CN110534128A - 一种噪音处理方法、装置、设备及存储介质 - Google Patents
一种噪音处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110534128A CN110534128A CN201910734972.6A CN201910734972A CN110534128A CN 110534128 A CN110534128 A CN 110534128A CN 201910734972 A CN201910734972 A CN 201910734972A CN 110534128 A CN110534128 A CN 110534128A
- Authority
- CN
- China
- Prior art keywords
- section
- noise
- feature
- adsr
- continuum
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Processing of the speech or voice signal 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
- G10L21/0224—Processing in the time domain
Abstract
本发明公开了一种噪音处理方法,包括:对待去噪音频的每一窗口的时域信号进行分帧;其中,每一帧的长度为若干个样本点;将所述样本点平均分为若干个区间,并计算每个区间的区间能量;判断连续区间的区间能量是否满足预设的短时非平稳噪音识别条件;响应于判断结果满足预设的短时非平稳噪音识别条件,提取所述连续区间的ADSR特征,根据提取的所述ADSR特征确定对应的噪音消除方法。本发明实施例还提供了一种噪音处理装置、设备及存储介质有效解决现有技术无法快速的对噪音进行识别,从而无法很好地消除这些噪音的问题。
Description
技术领域
本发明涉及声音处理技术领域,尤其涉及一种噪音处理方法、装置、设备及存储介质。
背景技术
通常来说,噪音可被划分为三个种类:平稳噪音,短时平稳噪音,短时非平稳噪音。平稳噪音是指,均值为常数,相关函数只与时间差有关,其特性基本保持不变。短时平稳噪音是指,在较短的时间段内可保持平稳,如语音信号。短时非平稳噪音是指,在任何时间段内都无法保持平稳。
在实际生活中短时非平稳噪音是极为常见的,如开关门,放东西,打击乐发出的声响等等。这种噪音除了短时非平稳性,还都具有一个共性:即发声时间较短,且发声结束后声音都将消失。对于这种短时非平稳噪音现有技术无法快速的对噪音进行识别,从而无法很好地消除这些噪音。
发明内容
本发明实施例提供一种噪音处理方法、装置、设备及存储介质,能有效解决现有技术无法快速的对噪音进行识别,从而无法很好地消除这些噪音的问题。
本发明一实施例提供一种噪音处理方法,包括:
对待去噪音频的每一窗口的时域信号进行分帧;其中,每一帧的长度为若干个样本点;
将所述样本点平均分为若干个区间,并根据所述样本点的幅值计算每个区间的区间能量;
判断连续区间的区间能量是否满足预设的短时非平稳噪音识别条件;
响应于判断结果满足预设的短时非平稳噪音识别条件,提取所述连续区间的ADSR特征,根据提取的所述ADSR特征确定对应的噪音消除方法;其中,每一种ADSR特征,均预先设置有对应的噪音消除方法。
作为上述方案的改进,所述方法还包括:
响应于判断结果不满足预设的短时非平稳噪音识别条件,不对当前窗口的时域信号进行处理,继续处理下一帧。
作为上述方案的改进,所述预设的噪音识别条件包括:
所述连续区间的第一区间的区间能量与最后区间的区间能量均比所述连续区间中的其他区间的区间能量低。
作为上述方案的改进,在所述响应于判断结果满足预设的噪音识别条件之后,所述则提取所述连续区间的ADSR特征之前,还包括:
确定所述连续区间中区间能量最大的区间;
判断所述区间能量最大的区间与所述最后区间内至少有三个连续的区间满足区间能量在预设的浮动范围内;
响应于判断结果为有至少三个连续的区间满足区间能量在预设的浮动范围内,则所述至少三个连续的区间处于ADSR特征的S阶段;
其中,在所述连续区间中所述S阶段之后的区间处于ADSR特征的R阶段,所述第一区间至所述区间能量最大的区间处于ADSR特征的A阶段,在所述连续区间中剩余的区间则处于ADSR特征的D阶段。
