CN109817241A - 音频处理方法、装置及存储介质 - Google Patents

Abstract

本发明公开了一种音频处理方法、装置及存储介质，方法包括：将能量值中大于能量阈值的能量值所对应的音频片段确定为待检测音频片段；将待检测音频片段中片段时长小于预设时长的音频片段确定为待处理音频片段；根据与待处理音频片段相邻的N帧信号的幅值以及待处理音频片段的幅值确定衰减系数；根据衰减系数对待处理音频片段进行去噪处理，得到处理后的音频信号。本发明实施例将音频信号中能量值大于预设能量值的音频片段确定为待检测音频片段，然后将片段时长小于预设时长的待检测音频片段确定为待处理音频片段，最后对该待处理音频片段进行去噪处理，本方案可以准确获取瞬时噪声对应的音频片段，进而有效去除音频信号中的瞬时噪声。

Description

音频处理方法、装置及存储介质

技术领域

本发明实施例涉及音频处理领域，具体涉及一种音频处理方法、装置及存储介质。

背景技术

在录音期间，由于录音设备或周围环境而产生的瞬时突变噪声，其具有变化频率不规律，能量较高且持续时间短的特点，我们将这一类噪声称为click噪声，即瞬时噪声。

瞬时噪声对音频的质量造成严重影响，因此，需要找出瞬时噪声在音频信号中的位置，然后去除该位置的瞬时噪声。目前，一般是通过人为的听觉对音频进行试听，主观判定哪个位置存在瞬时噪声，并进行人工标注，然后对人工标注的位置进行去噪声处理，但是，由于人为主观因素的影响，对瞬时噪声的判断往往会产生较大的偏差，因此，通过该方法去除瞬时噪声，瞬时噪声的去除效果较差。

发明内容

本发明实施例提供一种音频处理方法、装置及存储介质，用于有效去除音频信号中的瞬时噪声。

本发明实施例提供一种音频处理方法，所述方法包括：

获取待处理的音频信号的能量值；

将所述能量值中大于能量阈值的能量值所对应的音频片段确定为待检测音频片段；

将所述待检测音频片段中片段时长小于预设时长的音频片段确定为待处理音频片段；

根据与所述待处理音频片段相邻的N帧信号的幅值以及所述待处理音频片段的幅值确定衰减系数，所述N为正整数；根据所述衰减系数对所述待处理音频片段进行去噪处理，得到所述处理后的音频信号。

本发明实施例还提供一种音频处理装置，所述装置包括：

获取单元，用于获取待处理的音频信号的能量值；

第一确定单元，用于将所述能量值中大于能量阈值的能量值所对应的音频片段确定为待检测音频片段；

第二确定单元，用于将所述待检测音频片段中片段时长小于预设时长的音频片段确定为待处理音频片段；

第三确定单元，用于根据与所述待处理音频片段相邻的N帧信号的幅值以及所述待处理音频片段的幅值确定衰减系数，所述N为正整数；

处理单元，用于根据所述衰减系数对所述待处理音频片段进行去噪处理，得到所述处理后的音频信号。

本发明实施例还提供一种存储介质，所述存储介质存储有多条指令，所述指令适于处理器进行加载，执行本发明实施例所提供的任一种所述的音频处理方法中的步骤。

本发明实施例通过获取待处理的音频信号的能量值；将所述能量值中大于能量阈值的能量值所对应的音频片段确定为待检测音频片段；将所述待检测音频片段中片段时长小于预设时长的音频片段确定为待处理音频片段；根据与所述待处理音频片段相邻的N帧信号的幅值以及所述待处理音频片段的幅值确定衰减系数，所述N为正整数；根据所述衰减系数对所述待处理音频片段进行去噪处理，得到所述处理后的音频信号。本发明实施例将音频信号中能量值大于预设能量值的音频片段确定为待检测音频片段，然后将片段时长小于预设时长的待检测音频片段确定为待处理音频片段，最后对该待处理音频片段进行去噪处理，本方案可以准确获取瞬时噪声对应的音频片段，进而有效去除音频信号中的瞬时噪声。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，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的附图。

图1a为本发明实施例中待处理的音频信号的一种时域能量图；

图1b为本发明实施例提供的一种音频处理装置的系统示意图；

图2为本发明实施例提供的一种音频处理方法的流程示意图；

图3为本发明实施例中待处理的音频信号的一种时域波形图；

图4为本发明实施例中处理后的音频信号的一种时域波形图；

图5为本发明实施例提供的一种音频处理方法的另一流程示意图；

图6为本发明实施例提供的一种音频处理装置的结构示意图；

图7为本发明实施例提供的一种音频处理装置的另一结构示意图；

图8为本发明实施例提供的一种音频处理装置的另一结构示意图；

图9为本发明实施例提供的一种服务器的结构示意图；

图10为本发明实施例提供的一种终端的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，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。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动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。

