CN108012217A - 联合降噪的方法及装置 - Google Patents
联合降噪的方法及装置 Download PDFInfo
- Publication number
- CN108012217A CN108012217A CN201711237659.9A CN201711237659A CN108012217A CN 108012217 A CN108012217 A CN 108012217A CN 201711237659 A CN201711237659 A CN 201711237659A CN 108012217 A CN108012217 A CN 108012217A
- Authority
- CN
- China
- Prior art keywords
- audio signal
- equipment
- audio
- noise reduction
- collection device
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R3/00—Circuits for transducers, loudspeakers or microphones
- H04R3/005—Circuits for transducers, loudspeakers or microphones for combining the signals of two or more microphones
Landscapes
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Otolaryngology (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Signal Processing (AREA)
- Soundproofing, Sound Blocking, And Sound Damping (AREA)
Abstract
本发明公开了一种联合降噪的方法及装置，涉及智能控制领域，为提高对智能设备操作和控制的准确性而发明。本发明的方法包括：第一设备获取自身的音频采集器采集的第一音频信号；所述第一设备获取第二设备的音频采集器采集的第二音频信号，所述第二设备与第一设备相连；所述第一设备将所述第一音频信号和所述第二音频信号联合处理，得到目标音频信号，以实现多路音频信号联合降噪。本发明适合应用在通过语音指令对智能设备控制的过程中。
Description
技术领域
本发明涉及智能控制技术领域，尤其涉及一种联合降噪的方法及装置。
背景技术
随着智能技术的发展，现在越来越多的智能设备实现了通过语音实现对智能设备的操作和控制。在通过语音对智能设备操作和控制的过程中，智能设备采集到的语音信号的质量成为是否能够准确对智能设备进行操作核控制的一个关键因素。
在现有的技术中智能设备采集语音信号是通过智能设备的音频采集器采集的，音频采集器通常为麦克风，然而由于受智能设备的麦克风个数的限制，使智能设备采集语音信号过程中抗噪能力较差，从而导致采集到的语音信号的质量较差，影响对智能设备操作和控制的准确性。
对于上述现有技术中存在的问题，目前的解决方式是在智能设备内部增加更多的麦克风，通过多路麦克风采集语音信号来提高语音信号的质量，然而智能设备内部增加麦克风在实际的实现上较复杂而且会大大增加智能设备的成本。
发明内容
鉴于上述问题，本发明提供一种联合降噪的方法及装置，为了提高对智能设备操作和控制的准确性。
为解决上述技术问题，第一方面，本发明提供了一种联合降噪的方法，该方法包括：
第一设备获取自身的音频采集器采集的第一音频信号；
所述第一设备获取第二设备的音频采集器采集的第二音频信号，所述第二设备与所述第一设备相连；
所述第一设备将所述第一音频信号和所述第二音频信号联合处理，得到目标音频信号，以实现多路音频信号联合降噪。
一种联合降噪的装置，该装置包括：
第一获取单元，用于第一设备获取自身的音频采集器采集的第一音频信号；
第二获取单元，用于所述第一设备获取第二设备的音频采集器采集的第二音频信号，所述第二设备与所述第一设备相连；
联合处理单元，用于所述第一设备将所述第一音频信号和所述第二音频信号联合处理，得到目标音频信号，以实现多路音频信号联合降噪。
为了实现上述目的，根据本发明的第三方面，提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述第一方面中所述的联合降噪的方法。
为了实现上述目的，根据本发明的第四方面，提供了一种电子设备，所述电子设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述第一方面中所述的联合降噪的方法。
