Electronicdevicesandmethodsthatadaptfilteringofamicrophonesignal...的製作方法

2023-04-23 13:51:11 2

專利名稱：Electronic devices and methods that adapt filtering of a microphone signal ...的製作方法
技術領域：
本發明涉及能夠記錄麥克風信號的電子設備，更具體地涉及在蜂窩終端、攝錄機 和其他電子設備內對麥克風信號進行濾波。
背景技術：
各種各樣的電子設備正逐漸具備音頻記錄能力。例如，大多數蜂窩移動通信終端 及數字相機都能夠記錄音頻及視頻以提供攝錄機型功能。背景噪聲會對所記錄的音頻造成 很多不利的影響。例如，背景噪聲可能使設備操作者想要記錄的特定人的聲音變模糊或被 掩蔽。背景噪聲可以包括風噪和諸如車輛的其他噪聲源、來自除用戶之外的人的話音和/ 或背景首樂。

發明內容
本發明的實施方式涉及響應於對目標說明人話音的識別對麥克風信號進行自適 應濾波的電子設備及方法。根據本發明的某些實施方式，一種電子設備包括麥克風和聲音處理器。該麥克風 響應於進入的聲音而生成麥克風信號。該聲音處理器被設置為識別麥克風信號內的目標說 話人話音，並響應於對所述目標說話人話音的識別而調整對所述麥克風信號的濾波。在某些其他實施方式中，所述聲音處理器包括說話人表徵電路、自適應聲音濾波 器電路和說話人識別電路。該說話人表徵電路被設置為在訓練模式下工作以學習所述麥克 風信號中的所述目標說話人話音成分的特徵，並存儲所習得的特徵。該自適應聲音濾波器 電路被設置為響應於控制信號對所述麥克風信號進行自適應濾波。該說話人識別電路被設 置為使用所習得的特徵來識別所述麥克風信號中存在所述目標說話人話音，並對所述控制 信號進行調整以使所述自適應聲音濾波器電路進行自適應濾波，從而相對於所述麥克風信 號中的其他成分來增大所述目標說話人話音成分。在某些其他實施方式中，所述自適應聲音濾波器電路包括可變帶通濾波器，該可 變帶通濾波器具有響應於所述控制信號而變化的帶通頻率。所述說話人識別電路進一步被 設置為，通過使用所習得的特徵來確定所述目標說話人話音的頻率範圍，並通過響應於所 確定的所述目標說話人話音的頻率範圍來調整所述控制信號以改變所述可變帶通濾波器 的帶通頻率，對識別出所述麥克風信號中存在所述目標說話人話音作出響應。在某些其他實施方式中，所述自適應聲音濾波器電路包括高通濾波器，該高通濾 波器具有響應於所述控制信號而變化的截止頻率。所述說話人識別電路進一步被設置為， 通過使用所習得的特徵來確定所述目標說話人話音的低頻範圍，並通過響應於所確定的低 頻範圍來調整所述控制信號以改變所述高通濾波器的截止頻率，對識別出所述麥克風信號 中存在所述目標說話人話音作出響應。在某些其他實施方式中，所述說話人表徵電路進一步被設置為，在所述訓練模式期間工作以在所述目標說話人發出特定歌曲/語音時從所述麥克風信號中的所述目標說 話人話音成分中學習所述目標說話人話音的時變頻譜模式。所述說話人識別電路進一步被 設置為使用所習得的時變頻譜模式來識別所述麥克風信號中存在發出所述特定歌曲/語 音的所述目標說話人話音；通過在所述歌曲/語音期間使用所習得的時變頻譜模式來隨時 間改變所述控制信號以動態地調節(time)所述自適應聲音濾波器電路從而跟蹤所述目標 說話人話音的預計時變頻譜模式並且相對於所述麥克風信號中的其他成分來增大所述目 標說話人話音成分，來對識別出所述麥克風信號中存在所述目標說話人話音作出響應。在某些其他實施方式中，所述自適應聲音濾波器電路包括可變帶通濾波器，該可 變帶通濾波器具有響應於所述控制信號而變化的帶通頻率。所述說話人表徵電路進一步 被設置為，通過在所述目標說話人發出所述特定歌曲/語音時對所述麥克風信號中所述目 標說話人話音的頻率範圍隨時間的差異進行表徵(characterize)，來學習所述時變頻譜模 式。所述說話人識別電路進一步被設置為，在所述特定歌曲/語音期間，使用所習得的時變 頻譜模式來調整所述帶通濾波器的帶通頻率使之遵循(follow)所述目標說話人話音的頻 率範圍隨時間的差異，從而相對於所述麥克風信號中的其他成分來增大所述目標說話人話 音成分。在某些其他實施方式中，所述說話人表徵電路進一步被設置為學習間隙的定時 (timing of gaps)，在所述間隙中，當所述目標說話人發出所述特定歌曲/語音時，所述麥 克風信號中的所述目標說話人話音低於閾值幅度。所述說話人識別電路進一步被設置為， 使用所習得的間隙的定時來隨時間改變所述控制信號，以在各個間隙期間相對於所述麥克 風信號中的所述目標說話人話音成分來增大所述麥克風信號的其他成分，而在各個間隙之 間相對於所述麥克風信號中的所述其他成分來增大所述目標說話人話音成分。在某些其他實施方式中，所述自適應聲音濾波器電路包括可變增益放大器，該可 變增益放大器放大所述麥克風信號並具有響應於所述控制信號而變化的增益。所述說話人 表徵電路進一步被設置為，在所述訓練模式期間工作，以在所述目標說話人發出特定歌曲/ 語音時從所述麥克風信號中的所述目標說話人話音成分中學習所述目標說話人話音的時 變幅度模式。所述說話人識別電路進一步被設置為，在所述歌曲/語音期間，通過使用所習 得的時變幅度模式隨時間改變所述控制信號，以動態地調節所述可變增益放大器的增益， 從而跟蹤所述目標說話人話音的預計時變幅度模式，來對識別出存在所述目標說話人話音 作出響應。