CN108257617B - 一种噪声场景识别系统及方法 - Google Patents
一种噪声场景识别系统及方法 Download PDFInfo
- Publication number
- CN108257617B CN108257617B CN201810028475.XA CN201810028475A CN108257617B CN 108257617 B CN108257617 B CN 108257617B CN 201810028475 A CN201810028475 A CN 201810028475A CN 108257617 B CN108257617 B CN 108257617B
- Authority
- CN
- China
- Prior art keywords
- noise
- library
- frequency spectrum
- signal
- noise signal
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000007613 environmental effect Effects 0.000 claims abstract description 46
- 238000001228 spectrum Methods 0.000 claims abstract description 46
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 230000002068 genetic effect Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims 2
- 238000013461 design Methods 0.000 abstract description 5
- 230000002349 favourable effect Effects 0.000 abstract description 2
- 230000009467 reduction Effects 0.000 description 26
- 230000000694 effects Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 208000007443 Neurasthenia Diseases 0.000 description 1
- 206010003549 asthenia Diseases 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/78—Detection of presence or absence of voice signals
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
- G10L21/0216—Noise filtering characterised by the method used for estimating noise
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Circuit For Audible Band Transducer (AREA)
Abstract
本本发明提供一种噪声场景识别系统及方法,首先离线采集各种典型环境噪声,并利用快速傅里叶变换得到每种环境噪声的频谱,形成典型环境噪声库;其次,对当前环境噪声信号进行采集,利用快速傅里叶变换得到该噪声信号的频谱;最后将当前噪声信号的频谱与噪声库中的典型环境噪声的频谱进行对比计算,确定当前噪声的场景模式。通过离线与在线结合的对比计算确定噪声场景模式,一方面,典型环境噪声库是通过离线方法建立,有效减少在线计算量,节省计算时间和存储容量,提高计算效率;另一方面,通过精准确定当前环境噪声的模式,有利于进一步针对不同模式的环境噪声设计最优滤波器,为最优滤波器的设计奠定基础,是设计最优滤波器中的一个重要环节。
Description
技术领域
本发明涉及主动降噪与通信技术领域,具体涉及一种噪声场景识别系统及方法。
背景技术
对于一些特定的场合,如飞机、地铁、船舶等均会有较大的环境噪声,长时间身处于该环境噪中会危害人的听力健康,严重的还会造成神经衰弱等精神问题。为解决上述问题,最简单且经济的方法是给双耳塞上隔音耳塞,这是一种被动降噪的方法,通过阻隔噪声达到噪声消噪的效果,这种方法能够阻隔较高频率的噪声,但无法消除上述场景中存在的中、低频噪声。另一种有效的解决方法是佩戴具有主动降噪功能的耳机,这种耳机将被动降噪与主动降噪结合起来,能够消除较宽频段的噪声,能够实现比单独使用被动降噪更好的降噪效果。
主动降噪通过次级声源产生与噪声信号相位相反、幅值相等的消噪信号来实现噪声的消除。不同的环境噪声其频率特性不同,若采用相同的消噪信号消除环境噪声,降噪效果会有一定程度的恶化。发明专利一种自适应主动降噪的方法、系统及耳机(201610008962.0)根据佩戴后耳罩的漏气情况从预先制定的降噪模式中选择降噪效果好的降噪模式进行降噪,虽然有效提高了降噪效果,但并未解决不同场景下噪声特性差异带来的降噪效果恶化的问题。发明专利一种自适应调节降噪增益的降噪方法、装置及降噪耳机(201610373999.3)通过根据外界环境的当前噪声等级,设置与当前噪声等级对应的降噪增益值,使得降噪耳机能够自适应调节降噪增益,这种方法能在一定程度上优化降噪效果,但仍无法实现不同降噪场景下的最优降噪。
发明内容
有鉴于此,本发明实施例的目的在于提供一种噪声场景识别系统及方法,以实现噪声模式的在线识别,完成基于环境噪声设计最优滤波器的前期准备。
第一方面,本发明实施例提供一种噪声场景识别系统,包括:测量单元、分析单元、计算单元以及环境噪声库;
所述测量单元、所述分析单元和所述计算单元依次连接,同时所述计算单元还与所述环境噪声库连接。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中:所述分析单元将来自所述测量单元的噪声信号转换成所述噪声信号的频谱。
