CN109817240A - 信号分离方法、装置、设备及存储介质 - Google Patents
信号分离方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN109817240A CN109817240A CN201910218087.2A CN201910218087A CN109817240A CN 109817240 A CN109817240 A CN 109817240A CN 201910218087 A CN201910218087 A CN 201910218087A CN 109817240 A CN109817240 A CN 109817240A
- Authority
- CN
- China
- Prior art keywords
- sound
- source signal
- preliminary
- signal
- wave beam
- 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
Abstract
本发明实施例公开了一种信号分离方法、装置、设备及存储介质。其中,该方法应用于多声源场景中,该方法包括:依据波束成形算法中的角度信息,对环形麦克风阵列所围成的圆周进行均匀分割操作,得到各波束音区;采用语音采集系统采集混合原始声源信号,其中,所述语音采集系统由所述环形麦克风阵列构成;对所述混合原始声源信号进行初步分离,确定各波束音区输出的初步声源信号;根据回声消除原理,对各初步声源信号进行消除处理,得到各初步声源信号对应的目标声源信号。本发明实施例提供的技术方案,能够准确地分离出各目标声源信号,且可适用于多声源场景中,为多声源场景中准确分离各个声源提供了一种新思路。
Description
技术领域
本发明实施例涉及语音信号处理技术领域,尤其涉及一种信号分离方法、装置、设备及存储介质。
背景技术
随着语音识别应用的发展,越来越需要在复杂的声学环境下(例如多个说话人,多个干扰源等)进行单一发声源信号分离的能力。只有做到多声源分离,才能让语音识别系统在分离出来的单一发声源上正常工作。
目前,盲信号处理在生物医学信号处理、通讯、图像和语音信号处理等多领域极具有应用价值。盲源分离(BSS,Blind Source Separation),又称为盲信号分离,是指在信号的理论模型和声源信号无法精确获知的情况下,如何从各个原始声源信号组成的混迭信号中分离出各声源信号的过程。
但是,在一些特定的场景下,比如在多人处于一个较小的空间中,利用现有分离算法无法准确地分离出各目标声源信号。
发明内容
本发明实施例提供了一种信号分离方法、装置、设备和存储介质,在多声源场景中,能够准确地分离出各目标声源信号。
第一方面,本发明实施例提供了一种信号分离方法,应用于多声源场景中,该方法包括:
依据波束成形算法中的角度信息,对环形麦克风阵列所围成的圆周进行均匀分割操作,得到各波束音区;
采用语音采集系统采集混合原始声源信号,其中,所述语音采集系统由所述环形麦克风阵列构成;
对混合原始声源信号进行初步分离,确定各波束音区输出的初步声源信号;
根据回声消除原理,对各初步声源信号进行消除处理,得到各初步声源信号对应的目标声源信号。
第二方面,本发明实施例还提供了一种信号分离装置,该装置包括:
音区确定模块,用于依据波束成形算法中的角度信息,对环形麦克风阵列所围成的圆周进行均匀分割操作,得到各波束音区;
采集模块,用于采用语音采集系统采集混合原始声源信号,其中,所述语音采集系统由所述环形麦克风阵列构成;
初步信号确定模块,用于对所述混合原始声源信号进行初步分离,确定各波束音区输出的初步声源信号;
目标信号确定模块,用于根据回声消除原理,对各初步声源信号进行消除处理,得到各初步声源信号对应的目标声源信号。
第三方面,本发明实施例还提供了一种设备,该设备包括:
一个或多个处理器;
存储装置,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第一方面中任意所述的信号分离方法。
第四方面,本发明实施例还提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现第一方面中任意所述的信号分离方法。
本发明实施例提供的技术方案,通过在由环形麦克风阵列构成的语音采集系统中采用波束成形算法,可以将圆周分割为多个波束音区,进而可以将语音采集系统采集的混合原始声源信号分离为各波束音区对应的初步声源信号;在各波束音区对应的初步声源信号之后,可以根据回声消除原理,对各初步声源信号进行消除处理,可以消除各初步声源信号中相互干扰的成分,进而使每个波束音区只保留单一声源,即准确得到各初步声源信号对应的目标声源信号。本方案,相比于现有的技术方案,能够准确地分离出各目标声源信号,且可适用于多声源场景中,为多声源场景中准确分离各个声源提供了一种新思路。
附图说明
图1A是本发明实施例一中提供的一种信号分离方法的流程图;
图1B是本发明实施例一中提供的一种波束音区示意图;
图2是本发明实施例二中提供的一种信号分离方法的流程图;
图3是本发明实施例三中提供的一种信号分离方法的流程图;
图4是本发明实施例四中提供的一种信号分离方法的流程图;
图5是本发明实施例五中提供的一种信号分离装置的结构框图;
图6是本发明实施例六中提供的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明实施例作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明实施例,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明实施例相关的部分而非全部结构。