借由上述技术方案，本发明提供的联合降噪的方法及装置，第一设备能够获取自身音频采集器采集的第一音频信号以及获取第二设备音频采集器采集的第二音频信号，并将第一音频信号和第二音频信号进行联合处理，达到多路音频信号联合降噪的效果。与现有技术相比，本发明中不需要在第一设备内部增加音频采集器，而是将其他第二设备中的音频采集器采集的音频信号与自身音频采集器采集的音频信号进行联合处理，同样达到了多路音频信号联合降噪的效果，在降低成本的基础上提高了音频信号的质量，进而提高对智能设备操作和控制的准确性。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明实施例提供的一种联合降噪的方法流程图；
图2示出了本发明实施例提供的另一种联合降噪的方法流程图；
图3示出了本发明实施例提供的一种联合降噪的装置的组成框图；
图4示出了本发明实施例提供的另一种联合降噪的装置的组成框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
为了提高对智能设备操作和控制的准确性，本发明实施例提供了一种联合降噪的方法，如图1所示，该方法应用在第一设备侧，该方法包括：
101、第一设备获取自身的音频采集器采集的第一音频信号。
本实施例以用户通过语音指令对智能设备进行智能控制的应用场景为例进行说明，其中第一设备为能够通过语音指令对其进行控制的智能设备，当第一设备检测到有语音指令输入的情况下，需要通过自身的音频采集器进行语音指令的采集，得到第一音频信号，然后向自身的音频采集器获取第一音频信号。
102、获取第二设备的音频采集器采集的第二音频信号。
其中，第二设备是与第一设备相连的设备，第二设备不是步骤101中输入的语音指令需要控制的智能设备，而是用于辅助增强第一音频信号的质量，并提高对第一设备控制的准确性的设备。另外，第二设备也包含音频采集器，能够与第一设备的音频采集器一样对输入的语音指令进行采集，为了与第一设备音频采集器采集得到的第一音频信号进行区别，将第二设备音频采集器对语音指令采集得到的音频信号记作第二音频信号。当第二设备得到第二音频信号后，将第二音频信号发送给第一设备，使第一设备能够获取到第二音频信号。
103、将第一音频信号和第二音频信号联合处理，得到目标音频信号。
将第一设备的音频采集器采集的第一音频信号以及第二设备的音频采集器采集的第二音频信号进行联合降噪处理，得到目标音频信号。具体的联合降噪的实现方式与现有技术中对同一个设备中多路音频信号进行联合降噪处理的实现方式是相同的。本实施例给出其中一种联合降噪处理的方式：将第一音频信号和第二音频信号进行差分计算，将第一音频信号以及第二音频信号中的噪声进行抵销，从而达到联合降噪的效果。需要说明的是，在进行差分计算的过程中，需要根据两个音频信号的声波强度进行加权，使加权后的噪声强度基本相同，实现最大程度的降噪，另外，若差分计算后使正常的音频信号即非噪声信号减弱，则可以对差分后的音频信号进行放大，得到目标音频信号。
得到目标音频信号后，第一设备将目标音频信号作为最终的与语音指令对应的音频信号，并依此对第一设备进行控制。
另外，需要说明的是，对第一音频信号以及第二音频信号进行联合处理的实现也可以在第一设备之外的其他设备上进行，比如第二设备或者与第一设备和/或第一设备关联的远程信息处理设备(比如云端服务器等)。若对第一音频信号以及第二音频信号进行联合处理不在第一设备上进行，则需要在其他设备上得到目标音频信号后发送给第一设备。
本发明实施例提供的联合降噪的方法，第一设备能够获取自身音频采集器采集的第一音频信号以及获取第二设备音频采集器采集的第二音频信号，并将第一音频信号和第二音频信号进行联合处理，达到多路音频信号联合降噪的效果。与现有技术相比，本发明中不需要在第一设备内部增加音频采集器，而是将其他第二设备中的音频采集器采集的音频信号与自身音频采集器采集的音频信号进行联合处理，同样达到了多路音频信号联合降噪的效果，在降低成本的基础上提高了音频信号的质量，进而提高对智能设备操作和控制的准确性。
进一步的，作为对图1所示实施例的细化及扩展，本发明实施例还提供了另一种联合降噪的方法，如图2所示。
201、第一设备获取自身的音频采集器采集的第一音频信号。
本实施例中，以音频采集器为麦克风为例进行说明，具体的本步骤的实现方式是将图1步骤101中的音频采集器替换为麦克风，其他的实现过程不变，此处不再赘述。
202、检测第二设备是否包含音频采集器。
第二设备是与第一设备相连的设备，由于本实施例是为了将不同设备对应的多路音频信号进行联合处理来实现联合降噪的效果，因此第二设备必须满足具有音频采集器。所以，需要检测第二设备是否包含音频采集器。对应于步骤201中的音频采集器，即检测第二设备是否包含麦克风。另外，优选的第二设备可以为与第一设备相连的带麦克风的耳机。