在某些其他實施方式中，該電子設備進一步包括射頻接收器和距離確定電路。該 射頻接收器被設置為從所述目標說話人攜帶的遠程發射器接收無線通信信號。該距離確定 電路被設置為確定所接收的通信信號的信號強度，並響應於接收信號強度來估計從所述電 子設備到所述遠程發射器的距離。所述說話人表徵電路進一步被設置為，在對所述麥克風 信號進行濾波期間，響應於所估計出的從所述電子設備到所述遠程發射器的距離，對所習 得的所述目標說話人話音的特徵進行自適應，以補償距離對所述目標說話人話音成分的特 徵的預計影響。在某些其他實施方式中，該電子設備進一步包括圖像傳感器和距離確定電路。該 圖像傳感器被設置為生成圖像信號。該距離確定電路被設置為識別所述圖像信號中存在預 計與所述目標說話人相對應或位置接近所述目標說話人的人，並響應於此人相對於多個閾值的大小來估計從所述電子設備到此人的距離。所述說話人表徵電路進一步被設置為，在 對所述麥克風信號進行濾波期間，響應於所估計的從所述電子設備到所識別的人之間的距 離，對所習得的所述目標說話人話音的特徵進行自適應，以補償距離對所述目標說話人話 音成分的特徵的預計影響。在某些其他實施方式中，該射頻接收器被設置為從所述目標說話人攜帶的遠程發 射器接收無線通信信號。該距離確定電路被設置為確定所接收的通信信號的信號強度，並 響應於接收信號強度來估計從所述電子設備到所述遠程發射器的距離。所述麥克風包括具 有多個麥克風單元以及可控相位組合器電路的縮放/波束可調麥克風，所述可控相位組合 器電路響應於相位控制信號對來自所述麥克風單元的信號之間的相對相位進行調節，並對 相位調節後的信號進行組合以生成所述麥克風信號。所述說話人識別電路進一步被設置 為，響應於識別出所述麥克風信號中存在所述目標說話人話音以及估計出的從所述電子設 備到所述遠程發射器的距離來調整所述相位控制信號，以相對於所述麥克風信號中的其他 成分來增大所述目標說話人話音成分。在某些其他實施方式中，該圖像傳感器被設置為生成圖像信號。該距離確定電路 被設置為識別所述圖像信號中是否存在人，並響應於此人相對於多個閾值的大小來估計從 所述電子設備到此人的距離。所述麥克風包括具有多個麥克風單元以及可控相位組合器電 路的縮放/波束可調麥克風，所述可控相位組合器電路響應於相位控制信號對來自所述麥 克風單元的信號之間的相對相位進行調節，並對相位調節後的信號進行組合以生成所述麥 克風信號。所述說話人識別電路進一步被設置為，響應於識別出所述麥克風信號中存在所 述目標說話人話音以及估計出的從所述電子設備到所識別的人的距離來調整所述相位控 制信號，以相對於所述麥克風信號中的其他成分來增大所述目標說話人話音成分。在某些其他實施方式中，該電子設備進一步包括音頻記錄器，該音頻記錄器記錄 來自所述自適應聲音濾波器的經濾波的麥克風信號。本發明的某些實施方式涉及一種方法，該方法包括計算機實現的如下步驟對麥 克風信號內的目標說話人話音進行識別，並響應於對所述目標說話人話音的識別來調整對 所述麥克風信號的濾波。在某些其他實施方式中，該方法進一步包括計算機實現的如下步驟在訓練模式 期間學習所述麥克風信號中的所述目標說話人話音成分的特徵，以及使用所習得的特徵來 識別所述麥克風信號中存在所述目標說話人話音並對控制信號進行調整以使所述自適應 聲音濾波器電路對所述麥克風信號的濾波進行自適應，從而相對於所述麥克風信號中的其 他成分來增大所述目標說話人話音成分。在某些其他實施方式中，該方法進一步包括計算機實現的如下步驟在所述訓練 模式期間，當所述目標說話人發出特定歌曲/語音時學習所述麥克風信號中所述目標說話 人話音的頻率範圍隨時間的特徵差異。該方法還包括計算機實現的如下步驟在所述特定 歌曲/語音期間，通過使用所習得的所述目標說話人話音的頻率範圍隨時間的特徵差異隨 時間來改變所述控制信號，以動態地調節所述自適應聲音濾波器電路從而跟蹤所述目標說 話人話音的頻率範圍隨時間的預計特徵差異，並相對於所述麥克風信號中的其他成分來增 大所述目標說話人話音成分，對識別出所述麥克風信號中存在所述目標說話人話音作出響 應。
在某些其他實施方式中，該方法進一步包括計算機實現的如下步驟在所述訓練 模式期間，當所述目標說話人發出特定歌曲/語音時學習所述麥克風信號中所述目標說話 人話音的幅度模式隨時間的特徵差異。該方法還包括計算機實現的如下步驟在所述特定 歌曲/語音期間，通過使用所習得的所述目標說話人話音的幅度模式隨時間的特徵差異隨 時間改變所述控制信號，來動態地調節所述自適應聲音濾波器電路中對所述麥克風信號進 行放大的可變增益放大器的增益，從而跟蹤所述目標說話人話音的幅度模式隨時間的預計 特徵差異，來對識別出所述麥克風信號中存在所述目標說話人話音作出響應。在某些其他實施方式中，該方法進一步包括計算機實現的如下步驟在所述訓練 模式期間學習間隙的定時，在所述間隙中，當所述目標說話人發出所述特定歌曲/語音時， 所述麥克風信號中的所述目標說話人話音低於閾值幅度。該方法還包括計算機實現的如下 步驟通過使用所習得的間隙的定時隨時間改變所述控制信號，以動態地調節所述自適應 聲音濾波器電路，從而在各個間隙期間相對於所述麥克風信號中的所述目標說話人話音成 分來增大所述麥克風信號中的其他成分，而在各個間隙之間相對於所述麥克風信號中的所 述其他成分來增大所述目標說話人話音成分，對識別出所述麥克風信號中存在所述目標說 話人話音作出響應。在某些其他實施方式中，該方法進一步包括計算機實現的如下步驟響應於電子 設備從所述目標說話人攜帶的遠程發射器接收到的信號的強度，估計從所述電子設備到所 述遠程發射器的距離。