实施例一
图1A为本发明实施例一提供的一种信号分离方法的流程图,本实施可适用于如何从多个声源中准确地分离出各个声源,尤其适用于多声源场景中如会议室或车辆环境下等,多个人同时说话,或者说话人与多噪声源并存等的情况。该方法可以由本发明实施例提供的信号分离装置来执行,该装置可采用软件和/或硬件的方式实现,该装置可集成于计算设备中,也可独立作为一个设备。参见图1A,该方法具体包括:
S110,依据波束成形算法中的角度信息,对环形麦克风阵列所围成的圆周进行均匀分割操作,得到各波束音区。
本实施例中,环形麦克风阵列可构成语音采集系统,且可检测360度范围内多个声源。可选的,环形麦克风阵列中,每个麦克风均布置于圆周上,且每两个麦克风之间的间距相等。需要说明的是,为了提高波束成形算法分离声源信号的精度,以降低后续消除操作的复杂度,在实际应用场景中,可采用等于或大于4的偶数个麦克风构建环形麦克风阵列,例如可以采用6个麦克风构建环形麦克风阵列。
波束成形算法是一种信号降维或获取特定范围信号的方法,也是一种分离信号的方法。例如,对于两个麦克风所形成的角度,通过波束成形算法可以一定程度上过滤该角度范围之外的声源信号,提取该角度范围内的声源信号,进而实现分离。本实施例中,为了实现对语音采集系统采集的混合原始声源信号的初分离,首先需执行S110的操作,即通过在由环形麦克风阵列构成的语音采集系统中采用波束成形算法,将环形麦克风阵列所围成的圆周分割为多个波束音区。
角度信息是指波束成形算法中对声源信号进行分离的关键因素,可根据实际情况进行调整。例如,对于会议室场景中,可根据实际会议室中参会人数情况,设定波束成形算法中的角度信息。
波束音区的角度大小及个数可由波束成形算法中的角度信息决定。例如,若波束成形算法中的角度信息为45度,则环形麦克风阵列所围成的圆周可均匀分割为8个角度为45度的波束音区。可选的,每个波束音区的角度范围由预先设定的0度和90度的参考方位确定。可选的,一定环境场景下,人数越多,设定波束成形算法的角度越小,所划分的波束音区越密,进而分离声源信号的精度越高。
例如,如图1B所示,环形麦克风阵列由6个麦克风所构成。若波束成形算法中的角度信息为45度,则可以将6个麦克风所围成的圆周(360度)均匀分割为8个波束音区。
为了保证能够准确地分离出各目标声源信号,可选的,采用波束成形算法所划分的波束音区的个数大于或等于实际环境中声源的个数。例如,在会议场景中,波束音区的个数大于等于参会人员个数。
S120,采用语音采集系统采集混合原始声源信号,其中,语音采集系统由环形麦克风阵列构成。
本实施例中,混合原始声源信号是指在多声源场景中,语音采集系统所采集的多个(即两个或两个以上的)声源信号混合而成的信号。例如,在会议室场景下,语音采集系统所采集的混合原始声源信号可以是多个人说话所产生的声源信号混合而成;在车辆环境下,语音采集系统所采集的混合原始声源信号可以是车内人员说话所产生的声源信号和车外环境所产生的噪声源信号混合而成;在机械环境下,语音采集系统所采集的混合原始声源信号可以是工厂内不同机械运转所产生的多个噪声源信号混合而成等。
S130,对混合原始声源信号进行初步分离,确定各波束音区输出的初步声源信号。
本实施例中,初步声源信号是指对语音采集系统所采集的混合原始声源信号进行初步分离处理所得到的信号。
具体的,在依据波束成形算法中的角度信息将环形麦克风阵列所围成的圆周均匀分割为多个波束音区后,可以依据波束成形算法中的信号分离规则、混合原始声源信号的能量分布、以及各波束音区的角度范围等,将混合原始声源信号分离为与波束音区个数相同个初步声源信号,且每个波束音区对应输出一个初步声源信号。
例如,图1B所示,将环形麦克风阵列所围成的圆周均匀分割为8个波束音区,分别对应Z1至Z8,执行S130之后,将获取8个初步声源信号,分别为O1至O8。
需要说明的是,S110和S120是依据波束成形算法实现混合声源信号初步分离的必要操作,但是S110和S120的顺序没有先后之分,也可以先执行S120,后执行S110。
S140,根据回声消除原理,对各初步声源信号进行消除处理,得到各初步声源信号对应的目标声源信号。
本实施例中,基于波束成形算法具有可以抑制特定角度范围之外的声源信号的特性,可以将语音采集系统采集的混合原始声源信号初步分离成多个初步声源信号,但是波束成形算法并不能完全抑制特定角度范围之外的声源信号,也就是说基于波束成形算法初步分离得到的多个初步声源信号存在相互干扰的现象。例如图1B所示,假设现在有四个人在不同的角度同时说话,依据波束成形算法中的分离规则以及各波束音区的角度范围等,S1的声音可能大部分集中在波束音区Z4输出的初始声源信号中,但是其他波束音区如相邻波束音区Z3和Z5等输出的初步声源信号中也可能混合有S1的声音信号;同理,波束音区Z4输出的初始声源信号中也可能混合有其他人如S2的声音信号。也就是说,各个波束音区输出的初步声源信号可能不是单一的声源信号,各个波束音区输出的初步声源信号中可能混合有其他波束音区的声源信号。
因此,为了从混合原始声源信号中准确分离出各目标声源信号,本实施例利用回声消除原理,对各初步声源信号进行干扰消除操作,进而使每个波束音区只保留单一声源信号,即准确得到各初步声源信号对应的目标声源信号。
回声消除原理是一种用于指示从混合有回声的声源信号中消除回声,以得到纯净声源信号的方式;具体操作可以过程是:以扬声器信号与由它产生的多路径回声的相关性为基础,建立远端信号的语音模型,利用它对回声进行估计,并不断修改滤波器的系数,使得估计值更加逼近真实的回声;然后,将回声估计值从话筒的输入信号中减去,从而达到消除回声的目的。