203、若包含，则根据预设通信协议与第二设备进行信息交互，以确定将第一音频信号和第二音频信号进行联合处理的需求。
根据步骤202的检测结果，若第二设备不包含音频采集器(麦克风)，则无法进行后续步骤，则第一设备直接用第一音频信号作为目标音频信号对第一设备进行控制。若第二设备包含音频采集器(麦克风)，则需要与第二设备通过预设通信协议与第二设备进行信息交互，以确定将第一音频信号和第二音频信号进行联合处理的需求，即确定需要将第一音频信号和第二音频信号进行联合处理。其中预设通信协议为使第一设备与第二设备能够进行信息交互的通信协议，比如定制化或者改良的DLNA协议等其他的协议。另外需要说明的是，若第一设备与第二设备是通过有线连接的情况下，不需要通过预设的通信协议进行信息的交互。
另外，在实际的应用中，第一设备还可以与第二设备通过信息交互确定将第一音频信号和第二音频信号进行联合处理的执行端，本实施例中后续步骤以第一设备为执行端为例进行说明。在实际的应用中，若确定的执行端为其他设备，则需要将第一音频信号和第二音频信号发送给其他设备，使其进行联合处理，联合处理的方式与本实施例中第一设备进行联合处理的实现方式是相同的，另外还增加的是使其他设备在对第一音频信号和第二音频信号进行联合处理后将最终得到的处理结果即目标音频信号返回给第一设备，以使第一设备依此对第一设备进行控制。
204、获取第二设备的音频采集器采集的第二音频信号。
本步骤的实现方式与图1步骤102的实现方式是相同的，此处不再赘述。
205、基于波束成形beamforming算法对第一音频信号和第二音频信号联合处理，得到目标音频信号。
具体的基于波束成形beamforming算法的实现是基于beamforming技术确定声源(用户发出的语音指令)空间位置，并且将第一音频信号以及第二音频信号组合成阵列，基于声源空间位置对第一音频信号以及第二音频信号中不同方向的声波进行加权，形成窄的发射波束，从而提高第一音频信号以及第二信号的解调信噪比，然后将加权后第一音频信号以及第二音频进行联合降噪，得到目标音频信号，然后第一设备将目标音频信号作为最终的与语音指令对应的音频信号，并依此对第一设备进行控制。具体的联合降噪的方式与图1步骤103中的联合降噪方式相同，此处不再赘述。在实际应用中，波束成形beamforming算法还可以替换为现有的其他的噪声消除算法，比如基于ICA的周期性噪声消除算法等。
另外，对于步骤205中对第一音频信号和第二音频信号联合处理，得到目标音频信号，本实施例还给出了另外一种实现方式，具体如下：
首先，将第一音频信号和第二音频信号
输入到预设音频合成模型中进行合成。
其中预设音频合成模型是预先建立的，预设音频合成模型是将训练数据对预设算法模型进行训练得到的，其中训练数据包括训练声源、第一设备的音频采集器对训练声源采集得到的第一训练音频信号、第二设备的音频采集对训练声源采集得到的第二训练音频信号以及训练声源对应的无干扰音频信号。具体的训练过程为：将第一训练音频信号以及第二训练音频信号对预设算法进行训练，将每次第一训练音频信号以及第二训练音频信号合成后的音频信号与训练声源对应的无干扰音频信号进行比对，然后根据两者的差别反复对预设算法进行训练，直到合成后的音频信号与训练声源对应的无干扰音频信号基本无差时，结束训练得到预设音频合成模型。需要说明的是，其中预设算法模型可以为多层反馈神经网络模型(Recurrent Neural Network，RNN)、长短期记忆神经网络模型(Long-shortTerm Memory，LTSM)等神经网络模型。
然后，将预设音频合成模型输出的合成信号确定为目标音频信号。
最后需要说明的是，在实际的应用中，对第一音频信号以及第二音频信号进行联合处理可以通过在DSP芯片(Digital Signal Process，DSP)中进行处理。
进一步的，作为对上述图1和图2所示方法的实现，本发明实施例另一实施例还提供了一种联合降噪的装置，用于对上述图1和图2所示的方法进行实现。该装置实施例与前述方法实施例对应，为便于阅读，本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述，但应当明确，本实施例中的装置能够对应实现前述方法实施例中的全部内容。如图3所示，该装置包括：第一获取单元31、第二获取单元32以及联合处理单元33。
第一获取单元31，用于第一设备获取自身的音频采集器采集的第一音频信号；
第二获取单元32，用于所述第一设备获取第二设备的音频采集器采集的第二音频信号，所述第二设备与第一设备相连；