該方法還包括計算機實現的如下步驟在對所述麥克風信號進行濾 波期間，響應於所估計的從所述電子設備到所述遠程發射器的距離對所習得的所述目標說 話人話音的特徵進行自適應，以補償距離對所述目標說話人話音成分的特徵的預計影響。本發明的某些其他方面涉及一種電子設備，其包括麥克風、說話人表徵電路、自適 應聲音濾波器電路以及說話人識別電路。該麥克風響應於進入的聲音而生成麥克風信號。 該說話人表徵電路被設置為在訓練模式下工作，以在目標說話人發出特定歌曲/語音時從 所述麥克風信號中的所述目標說話人話音成分中學習所述目標說話人話音的頻率範圍的 時變差異和/或幅度模式的時變差異。該自適應聲音濾波器電路被設置為響應於控制信 號對所述麥克風信號進行自適應濾波。所述自適應聲音濾波器電路包括可變帶通濾波器和 /或可變增益放大器，該可變帶通濾波器具有響應於所述控制信號而變化的帶通頻率，該可 變增益放大器具有響應於所述控制信號而變化的增益。該說話人識別電路被設置為使用所 習得的所述目標說話人話音的頻率範圍的時變差異和/或幅度模式的時變差異來識別所 述麥克風信號中存在發出所述特定歌曲/語音的所述目標說話人話音，並通過使用所述目 標說話人話音的頻率範圍的時變差異和/或幅度模式的時變差異來隨時間改變所述控制 信號，以動態地調節所述帶通濾波器的帶通頻率使之遵循所述目標說話人話音的頻率範圍 隨時間的差異，和/或動態地調節所述可變增益放大器的增益使之遵循所述目標說話人話 音的幅度模式隨時間的差異，來對識別出所述麥克風信號中存所述目標說話人話音作出響 應。本領域技術人員在閱讀了以下附圖及詳細描述後可以想到根據本發明實施方式 的其他電子設備和/或方法。旨在將所有這種附加電子設備及方法包括在本說明書中，落 入本發明的範圍內，並受到所附權利要求書的保護。


附圖被包括進來以提供對本發明的進一步理解，並且被包含而構成了本申請的一 部分，附圖例示了本發明的特定實施方式。在附圖中圖1是根據本發明一些實施方式的包括無線通信終端的無線通信系統的框圖，該 無線通信終端被設置為響應於識別出目標說話人話音而對麥克風信號進行自適應濾波；圖2是圖1的無線通信終端的根據本發明一些實施方式而設置的若干個部件的框 圖，這些部件包括聲音處理器；圖3是例示了根據本發明一些實施方式的，在訓練模式期間可以由圖1的無線通 信終端執行以在目標說話人發出特定歌曲/語音時學習該目標說話人的各種特徵的操作 和方法的流程圖；圖4是例示了根據本發明一些實施方式的，在記錄模式期間可以由圖1的無線通 信終端執行以響應於根據訓練模式習得的特徵通過自適應聲音濾波器電路進行自適應濾 波/動態調節的操作和方法的流程圖；圖5是例示了根據本發明一些實施方式的，在記錄模式期間可以由圖1的無線通 信終端執行以響應於估計出的該終端與目標說話人攜帶的遠程發射器之間的距離對根據 訓練模式習得的各種特徵進行自適應的操作和方法的流程圖；圖6是例示了根據本發明一些實施方式的，在記錄模式期間可以由圖1的無線通 信終端執行以響應於估計出的該終端與在圖像流中識別出的人(其可能是目標說話人或 位置接近目標說話人的人)之間的距離，對根據訓練模式習得的各種特徵進行自適應的操 作和方法的流程圖。
具體實施例方式下面將參照附圖更全面地描述本發明的各種實施方式。然而，本發明不應當理解 為限於此處描述的實施方式。而是，這些方式被提供用於使公開充分和完整，並向本領域技 術人員表達本發明的範圍。應理解的是，此處所使用的措辭「包括」是開放式的，並且包含一個或更多個所述 的元素、步驟和/或功能，但不排除一個或更多個未說明的元素、步驟和/或功能。除非上 下文中另有說明，此處所使用的單數形式的「一個」和「該」旨在也包括複數形式。措辭「和 /或」以及「/」包括關聯列出的一項或更多項的任意及全部組合。在附圖中，可能出於清楚 的目的而誇大了區域的大小及相對大小。通篇用相同的附圖標記指代相同的元素。某些實施方式可以用硬體和/或軟體(包括固件、駐留軟體、微代碼等)來具體實 現。因而，此處使用的術語「信號」可以呈連續波形和/或離散值的形式，諸如存儲器或寄 存器中的數字值。此外，各個實施方式的形式可以為計算機可用或計算機可讀存儲介質上 的計算機產品，在該介質中包含有計算機可用或計算機可讀程序代碼以供指令執行系統使 用或與指令執行系統相結合地使用。因而，此處使用的術語「電路」和「控制器」可以呈諸 如由指令處理設備(例如通用微處理器和/或數位訊號微處理器)執行的計算機可讀程序 代碼之類的數字電路形式，和/或模擬電路形式。因此，以下針對圖4至6描述的操作至少 可以部分地實現為由計算機(例如微處理器)執行的計算機可讀程序代碼。下面參照框圖和操作流程圖對實施方式進行描述。應理解的是，在框中註明的功能/動作可以按照與所例示的操作不同的順序發生。例如，接連示出的兩個框可以實際上 大致同時執行，或者取決於所涉及的功能/動作，這兩個框有時可以按相反順序執行。儘管 某些圖在通信路徑上包括用於示出通信的主要方向的箭頭，但應理解的是，通信可以在與 所示箭頭相反的方向上發生。根據本發明的多種實施方式，一種電子設備包括麥克風和聲音處理器。麥克風響 應於進入的聲音而生成麥克風信號。聲音處理器被設置為識別麥克風信號內的目標說話人 話音並響應於對目標說話人話音的識別而調整對麥克風信號的濾波。僅出於例示和說明的目的，此處在包括區域網(WLAN)並具有藍牙通信能力的諸 如蜂窩終端的示例性無線移動通信終端(「終端」)的背景下描述多種實施方式。