本发明中的术语“第一”和“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、系统、产品或设备没有限定于已列出的步骤或模块，而是可选地还包括没有列出的步骤或模块，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

在录音期间，由于录音设备或周围环境而产生的瞬时噪声，瞬时噪声具有变化频率不规律，能量较高且持续时间短的特点，我们也将这一类噪声称为click噪声。瞬时噪声会对音频的质量造成严重影响，会导致音频播放时掺杂短时且能量高的声音，因此，需要对音频信号进行瞬时噪声检测，然后去除检测出来的瞬时噪声。

如图1a所示，图1a为包含瞬时噪声的音频信号的时域能量图，由图1a可知，瞬时噪声具有能量高且时间短的特性，本发明根据瞬时噪声的特性检测音频信号中的瞬时噪声，然后去除检测出来的瞬时噪声，在检测瞬时噪声的时候，不需要人工参与，故可以去除认为主观因素的影响，有效去除音频信号中的瞬时噪声。

需要说明的是，本实施例中提及的噪声均为瞬时噪声，即click噪声。

本发明实施例提供的音频处理方法，可实现在音频处理装置中，该音频处理装置具体可以集成在电子设备或其他具有音视频数据处理功能的设备中，电子设备包括但不限于计算机、智能电视、智能音箱、手机、平板电脑等设备。

以下将分别进行详细说明，以下各个实施例的描述先后顺序并不构成对具体实施先后顺序的限定。

请参阅图1b，图1b为本发明实施例提供的一种音频处理装置的系统示意图。该音频处理装置的系统10包括：样本输入模块11、特征提取模块12、瞬时噪声位置追踪模块13、噪声衰减模块14和样本输出模块15。待处理的音频信号通过样本输入模块11输入到音频处理装置的系统中，然后根据特征提取模块12提取音频信号中各帧信号的能量值，噪声位置追踪模块13将能量值大于能量阈值且持续时长小于预设时长的音频片段确定为待处理音频片段，即瞬时噪声对应的音频片段，通过噪声位置追踪模块13确定了待处理的音频片段之后，将通过噪声衰减模块14对待处理音频片段进行去噪处理，最后通过样本输出模块15输出处理后的音频信号。

请参阅图2，图2为本发明实施例提供的一种音频处理方法的流程示意图。所述方法包括：

步骤201，获取待处理的音频信号的能量值。

由于可以根据瞬时噪声的能量特性来检测音频信号中的瞬时噪声，故在检测音频信号中的瞬时噪声时，需要获取待处理的音频信号的能量值，其中，在获取该音频信号的能量值的时候，还要记录每个能量值在该音频信号中的时间信息，可以根据获取到的能量值以及该能量图在该音频信号中的时间信息生成如图1a中所示的时域能量图。

在一些实施例中，步骤201可以通过以下步骤来实现，具体为：

a.对所述音频信号进行分帧处理，得到多帧信号。

音频信号在宏观上是不平稳的，在微观上是平稳的，具有短时平稳性，所以我们需要把该音频信号分为一些短段来进行处理，每一个短段称为一帧。

因为分好的帧在起始和结束是会出现不连续情况，那样这个信号在分帧之后，就会越来越背离原始信号，此时为了减少帧起始和结束的地方信号的不连续性问题，需要对信号进行加窗处理，其中，分帧之后的帧长长度可以为10ms，也可以为其他长度，例如20ms，具体长度此处不做限定，加的窗可以为汉明窗，也可以为其他窗，例如方窗，具体窗此处也不做限定。

对音频信号进行分帧加窗处理之后，就得到了多帧连续的信号。

b.分别确定所述多帧信号中的每一帧信号的能量值，得到所述音频信号的能量值。

具体地，需要首先获取所述多帧信号中每一帧信号的幅值；然后根据所述多帧信号中每一帧信号的幅值确定所述每一帧信号的能量值。

在一些实施例中，可以对该音频信号进行区域平滑处理，得到每个时频点的幅值，然后根据每一帧信号中每个时频点的幅值确定每一帧信号的幅值，每一帧信号中可以包括多个时频点，即每一帧信号中可以包括多个幅值，其中，该待处理的音频信号的时域波形图可以如图3所示，其中，图3的横轴表示时间，纵轴表示幅值。

其中，每一帧信号的能量值可以为该帧信号对应的幅值平方的积分。

步骤202，将所述能量值中大于能量阈值的能量值所对应的音频片段确定为待检测音频片段。

由于瞬时噪声的能量比较高，所以本实施例首先对音频信号进行一次预筛选，筛选出音频片段中大于能量阈值的能量值所对应的音频片段，即筛选出待检测音频片段，其中，该待检测音频片段中所有帧的能量值均大于该能量阈值，且该待检测音频片段前后相邻的帧的能量值均不大于该能量阈值，即该待检测音频片段由连续的且能量值均大于能量阈值的帧组成。