基于上述描述,本实施例中,对于每一初步声源信号,可以选择将其他初步声源信号作为参考信号,根据回声消除原理可以消除该初步声源信号中混入的其他波束音区的声源信号,进而可使输出该初步声源信号的波束音区中只保留单一声源信号。目标声源信号是单一的声源信号。例如,对于图1B中的波束音区Z4输出的初始声源信号进行消除处理后,所得到的目标声源信号为单一S1的声音信号。
示例性的,根据回声消除原理,对各初步声源信号进行消除处理,得到各初步声源信号对应的目标声源信号可以包括:
A、针对每一初步声源信号,从剩余初步声源信号中选取参考信号;
本实施例中,针对每一初步声源信号,剩余初步声源信号是指除输出该初步声源信号之外的其他波束音区输出的初步声源信号。例如,对于图1B中波束音区Z4输出的初步声源信号,剩余初步声源信号可以是除波束音区Z4之外的其他波束音区Z1至Z3、以及Z5至Z8输出的初步声源信号。
参考信号是指从剩余初步声源信号中选择的初步声源信号,可以是全部的剩余初步声源信号,也可以是剩余声源信号中的一部分;具体的,从剩余声源信号中选择参考信号的方式将在下述实施例中进行详细介绍。
B、根据回声消除原理,对参考信号和该初步声源信号进行消除处理,确定该初步声源信号对应的目标声源信号。
具体的,针对每一初步声源信号,在确定了该初步声源信号的参考信号之后,而后将该参考信号输入至自适应滤波器中,通过不断调整自适应滤波器的系数,获取自适应滤波器收敛时的输出信号;从该初步声源信号减去自适应滤波器收敛时的输出信号,将得到该初步声源信号对应的目标声源信号,即单一声源信号。
在具体的多人说话场景下,通过采用波束成形算法对多人说话所产生的混合原始声源信号进行初分离处理,可得到多个初步声源信号;而后利用回声消除原理,对每一初步声源信号进行消除干扰处理,最终可得到每个人单独的目标声源信号。
本发明实施例提供的技术方案,通过在由环形麦克风阵列构成的语音采集系统中采用波束成形算法,可以将圆周分割为多个波束音区,进而可以将语音采集系统采集的混合原始声源信号分离为各波束音区对应的初步声源信号;在各波束音区对应的初步声源信号之后,可以根据回声消除原理,对各初步声源信号进行消除处理,可以消除各初步声源信号中相互干扰的成分,进而使每个音区只保留单一声源,即准确得到各初步声源信号对应的目标声源信号。本方案,相比于现有的技术方案,能够准确地分离出各目标声源信号,且可适用于多声源场景中,为多声源场景中准确分离各个声源提供了一种新思路。
实施例二
图2为本发明实施例二提供的一种信号分离方法的流程图,本实施例在上述实施例一的基础上,进一步的对根据回声消除原理,对各初步声源信号进行消除处理,得到各初步声源信号对应的目标声源信号进行解释说明。参见图2,该方法具体包括:
S210,依据波束成形算法中的角度信息,对环形麦克风阵列所围成的圆周进行均匀分割操作,得到各波束音区。
S220,采用语音采集系统采集混合原始声源信号,其中,语音采集系统由环形麦克风阵列构成。
S230,对混合原始声源信号进行初步分离,确定各波束音区输出的初步声源信号。
S240,针对每一初步声源信号,将输出该初步声源信号的波束音区作为目标波束音区。
具体的,由于每个波束音区唯一对应一个初步声源信号,因此,可根据初步声源信号确定其对应的波束音区。例如,如图1B所示,对于初步声源信号O4,可以将输出该初步声源信号O4的波束音区Z4作为目标波束音区。
S250,去除与目标波束音区相邻的波束音区输出的初步声源信号,将更新后剩余初步声源信号作为参考信号。
实际场景中,与目标波束音区相邻的波束音区输出的初步声源信号中,可能混合有较大能量的目标波束音区输出的初步声源信号。例如,图1B中的S3的声音可能大部分集中在波束音区Z8输出的初始声源信号中,但是其相邻波束音区Z7和Z1输出的初步声源信号中很可能混合有比较大能量的S3声音信号。因此,对于波束音区Z8输出的初步声源信号O8,如果将相邻波束音区Z7和Z1输出的初步声源信号也作为参考信号的话,可能会出现消除S3声音的现象,也就是说,最终确定的初步声源信号O8对应的目标声源信号可能没有输出。
本实施例中,结合实际情况,对于每一初步声源信号,在确定其参考信号时,可以先去除与目标波束音区相邻的波束音区输出的初步声源信号,而后可以直接将更新后剩余初步声源信号作为参考信号。
例如,如图1B所示,对于初步声源信号O8,可以将波束音区Z8作为目标波束音区;且由图可知,波束音区Z7和Z1与目标波束音区相邻。去除波束音区Z7和Z1的输出初步声源信号O7和O1之后,更新后剩余初步声源信号将变为波束音区Z2至Z6输出的初步声源信号,可直接将波束音区Z2至Z6输出的初步声源信号作为参考信号,此外,还可以将波束音区Z2至Z6输出的初步声源信号中的一部分作为参考信号。
S260,根据回声消除原理,对参考信号和该初步声源信号进行消除处理,确定该初步声源信号对应的目标声源信号。
本发明实施例提供的技术方案,通过在由环形麦克风阵列构成的语音采集系统中采用波束成形算法,可以将圆周分割为多个波束音区,进而可以将语音采集系统采集的混合原始声源信号分离为各波束音区对应的初步声源信号;在各波束音区对应的初步声源信号之后,对于每一初步声源信号,为了避免出现自我消除现象,可以从剩余声源信号中去除,与输出该初步声源信号的目标波束音区相邻的波束音区输出的初步声源信号,并将更新后剩余初步声源信号作为参考信,而后根据回声消除原理,对参考信号和该初步声源信号进行消除处理,即可消除该初步声源信号中相互干扰的成分;最终每个波束音区只保留单一声源,即准确得到了各初步声源信号对应的目标声源信号。本方案,相比于现有的技术方案,能够准确地分离出各目标声源信号,且可适用于多声源场景中,为多声源场景中准确分离各个声源提供了一种新思路。