然而，應 理解的是，本發明不限於這種實施方式，並且通常可以在根據此處描述的至少一種實施方 式工作並且對諸如麥克風信號進行濾波的任何電子設備內具體實施本發明，該電子設備例 如是聲音(「音頻」)記錄設備或音頻及視頻記錄器(例如攝錄機)。其他的非限制性示例 性電子設備包括數字音頻記錄器、個人數據助理(PDA)、數字攝像機及膝上型/掌上型/臺 式計算機。圖1是包括終端110的無線通信系統100的框圖，該終端110被設置為響應於目 標說話人話音的識別對麥克風信號進行自適應濾波。參照圖1，終端Iio包括麥克風112、 聲音處理器114、攝像機116和視頻及聲音記錄器118。終端110由此可以被設置為對視頻 及聲音都進行記錄的視頻_聲音記錄器。終端110可以進一步包括無線通信協議控制器120、蜂窩收發器122、WLAN收發 器124 (例如與IEEE 802. lla-g標準中的一個或更多個兼容)以及藍牙收發器126。蜂 窩收發器122可以被設置為利用一個或更多個蜂窩通信標準進行通信，這些蜂窩通信標準 例如是全球移動通信(GSM)、通用分組無線業務(GPRS)、增強數據速率GSM演進(EDGE)、集 成數字增強網絡(iDEN)、碼分多址(CDMA)、寬帶CDMA、CDMA2000和/或通用移動通信系統 (UMTS)。由此，終端110可以被設置為通過無線空中接口與蜂窩收發器基站136進行通信 並經由WLAN收發器124和/或藍牙收發器126與另一終端138進行通信。終端110可以進一步包括能夠對終端110的多種其他部件進行控制的通用控制器 128，並且通用控制器128可以被設置為對用戶輸入界面132作出響應的用戶可選擇應用， 以控制視頻及聲音記錄器118來通過揚聲器130及顯示器134提供聲音及視頻記錄和播放 功能。下面參照圖2的框圖來描述聲音處理器114和麥克風112的各個示例性部件及操作。參照圖2，聲音處理器114被設置為對來自麥克風112的麥克風信號140內的目 標說話人話音進行識別，並響應於對目標說話人話音的識別來調整對麥克風信號140的濾 波。聲音處理器114包括自適應聲音濾波器電路150和話音識別控制器160。自適應聲音 濾波器電路150被設置為響應於控制信號152對麥克風信號140進行自適應濾波。話音識 別控制器160包括說話人識別電路162、說話人表徵(characterization)電路164，以及存 儲有習得說話人特徵的庫166。庫166可以包括一個或更多個半導體存儲器和/或其他數 據存儲裝置，如硬碟驅動器和/或CD/DVD驅動器。說話人表徵電路164被設置為工作在訓練模式下以學習麥克風信號140中的目標 說話人話音成分的特徵，並將習得的特徵存儲在庫166中。說話人表徵電路164習得的特 徵可以包括但不限於說話人話音的平均/最大/最小頻譜(帶寬)、音調(pitch)和/或節奏(cadence)。說話人識別電路162被設置為在記錄模式期間使用習得的特徵來識別麥克風信 號140中存在目標說話人話音，其中該記錄模式可位於學習模式之後。響應於這種識別，說 話人識別電路162可以調整控制信號152以使自適應聲音濾波器電路150進行自適應濾 波，從而相對於提供給視頻及聲音記錄器118內的音頻記錄器170的經濾波信號142中的 其他成分來增大目標說話人話音成分。在某些實施方式中，自適應聲音濾波器電路150包括可變帶通濾波器，該可變帶 通濾波器的帶通頻率(例如上、下衰減轉角頻率)響應於控制信號152而變化。說話人識 別電路162可以通過使用習得的特徵(來自於庫166)確定目標說話人話音的頻率範圍，並 通過響應於所確定的頻率範圍來調整控制信號152以改變可變帶通濾波器的帶通頻率，來 對識別出麥克風信號140內存在目標說話人話音作出響應。因而，可以將該帶通濾波器調 節為響應於識別出存在目標說話人話音及其相關聯的習得特徵，相對於經濾波信號142中 的其他成分來增大目標說話人話音成分。在某些其他實施方式中，自適應聲音濾波器150包括對麥克風信號140進行濾波 的高通濾波器。該高通濾波器具有響應於控制信號152而變化的截止頻率。說話人識別電 路162可以通過使用習得的特徵確定目標說話人話音的低頻範圍，並通過響應於所確定的 低頻範圍對該控制信號進行調整以改變該高通濾波器的截止頻率，來對識別出麥克風信號 140中存在目標說話人話音作出響應。在某些進一步的實施方式中，說話人表徵電路164可以被設置為在目標說話人發 出特定歌曲/語音時學習該說話人話音的與時變模式相關聯的特徵。圖3是根據本發明多 種實施方式的在學習模式期間可以由識別控制器160執行的示例性操作及方法300的流程 圖。參照圖3，說話人表徵電路164可以在顯示器134上生成指令(操作302)，該指令命令操 作者讓目標說話人移動到與將要在後續目標記錄期間使用的終端110相距期望距離處。這 樣，訓練模式期間說話人的話音將經受與後續記錄模式期間類似的衰減和其他距離效應。 說話人表徵電路164接收麥克風信號140中的目標說話人話音的離散樣本(操作304)。說話人表徵電路164被進一步設置為在目標說話人發出特定歌曲/語音時學習麥 克風信號140中目標說話人話音成分的時變頻譜模式。說話人表徵電路164可以被設置為 在目標說話人發出特定歌曲/語音時對麥克風信號140中的目標說話人話音的頻譜隨時間 的差異進行表徵(操作306)。另選地或另外地，說話人表徵電路164可以被設置為在目標 說話人發出特定歌曲/語音時對麥克風信號140中的目標說話人話音的幅度隨時間的差異 進行表徵(操作308)。