作为上述方案的改进,则提取所述连续区间的ADSR特征,具体包括:
根据所述A阶段、所述D阶段、所述S阶段、所述R阶段的样本点分别计算各自阶段的长度,分别得到第一特征、第二特征、第三特征、第四特征;
计算所述S阶段的区间能量的平均值得到第五特征。
作为上述方案的改进,在所述响应于判断结果为有至少三个连续的区间满足区间能量在预设的浮动范围内之后,还包括:
若有多个三个以上连续的区间满足区间能量在预设的浮动范围内,则选择区间数量最多的连续的区间作为ADSR特征的S阶段。
作为上述方案的改进,所述计算每个区间的区间能量,具体包括:
通过计算每个区间内的样本点的幅值的平方和,得到每个区间的区间能量。
本发明另一实施例对应提供了一种噪音处理装置装置,包括:
分帧模块,用于对待去噪音频的每一窗口的时域信号进行分帧;其中,每一帧的长度为若干个样本点;
计算模块,用于将所述样本点平均分为若干个区间,并根据所述样本点的幅值计算每个区间的区间能量;
第一判断模块,用于判断连续区间的区间能量是否满足预设的噪音识别条件;
第一响应模块模块,用于响应于判断结果满足预设的短时非平稳噪音识别条件,提取所述连续区间的ADSR特征,根据提取的所述ADSR特征确定对应的噪音消除方法;其中,每一种ADSR特征,均预先设置有对应的噪音消除方法。
作为上述方案的改进,还包括:
第二响应模块模块,用于响应于判断结果不满足预设的短时非平稳噪音识别条件,不对当前窗口的时域信号进行处理,继续处理下一帧。
本发明另一实施例提供了一种噪音处理设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现上述发明实施例所述的噪音处理方法。
本发明另一实施例提供了一种存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述发明实施例所述的噪音处理方法。
与现有技术相比,本发明实施例公开的噪音处理方法、装置、设备及存储介质,将待去噪音频的每一窗口分帧,再将每一帧分为若干个区间并计算每个区间的区间能量,通过判断连续区间的区间能量是否满足预设的短时非平稳噪音识别条件,对短时非平稳噪音进行识别,再提取所述连续区间的ADSR特征,根据提取的所述ADSR特征确定对应的噪音消除方法。由上分析可知,本发明实施例,通过对待去噪音频每一帧进行判断从而快速识别短时非平稳噪音,再通过提取ADSR特征确定对应的噪音消除方法,从而对短时非平稳噪音进行去噪处理。而且由于ADSR特征为时域特征,无需转换到频域,降低了ADSR特征的提取时间以及复杂程度,从而更快速的对短时非平稳噪音进行处理。
附图说明
图1是本发明一实施例提供的一种噪音处理方法的流程示意图;
图2是本发明一实施例提供的一种噪音处理装置的结构示意图;
图3是本发明一实施例提供的一种噪音处理设备的结构示意图。
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,本领域普通技术人员在没有作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。
参见图1,是本发明一实施例提供的一种噪音处理方法的流程示意图。
本发明一实施例提供一种噪音处理方法,包括:
S10,对待去噪音频的每一窗口的时域信号进行分帧;其中,每一帧的长度为若干个样本点。
具体地,对待去噪音频进行分帧加窗处理,对每一窗口的时域信号进行分帧,每一帧长度为N个样本点。
在本实施例中,窗口的长度一般取0.5s-3s,可设为预设的噪音特征样本库中长度最大值,相邻窗之间有重叠。
S20,将所述样本点平均分为若干个区间,并根据所述样本点的幅值计算每个区间的区间能量。其中,通过计算每个区间内的样本点的幅值的平方和,得到每个区间的区间能量。
示例性地,将N个样本点分为M个区间,每个区间有N/M个样本点,每个区间标号分别为1,2,…M;分别计算M个区间的区间能量。通过计算每个区间内的样本点的平方和,得到每个区间的区间能量,分别记为P1,P2,……Pm,作为这个区间的区间能量。
S30,判断连续区间的区间能量是否满足预设的短时非平稳噪音识别条件。
具体地,由于窗口较大,所以短时非平稳噪音只存在连续区间内。在本实施例中,所述预设的短时非平稳噪音识别条件为所述连续区间的第一区间的区间能量与最后区间的区间能量均比所述连续区间中的其他区间的区间能量低。