在一些实施例中，在将所述能量值中大于能量阈值的能量值所对应的音频片段确定为待检测音频片段之前，需要首先确定该能量阈值的大小，具体的，可以先确定所述音频信号中前导无话段的平均能量值；然后根据所述平均能量值确定所述能量阈值。

具体地，该前导无话段为位于该音频信号开始端的一段静音段，可以设置前导无话段为M帧，其中，M的值一般大于3，然后根据步骤201的方法获取前导无话段中M帧信号中每一帧信号的能量值，在根据每一帧信号的能量值确定该前导无话段中M帧信号的平均能量值。

最后，将能量阈值设置为该M帧信号的平均能量值的K倍，其中，K的取值可以大于1.5小于3。

步骤203，将所述待检测音频片段中片段时长小于预设时长的音频片段确定为待处理音频片段。

由于能量值大于能量阈值所对应的待检测音频片段不一定是瞬时噪声，只有能量值大于能量阈值且持续时间小于一定时间长度的待检测音频片段才是瞬时噪声所对应的音频片段，所以在筛选出待检测音频片段之后，还需要检测筛选待检测音频片段的时间长度。

具体地，可以将待检测音频片段中片段时长小于预设时长的音频片段确定为待处理音频片段，其中，预设时长可以为0.5秒，待处理音频片段即瞬时噪声所对应的信号。

在一些实施例中，确定待处理音频片段即记录该待处理音频片段在音频信号中的起点和终点位置，即记录各个瞬时噪声在该音频信号中的起点位置和终点位置。

步骤204，根据与所述待处理音频片段相邻的N帧信号的幅值以及所述待处理音频片段的幅值确定衰减系数。

当确定了待处理音频片段，即确定了瞬时噪声在该音频信号中的位置之后，将对所述待处理音频片段进行去噪处理。

首先需要确定衰减系数，具体地，可以根据所述相邻的N帧信号的幅值确定所述相邻的N帧信号中每一帧信号的平均幅值，即第一平均幅值，其中，N为正整数，其具体数值此处不做限定；并根据所述待处理音频片段中的每一帧信号的幅值确定所述待处理音频信号中的每一帧信号的平均幅值，即第二平均幅值；再根据上述第一平均幅值以及第二平均幅值确定衰减系数。具体地，将第二平均幅值与第一平均幅值相除，求得的值(商)的倒数即为衰减系数(即衰减系数为第一平均幅值与第二平均幅值的商)。

需要说明的是，每一个待处理音频片段都有其对应的衰减系数。

其中，上述相邻的N帧信号可以为该待处理音频片段左边的N帧信号和右边的N帧信号，此时相邻的N帧信号一共有2N帧信号；也可以为待处理音频片段左边相邻的N/2帧信号和右边相邻的N/2帧信号，此时N为偶数，此时相邻的N帧信号一共有N帧信号。

步骤205，根据所述衰减系数对所述待处理音频片段进行去噪处理，得到所述处理后的音频信号。

当获取了待处理音频片段对应的衰减系数之后，将根据该衰减系数对待处理音频片段进行去噪处理。

具体地，根据该待处理音频片段在该音频信号中的位置(即之前记录的待处理音频信号的起点和终点位置)获取该待处理音频片段中的每一帧待处理信号；然后将该每一帧待处理信号分别乘以该衰减系数，以对该待处理音频片段进行去噪处理，得到处理后的音频信号，其中，图4为经过去噪处理的音频信号的时域波形图，图4中的横轴表示时间，纵轴表示幅值。

其中，在得到处理后的音频信号之后，将会将该处理后的音频信号输出至相应的终端，使得该相应的终端可以播放不掺杂瞬时噪声的音频信号。

在一些实施例中，本实施例中的能量值可以用幅值表示，此时可以直接获取音频信号的幅值，而不需要将幅值转化为能量值，此时本申请中的能量阈值变为幅度阈值，其中，幅度阈值的确定方法与能量阈值的确定方法类似，可以为音频信号中前导无话段的平均能量值的K倍。

本发明实施例通过获取待处理的音频信号的能量值；将所述能量值中大于能量阈值的能量值所对应的音频片段确定为待检测音频片段；将所述待检测音频片段中片段时长小于预设时长的音频片段确定为待处理音频片段；根据与所述待处理音频片段相邻的N帧信号的幅值以及所述待处理音频片段的幅值确定衰减系数，所述N为正整数；根据所述衰减系数对所述待处理音频片段进行去噪处理，得到所述处理后的音频信号。本发明实施例将音频信号中能量值大于预设能量值的音频片段确定为待检测音频片段，然后将片段时长小于预设时长的待检测音频片段确定为待处理音频片段，最后对该待处理音频片段进行去噪处理，本方案可以准确获取瞬时噪声对应的音频片段，进而有效去除音频信号中的瞬时噪声，并且该方案能够保留激活段(非静音段)的音频信号，不会对音频信号造成失真的影响，从而获得干净的音频信号。