另選地或另外地，說話人表徵電路164可以被設置為學習如下間隙 的定時(操作310)，在這些間隙中，當目標說話人發出特定歌曲/語音時麥克風信號140中 目標說話人話音的幅度低於閾值幅度。習得的特徵可以存儲在庫166中(操作312)以供 隨後在記錄模式期間由說話人識別電路162使用。圖4是例示了記錄模式期間的示例性操作和方法400的流程圖，可以由說話人識 別電路162執行這些操作和方法以響應於根據訓練模式習得的特徵通過自適應聲音濾波 器電路150對濾波進行半靜態自適應或進行動態調節。參照圖4，說話人識別電路162利 用來自庫166的習得特徵搜索(操作402)採樣麥克風信號以嘗試識別其中存在目標說話 人話音成分。說話人識別電路162可以被設置為使用習得的目標說話人話音的時變頻譜模式(如習得的頻率範圍隨時間的變化)來識別麥克風信號中存在目標說話人話音，該操作 可以在說話人正發出先前訓練過的歌曲/語音時進行。當確定出採樣麥克風信號中存在目標說話人話音時(操作404)，隨後進一步確定 (操作406)識別控制器160是否工作在歌曲/語音模式下。例如可以由用戶(通過界面 132)來設置歌曲/語音模式以表明將動態調節對已經習得了話音特徵的歌曲/語音的濾 波。當歌曲/語音模式未被啟用時，說話人識別電路162可以使用(操作416)來自庫 166的習得特徵藉助於自適應聲音濾波器電路150對濾波進行半靜態自適應(例如響應於 初次識別出存在目標說話人話音進行自適應)，以相對於經採樣麥克風信號中的其他成分 來增大目標說話人話音成分。例如，如上所述，說話人識別電路162可以通過響應於目標說話人話音的頻率範 圍特徵，改變位於自適應聲音濾波器電路150內的可變帶通濾波器的帶通頻率和/或高通 濾波器的高通頻率，來對識別出目標說話人話音成分作出響應。自適應聲音濾波器電路150 可以被設置為，通過利用快速傅立葉變換(FFT)將經時間採樣的麥克風信號變換為多個頻 率窗口(frequency bin)，並對頻率窗口內位於習得的目標說話人話音的頻譜範圍之外的 信號能量進行衰減，來執行譜減。在歌曲/語音模式啟用的情況下，在歌曲/語音期間，說話人識別電路162可以使 用(操作408)來自庫166的習得特徵來動態調節自適應聲音濾波器電路150，以跟蹤目標 說話人話音的頻率範圍和/或幅度隨時間的預計特徵變化，從而相對於經採樣麥克風信號 中的其他成分來增大目標說話人話音成分。例如，說話人識別電路162可以調節控制信號 152，以使自適應聲音濾波器電路150動態地改變帶通濾波器的頻率範圍和/或改變高通濾 波器的高通頻率，從而跟蹤在經訓練的歌曲/語音期間目標說話人話音特徵隨時間的預計 變化。另選地或另外地，說話人識別電路162可以調整控制信號152以動態地調節自適應 聲音濾波器電路150中對麥克風信號140進行放大的可變增益放大器的增益，從而在經訓 練的歌曲/語音期間動態地補償(例如跟蹤)目標說話人話音的幅度隨時間的預計變化。 例如，說話人識別電路162可以通過增大放大增益而對特定時刻目標說話人話音的預計下 降進行補償，該放大增益被施加給麥克風信號140中的所有成分或者被提供給麥克風信號 140中已經被習得作為該時刻目標說話人話音的特徵的特定頻譜成分。說話人識別電路162還可以使用(操作410)從庫166取出的習得間隙的定時來 動態調節自適應聲音濾波器電路150，以在各個間隙之間相對於採樣麥克風信號的其他成 分來增大目標說話人話音成分，而在各間隙期間相對於這些其他成分來減小目標說話人話 音成分。因此，當基於習得的特徵預計目標說話人在特定時刻沒有唱歌/說話或者輕聲地 (例如低於閾值幅度)歌唱/說話時，可以將自適應聲音濾波器電路150調節為減小對麥 克風信號140的濾波或稍微偏向目標說話人特徵更中性地(neutrally)進行濾波。例如， 在各個間隙期間，說話人識別電路162可以調整控制信號152以使自適應聲音濾波器電路 150擴展帶通濾波器的頻率範圍、降低高通濾波器的高通頻率，和/或增大/減小放大器所 施加的增益。當習得的特徵表明(操作412)話音/歌曲預計尚未結束時，說話人識別電路162可以返回並重複操作408及410。相反，當習得的特徵表明話音/歌曲已經結束時，進一步 確定(操作414)記錄模式是否仍啟用，並且當確定記錄模式仍啟用時，說話人識別電路162 可以返回並重複確定操作406及相關的後續操作。再來參照圖2，聲音處理器114可以進一步包括距離確定電路180，該距離確定電 路180被設置為確定終端110與目標說話人所攜帶的遠程發射器之間的距離。距離確定電 路180可以包括基於接收信號強度(RSS)的測距電路182，該測距電路182被設置為確定例 如由WLAN收發器124和/或藍牙收發器126接收的通信信號的信號強度。基於RSS的測 距電路182可以響應於RSS來估計從終端110到遠程發射器的距離。圖5是例示了示例性操作和方法500的流程圖，該操作和方法可以由聲音處理器 114執行以確定終端110與目標說話人所攜帶的遠程發射器之間的距離，並響應於此，對如 何使用庫166中的多種習得特徵進行自適應，以控制自適應聲音濾波器電路150來補償距 離對麥克風信號140內的目標說話人話音成分的特徵的預計影響。參照圖5，從可由目標說話人攜帶的遠程發射器接收(操作502)無線通信信號。 例如，終端110和遠程發射器可以通過無線區域網(WLAN)和/或分別經由WLAN收發器124 和藍牙收發器126通過藍牙網絡進行通信。