结合第一方面,本发明实施例提供了第一方面的第二种可能的实施方式,其中:所述计算单元根据所述噪声信号的频谱和环境噪声库确定当前环境噪声的模式。
结合第一方面,本发明实施例提供了第一方面的第三种可能的实施方式,其中:所述环境噪声库包含多种典型环境噪声。
第二方面,本发明实施例提供一种噪声场景识别方法,包括以下步骤:
离线采集各种典型环境噪声信号,分析各噪声信号的频谱,并形成典型环境噪声库;
在线采集当前噪声信号,分析当前噪声信号的频谱;
将所述当前噪声信号频谱与所述典型环境噪声库中的各噪声信号的频谱进行对比计算,确定当前噪声的环境模式。
结合第二方面,本发明实施例提供了第二方面的第一种可能的实施方式,其中:所述噪声信号的频谱通过对所述噪声信号进行快速傅里叶变换得到。
结合第二方面,本发明实施例提供了第二方面的第二种可能的实施方式,其中:所述典型环境噪声库可以持续增加新环境模式噪声。
结合第二方面,本发明实施例提供了第二方面的第三种可能的实施方式,其中:确定实数k值,使得|g1(w)-k*g2(w)|最小;
其中,g1(w)、g2(w)分别表示当前环境噪声信号的频谱、噪声库中典型环境噪声的频谱,w表示频点,g2(w)对应的典型噪声环境模式即为当前噪声信号对应的噪声模式。
结合第二方面,本发明实施例提供了第二方面的第四种可能的实施方式,其中:所述实数k值可通过优化算法求得。
本发明提供一种噪声场景识别系统及方法,通过将当前噪声信号与噪声库中的噪声信号进行对比计算,确定当前噪声信号对应的噪声场景模式。首先离线采集各种典型环境噪声,并利用快速傅里叶变换得到每种环境噪声的频谱,形成典型环境噪声库;其次,对当前环境噪声信号进行采集,利用快速傅里叶变换得到该噪声信号的频谱;最后将当前噪声信号的频谱与噪声库中的典型环境噪声的频谱进行对比计算,确定当前噪声的场景模式。这种通过离线与在线结合的对比计算确定噪声场景模式的方法,一方面,典型环境噪声库是通过离线方法建立,有效减少在线计算量,节省计算时间和存储容量,提高计算效率;另一方面,通过精准确定当前环境噪声的模式,有利于进一步针对不同模式的环境噪声设计最优滤波器,为最优滤波器的设计奠定基础,是设计最优滤波器中的一个重要环节。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本发明实施1所提供的一种噪声场景识别系统结构示意图;
图2示出了本发明实施2所提供的一种噪声场景识别方法流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参见图1所示的噪声场景识别系统结构示意图,本实施例提供一种噪声场景识别系统,包括测量单元、分析单元、计算单元以及环境噪声库;
上述测量单元、上述分析单元和上述计算单元依次连接,同时上述计算单元还与上述环境噪声库连接。
在一个实施方式中,上述分析单元将来自上述测量单元的噪声信号转换成所述噪声信号的频谱。
在一个实施方式中,上述计算单元根据上述噪声信号的频谱和环境噪声库确定当前环境噪声的模式。
在一个实施方式中,上述环境噪声库包含多种典型环境噪声。典型噪声可包括不同场景下的噪声,例如地铁内噪声,飞机机舱内噪声,船舶驾驶舱内噪声等。
上述噪声场景识别系统工作过程为:上述测量单元将检测到的环境噪声传输至上述分析单元,经分析单元后输出该环境噪声的频谱至上述计算单元,计算单元根据输入的噪声频谱和环境噪声库中的多种典型环境噪声的频谱对比计算后,得出当前噪声相应的模式。
实施例2
参见图2所示的噪声场景识别方法流程图,本实施例提供一种噪声场景识别方法,具体步骤如下:
步骤201、离线采集各种典型环境噪声信号,分析各噪声信号的频谱,并形成典型环境噪声库;
步骤202、在线采集当前噪声信号,分析当前噪声信号的频谱;
步骤203、将所述当前噪声信号频谱与所述典型环境噪声库中的各噪声信号的频谱进行对比计算,确定当前噪声的环境模式。
在一个实施方式中,上述噪声信号的频谱通过对上述噪声信号进行快速傅里叶变换得到。上述噪声信号为时域信号,通过快速傅里叶变换得将时域信号转换成频域信号。
在一个实施方式中,上述典型环境噪声库可以持续增加新环境模式噪声。噪声库中的噪声模式越丰富,越利于当前环境噪声模式的确定,但同时也会增加在线的计算量和存储容量,这要根据实际需求权衡后决定。
在一个实施方式中,将上述当前噪声信号频谱与上述典型环境噪声库中的各噪声信号的频谱进行对比计算,其计算过程可概括为:确定实数k值,使得|g1(w)-k*g2(w)|最小,其中,g1(w)、g2(w)分别表示当前环境噪声信号的频谱、噪声库中典型环境噪声的频谱,w表示频点,g2(w)对应的典型噪声环境模式即为当前噪声信号对应的噪声模式。
在一个实施方式中,上述实数k值的可通过优化算法求得。
优选地,利用遗传算法对上述实数k值进行求解。假设当前噪声信号的频谱为g1(w),优选地,噪声库中有五种典型环境噪声对应的频谱分别为gm(w),其中m=2…6,利用遗传算法求分别取kn,其中n=1…5,使得Ln=|g1(w)-kn*gm(w)|最小,并确定最小的Ln,优选地,若L3为L1…L5中的最小值,则可确定当前环境噪声对应第3种典型噪声模式。优选地,若第3种环境噪声模式设定为飞机机舱内模式,则飞机机舱内模式定为当前环境噪声对应的噪声模式。
上述噪声模式的判断可作为基于不同的噪声模式设计最优滤波器的基础,针对不同的噪声模式设计最优滤波器,可实现主动降噪耳机在不同噪声场景下的最优降噪效果。
显然,本领域的技术人员应该明白,上述设计方法的各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (6)
1.一种噪声场景识别系统,其特征在于,包括:测量单元、分析单元、计算单元以及环境噪声库;
所述测量单元、所述分析单元和所述计算单元依次连接,同时所述计算单元还与所述环境噪声库连接;
其中,所述分析单元将来自所述测量单元的噪声信号转换成所述噪声信号的频谱;
其中,所述计算单元根据所述噪声信号的频谱和环境噪声库确定所述噪声信号的噪声模式;
其中,利用遗传算法对上述实数k值进行求解。