第二设备向第二设备的音频采集器获取到第二音频信号后，将第二音频信号发送给第一设备，使第一设备能够获取到第二音频信号。
联合处理单元33，用于所述第一设备将所述第一音频信号和所述第二音频信号联合处理，得到目标音频信号，以实现多路音频信号联合降噪。
将第一设备的音频采集器采集的第一音频信号以及第二设备的音频采集器采集的第二音频信号进行联合降噪处理，得到目标音频信号。具体的联合降噪的实现方式与现有技术中对同一个设备中多路音频信号进行联合降噪处理的实现方式是相同的。本实施例给出其中一种联合降噪处理的方式：将第一音频信号和第二音频信号进行差分计算，将第一音频信号以及第二音频信号中的噪声进行抵销，从而达到联合降噪的效果。需要说明的是，在进行差分计算的过程中，需要根据两个音频信号的声波强度进行加权，使加权后的噪声强度基本相同，实现最大程度的降噪，另外，若差分计算后使正常的音频信号即非噪声信号减弱，则可以对差分后的音频信号进行放大，得到目标音频信号。
得到目标音频信号后，第一设备将目标音频信号作为最终的与语音指令对应的音频信号，并依此对第一设备进行控制。
如图4所示，所述装置还包括：
检测单元34，用于在所述第一设备获取第二设备的音频采集器采集的第二音频信号之前，所述第一设备检测第二设备是否包含音频采集器；
第二设备是与第一设备相连的设备，由于本实施例是为了将不同设备对应的多路音频信号进行联合处理来实现联合降噪的效果，因此第二设备必须满足具有音频采集器。所以，需要检测第二设备是否包含音频采集器。
确定单元35，用于若包含，则根据预设通信协议与第二设备进行信息交互，以确定将所述第一音频信号和所述第二音频信号进行联合处理的需求。
即确定需要将第一音频信号和第二音频信号进行联合处理。其中预设通信协议为使第一设备与第二设备能够进行信息交互的通信协议，比如定制化或者改良的DLNA协议等其他的协议。另外需要说明的是，若第一设备与第二设备是通过有线连接的情况下，不需要通过预设的通信协议进行信息的交互。
所述联合处理单元33，用于：
基于波束成形beamforming算法对所述第一音频信号和所述第二音频信号联合处理。
具体的基于波束成形beamforming算法的实现是基于beamforming技术确定声源(用户发出的语音指令)空间位置，并且将第一音频信号以及第二音频信号组合成阵列，基于声源空间位置对第一音频信号以及第二音频信号中不同方向的声波进行加权，形成窄的发射波束，从而提高第一音频信号以及第二信号的解调信噪比，然后将加权后第一音频信号以及第二音频进行联合降噪，得到目标音频信号，然后第一设备将目标音频信号作为最终的与语音指令对应的音频信号，并依此对第一设备进行控制。具体的联合降噪的方式参见图1步骤103中的联合降噪方式相同，此处不再赘述。在实际应用中，波束成形beamforming算法还可以替换为现有的其他的噪声消除算法，比如基于ICA的周期性噪声消除算法等。
如图4所示，所述联合处理单元33，包括：
合成模块331，用于将所述第一音频信号和所述第二音频信号输入到预设音频合成模型中进行合成，所述预设音频合成模型是将用于预设音频合成模型的训练数据对预设算法模型进行训练得到的，所述训练数据包括训练声源、第一设备对训练声源采集得到的第一训练音频信号、第二设备对训练声源采集得到的第二训练音频信号以及训练声源对应的无干扰音频信号；
具体的训练过程为：将第一训练音频信号以及第二训练音频信号对预设算法进行训练，将每次第一训练音频信号以及第二训练音频信号合成后的音频信号与训练声源对应的无干扰音频信号进行比对，然后根据两者之差反复对预设算法进行训练，直到合成后的音频信号与训练声源无限接近对应的无干扰音频信号(即与对应的无干扰音频信号几乎相同)时，结束训练得到预设音频合成模型。需要说明的是，其中预设算法模型可以为多层反馈神经网络模型(Recurrent Neural Network，RNN)、长短期记忆神经网络模型(Long-short Term Memory，LTSM)等神经网络模型。
确定模块332，用于将所述预设音频合成模型输出的合成信号确定为目标音频信号。
所述第一获取单元31以及第二获取单元32中的音频采集器为麦克风。
本发明实施例提供的联合降噪的装置，第一设备能够获取自身音频采集器采集的第一音频信号以及获取第二设备音频采集器采集的第二音频信号，并将第一音频信号和第二音频信号进行联合处理，达到多路音频信号联合降噪的效果。与现有技术相比，本发明中不需要在第一设备内部增加音频采集器，而是将其他第二设备中的音频采集器采集的音频信号与自身音频采集器采集的音频信号进行联合处理，同样达到了多路音频信号联合降噪的效果，在降低成本的基础上提高了音频信号的质量，进而提高对智能设备操作和控制的准确性。