因而，該遠程發射器可以是具有藍牙收發器和 /或WLAN收發器的蜂窩電話或PDA，該蜂窩電話或PDA與終端110聯網並且例如可能位於 目標說話人的衣服口袋內。基於RSS的測距電路182確定接收信號的強度(操作504)，並響應於接收信號的 強度來估計(操作506)從終端110到遠程發射器的距離。基於RSS的測距電路182可以 利用遠程發射器所發射信號的預計強度與終端110所接收信號的強度之間的規定關係對 該距離進行估計。例如，預計遠程發射器內的藍牙收發器和/或WLAN收發器能夠以相對恆 定的信號強度進行發射。因而，可以定義一種關係，基於RSS的測距電路182可以響應於遠 程發射器所發射信號的預計強度以及藍牙收發器126和/或WLAN收發器124所接收信號 的強度，利用這種關係來確定終端110與遠程發射器之間的距離。基於發射模式以及發射 天線及接收天線的相關增益，可以藉助於距離的平方或距離的立方將發射信號強度與接收 信號強度關聯起來。說話人表徵電路164和/或說話人識別電路162還可以進一步被設置為響應於所 估計的從終端110到遠程發射器的距離對習得的目標說話人話音的特徵進行自適應(操作 508)，以補償距離對麥克風信號140內的目標說話人話音成分的特徵的預計影響。隨著到 目標說話人的距離的增大，可以(經由電路160和180)對自適應聲音濾波器電路150進行 調節以增大對麥克風信號140施加的放大增益，從而補償在確定的距離處目標說話人話音 幅度的預計減小。另選地或者另外地，隨著到目標說話人的距離的增大，例如通過移動帶通 濾波器的轉角頻率以使經濾波信號142的通過頻率範圍變窄從而對應於在所確定的距離 處目標說話人話音的頻率範圍的預計減小，可以(經由電路160和180)將自適應聲音濾波 器電路150調節到在該距離處目標說話人話音的預計頻率範圍。另選地或者另外地，隨著 到目標說話人的距離的增大，可以(經由電路160和180)調節自適應聲音濾波器電路150 以減小帶通濾波器的高通頻率，從而使低頻能夠通過該濾波信號142以補償在所確定的距 離處目標說話人話音頻率的預計降低。圖6是例示了另外的或另選的示例性操作及方法500的流程圖，在記錄模式期間可以由聲音處理器114執行該操作及方法以確定終端110與來自攝像機116的圖像流內的 人之間的距離，並響應於此，對如何使用庫166內的多種習得特徵進行自適應，以控制自適 應聲音濾波器電路150來補償距離對麥克風信號140內的目標說話人話音成分的特徵的預 計影響。參照圖2和圖6，距離確定電路180可以包括電路184，該電路184確定來自攝像 機116的圖像信號中人圖像的大小，並響應於此，基於人圖像的大小來確定終端110與來 自攝像機116的圖像流中的人圖像之間的距離。如圖所示，還可以將該圖像信號發送到視 頻及聲音記錄器118內的視頻記錄器172以將其記錄於此。電路184被設置為識別(操作 602)圖像信號中存在可能與目標說話人相對應或位置接近目標說話人的人。電路184還 可以進一步響應於此人相對於多個閾值的大小來估計(操作604)從終端110到此人的距 離，其中這些閾值可以將圖像大小與預計距離關聯起來。電路184可以進一步考慮在距離 估計期間攝像機116的變焦設置(有的話)。說話人表徵電路164和/或說話人識別電路 162可以進一步被設置為響應於估計出的從終端110到此人的距離對習得的目標說話人話 音特徵進行自適應(操作606)，以補償距離對麥克風信號140中的目標說話人話音的特徵 的預計影響，正如以上針對圖5的操作508所述的那樣。再來參照圖2，麥克風112可以被設置為具有多個麥克風單元190a和190b以及可 控相位組合器電路192的縮放/波束可調麥克風，該可控相位組合器電路192響應於相位 控制信號194調節來自麥克風單元190a和190b的信號之間的相對相位，並對經相位調節 的信號進行組合以生成麥克風信號140。識別控制器160可以被設置為響應於識別出麥克 風信號140中存在目標說話人話音以及估計出的從終端110到遠程發射器和/或到在圖像 信號中識別出的人之間的距離，來調整相位控制信號194，以響應於到目標說話人的距離來 縮放或調整麥克風單元190a和190b的組合後的靈敏度。由此，麥克風112可以被控制為 輔助相對於麥克風信 號140中的其他成分來增大目標說話人話音成分。附圖和說明書中公開了本發明的示例性實施方式。然而，在不實質上脫離本發明 的原理的情況下，可以對這些實施方式做出許多變型和修改。因而，儘管使用了特定術語， 但這些術語僅在一般性和描述性的意義上使用，而不是出於限制性目的，因此本發明的範 圍由所附權利要求書限定。
權利要求
一種電子設備，該電子設備包括麥克風，其響應於進入的聲音而生成麥克風信號；以及聲音處理器，其被設置為識別所述麥克風信號內的目標說話人話音，並響應於對所述目標說話人話音的識別而調整對所述麥克風信號的濾波。
2.根據權利要求1所述的電子設備，其中，所述聲音處理器包括說話人表徵電路，其被設置為在訓練模式下工作以學習所述麥克風信號中的目標說話 人話音成分的特徵，並存儲所習得的特徵；自適應聲音濾波器電路，其被設置為響應於控制信號對所述麥克風信號進行自適應濾 波；以及說話人識別電路，其被設置為使用所習得的特徵來識別所述麥克風信號中存在所述目 標說話人話音，並對所述控制信號進行調整以使所述自適應聲音濾波器電路進行自適應濾 波，從而相對於所述麥克風信號中的其他成分來增大所述目標說話人話音成分。