2.根据权利要求1所述的噪声场景识别系统,其特征在于,所述环境噪声库包含多种环境噪声。
4.根据权利要求3所述的噪声场景识别方法,其特征在于,所述噪声信号的频谱通过对所述噪声信号进行快速傅里叶变换得到。
5.根据权利要求3所述的噪声场景识别方法,其特征在于,所述环境噪声库持续增加新环境模式噪声。
6.根据权利要求5所述的噪声场景识别方法,其特征在于,所述实数k值通过优化算法求得。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810028475.XA CN108257617B (zh) | 2018-01-11 | 2018-01-11 | 一种噪声场景识别系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810028475.XA CN108257617B (zh) | 2018-01-11 | 2018-01-11 | 一种噪声场景识别系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108257617A CN108257617A (zh) | 2018-07-06 |
CN108257617B true CN108257617B (zh) | 2021-01-19 |
Family
ID=62726575
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810028475.XA Expired - Fee Related CN108257617B (zh) | 2018-01-11 | 2018-01-11 | 一种噪声场景识别系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108257617B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111145770B (zh) * | 2018-11-02 | 2022-11-22 | 北京微播视界科技有限公司 | 音频处理方法和装置 |
CN109346099B (zh) * | 2018-12-11 | 2022-02-08 | 珠海一微半导体股份有限公司 | 一种基于语音识别的迭代去噪方法和芯片 |
CN111243613B (zh) * | 2020-01-08 | 2023-01-31 | 福建省煜坤强威电机有限公司 | 基于噪声源识别的发电机组减震降噪方法 |
CN117219098A (zh) * | 2023-09-13 | 2023-12-12 | 南京汇智互娱网络科技有限公司 | 一种用于智能体的数据处理系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101197135A (zh) * | 2006-12-05 | 2008-06-11 | 华为技术有限公司 | 声音信号分类方法和装置 |
CN101701986A (zh) * | 2009-10-27 | 2010-05-05 | 中国舰船研究设计中心 | 电子设备电磁辐射干扰预测试诊断系统及其方法 |
JP2014164191A (ja) * | 2013-02-26 | 2014-09-08 | Oki Electric Ind Co Ltd | 信号処理装置、方法及びプログラム |
CN105679330A (zh) * | 2016-03-16 | 2016-06-15 | 南京工程学院 | 基于改进子带信噪比估计的数字助听器降噪方法 |
JP2016153138A (ja) * | 2015-02-17 | 2016-08-25 | Jfeスチール株式会社 | 冷間圧延または調質圧延における振動異常検出方法および装置 |
WO2016152511A1 (ja) * | 2015-03-23 | 2016-09-29 | ソニー株式会社 | 音源分離装置および方法、並びにプログラム |
CN106330385A (zh) * | 2016-08-29 | 2017-01-11 | 电子科技大学 | 一种干扰类型识别方法 |
CN107452368A (zh) * | 2017-08-14 | 2017-12-08 | 海尔优家智能科技(北京)有限公司 | 一种家电设备的降噪方法及装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1278185A3 (en) * | 2001-07-13 | 2005-02-09 | Alcatel | Method for improving noise reduction in speech transmission |
US7464029B2 (en) * | 2005-07-22 | 2008-12-09 | Qualcomm Incorporated | Robust separation of speech signals in a noisy environment |
CN101154382A (zh) * | 2006-09-29 | 2008-04-02 | 松下电器产业株式会社 | 检测风噪声的方法及其系统 |
KR100835993B1 (ko) * | 2006-11-30 | 2008-06-09 | 한국전자통신연구원 | 마스킹 확률을 이용한 음성 인식 전처리 방법 및 전처리장치 |
CN103219011A (zh) * | 2012-01-18 | 2013-07-24 | 联想移动通信科技有限公司 | 降噪方法、装置与通信终端 |
CN104952449A (zh) * | 2015-01-09 | 2015-09-30 | 珠海高凌技术有限公司 | 环境噪声声源识别方法及装置 |
CN104616662A (zh) * | 2015-01-27 | 2015-05-13 | 中国科学院理化技术研究所 | 主动降噪方法及装置 |
CN106504761A (zh) * | 2016-09-26 | 2017-03-15 | 李志宁 | 一种可定向降噪的智能噪声消除系统 |