所述联合降噪的装置包括处理器和存储器，上述第一获取单元31、第二获取单元32以及联合处理单元33等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来提高用户需求分析结果的准确性。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
本发明实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现所述联合降噪的方法。
本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述联合降噪的方法。
本发明实施例提供了一种电子设备，电子设备包括一个或多个处理器、存储器及存储在存储器上并可在处理器上运行的一个或多个程序，一个或多个处理器执行程序时实现以下步骤：第一设备获取自身的音频采集器采集的第一音频信号；所述第一设备获取第二设备的音频采集器采集的第二音频信号，所述第二设备与第一设备相连；所述第一设备将所述第一音频信号和所述第二音频信号联合处理，得到目标音频信号，以实现多路音频信号联合降噪。
进一步的，在所述第一设备获取第二设备的音频采集器采集的第二音频信号之前，所述方法还包括：
所述第一设备检测第二设备是否包含音频采集器；
若包含，则根据预设通信协议与第二设备进行信息交互，以确定将所述第一音频信号和所述第二音频信号进行联合处理的需求。
进一步的，所述第一设备将所述第一音频信号和所述第二音频信号联合处理，包括：
基于波束成形beamforming算法对所述第一音频信号和所述第二音频信号联合处理。
进一步的，所述第一设备将所述第一音频信号和所述第二音频信号联合处理，包括：
将所述第一音频信号和所述第二音频信号输入到预设音频合成模型中进行合成，所述预设音频合成模型是将用于预设音频合成模型的训练数据对预设算法模型进行训练得到的，所述训练数据包括训练声源、第一设备对训练声源采集得到的第一训练音频信号、第二设备对训练声源采集得到的第二训练音频信号以及训练声源对应的无干扰音频信号；
将所述预设音频合成模型输出的合成信号确定为目标音频信号。
进一步的，所述音频采集器为麦克风。
本发明实施例中的设备可以是服务器、PC、PAD、手机等。
本发明实施例还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：第一设备获取自身的音频采集器采集的第一音频信号；所述第一设备获取第二设备的音频采集器采集的第二音频信号，所述第二设备与第一设备相连；所述第一设备将所述第一音频信号和所述第二音频信号联合处理，得到目标音频信号，以实现多路音频信号联合降噪。
进一步的，在所述第一设备获取第二设备的音频采集器采集的第二音频信号之前，所述方法还包括：
所述第一设备检测第二设备是否包含音频采集器；
若包含，则根据预设通信协议与第二设备进行信息交互，以确定将所述第一音频信号和所述第二音频信号进行联合处理的需求。
进一步的，所述第一设备将所述第一音频信号和所述第二音频信号联合处理，包括：
基于波束成形beamforming算法对所述第一音频信号和所述第二音频信号联合处理。
进一步的，所述第一设备将所述第一音频信号和所述第二音频信号联合处理，包括：
将所述第一音频信号和所述第二音频信号输入到预设音频合成模型中进行合成，所述预设音频合成模型是将用于预设音频合成模型的训练数据对预设算法模型进行训练得到的，所述训练数据包括训练声源、第一设备对训练声源采集得到的第一训练音频信号、第二设备对训练声源采集得到的第二训练音频信号以及训练声源对应的无干扰音频信号；
将所述预设音频合成模型输出的合成信号确定为目标音频信号。
进一步的，所述音频采集器为麦克风。
本发明公开了：
A1、一种联合降噪的方法，所述方法包括：
第一设备获取自身的音频采集器采集的第一音频信号；
所述第一设备获取第二设备的音频采集器采集的第二音频信号，所述第二设备与所述第一设备相连；
所述第一设备将所述第一音频信号和所述第二音频信号联合处理，得到目标音频信号，以实现多路音频信号联合降噪。
A2、如A1所述的方法，在所述第一设备获取第二设备的音频采集器采集的第二音频信号之前，所述方法还包括：
所述第一设备检测第二设备是否包含音频采集器；
若包含，则根据预设通信协议与第二设备进行信息交互，以确定将所述第一音频信号和所述第二音频信号进行联合处理的需求。
A3、如A2所述的方法，所述第一设备将所述第一音频信号和所述第二音频信号联合处理，包括：
基于波束成形beamforming算法对所述第一音频信号和所述第二音频信号联合处理。
A4、如A1或A2所述的方法，所述第一设备将所述第一音频信号和所述第二音频信号联合处理，包括：