3.根據權利要求2所述的電子設備，其中所述自適應聲音濾波器電路包括可變帶通濾波器，該可變帶通濾波器具有響應於所述 控制信號而變化的帶通頻率；並且所述說話人識別電路進一步被設置為，通過使用所習得的特徵來確定所述目標說話人 話音的頻率範圍，並通過響應於所確定的所述目標說話人話音的頻率範圍來調整所述控制 信號以改變所述可變帶通濾波器的帶通頻率，來對識別出所述麥克風信號中存在所述目標 說話人話音作出響應。
4.根據權利要求2所述的電子設備，其中所述自適應聲音濾波器電路包括高通濾波器，該高通濾波器具有響應於所述控制信號 而變化的截止頻率；並且所述說話人識別電路進一步被設置為，通過使用所習得的特徵來確定所述目標說話人 話音的低頻範圍，並通過響應於所確定的低頻範圍來調整所述控制信號以改變所述高通濾 波器的截止頻率，來對識別出所述麥克風信號中存在所述目標說話人話音作出響應。
5.根據權利要求2至4中任意一項所述的電子設備，其中所述說話人表徵電路進一步被設置為，在所述訓練模式期間工作以在目標說話人發出 特定歌曲/語音時從所述麥克風信號中的所述目標說話人話音成分中學習所述目標說話 人話音的時變頻譜模式；並且所述說話人識別電路進一步被設置為使用所習得的時變頻譜模式來識別所述麥克風 信號中存在發出所述特定歌曲/語音的所述目標說話人話音；通過在所述歌曲/語音期間 使用所習得的時變頻譜模式來隨時間改變所述控制信號以動態地調節所述自適應聲音濾 波器電路從而跟蹤所述目標說話人話音的預計時變頻譜模式並且相對於所述麥克風信號 中的其他成分來增大所述目標說話人話音成分，來對識別出所述麥克風信號中存在所述目 標說話人話音作出響應。
6.根據權利要求2至5中任意一項所述的電子設備，其中所述自適應聲音濾波器電路包括可變帶通濾波器，該可變帶通濾波器具有響應於所述 控制信號而變化的帶通頻率；所述說話人表徵電路進一步被設置為，通過在所述目標說話人發出所述特定歌曲/語音時對所述麥克風信號中所述目標說話人話音的頻率範圍隨時間的差異進行表徵，來學習 所述時變頻譜模式；並且所述說話人識別電路進一步被設置為，在所述特定歌曲/語音期間，使用所習得的時 變頻譜模式來調整所述帶通濾波器的帶通頻率使之遵循所述目標說話人話音的頻率範圍 隨時間的差異，從而相對於所述麥克風信號中的其他成分來增大所述目標說話人話音成 分。
7.根據權利要求2至6中任意一項所述的電子設備，其中所述說話人表徵電路進一步被設置為學習間隙的定時，在所述間隙中，當所述目標說 話人發出所述特定歌曲/語音時，所述麥克風信號中的所述目標說話人話音低於閾值幅 度；並且所述說話人識別電路進一步被設置為，使用所習得的間隙的定時來隨時間改變所述控 制信號，以在各個所述間隙期間相對於所述麥克風信號中的所述目標說話人話音成分來增 大所述麥克風信號中的其他成分，而在各個所述間隙之間相對於所述麥克風信號中的所述 其他成分來增大所述目標說話人話音成分。
8.根據權利要求2至7中任意一項所述的電子設備，其中所述自適應聲音濾波器電路包括可變增益放大器，該可變增益放大器放大所述麥克風 信號並具有響應於所述控制信號而變化的增益；所述說話人表徵電路進一步被設置為，在所述訓練模式期間工作，以在所述目標說話 人發出特定歌曲/語音時從所述麥克風信號中的所述目標說話人話音成分中學習所述目 標說話人話音的時變幅度模式；並且所述說話人識別電路進一步被設置為，在所述歌曲/語音期間，通過使用所習得的時 變幅度模式隨時間改變所述控制信號，以動態地調節所述可變增益放大器的增益從而跟蹤 所述目標說話人話音的預計時變幅度模式，來對識別出存在所述目標說話人話音作出響 應。
9.根據權利要求2至8中任意一項所述的電子設備，該電子設備還包括射頻接收器，其被設置為從所述目標說話人攜帶的遠程發射器接收無線通信信號；以及距離確定電路，其被設置為確定所接收的通信信號的信號強度，並響應於接收信號強 度來估計從所述電子設備到所述遠程發射器的距離，其中，所述說話人表徵電路進一步被設置為，在對所述麥克風信號進行濾波期間，響應 於所估計的從所述電子設備到所述遠程發射器的距離，對所習得的所述目標說話人話音的 特徵進行自適應，以補償距離對所述目標說話人話音成分的特徵的預計影響。
10.根據權利要求2至8中任意一項所述的電子設備，該電子設備還包括圖像傳感器，其被設置為生成圖像信號；距離確定電路，其被設置為識別所述圖像信號中存在預計與所述目標說話人相對應或 位置接近所述目標說話人的人，並響應於此人相對於多個閾值的大小來估計從所述電子設 備到此人的距離；其中，所述說話人表徵電路進一步被設置為，在對所述麥克風信號進行濾波期間，響應 於所估計的從所述電子設備到所識別的人之間的距離，對所習得的所述目標說話人話音的特徵進行自適應，以補償距離對所述目標說話人話音成分的特徵的預計影響。
11.根據權利要求2至8中任意一項所述的電子設備，該電子設備還包括射頻接收器，其被設置為從所述目標說話人攜帶的遠程發射器接收無線通信信號；以及距離確定電路，其被設置為確定所接收的通信信號的信號強度，並響應於接收信號強 度來估計從所述電子設備到所述遠程發射器的距離，其中，所述麥克風包括具有多個麥克風單元以及可控相位組合器電路的縮放/波束可 調麥克風，所述可控相位組合器電路響應於相位控制信號對來自所述多個麥克風單元的信 號之間的相對相位進行調節，並對相位調節後的信號進行組合以生成所述麥克風信號；並 且其中，所述說話人識別電路進一步被設置為，響應於識別出所述麥克風信號中存在所 述目標說話人話音以及所估計的從所述電子設備到所述遠程發射器的距離來調整所述相 位控制信號，以相對於所述麥克風信號中的其他成分來增大所述目標說話人話音成分。
