪語音的自相關(guān)函數(shù)最大值如圖1所示。圖1(a)中語音信號的自相關(guān)函數(shù)最大值的幅值區(qū)間在1～7,圖1(b)中噪聲的自相關(guān)函數(shù)最大值的幅值均在1以下。但這種大小是相對的,無法找到一個閾值區(qū)分所有的噪聲和語音。圖1(c)是一段調(diào)頻廣播中音頻的自相關(guān)函數(shù)最大值,該音頻前3 s為語音,后2 s為似高斯噪聲,該段語音的自相關(guān)函數(shù)最大值幅值在1.5左右,而噪聲自相關(guān)函數(shù)最大值的幅值卻在0～2.5之間,因此單靠自相關(guān)函數(shù)最大值無法準(zhǔn)確區(qū)分調(diào)頻廣播中的噪聲和語音。語音的自相關(guān)函數(shù)最大值波動較大,噪聲的自相關(guān)函數(shù)最大值波動較小,而方差描述的是數(shù)據(jù)的變化,因此可以采用基于相關(guān)函數(shù)最大值的方差來區(qū)分調(diào)頻廣播中的噪聲和語音。假設(shè)語音信號x(n),分幀為xi(n),i=1,2,3,…,M。M為幀數(shù),則每幀語音的自相關(guān)函數(shù)的定義為

圖1 自相關(guān)函數(shù)的最大值

(1)

式中:L——幀長;

k——延遲量。

在相鄰兩幀之間計算相關(guān)函數(shù),即為互相關(guān)函數(shù),其公式為

i=2,3,4,…,M

(2)

3 短時能零比

通常,噪聲信號的短時能量小,而語音信號的短時能量大[9],同樣,這種大小也是相對的,不適用于所有的音頻。短時能量的公式為

i=1,2,3,…,M

(3)

短時平均過零率表示一幀語音中語音信號波形穿過橫軸(零點平)的次數(shù)[10]。若為連續(xù)語音信號,短時平均過零率就是時域波形通過時間軸的次數(shù);若為離散信號,過零即為相鄰的抽樣值改變符號,短時平均過零率就是樣本數(shù)值改變符號的次數(shù)。噪聲和語音信號的短時平均過零率分別如圖2和圖3所示。由圖2和圖3可知,噪聲的短時平均過零率高,而語音信號的短時平均過零率低。第i幀語音信號xi(n)的短時平均過零率Z(i)為

圖2 噪聲的短時平均過零率

圖3 語音信號的短時平均過零率

(4)

語音信號的短時能量比噪聲短時能量大,而短時平均過零率比噪聲小。能零比則是用每一幀語音信號的短時能零比上短時平均過零率,因此語音的短時能零比比噪聲的短時能零比大很多。圖4為一段音頻的短時能零比值,前3 s為噪聲,2 s之后為語音,噪聲段的能零比的波動幅度較小,而語音段的能零比的波動幅度較大。因此,可以在短時能零比的基礎(chǔ)上,再用方差來區(qū)分調(diào)頻廣播中的噪聲和語音。

圖4 含噪語音短時能零比值

4 實驗過程與分析

4.1 實驗數(shù)據(jù)準(zhǔn)備

實驗軟件為VC++2010,實驗數(shù)據(jù)為廣播調(diào)頻中的音頻數(shù)據(jù)。由于原始廣播調(diào)頻檢測的音頻為MP4格式,不利于數(shù)據(jù)的讀取,因此首先將MP4格式經(jīng)ffmpeg轉(zhuǎn)碼轉(zhuǎn)換為wav文件。由MP4轉(zhuǎn)換的wav文件和原始wav文件數(shù)據(jù)存儲的位置不同[11],但在00H-23H之間,兩者數(shù)據(jù)的存儲位置是一樣的,從24H開始,原始wav文件和轉(zhuǎn)換后的wav文件數(shù)據(jù)存儲位置如表1所示。在24H-45H之間,轉(zhuǎn)換后的wav文件存儲的是LIST的標(biāo)志、字節(jié)數(shù)以及內(nèi)容。