将所述第一音频信号和所述第二音频信号输入到预设音频合成模型中进行合成，所述预设音频合成模型是将用于预设音频合成模型的训练数据对预设算法模型进行训练得到的，所述训练数据包括训练声源、第一设备对训练声源采集得到的第一训练音频信号、第二设备对训练声源采集得到的第二训练音频信号以及训练声源对应的无干扰音频信号；
将所述预设音频合成模型输出的合成信号确定为目标音频信号。
A5、如A1所述的方法，所述音频采集器为麦克风。
B6、一种联合降噪的装置，所述装置包括：
第一获取单元，用于第一设备获取自身的音频采集器采集的第一音频信号；
第二获取单元，用于所述第一设备获取第二设备的音频采集器采集的第二音频信号，所述第二设备与所述第一设备相连；
联合处理单元，用于所述第一设备将所述第一音频信号和所述第二音频信号联合处理，得到目标音频信号，以实现多路音频信号联合降噪。
B7、如B6所述的装置，所述装置还包括：
检测单元，用于在所述第一设备获取第二设备的音频采集器采集的第二音频信号之前，所述第一设备检测第二设备是否包含音频采集器；
确定单元，用于若包含，则根据预设通信协议与第二设备进行信息交互，以确定将所述第一音频信号和所述第二音频信号进行联合处理的需求。
B8、如B7所述的装置，所述联合处理单元，用于：
基于波束成形beamforming算法对所述第一音频信号和所述第二音频信号联合处理。
B9、如B6或B7所述的装置，所述联合处理单元，包括：
合成模块，用于将所述第一音频信号和所述第二音频信号输入到预设音频合成模型中进行合成，所述预设音频合成模型是将用于预设音频合成模型的训练数据对预设算法模型进行训练得到的，所述训练数据包括训练声源、第一设备对训练声源采集得到的第一训练音频信号、第二设备对训练声源采集得到的第二训练音频信号以及训练声源对应的无干扰音频信号；
确定模块，用于将所述预设音频合成模型输出的合成信号确定为目标音频信号。
B10、如B6所述的装置，所述音频采集器为麦克风。
C11、一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述A1至A5中任意一项所述的联合降噪的方法。
D12、一种电子设备，所述电子设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如A1至A5中任意一项所述的联合降噪的方法。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种联合降噪的方法，其特征在于，所述方法包括：
第一设备获取自身的音频采集器采集的第一音频信号；
所述第一设备获取第二设备的音频采集器采集的第二音频信号，所述第二设备与所述第一设备相连；
所述第一设备将所述第一音频信号和所述第二音频信号联合处理，得到目标音频信号，以实现多路音频信号联合降噪。
2.根据权利要求1所述的方法，其特征在于，在所述第一设备获取第二设备的音频采集器采集的第二音频信号之前，所述方法还包括：
所述第一设备检测第二设备是否包含音频采集器；
若包含，则根据预设通信协议与第二设备进行信息交互，以确定将所述第一音频信号和所述第二音频信号进行联合处理的需求。
3.根据权利要求2所述的方法，其特征在于，所述第一设备将所述第一音频信号和所述第二音频信号联合处理，包括：
基于波束成形beamforming算法对所述第一音频信号和所述第二音频信号联合处理。
4.根据权利要求1或2所述的方法，其特征在于，所述第一设备将所述第一音频信号和所述第二音频信号联合处理，包括：
将所述第一音频信号和所述第二音频信号输入到预设音频合成模型中进行合成，所述预设音频合成模型是将用于预设音频合成模型的训练数据对预设算法模型进行训练得到的，所述训练数据包括训练声源、第一设备对训练声源采集得到的第一训练音频信号、第二设备对训练声源采集得到的第二训练音频信号以及训练声源对应的无干扰音频信号；
将所述预设音频合成模型输出的合成信号确定为目标音频信号。
5.根据权利要求1所述的方法，其特征在于，所述音频采集器为麦克风。
6.一种联合降噪的装置，其特征在于，所述装置包括：
第一获取单元，用于第一设备获取自身的音频采集器采集的第一音频信号；
第二获取单元，用于所述第一设备获取第二设备的音频采集器采集的第二音频信号，所述第二设备与所述第一设备相连；
联合处理单元，用于所述第一设备将所述第一音频信号和所述第二音频信号联合处理，得到目标音频信号，以实现多路音频信号联合降噪。
7.根据权利要求6所述的装置，其特征在于，所述装置还包括：
检测单元，用于在所述第一设备获取第二设备的音频采集器采集的第二音频信号之前，所述第一设备检测第二设备是否包含音频采集器；
确定单元，用于若包含，则根据预设通信协议与第二设备进行信息交互，以确定将所述第一音频信号和所述第二音频信号进行联合处理的需求。