请参阅图5，图5为本发明实施例提供的一种音频处理方法的另一流程示意图。所述方法包括：

步骤501，对音频信号进行分帧处理，得到多帧信号。

音频信号在宏观上是不平稳的，在微观上是平稳的，具有短时平稳性，所以我们需要把该音频信号分为一些短段来进行处理，每一个短段称为一帧。

因为分好的帧在起始和结束是会出现不连续情况，那样这个信号在分帧之后，就会越来越背离原始信号，此时为了减少帧起始和结束的地方信号的不连续性问题，需要对信号进行加窗处理，其中，分帧之后的帧长长度可以为10ms，也可以为其他长度，例如20ms，具体长度此处不做限定，加的窗可以为汉明窗，也可以为其他窗，例如方窗，具体窗此处也不做限定。

对音频信号进行分帧加窗处理之后，就得到了多帧连续的信号。

步骤502，分别确定所述多帧信号中的每一帧信号的能量值，得到所述音频信号的能量值。

具体地，需要首先获取所述多帧信号中每一帧信号的幅值；然后根据所述多帧信号中每一帧信号的幅值确定所述每一帧信号的能量值。

在一些实施例中，可以对该音频信号进行区域平滑处理，得到每个时频点的幅值，然后根据每一帧信号中每个时频点的幅值确定每一帧信号的幅值，每一帧信号中可以包括多个时频点，即每一帧信号中可以包括多个幅值，其中，该待处理的音频信号的时域波形图可以如图3所示，其中，图3的横轴表示时间，纵轴表示幅值。

其中，每一帧信号的能量值可以为该帧信号对应的幅值平方的积分。

步骤503，将所述能量值中大于能量阈值的能量值所对应的音频片段确定为待检测音频片段。

由于瞬时噪声的能量比较高，所以本实施例首先对音频信号进行一次预筛选，筛选出音频片段中大于能量阈值的能量值所对应的音频片段，即筛选出待检测音频片段，其中，该待检测音频片段中所有帧的能量值均大于该能量阈值，且该待检测音频片段前后相邻的帧的能量值均不大于该能量阈值，即该待检测音频片段由连续的且能量值均大于能量阈值的帧组成。

在一些实施例中，在将所述能量值中大于能量阈值的能量值所对应的音频片段确定为待检测音频片段之前，需要首先确定该能量阈值的大小，具体的，可以先确定所述音频信号中前导无话段的平均能量值；然后根据所述平均能量值确定所述能量阈值。

具体地，该前导无话段为位于该音频信号开始端的一段静音段，可以设置前导无话段为M帧，其中，M的值一般大于3，然后根据步骤502的方法获取前导无话段中M帧信号中每一帧信号的能量值，在根据每一帧信号的能量值确定该前导无话段中M帧信号的平均能量值。

最后，将能量阈值设置为该M帧信号的平均能量值的K倍，其中，K的取值可以大于1.5小于3。

步骤504，将所述待检测音频片段中片段时长小于预设时长的音频片段确定为待处理音频片段。

由于能量值大于能量阈值所对应的待检测音频片段不一定是瞬时噪声，只有能量值大于能量阈值且持续时间小于一定时间长度的待检测音频片段才是瞬时噪声所对应的音频片段，所以在筛选出待检测音频片段之后，还需要检测筛选待检测音频片段的时间长度。

具体地，可以将待检测音频片段中片段时长小于预设时长的音频片段确定为待处理音频片段，其中，预设时长可以为0.5秒，待处理音频片段即瞬时噪声所对应的信号。

在一些实施例中，确定待处理音频片段即记录该待处理音频片段在音频信号中的起点和终点位置，即记录各个瞬时噪声在该音频信号中的起点位置和终点位置。

步骤505，根据与所述待处理音频片段相邻的N帧信号的幅值以及所述待处理音频片段的幅值确定衰减系数。

具体地，可以根据所述相邻的N帧信号的幅值确定所述相邻的N帧信号中每一帧信号的平均幅值，即第一平均幅值，其中，N为正整数，其具体数值此处不做限定；并根据所述待处理音频片段中的每一帧信号的幅值确定所述待处理音频信号中的每一帧信号的平均幅值，即第二平均幅值；再根据上述第一平均幅值以及第二平均幅值确定衰减系数。具体地，将第二平均幅值与第一平均幅值相除，求得的值(商)的倒数即为衰减系数(即衰减系数为第一平均幅值与第二平均幅值的商)。