实施例三
图3为本发明实施例三提供的一种信号分离方法的流程图,本实施例在上述实施例的基础上,又进一步的对根据回声消除原理,对各初步声源信号进行消除处理,得到各初步声源信号对应的目标声源信号进行解释说明。参见图3,该方法具体包括:
S310,依据波束成形算法中的角度信息,对环形麦克风阵列所围成的圆周进行均匀分割操作,得到各波束音区。
S320,采用语音采集系统采集混合原始声源信号,其中,语音采集系统由环形麦克风阵列构成。
S330,对混合原始声源信号进行初步分离,确定各波束音区输出的初步声源信号。
S340,针对每一初步声源信号,将输出该初步声源信号的波束音区作为旋转起始区,以预设方向在圆周上旋转,将每间隔预设弧长的波束音区作为候选音区。
本实施例中,预设方向可以是顺时针方向,也可以是逆时针方向;由于圆周的对称性,也可以以旋转起始区为起点,以与旋转起始区对称的波束音区为终点,从旋转起始区两侧分别以顺时针和逆时针方向旋转至终点等。预设弧长可以是波束音区所对应弧长的整数倍,具体可根据实际情况中波束音区的个数而定。
例如,如图1B所示,对于初步声源信号O1,可以将输出该初步声源信号O1的波束音区Z1作为旋转起始区;以逆时针方向在圆周上旋转一周,在旋转过程中,将每间隔一个波束音区所对应弧长的波束音区作为候选音区,即可以将波束音区Z3、Z5和Z7作为候选音区。
同理,对于初步声源信号O8,可以将输出该初步声源信号O8的波束音区Z1作为旋转起始区;以逆时针方向在圆周上旋转一周,在旋转过程中,将每间隔一个波束音区所对应弧长的波束音区作为候选音区,即可以将波束音区Z2、Z4和Z6作为候选音区。
S350,将候选音区输出的初步声源信号作为参考信号。
例如,对于初步声源信号O1,可以将候选音区Z3、Z5和Z7输出的初步声源信号作为参考信号。
需要说明的是,本实施例中,对于每一初步声源信号,以每间隔预设弧长选择候选音区,进而确定参考信号,不仅可以有效避免自我消除现象的出现,而且还可以降低运算的复杂度。
S360,根据回声消除原理,对参考信号和该初步声源信号进行消除处理,确定该初步声源信号对应的目标声源信号。
本发明实施例提供的技术方案,通过在由环形麦克风阵列构成的语音采集系统中采用波束成形算法,可以将圆周分割为多个波束音区,进而可以将语音采集系统采集的混合原始声源信号分离为各波束音区对应的初步声源信号;在各波束音区对应的初步声源信号之后,对于每一初步声源信号,可以将输出该初步声源信号的波束音区作为旋转起始区,以预设方向在圆周上旋转,将每间隔预设弧长的波束音区作为候选音区,并将候选音区输出的初步声源信号作为参考信号,不仅可以有效避免自我消除现象的出现,而且还可以降低运算的复杂度;而后根据回声消除原理,对参考信号和该初步声源信号进行消除处理,即可消除该初步声源信号中相互干扰的成分;最终每个波束音区只保留单一声源,即准确得到了各初步声源信号对应的目标声源信号。本方案,相比于现有的技术方案,能够准确地分离出各目标声源信号,且可适用于多声源场景中,为多声源场景中准确分离各个声源提供了一种新思路。
实施例四
图4为本发明实施例四提供的一种信号分离方法的流程图,本实施例在上述实施例的基础上,进一步的优化。参见图4,该方法具体包括:
S410,依据波束成形算法中的角度信息,对环形麦克风阵列所围成的圆周进行均匀分割操作,得到各波束音区。
S420,采用语音采集系统采集混合原始声源信号,其中,语音采集系统由环形麦克风阵列构成。
S430,对混合原始声源信号进行初步分离,确定各波束音区输出的初步声源信号。
S440,根据回声消除原理,对各初步声源信号进行消除处理,得到各初步声源信号对应的目标声源信号。
S450,采用声源定位算法,确定各声源的角度。
本实施例中,声源定位算法是一种能够识别出发声源方位的算法,具体可以是利用麦克风阵列拾取高质量的声源信号,再结合声源和阵列结构之间的关系,即可得到一个或者多个发声源的位置信息(包括角度信息)。
由于采用波束成形算法所划分的波束音区的个数大于或等于实际环境中声源的个数,因此,最终确定的各波束音区的目标声源信号中可能会存在无输出结果的情况,以及可能会出现重复输出同一声源的问题。例如,图1B中的S2处于音区交界处,采用上述S410至S440之后,波束音区Z1输出的目标声源信号和波束音区Z2输出的目标声源信号可能均是S2的声音所产生的,只是信号强度存在差别。
因此,为了便于后续语音识别系统能够快速识别出各目标声源信号中哪些是需要的信号,可以采用声源定位算法,确定各声源的角度,进而基于各声源的角度进行消歧处理。
S460,依据各声源的角度,以及各波束音区的角度范围,确定各声源所在的波束音区。
具体的,在采用声源定位算法,确定各声源的角度之后,对于每一声源,可以依据该声源的角度以及各波束音区的角度范围,确定该声源所在的波束音区。
例如,图1B所示,若波束音区Z1左侧为0度,波束音区Z2上侧为90度,则可以确定波束音区Z1的角度范围为0至45度,波束音区Z2的角度范围为45至90度;若采用声源定位算法确定声源S2的角度为48度,则可以确定该声源S2所在的波束音区为Z2。同理,可确定声源S3所在的波束音区为Z8,声源S4所在的波束音区为Z6,以及声源S1所在的波束音区为Z4。
S470,在各声源所在的波束音区的目标声源信号中添加标识符,以供语音识别系统进行识别。
本实施例中,标识符是预先设定的,便于语音识别系统快速识别特定信号的一种标志,可以是在目标声源信号的特定位置中插入特定标识,如在目标声源信号的头部或尾部插入波束音区号如04等。