12.根據權利要求2至8中任意一項所述的電子設備，該電子設備還包括圖像傳感器，其被設置為生成圖像信號；以及距離確定電路，其被設置為識別所述圖像信號中存在人，並響應於此人相對於多個閾 值的大小來估計從所述電子設備到此人的距離，其中，所述麥克風包括具有多個麥克風單元以及可控相位組合器電路的縮放/波束可 調麥克風，所述可控相位組合器電路響應於相位控制信號對來自所述多個麥克風單元的信 號之間的相對相位進行調節，並對相位調節後的信號進行組合以生成所述麥克風信號；並 且所述說話人識別電路進一步被設置為，響應於識別出所述麥克風信號中存在所述目標 說話人話音以及所估計的從所述電子設備到所識別的人的距離來調整所述相位控制信號， 以相對於所述麥克風信號中的其他成分來增大所述目標說話人話音成分。
13.根據權利要求2至12中任意一項所述的電子設備，該電子設備還包括音頻記錄器， 該音頻記錄器記錄來自所述自適應聲音濾波器的經濾波的麥克風信號。
14.一種方法，該方法包括計算機實現的以下步驟對麥克風信號內的目標說話人話音進行識別；以及響應於識別出所述目標說話人話音 來調整對所述麥克風信號的濾波。
15.根據權利要求14所述的方法，該方法還包括計算機實現的以下步驟在訓練模式期間學習所述麥克風信號中的所述目標說話人話音成分的特徵；以及使用 所習得的特徵來識別所述麥克風信號中存在所述目標說話人話音並對控制信號進行調整 以使自適應聲音濾波器電路對所述麥克風信號的濾波進行自適應，從而相對於所述麥克風 信號中的其他成分來增大目標說話人話音成分。
16.根據權利要求15所述的方法，該方法還包括計算機實現的以下步驟在所述訓練模式期間，當目標說話人發出特定歌曲/語音時學習所述麥克風信號中所 述目標說話人話音的頻率範圍隨時間的特徵差異；以及在所述特定歌曲/語音期間，通過使用所習得的所述目標說話人話音的頻率範圍隨時 間的特徵差異隨時間來改變所述控制信號，以動態地調節所述自適應聲音濾波器電路從而跟蹤所述目標說話人話音的頻率範圍隨時間的預計特徵差異並相對於所述麥克風信號中 的其他成分來增大所述目標說話人話音成分，來對識別出所述麥克風信號中存在所述目標 說話人話音作出響應。
17.根據權利要求15或16所述的方法，該方法還包括計算機實現的以下步驟 在所述訓練模式期間，當所述目標說話人發出特定歌曲/語音時學習所述麥克風信號中所述目標說話人話音的幅度模式隨時間的特徵差異；.以及在所述特定歌曲/語音期間，通過使用所習得的所述目標說話人話音的幅度模式隨時 間的特徵差異隨時間改變所述控制信號，以動態地調節所述自適應聲音濾波器電路中對所 述麥克風信號進行放大的可變增益放大器的增益，從而跟蹤所述目標說話人話音的幅度模 式隨時間的預計特徵差異，來對識別出所述麥克風信號中存在所述目標說話人話音作出響 應。
18.根據權利要求15至17中任意一項所述的方法，該方法還包括計算機實現的以下步驟在所述訓練模式期間學習間隙的定時，在所述間隙中，當所述目標說話人發出所述特 定歌曲/語音時，所述麥克風信號中的所述目標說話人話音低於閾值幅度；以及通過使用所習得的間隙的定時隨時間改變所述控制信號，以動態地調節所述自適應聲 音濾波器電路，從而在各個所述間隙期間相對於所述麥克風信號中的所述目標說話人話音 成分來增大所述麥克風信號中的其他成分，而在各個所述間隙之間相對於所述麥克風信號 中的其他成分來增大所述目標說話人話音成分，來對識別出所述麥克風信號中存在所述目 標說話人話音作出響應。
19.根據權利要求15至18中任意一項所述的方法，該方法還包括計算機實現的以下步驟響應於電子設備從所述目標說話人攜帶的遠程發射器接收到的信號的強度，估計從所 述電子設備到所述遠程發射器的距離；以及在對所述麥克風信號進行濾波期間，響應於所估計的從所述電子設備到所述遠程發射 器的距離對所習得的所述目標說話人話音的特徵進行自適應，以補償距離對所述目標說話 人話音成分的特徵的預計影響。
20.一種電子設備，該電子設備包括麥克風，其響應於進入的聲音而生成麥克風信號；說話人表徵電路，其被設置為在訓練模式下工作，以在目標說話人發出特定歌曲/語 音時從所述麥克風信號中的所述目標說話人話音成分中學習所述目標說話人話音的頻率 範圍的時變差異和/或幅度模式的時變差異；自適應聲音濾波器電路，其被設置為響應於控制信號對所述麥克風信號進行自適應濾 波，其中，所述自適應聲音濾波器電路包括可變帶通濾波器和/或可變增益放大器，該可變 帶通濾波器具有響應於所述控制信號而變化的帶通頻率，該可變增益放大器具有響應於所 述控制信號而變化的增益；以及說話人識別電路，其被設置為使用所習得的所述目標說話人話音的頻率範圍的時變差 異和/或幅度模式的時變差異來識別所述麥克風信號中存在發出所述特定歌曲/語音的所 述目標說話人話音，並通過使用所述目標說話人話音的頻率範圍的時變差異和/或幅度模式的時變差異來隨時間改變所述控制信號，以動態地調節所述帶通濾波器的帶通頻率使之遵循所述目標說話人話音的頻率範圍隨時間的差異，和/或動態地調節所述可變增益放大 器的增益使之遵循所述目標說話人話音的幅度模式隨時間的差異，來對識別出所述麥克風 信號中存所述目標說話人話音作出響應。
全文摘要
文檔編號G10L17/00GK101952884SQ20088012743
公開日2011年1月19日 申請日期2008年9月2日 優先權日2008年2月27日
發明者Bengtsson Henrik 申請人:Sony Ericsson Mobile Comm Ab