表1 wav文件與經(jīng)ffmpeg轉(zhuǎn)碼后的wav文件的區(qū)別

從46A開始的數(shù)據(jù)內(nèi)容才與原始wav文件24H之后的存儲數(shù)據(jù)一致。

4.2 基于相關(guān)函數(shù)最大值的方差法

對輸入的語音信號進(jìn)行分幀。由于語音信號是一個非穩(wěn)態(tài)、時變的信號,但是可以在“短時間”范圍內(nèi)認(rèn)為語音信號是穩(wěn)態(tài)的,不隨時間變化。這個短時間一般指10～30 ms,本文幀長為20 ms。求每幀語音信號的短時自相關(guān)函數(shù)的最大值。由于1 s內(nèi)噪聲的自(互)相關(guān)函數(shù)的最大值波動程度比語音信號小,由此可判定每秒的音頻是噪聲還是語音?；谙嚓P(guān)函數(shù)最大值的方差法區(qū)分噪聲和語音檢測流程圖如圖5所示。

圖5 基于相關(guān)函數(shù)最大值的方差法區(qū)分噪聲和語音檢測流程

首先,開始分幀,每幀長20 ms,因此1 s內(nèi)有50幀;先計算每幀語音信號的自相關(guān)函數(shù),再計算1 s內(nèi)自相關(guān)函數(shù)最大值的方差,設(shè)置一個閾值Th。信號方差大于設(shè)定閾值Th時,判斷其為語音;信號方差小于設(shè)定閾值Th時,判定其為噪聲。

4.3 基于短時能零比的方差法

對輸入的語音信號進(jìn)行分幀。計算每幀語音信號的短時能量。一般語音信號的能量隨時間變化比較明顯,且噪聲的能量比語音的能量小很多。基于短時能零比的方差法區(qū)分噪聲和語音檢測流程如圖6所示。

圖6 基于短時能零比的方差法區(qū)分噪聲和語音檢測流程

分幀后,先計算每幀語音信號的短時平均過零率,即每幀內(nèi)信號通過零值的次數(shù),再計算每幀信號的短時能量與短時平均過零率的比值。對1 s內(nèi)50幀能零比進(jìn)行方差計算,得到的方差可以反映信號的波動程度,因此可以根據(jù)噪聲的情況,設(shè)置一個閾值Th。信號方差大于設(shè)定閾值Th時,判斷其為語音;信號方差小于設(shè)定閾值Th時,判定其為噪聲。

4.4 實驗結(jié)果分析

實驗結(jié)果表明,調(diào)頻廣播中的噪聲與語音的區(qū)分采用基于短時能零比的方差法效果更好。短時能零比的方差閾值Th設(shè)定為5×10-6,因為生活中純凈的語音很少,大多為含噪語音。為了更好地監(jiān)測調(diào)頻廣播中“黑廣播”的出現(xiàn),本文將音頻的質(zhì)量劃分了5個等級,具體如表2所示。

表2 音頻等級的劃分

表2中,Vad是每秒短時能零比的方差。為了方便計算,Vad乘上106后再進(jìn)行等級劃分,閾值Th乘以106后為5,因此在0～5之間的等級為1,即為噪聲,等級在5以上的為語音,等級越高,語音質(zhì)量越好,語音的純凈度就越高。

實驗結(jié)果如圖7所示。圖7為一段調(diào)頻廣播中的音頻,在第58 s之前,語音質(zhì)量一直較好,音頻等級為5,在第58 s時,音頻質(zhì)量下降,音頻等級為2,在第59 s之后,音頻等級下降為1,因此從第59 s開始,出現(xiàn)了噪聲,也就意味著黑廣播的出現(xiàn)。

圖7 實驗結(jié)果

5 結(jié) 語

本文針對調(diào)頻廣播中的似高斯噪聲難以用頻域方法區(qū)分的問題,對比分析噪聲和語音的時域差異,提出了區(qū)分噪聲與語音的兩種方法,根據(jù)計算的相關(guān)函數(shù)最大值的方差和每秒短時能零比的方差,設(shè)定合適的閾值進(jìn)行區(qū)分。實驗證明這兩種方法可以有效地區(qū)分調(diào)頻廣播中的噪聲和語音,同時本文還為音頻質(zhì)量劃分了等級,可用于監(jiān)測黑廣播以及提升調(diào)頻廣播中的語音質(zhì)量。