需要说明的是，每一个待处理音频片段都有其对应的衰减系数。

其中，上述相邻的N帧信号可以为该待处理音频片段左边的N帧信号和右边的N帧信号，此时相邻的N帧信号一共有2N帧信号；也可以为待处理音频片段左边相邻的N/2帧信号和右边相邻的N/2帧信号，此时N为偶数，此时相邻的N帧信号一共有N帧信号。

步骤506，根据所述衰减系数对所述待处理音频片段进行去噪处理，得到所述处理后的音频信号。

当获取了待处理音频片段对应的衰减系数之后，将根据该衰减系数对待处理音频片段进行去噪处理。

具体地，根据该待处理音频片段在该音频信号中的位置(即之前记录的待处理音频信号的起点和终点位置)获取该待处理音频片段中的每一帧待处理信号；然后将该每一帧待处理信号分别乘以该衰减系数，以对该待处理音频片段进行去噪处理，得到处理后的音频信号，其中，图4为经过去噪处理的音频信号的时域波形图，图4中的横轴表示时间，纵轴表示幅值。

其中，在得到处理后的音频信号之后，将会将该处理后的音频信号输出至相应的终端，使得该相应的终端可以播放不掺杂瞬时噪声的音频信号。

在一些实施例中，本实施例中的能量值可以用幅值表示，此时可以直接获取音频信号的幅值，而不需要将幅值转化为能量值，此时本申请中的能量阈值变为幅度阈值，其中，幅度阈值的确定方法与能量阈值的确定方法类似，可以为音频信号中前导无话段的平均能量值的K倍。

本发明实施例通过获取待处理的音频信号的能量值；将所述能量值中大于能量阈值的能量值所对应的音频片段确定为待检测音频片段；将所述待检测音频片段中片段时长小于预设时长的音频片段确定为待处理音频片段；根据与所述待处理音频片段相邻的N帧信号的幅值以及所述待处理音频片段的幅值确定衰减系数，所述N为正整数；根据所述衰减系数对所述待处理音频片段进行去噪处理，得到所述处理后的音频信号。本发明实施例将音频信号中能量值大于预设能量值的音频片段确定为待检测音频片段，然后将片段时长小于预设时长的待检测音频片段确定为待处理音频片段，最后对该待处理音频片段进行去噪处理，本方案可以准确获取瞬时噪声对应的音频片段，进而有效去除音频信号中的瞬时噪声。

本发明实施例还提供一种音频处理装置，如图6所示，图6为本发明实施例提供的一种音频处理装置的结构示意图。所述音频处理装置60可以包括获取单元61，第一确定单元62，第二确定单元63，以及处理单元64。