8.根据权利要求7所述的装置，其特征在于，所述联合处理单元，用于：
基于波束成形beamforming算法对所述第一音频信号和所述第二音频信号联合处理。
9.一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述权利要求1至5中任意一项所述的联合降噪的方法。
10.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至5中任意一项所述的联合降噪的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711237659.9A CN108012217A (zh) | 2017-11-30 | 2017-11-30 | 联合降噪的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711237659.9A CN108012217A (zh) | 2017-11-30 | 2017-11-30 | 联合降噪的方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108012217A true CN108012217A (zh) | 2018-05-08 |
Family
ID=62055254
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711237659.9A Pending CN108012217A (zh) | 2017-11-30 | 2017-11-30 | 联合降噪的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108012217A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111429905A (zh) * | 2020-03-23 | 2020-07-17 | 北京声智科技有限公司 | 语音信号处理方法、装置、语音智能电梯、介质和设备 |
| CN111860130A (zh) * | 2020-06-05 | 2020-10-30 | 南方科技大学 | 基于音频的手势识别方法、装置、终端设备和存储介质 |
| CN113766385A (zh) * | 2021-09-24 | 2021-12-07 | 维沃移动通信有限公司 | 耳机降噪方法及装置 |
| CN114513715A (zh) * | 2020-11-17 | 2022-05-17 | Oppo广东移动通信有限公司 | 电子设备中执行语音处理的方法、装置、电子设备及芯片 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102800323A (zh) * | 2012-06-25 | 2012-11-28 | 华为终端有限公司 | 移动终端语音降噪的方法及装置 |
| CN104424953A (zh) * | 2013-09-11 | 2015-03-18 | 华为技术有限公司 | 语音信号处理方法与装置 |
| CN106710601A (zh) * | 2016-11-23 | 2017-05-24 | 合肥华凌股份有限公司 | 一种语音信号降噪拾音处理方法和装置及冰箱 |
-
2017
- 2017-11-30 CN CN201711237659.9A patent/CN108012217A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102800323A (zh) * | 2012-06-25 | 2012-11-28 | 华为终端有限公司 | 移动终端语音降噪的方法及装置 |
| CN104424953A (zh) * | 2013-09-11 | 2015-03-18 | 华为技术有限公司 | 语音信号处理方法与装置 |
| CN106710601A (zh) * | 2016-11-23 | 2017-05-24 | 合肥华凌股份有限公司 | 一种语音信号降噪拾音处理方法和装置及冰箱 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111429905A (zh) * | 2020-03-23 | 2020-07-17 | 北京声智科技有限公司 | 语音信号处理方法、装置、语音智能电梯、介质和设备 |
| CN111860130A (zh) * | 2020-06-05 | 2020-10-30 | 南方科技大学 | 基于音频的手势识别方法、装置、终端设备和存储介质 |