具体的,在确定各声源所在的波束音区之后,可以获取各声源所在的波束音区的目标声源信号,之后在获取的各目标声源信号中添加标识符;最后将所有波束音区的目标声源信号输出至语音识别系统,语音识别系统在获取到各目标声源信号后,通过标识符可以快速确定哪些目标声源信号是有用的,哪些是无用的。
本发明实施例提供的技术方案,通过在由环形麦克风阵列构成的语音采集系统中采用波束成形算法,可以将圆周分割为多个波束音区,进而可以将语音采集系统采集的混合原始声源信号分离为各波束音区对应的初步声源信号;在各波束音区对应的初步声源信号之后,可以根据回声消除原理,对各初步声源信号进行消除处理,可以消除各初步声源信号中相互干扰的成分,进而使每个音区只保留单一声源,即准确得到各初步声源信号对应的目标声源信号之后,为了便于后续语音识别系统能够快速识别出各目标声源信号中哪些是需要的信号,可以采用声源定位算法,确定各声源的角度,进而基于各声源的角度以及各波束音区的角度范围进行消歧处理。
实施例五
图5为本发明实施例五提供的一种信号分离装置的结构框图,该装置可配置于计算设备中,也可独立作为一个设备。该装置可执行本发明任意实施例所提供的信号分离方法,具备执行方法相应的功能模块和有益效果。如图5所示,该装置可以包括:
音区确定模块510,用于依据波束成形算法中的角度信息,对环形麦克风阵列所围成的圆周进行均匀分割操作,得到各波束音区;
采集模块520,用于采用语音采集系统采集混合原始声源信号,其中,所述语音采集系统由环形麦克风阵列构成;
初步信号确定模块530,用于对混合原始声源信号进行初步分离,确定各波束音区输出的初步声源信号;
目标信号确定模块540,用于根据回声消除原理,对各初步声源信号进行消除处理,得到各初步声源信号对应的目标声源信号。
本发明实施例提供的技术方案,通过在由环形麦克风阵列构成的语音采集系统中采用波束成形算法,可以将圆周分割为多个波束音区,进而可以将语音采集系统采集的混合原始声源信号分离为各波束音区对应的初步声源信号;在各波束音区对应的初步声源信号之后,可以根据回声消除原理,对各初步声源信号进行消除处理,可以消除各初步声源信号中相互干扰的成分,进而使每个音区只保留单一声源,即准确得到各初步声源信号对应的目标声源信号。本方案,相比于现有的技术方案,能够准确地分离出各目标声源信号,且可适用于多声源场景中,为多声源场景中准确分离各个声源提供了一种新思路。
示例性的,目标信号确定模块可以包括:
参考信号选取单元,用于针对每一初步声源信号,从剩余初步声源信号中选取参考信号;
目标信号确定单元,用于根据回声消除原理,对参考信号和该初步声源信号进行消除处理,确定该初步声源信号对应的目标声源信号。
示例性的,参考信号选取单元具体可以用于:
将输出该初步声源信号的波束音区作为目标波束音区;
去除与目标波束音区相邻的波束音区输出的初步声源信号,将更新后剩余初步声源信号作为参考信号。
示例性的,参考信号选取单元具体还可以用于:
将输出该初步声源信号的波束音区作为旋转起始区,以预设方向在圆周上旋转,将每间隔预设弧长的波束音区作为候选音区;
将候选音区输出的初步声源信号作为参考信号。
示例性的,上述装置还可以包括:标记模块,该标记模块具体可以用于:
根据回声消除原理,对各初步声源信号进行消除处理,得到各初步声源信号对应的目标声源信号之后,还包括:
采用声源定位算法,确定各声源的角度;
依据各声源的角度,以及各波束音区的角度范围,确定各声源所在的波束音区;
在各声源所在的波束音区的目标声源信号中添加标识符,以供语音识别系统进行识别。
实施例六
图6为本发明实施例六提供的一种设备的结构示意图,图6示出了适于用来实现本发明实施例实施方式的示例性设备的框图。图6显示的设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图6未显示,通常称为“硬盘驱动器”)。尽管图6中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明实施例各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如系统存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明实施例所描述的实施例中的功能和/或方法。
设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该设备12交互的设备通信,和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与设备12的其它模块通信。应当明白,尽管图中未示出,可以结合设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的信号分离方法。
实施例七
本发明实施例七还提供一种计算机可读存储介质,其上存储有计算机程序(或称为计算机可执行指令),该程序被处理器执行时可实现上述任意实施例所述的信号分离方法。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明实施例进行了较为详细的说明,但是本发明实施例不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种信号分离方法,其特征在于,应用于多声源场景中,所述方法包括:
依据波束成形算法中的角度信息,对环形麦克风阵列所围成的圆周进行均匀分割操作,得到各波束音区;
采用语音采集系统采集混合原始声源信号,其中,所述语音采集系统由所述环形麦克风阵列构成;
对所述混合原始声源信号进行初步分离,确定各波束音区输出的初步声源信号;