获取单元61，用于获取待处理的音频信号的能量值；

第一确定单元62，用于将所述能量值中大于能量阈值的能量值所对应的音频片段确定为待检测音频片段；

第二确定单元63，用于将所述待检测音频片段中片段时长小于预设时长的音频片段确定为待处理音频片段；

第三确定单元64，用于根据与所述待处理音频片段相邻的N帧信号的幅值以及所述待处理音频片段的幅值确定衰减系数，所述N为正整数；

处理单元65，用于根据所述衰减系数对所述待处理音频片段进行去噪处理，得到所述处理后的音频信号。

在一些实施例中，所述第三确定单元64具体用于：

根据所述相邻的N帧信号的幅值确定所述相邻的N帧信号中每一帧信号的第一平均幅值；

根据所述待处理音频片段中的每一帧信号的幅值确定所述待处理音频信号中的每一帧信号的第二平均幅值；

根据所述第一平均幅值以及所述第二平均幅值确定所述衰减系数。

在一些实施例中，所述处理单元65具体用于：

根据所述待处理音频片段在所述音频信号中的位置获取所述待处理音频片段中的每一帧待处理信号；

将所述每一帧待处理信号分别乘以所述衰减系数，以对所述待处理音频片段进行去噪处理。

在一些实施例中，如图7所示，所述获取单元61可以包括处理子单元611，确定子单元612：

处理子单元611，用于对所述音频信号进行分帧处理，得到多帧信号；

确定子单元612，用于分别确定所述多帧信号中的每一帧信号的能量值，得到所述音频信号的能量值。

在一些实施例中，所述第二确定子单元612具体用于：

获取所述多帧信号中每一帧信号的幅值；

根据所述多帧信号中每一帧信号的幅值确定所述每一帧信号的能量值。

在一些实施例中，如图8所示，所述装置60还可以包括第四确定单元66，第五确定单元67：

第四确定单元66，用于确定所述音频信号中前导无话段的平均能量值；

第五确定单元67，用于根据所述平均能量值确定所述能量阈值。

本发明实施例提供的音频处理装置60，通过获取单元61获取待处理的音频信号的能量值；第一确定单元62将所述能量值中大于能量阈值的能量值所对应的音频片段确定为待检测音频片段；然后第二确定单元63将所述待检测音频片段中片段时长小于预设时长的音频片段确定为待处理音频片段；第三确定单元64根据与所述待处理音频片段相邻的N帧信号的幅值以及所述待处理音频片段的幅值确定衰减系数，所述N为正整数；最后处理单元65根据所述衰减系数对所述待处理音频片段进行去噪处理，得到所述处理后的音频信号。本发明实施例将音频信号中能量值大于预设能量值的音频片段确定为待检测音频片段，然后将片段时长小于预设时长的待检测音频片段确定为待处理音频片段，最后对该待处理音频片段进行去噪处理，本方案可以准确获取瞬时噪声对应的音频片段，进而有效去除音频信号中的瞬时噪声。

本发明实施例还提供一种服务器，如图9所示，其示出了本发明实施例所涉及的服务器的结构示意图，具体来讲：

该服务器可以包括一个或者一个以上处理核心的处理器901、一个或一个以上计算机可读存储介质的存储器902、电源903和输入单元904等部件。本领域技术人员可以理解，图9中示出的服务器结构并不构成对服务器的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：

处理器901是该服务器的控制中心，利用各种接口和线路连接整个服务器的各个部分，通过运行或执行存储在存储器902内的软件程序和/或模块，以及调用存储在存储器902内的数据，执行服务器的各种功能和处理数据，从而对服务器进行整体监控。可选的，处理器901可包括一个或多个处理核心；优选的，处理器901可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器901中。

存储器902可用于存储软件程序以及模块，处理器901通过运行存储在存储器902的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器902可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据服务器的使用所创建的数据等。此外，存储器902可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器902还可以包括存储器控制器，以提供处理器901对存储器902的访问。

服务器还包括给各个部件供电的电源903，优选的，电源903可以通过电源管理系统与处理器901逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源903还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。

该服务器还可包括输入单元904，该输入单元904可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。

尽管未示出，服务器还可以包括显示单元等，在此不再赘述。具体在本实施例中，服务器中的处理器901会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器902中，并由处理器901来运行存储在存储器902中的应用程序，从而实现各种功能，如下：

获取待处理的音频信号的能量值；将所述能量值中大于能量阈值的能量值所对应的音频片段确定为待检测音频片段；然后将所述待检测音频片段中片段时长小于预设时长的音频片段确定为待处理音频片段；最后根据与所述待处理音频片段相邻的N帧信号的幅值以及所述待处理音频片段的幅值确定衰减系数，所述N为正整数；根据所述衰减系数对所述待处理音频片段进行去噪处理，得到所述处理后的音频信号。

以上操作具体可参见前面的实施例，在此不作赘述。

由上可知，本实施例提供的服务器，通过获取待处理的音频信号的能量值；将所述能量值中大于能量阈值的能量值所对应的音频片段确定为待检测音频片段；将所述待检测音频片段中片段时长小于预设时长的音频片段确定为待处理音频片段；根据与所述待处理音频片段相邻的N帧信号的幅值以及所述待处理音频片段的幅值确定衰减系数，所述N为正整数；根据所述衰减系数对所述待处理音频片段进行去噪处理，得到所述处理后的音频信号。本发明实施例将音频信号中能量值大于预设能量值的音频片段确定为待检测音频片段，然后将片段时长小于预设时长的待检测音频片段确定为待处理音频片段，最后对该待处理音频片段进行去噪处理，本方案可以准确获取瞬时噪声对应的音频片段，进而有效去除音频信号中的瞬时噪声。

相应的，本发明实施例还提供一种终端，如图10所示，该终端可以包括射频(RF，Radio Frequency)电路1001、包括有一个或一个以上计算机可读存储介质的存储器1002、输入单元1003、显示单元1004、传感器1005、音频电路1006、无线保真(WiFi，WirelessFidelity)模块1007、包括有一个或者一个以上处理核心的处理器1008、以及电源1009等部件。本领域技术人员可以理解，图10中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：

RF电路1001可用于收发信息或通话过程中，信号的接收和发送，特别地，将基站的下行信息接收后，交由一个或者一个以上处理器1008处理；另外，将涉及上行的数据发送给基站。通常，RF电路1001包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块(SIM，Subscriber Identity Module)卡、收发信机、耦合器、低噪声放大器(LNA，Low Noise Amplifier)、双工器等。此外，RF电路1001还可以通过无线通信与网络和其他设备通信。所述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统(GSM，Global System of Mobile communication)、通用分组无线服务(GPRS，GeneralPacket Radio Service)、码分多址(CDMA，Code Division Multiple Access)、宽带码分多址(WCDMA，Wideband Code Division Multiple Access)、长期演进(LTE，Long TermEvolution)、电子邮件、短消息服务(SMS，Short Messaging Service)等。