CN106792315B (zh) * | 2017-01-05 | 2023-11-21 | 歌尔科技有限公司 | 一种抵消环境噪声的方法和装置及一种主动降噪耳机 |
-
2018
- 2018-01-11 CN CN201810028475.XA patent/CN108257617B/zh not_active Expired - Fee Related
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101197135A (zh) * | 2006-12-05 | 2008-06-11 | 华为技术有限公司 | 声音信号分类方法和装置 |
CN101701986A (zh) * | 2009-10-27 | 2010-05-05 | 中国舰船研究设计中心 | 电子设备电磁辐射干扰预测试诊断系统及其方法 |
JP2014164191A (ja) * | 2013-02-26 | 2014-09-08 | Oki Electric Ind Co Ltd | 信号処理装置、方法及びプログラム |
JP2016153138A (ja) * | 2015-02-17 | 2016-08-25 | Jfeスチール株式会社 | 冷間圧延または調質圧延における振動異常検出方法および装置 |
WO2016152511A1 (ja) * | 2015-03-23 | 2016-09-29 | ソニー株式会社 | 音源分離装置および方法、並びにプログラム |
CN105679330A (zh) * | 2016-03-16 | 2016-06-15 | 南京工程学院 | 基于改进子带信噪比估计的数字助听器降噪方法 |
CN106330385A (zh) * | 2016-08-29 | 2017-01-11 | 电子科技大学 | 一种干扰类型识别方法 |
CN107452368A (zh) * | 2017-08-14 | 2017-12-08 | 海尔优家智能科技(北京)有限公司 | 一种家电设备的降噪方法及装置 |
Non-Patent Citations (1)
Title |
---|
基于最小控制GARCH模型的噪声估计算法;孟宪波 等;《电子学报》;20160315;第44卷(第3期);第747-752页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108257617A (zh) | 2018-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108257617B (zh) | 一种噪声场景识别系统及方法 | |
EP2360685B1 (en) | Noise suppression | |
US20190208320A1 (en) | Sound source separation device, and method and program | |
CN104067339B (zh) | 噪音抑制装置 | |
CN107750027A (zh) | 场景自适应主动降噪耳机及场景自适应主动降噪设计方法 | |
CN111971975B (zh) | 主动降噪的方法、系统、电子设备和芯片 | |
US20140376744A1 (en) | Sound field spatial stabilizer with echo spectral coherence compensation | |
JP6204312B2 (ja) | 収音装置 | |
CN109195050A (zh) | 一种前馈滤波器设计方法及降噪耳机 | |
US9099973B2 (en) | Sound field spatial stabilizer with structured noise compensation | |
US9743179B2 (en) | Sound field spatial stabilizer with structured noise compensation | |
CN105869656A (zh) | 一种语音信号清晰度的确定方法及装置 | |
CN109448747A (zh) | 抗噪声波的生成方法、装置、计算机设备及存储介质 | |
CN102388624B (zh) | 音响处理装置以及音响处理方法 | |
CN110232905B (zh) | 上行降噪方法、装置和电子设备 | |
US11308970B2 (en) | Voice correction apparatus and voice correction method | |
CN114302286A (zh) | 一种通话语音降噪方法、装置、设备及存储介质 | |
US20120158809A1 (en) | Compensation Filtering Device and Method Thereof | |
CN110136740A (zh) | 使用最小最大值跟随器估计噪声的方法和音频噪声抑制器 | |
US11769517B2 (en) | Signal processing apparatus, signal processing method, and signal processing program | |
CN104703093B (zh) | 一种音频输出方法及装置 | |
Abramov et al. | Prediction of signal denoising efficiency for DCT-based filter | |
CN113516988B (zh) | 一种音频处理方法、装置、智能设备及存储介质 | |
CN117835285B (zh) | 通信感知一体化方法、装置、设备及存储介质 | |
CN115811682B (zh) | 一种基于时域信号的扬声器失真分析方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210119 |