根据回声消除原理,对各初步声源信号进行消除处理,得到各初步声源信号对应的目标声源信号。
2.根据权利要求1所述的方法,其特征在于,根据回声消除原理,对各初步声源信号进行消除处理,得到各初步声源信号对应的目标声源信号,包括:
针对每一初步声源信号,从剩余初步声源信号中选取参考信号;
根据回声消除原理,对参考信号和该初步声源信号进行消除处理,确定该初步声源信号对应的目标声源信号。
3.根据权利要求2所述的方法,其特征在于,从剩余初步声源信号中选取参考信号,包括:
将输出该初步声源信号的波束音区作为目标波束音区;
去除与所述目标波束音区相邻的波束音区输出的初步声源信号,将更新后剩余初步声源信号作为参考信号。
4.根据权利要求2所述的方法,其特征在于,从剩余初步声源信号中选取参考信号,包括:
将输出该初步声源信号的波束音区作为旋转起始区,以预设方向在圆周上旋转,将每间隔预设弧长的波束音区作为候选音区;
将所述候选音区输出的初步声源信号作为参考信号。
5.根据权利要求1所述的方法,其特征在于,根据回声消除原理,对各初步声源信号进行消除处理,得到各初步声源信号对应的目标声源信号之后,还包括:
采用声源定位算法,确定各声源的角度;
依据各声源的角度,以及各波束音区的角度范围,确定各声源所在的波束音区;
在各声源所在的波束音区的目标声源信号中添加标识符,以供语音识别系统进行识别。
6.一种信号分离装置,其特征在于,包括:
音区确定模块,用于依据波束成形算法中的角度信息,对环形麦克风阵列所围成的圆周进行均匀分割操作,得到各波束音区;
采集模块,用于采用语音采集系统采集混合原始声源信号,其中,所述语音采集系统由所述环形麦克风阵列构成;
初步信号确定模块,用于依据所述混合原始声源信号,确定各波束音区输出的初步声源信号;
目标信号确定模块,用于根据回声消除原理,对各初步声源信号进行消除处理,得到各初步声源信号对应的目标声源信号。
7.根据权利要求6所述的装置,其特征在于,所述目标信号确定模块包括:
参考信号选取单元,用于针对每一初步声源信号,从剩余初步声源信号中选取参考信号;
目标信号确定单元,用于根据回声消除原理,对参考信号和该初步声源信号进行消除处理,确定该初步声源信号对应的目标声源信号。
8.根据权利要求7所述的装置,其特征在于,所述参考信号选取单元具体用于:
将输出该初步声源信号的波束音区作为目标波束音区;
去除与所述目标波束音区相邻的波束音区输出的初步声源信号,将更新后剩余初步声源信号作为参考信号。
9.一种设备,其特征在于,所述设备包括:
一个或多个处理器;
存储装置,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1-5中任一项所述的信号分离方法。
10.一种存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-5中任一项所述的信号分离方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910218087.2A CN109817240A (zh) | 2019-03-21 | 2019-03-21 | 信号分离方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910218087.2A CN109817240A (zh) | 2019-03-21 | 2019-03-21 | 信号分离方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109817240A true CN109817240A (zh) | 2019-05-28 |
Family
ID=66609843
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910218087.2A Pending CN109817240A (zh) | 2019-03-21 | 2019-03-21 | 信号分离方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109817240A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110459234A (zh) * | 2019-08-15 | 2019-11-15 | 苏州思必驰信息科技有限公司 | 用于车载的语音识别方法及系统 |
CN110689890A (zh) * | 2019-10-16 | 2020-01-14 | 声耕智能科技(西安)研究院有限公司 | 语音交互服务处理系统 |
CN110970049A (zh) * | 2019-12-06 | 2020-04-07 | 广州国音智能科技有限公司 | 多人声识别方法、装置、设备及可读存储介质 |
CN111599380A (zh) * | 2020-05-14 | 2020-08-28 | 陕西金蝌蚪智能科技有限公司 | 子弹计数方法、装置、终端及存储介质 |
CN111883160A (zh) * | 2020-08-07 | 2020-11-03 | 上海茂声智能科技有限公司 | 一种定向麦克风阵列拾音降噪方法及装置 |
CN111970625A (zh) * | 2020-08-28 | 2020-11-20 | Oppo广东移动通信有限公司 | 录音方法和装置、终端和存储介质 |
CN112201268A (zh) * | 2020-09-09 | 2021-01-08 | 北京小米松果电子有限公司 | 回声消除方法、回声消除装置及存储介质 |