存储器1002可用于存储软件程序以及模块，处理器1008通过运行存储在存储器1002的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器1002可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据终端的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器1002可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器1002还可以包括存储器控制器，以提供处理器1008和输入单元1003对存储器1002的访问。

输入单元1003可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地，在一个具体的实施例中，输入单元1003可包括触敏表面以及其他输入设备。触敏表面，也称为触摸显示屏或者触控板，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面上或在触敏表面附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触敏表面可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器1008，并能接收处理器1008发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面。除了触敏表面，输入单元1003还可以包括其他输入设备。具体地，其他输入设备可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。

显示单元1004可用于显示由用户输入的信息或提供给用户的信息以及终端的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元1004可包括显示面板，可选的，可以采用液晶显示器(LCD，Liquid CrystalDisplay)、有机发光二极管(OLED，Organic Light-Emitting Diode)等形式来配置显示面板。进一步的，触敏表面可覆盖显示面板，当触敏表面检测到在其上或附近的触摸操作后，传送给处理器1008以确定触摸事件的类型，随后处理器1008根据触摸事件的类型在显示面板上提供相应的视觉输出。虽然在图10中，触敏表面与显示面板是作为两个独立的部件来实现输入和输入功能，但是在某些实施例中，可以将触敏表面与显示面板集成而实现输入和输出功能。

终端还可包括至少一种传感器1005，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板的亮度，接近传感器可在终端移动到耳边时，关闭显示面板和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于终端还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。

音频电路1006、扬声器，传声器可提供用户与终端之间的音频接口。音频电路1006可将接收到的音频数据转换后的电信号，传输到扬声器，由扬声器转换为声音信号输出；另一方面，传声器将收集的声音信号转换为电信号，由音频电路1006接收后转换为音频数据，再将音频数据输出处理器1008处理后，经RF电路1001以发送给比如另一终端，或者将音频数据输出至存储器1002以便进一步处理。音频电路1006还可能包括耳塞插孔，以提供外设耳机与终端的通信。

WiFi属于短距离无线传输技术，终端通过WiFi模块1007可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图10示出了WiFi模块1007，但是可以理解的是，其并不属于终端的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。

处理器1008是终端的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器1002内的软件程序和/或模块，以及调用存储在存储器1002内的数据，执行终端的各种功能和处理数据，从而对手机进行整体监控。可选的，处理器1008可包括一个或多个处理核心；优选的，处理器1008可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器1008中。

终端还包括给各个部件供电的电源1009(比如电池)，优选的，电源可以通过电源管理系统与处理器1008逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源1009还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。

尽管未示出，终端还可以包括摄像头、蓝牙模块等，在此不再赘述。具体在本实施例中，终端中的处理器1008会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器1002中，并由处理器1008来运行存储在存储器1002中的应用程序，从而实现各种功能：

获取待处理的音频信号的能量值；将所述能量值中大于能量阈值的能量值所对应的音频片段确定为待检测音频片段；然后将所述待检测音频片段中片段时长小于预设时长的音频片段确定为待处理音频片段；最后根据与所述待处理音频片段相邻的N帧信号的幅值以及所述待处理音频片段的幅值确定衰减系数，所述N为正整数；根据所述衰减系数对所述待处理音频片段进行去噪处理，得到所述处理后的音频信号。

以上操作具体可参见前面的实施例，在此不作赘述。

由上可知，本实施例提供的服务器，通过获取待处理的音频信号的能量值；将所述能量值中大于能量阈值的能量值所对应的音频片段确定为待检测音频片段；将所述待检测音频片段中片段时长小于预设时长的音频片段确定为待处理音频片段；根据与所述待处理音频片段相邻的N帧信号的幅值以及所述待处理音频片段的幅值确定衰减系数，所述N为正整数；根据所述衰减系数对所述待处理音频片段进行去噪处理，得到所述处理后的音频信号。本发明实施例将音频信号中能量值大于预设能量值的音频片段确定为待检测音频片段，然后将片段时长小于预设时长的待检测音频片段确定为待处理音频片段，最后对该待处理音频片段进行去噪处理，本方案可以准确获取瞬时噪声对应的音频片段，进而有效去除音频信号中的瞬时噪声。

本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。

为此，本发明实施例提供一种存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本发明实施例所提供的任一种音频处理方法中的步骤。例如，该指令可以执行如下步骤：

获取待处理的音频信号的能量值；将所述能量值中大于能量阈值的能量值所对应的音频片段确定为待检测音频片段；然后将所述待检测音频片段中片段时长小于预设时长的音频片段确定为待处理音频片段；最后根据与所述待处理音频片段相邻的N帧信号的幅值以及所述待处理音频片段的幅值确定衰减系数，所述N为正整数；根据所述衰减系数对所述待处理音频片段进行去噪处理，得到所述处理后的音频信号。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