| CN114513715A (zh) * | 2020-11-17 | 2022-05-17 | Oppo广东移动通信有限公司 | 电子设备中执行语音处理的方法、装置、电子设备及芯片 |
| CN113766385A (zh) * | 2021-09-24 | 2021-12-07 | 维沃移动通信有限公司 | 耳机降噪方法及装置 |
| CN113766385B (zh) * | 2021-09-24 | 2023-12-22 | 维沃移动通信有限公司 | 耳机降噪方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108012217A (zh) | 联合降噪的方法及装置 | |
| CN110364144B (zh) | 一种语音识别模型训练方法及装置 | |
| US8983844B1 (en) | Transmission of noise parameters for improving automatic speech recognition | |
| Uria et al. | A deep neural network for acoustic-articulatory speech inversion | |
| CN110223680A (zh) | 语音处理方法、识别方法及其装置、系统、电子设备 | |
| CN108337601A (zh) | 音箱的控制方法及装置 | |
| CN103632677B (zh) | 带噪语音信号处理方法、装置及服务器 | |
| CN112949708B (zh) | 情绪识别方法、装置、计算机设备和存储介质 | |
| CN110473568A (zh) | 场景识别方法、装置、存储介质及电子设备 | |
| CN112565977B (zh) | 高频信号重建模型的训练方法和高频信号重建方法及装置 | |
| US20210318850A1 (en) | Apparatus, systems, and methods for microphone gain control for electronic user devices | |
| CN105516860A (zh) | 虚拟低音生成方法、装置和终端 | |
| Malik | Fighting AI with AI: fake speech detection using deep learning | |
| CN108364346A (zh) | 构建三维人脸模型的方法、装置和计算机可读存储介质 | |
| CN115426582B (zh) | 一种耳机音频处理方法及装置 | |
| CN115116471B (zh) | 音频信号处理方法和装置、训练方法、设备及介质 | |
| Hussain et al. | Bone-conducted speech enhancement using hierarchical extreme learning machine | |
| CN113257267B (zh) | 干扰信号消除模型的训练方法和干扰信号消除方法及设备 | |
| CN115171710A (zh) | 基于多角度判别的生成对抗网络的语音增强方法及系统 | |
| WO2022173990A1 (en) | Multi-channel speech compression system and method | |
| CN115881157A (zh) | 音频信号的处理方法及相关设备 | |
| CN113436643B (zh) | 语音增强模型的训练及应用方法、装置、设备及存储介质 | |
| CN113740064B (zh) | 滚动轴承故障类型诊断方法、装置、设备及可读存储介质 | |
| Yeom-Song et al. | A performance evaluation of several artificial neural networks for mapping speech spectrum parameters | |
| Fu et al. | The evaluation method of speech interference effect based on deep learning |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180508 |
|
| RJ01 | Rejection of invention patent application after publication |