CN112382306A (zh) * | 2020-12-02 | 2021-02-19 | 苏州思必驰信息科技有限公司 | 分离说话人音频的方法及装置 |
CN112562715A (zh) * | 2020-11-27 | 2021-03-26 | 上海容大数字技术有限公司 | 一种保险双录场景语音角色分离平板系统 |
CN113053365A (zh) * | 2021-03-12 | 2021-06-29 | 云知声智能科技股份有限公司 | 语音分离方法、装置、设备和存储介质 |
CN113345456A (zh) * | 2021-05-31 | 2021-09-03 | 北京小米移动软件有限公司 | 回声分离方法、装置及存储介质 |
CN113452854A (zh) * | 2021-06-11 | 2021-09-28 | 深圳波洛斯科技有限公司 | 一种基于四麦阵列的多方会议通话系统及方法 |
WO2023020620A1 (zh) * | 2021-08-20 | 2023-02-23 | 深圳地平线机器人科技有限公司 | 基于音频的处理方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102595281A (zh) * | 2011-01-14 | 2012-07-18 | 通用汽车环球科技运作有限责任公司 | 统一标准的麦克风预处理系统和方法 |
CN104409080A (zh) * | 2014-12-15 | 2015-03-11 | 北京国双科技有限公司 | 语音端点检测方法和装置 |
CN105957535A (zh) * | 2016-04-15 | 2016-09-21 | 青岛克路德机器人有限公司 | 机器人语音信号探测识别系统 |
US20170178662A1 (en) * | 2015-12-17 | 2017-06-22 | Amazon Technologies, Inc. | Adaptive beamforming to create reference channels |
CN108376548A (zh) * | 2018-01-16 | 2018-08-07 | 厦门亿联网络技术股份有限公司 | 一种基于麦克风阵列的回声消除方法与系统 |
CN108737719A (zh) * | 2018-04-04 | 2018-11-02 | 深圳市冠旭电子股份有限公司 | 摄像头拍摄控制方法、装置、智能设备及存储介质 |
-
2019
- 2019-03-21 CN CN201910218087.2A patent/CN109817240A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102595281A (zh) * | 2011-01-14 | 2012-07-18 | 通用汽车环球科技运作有限责任公司 | 统一标准的麦克风预处理系统和方法 |
CN104409080A (zh) * | 2014-12-15 | 2015-03-11 | 北京国双科技有限公司 | 语音端点检测方法和装置 |
US20170178662A1 (en) * | 2015-12-17 | 2017-06-22 | Amazon Technologies, Inc. | Adaptive beamforming to create reference channels |
CN105957535A (zh) * | 2016-04-15 | 2016-09-21 | 青岛克路德机器人有限公司 | 机器人语音信号探测识别系统 |
CN108376548A (zh) * | 2018-01-16 | 2018-08-07 | 厦门亿联网络技术股份有限公司 | 一种基于麦克风阵列的回声消除方法与系统 |
CN108737719A (zh) * | 2018-04-04 | 2018-11-02 | 深圳市冠旭电子股份有限公司 | 摄像头拍摄控制方法、装置、智能设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
宁峻: "《麦克风阵列波束成形语音分离及声学回声消除方法研究》", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110459234B (zh) * | 2019-08-15 | 2022-03-22 | 思必驰科技股份有限公司 | 用于车载的语音识别方法及系统 |
CN110459234A (zh) * | 2019-08-15 | 2019-11-15 | 苏州思必驰信息科技有限公司 | 用于车载的语音识别方法及系统 |
CN110689890A (zh) * | 2019-10-16 | 2020-01-14 | 声耕智能科技(西安)研究院有限公司 | 语音交互服务处理系统 |
CN110689890B (zh) * | 2019-10-16 | 2023-06-06 | 声耕智能科技(西安)研究院有限公司 | 语音交互服务处理系统 |
CN110970049A (zh) * | 2019-12-06 | 2020-04-07 | 广州国音智能科技有限公司 | 多人声识别方法、装置、设备及可读存储介质 |
CN111599380A (zh) * | 2020-05-14 | 2020-08-28 | 陕西金蝌蚪智能科技有限公司 | 子弹计数方法、装置、终端及存储介质 |
CN111883160A (zh) * | 2020-08-07 | 2020-11-03 | 上海茂声智能科技有限公司 | 一种定向麦克风阵列拾音降噪方法及装置 |