其中，该存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。

由于该存储介质中所存储的指令，可以执行本发明实施例所提供的任音频处理方法中的步骤，因此，可以实现本发明实施例所提供的任一种音频处理方法所能实现的有益效果，详见前面的实施例，在此不再赘述。

以上对本发明实施例所提供的一种音频处理方法、装置和存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (13)

1.一种音频处理方法，其特征在于，包括：

获取待处理的音频信号的能量值；

将所述能量值中大于能量阈值的能量值所对应的音频片段确定为待检测音频片段；

将所述待检测音频片段中片段时长小于预设时长的音频片段确定为待处理音频片段；

根据与所述待处理音频片段相邻的N帧信号的幅值以及所述待处理音频片段的幅值确定衰减系数，所述N为正整数；

根据所述衰减系数对所述待处理音频片段进行去噪处理，得到所述处理后的音频信号。

2.根据权利要求1所述的方法，其特征在于，所述根据与所述待处理音频片段相邻的N帧信号的幅值以及所述待处理音频片段的幅值确定衰减系数包括：

根据所述相邻的N帧信号的幅值确定所述相邻的N帧信号中每一帧信号的第一平均幅值；

根据所述待处理音频片段中的每一帧信号的幅值确定所述待处理音频信号中的每一帧信号的第二平均幅值；

根据所述第一平均幅值以及所述第二平均幅值确定所述衰减系数。

3.根据权利要求1所述的方法，其特征在于，所述根据所述衰减系数对所述待处理音频片段进行去噪处理包括：

根据所述待处理音频片段在所述音频信号中的位置获取所述待处理音频片段中的每一帧待处理信号；

将所述每一帧待处理信号分别乘以所述衰减系数，以对所述待处理音频片段进行去噪处理。

4.根据权利要求1所述的方法，其特征在于，所述获取待处理的音频信号的能量值包括：

对所述音频信号进行分帧处理，得到多帧信号；

分别确定所述多帧信号中的每一帧信号的能量值，得到所述音频信号的能量值。

5.根据权利要求4所述的方法，其特征在于，所述分别确定所述多帧信号中的每一帧信号的能量值包括：

获取所述多帧信号中每一帧信号的幅值；

根据所述多帧信号中每一帧信号的幅值确定所述每一帧信号的能量值。

6.根据权利要求1至5中任一项所述的方法，其特征在于，所述将所述能量值中大于能量阈值的能量值所对应的音频片段确定为待检测音频片段之前，所述方法还包括：

确定所述音频信号中前导无话段的平均能量值；

根据所述平均能量值确定所述能量阈值。

7.一种音频处理装置，其特征在于，包括：

获取单元，用于获取待处理的音频信号的能量值；

第一确定单元，用于将所述能量值中大于能量阈值的能量值所对应的音频片段确定为待检测音频片段；

第二确定单元，用于将所述待检测音频片段中片段时长小于预设时长的音频片段确定为待处理音频片段；

第三确定单元单元，用于根据与所述待处理音频片段相邻的N帧信号的幅值以及所述待处理音频片段的幅值确定衰减系数，所述N为正整数；

处理单元，用于根据所述衰减系数对所述待处理音频片段进行去噪处理，得到所述处理后的音频信号。

8.根据权利要求7所述的装置，其特征在于，所述第三确定单元具体用于：

根据所述相邻的N帧信号的幅值确定所述相邻的N帧信号中每一帧信号的第一平均幅值；

根据所述待处理音频片段中的每一帧信号的幅值确定所述待处理音频信号中的每一帧信号的第二平均幅值；

根据所述第一平均幅值以及所述第二平均幅值确定所述衰减系数。

9.根据权利要求7所述的装置，其特征在于，所述处理单元具体用于：

根据所述待处理音频片段在所述音频信号中的位置获取所述待处理音频片段中的每一帧待处理信号；

将所述每一帧待处理信号分别乘以所述衰减系数，以对所述待处理音频片段进行去噪处理。

10.根据权利要求7所述的装置，其特征在于，所述获取单元包括：

处理子单元，用于对所述音频信号进行分帧处理，得到多帧信号；

确定子单元，用于分别确定所述多帧信号中的每一帧信号的能量值，得到所述音频信号的能量值。

11.根据权利要求10所述的装置，其特征在于，所述确定子单元具体用于：

获取所述多帧信号中每一帧信号的幅值；

根据所述多帧信号中每一帧信号的幅值确定所述每一帧信号的能量值。

12.根据权利要求7至11中任一项所述的装置，其特征在于，所述装置还包括：

第四确定单元，用于确定所述音频信号中前导无话段的平均能量值；

第五确定单元，用于根据所述平均能量值确定所述能量阈值。

13.一种存储介质，其特征在于，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1至6任一项所述的音频处理方法中的步骤。