CN111883160B (zh) * | 2020-08-07 | 2024-04-16 | 上海茂声智能科技有限公司 | 一种定向麦克风阵列拾音降噪方法及装置 |
CN111970625A (zh) * | 2020-08-28 | 2020-11-20 | Oppo广东移动通信有限公司 | 录音方法和装置、终端和存储介质 |
CN112201268A (zh) * | 2020-09-09 | 2021-01-08 | 北京小米松果电子有限公司 | 回声消除方法、回声消除装置及存储介质 |
CN112562715A (zh) * | 2020-11-27 | 2021-03-26 | 上海容大数字技术有限公司 | 一种保险双录场景语音角色分离平板系统 |
CN112382306A (zh) * | 2020-12-02 | 2021-02-19 | 苏州思必驰信息科技有限公司 | 分离说话人音频的方法及装置 |
CN112382306B (zh) * | 2020-12-02 | 2022-05-10 | 思必驰科技股份有限公司 | 分离说话人音频的方法及装置 |
CN113053365A (zh) * | 2021-03-12 | 2021-06-29 | 云知声智能科技股份有限公司 | 语音分离方法、装置、设备和存储介质 |
CN113053365B (zh) * | 2021-03-12 | 2023-03-24 | 云知声智能科技股份有限公司 | 语音分离方法、装置、设备和存储介质 |
CN113345456A (zh) * | 2021-05-31 | 2021-09-03 | 北京小米移动软件有限公司 | 回声分离方法、装置及存储介质 |
CN113452854A (zh) * | 2021-06-11 | 2021-09-28 | 深圳波洛斯科技有限公司 | 一种基于四麦阵列的多方会议通话系统及方法 |
WO2023020620A1 (zh) * | 2021-08-20 | 2023-02-23 | 深圳地平线机器人科技有限公司 | 基于音频的处理方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109817240A (zh) | 信号分离方法、装置、设备及存储介质 | |
US10820097B2 (en) | Method, systems and apparatus for determining audio representation(s) of one or more audio sources | |
US9641951B2 (en) | System and method for fast binaural rendering of complex acoustic scenes | |
CN107534725B (zh) | 一种语音信号处理方法及装置 | |
JP6466969B2 (ja) | 適応性のある関数に基づく矛盾しない音響場面再生のためのシステムおよび装置および方法 | |
CN106872944B (zh) | 一种基于麦克风阵列的声源定位方法及装置 | |
CN109410978B (zh) | 一种语音信号分离方法、装置、电子设备及存储介质 | |
CN106483502B (zh) | 一种声源定位方法及装置 | |
CN111025233A (zh) | 一种声源方向定位方法和装置、语音设备和系统 | |
WO2014161309A1 (zh) | 一种移动终端实现声源定位的方法及装置 | |
CN111239687A (zh) | 一种基于深度神经网络的声源定位方法及系统 | |
CN111050271B (zh) | 用于处理音频信号的方法和装置 | |
US11496830B2 (en) | Methods and systems for recording mixed audio signal and reproducing directional audio | |
CN113192486B (zh) | 一种合唱音频的处理方法、设备及存储介质 | |
CN112351248B (zh) | 一种关联图像数据和声音数据的处理方法 | |
CN111883166A (zh) | 一种语音信号处理方法、装置、设备以及存储介质 | |
CN109308909A (zh) | 一种信号分离方法、装置、电子设备及存储介质 | |
CN113053368A (zh) | 语音增强方法、电子设备和存储介质 | |
Zhang et al. | AcousticFusion: Fusing sound source localization to visual SLAM in dynamic environments | |
WO2020205097A1 (en) | Low-latency speech separation | |
CN112466327B (zh) | 语音处理方法、装置和电子设备 | |
CN116189651A (zh) | 一种用于远程视频会议的多说话人声源定位方法及系统 | |
CN111540365A (zh) | 语音信号确定方法、装置、服务器及存储介质 | |
JP6881267B2 (ja) | 制御装置、変換装置、制御方法、変換方法、およびプログラム | |
CN114038452A (zh) | 一种语音分离方法和设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190528 |