示例性地,在连续区间[i,j]内,Pi,Pj能量值较低,则认为连续区间[i,j]内具有短时非平稳噪音。
S40,响应于判断结果满足预设的短时非平稳噪音识别条件,则提取所述连续区间的ADSR特征,根据提取的所述ADSR特征确定对应的噪音消除方法;其中,每一种ADSR特征,均预先设置有对应的噪音消除方法。其中,ADSR特征包括:第一特征(F1)、第二特征(F2)、第三特征(F3)、第四特征(F4)、第五特征(F5);F1,F2,F3,F4分别对应ADSR四个阶段的时长;特征5(F5)为S阶段的音量与最大音量的比值。
具体地,根据预设的噪音分类模型对ADSR特征进行分类,根据噪音的种类分析其频谱特性,从而选择噪音消除方法,例如谱减法。
其中,将噪音样本库中的噪音进行ADSR特征提取,每一个不同的噪音样本提取的ADSR特征对应建立一个标签,从而建立噪音特征样本库,根据噪音特征样本库进行训练机器学习得到预设的噪音分类模型。
综上所述,本发明实施例公开的噪音处理方法,将待去噪音频的每一窗口分帧,再将每一帧分为若干个区间并计算每个区间的区间能量,通过判断连续区间的区间能量是否满足预设的短时非平稳噪音识别条件,对短时非平稳噪音进行识别,再提取所述连续区间的ADSR特征,根据提取的所述ADSR特征确定对应的噪音消除方法。由上分析可知,本发明实施例,通过对待去噪音频每一帧进行判断从而快速识别短时非平稳噪音,再通过提取ADSR特征确定对应的噪音消除方法,从而对短时非平稳噪音进行去噪处理。而且由于ADSR特征为时域特征,无需转换到频域,降低了ADSR特征的提取时间以及复杂程度,从而更快速的对短时非平稳噪音进行处理。
作为上述方案的改进,所述方法还包括:
S40’,响应于判断结果不满足预设的短时非平稳噪音识别条件,则不对当前窗口的时域信号进行处理,继续处理下一帧。
在本实施例中,当没有连续区间满足第一区间的区间能量与最后区间的区间能量均比所述连续区间中的其他区间的区间能量低时,则认为此帧内没有检测到短时非平稳噪音,不对当前窗口的时域信号进行处理。
作为上述方案的改进,在所述响应于判断结果满足预设的噪音识别条件之后,所述则提取所述连续区间的ADSR特征之前,还包括:
S41,确定所述连续区间中区间能量最大的区间。
示例性地,在连续区间[i,j]内确定区间能量最大的区间记为m。
S42,判断所述区间能量最大的区间与所述最后区间内至少有三个连续的区间满足区间能量在预设的浮动范围内。在本实施例中,预设的浮动范围为10%,还可以为其他,在此不做限定。
示例性地,判断在连续区间[m,j]内,是否至少有三个连续的区间满足区间能量在预设的浮动范围内。
S43,响应于判断结果为有至少三个连续的区间满足区间能量在预设的浮动范围内,则所述至少三个连续的区间处于ADSR特征的S阶段。
示例性地,若有连续的区间[s1,s2]所有区间能量值的浮动在10%之内(即区间满足区间能量在预设的浮动范围内)且连续的区间[s1,s2]具有三个及以上区间,则认为这个连续的区间[s1,s2]处在ADSR特征的Sustain阶段,即S阶段。
其中,在所述连续区间中所述S阶段之后的区间处于ADSR特征的R阶段,所述第一区间至所述区间能量最大的区间处于ADSR特征的A阶段,在所述连续区间中剩余的区间则处于ADSR特征的D阶段。
示例性地,A阶段:[i,m];D阶段:[m,s1];S阶段:[s1,s2];R阶段:[s2,j]。
S43’,响应于判断结果为没有至少三个连续的区间满足区间能量在预设的浮动范围内,则不再进行特征提取。
作为上述方案的改进,则提取所述连续区间的ADSR特征,具体包括:
根据所述A阶段、所述D阶段、所述S阶段、所述R阶段的样本点分别计算各自阶段的长度,分别得到第一特征、第二特征、第三特征、第四特征。
计算所述S阶段的区间能量的平均值得到第五特征。
具体地,根据第一特征、第二特征、第三特征、第四特征以及第五特征确定噪音分类,从而选择噪音消除方法
作为上述方案的改进,在所述响应于判断结果为有至少三个连续的区间满足区间能量在预设的浮动范围内之后,还包括:
若有多个三个以上连续的区间满足区间能量在预设的浮动范围内,则选择区间数量最多的连续的区间作为ADSR特征的S阶段。
示例性地,若有多个这样的连续的区间,则可取拥有区间数量最多的那个作为S阶段。
参见图2,是本发明一实施例提供的一种噪音处理装置的结构示意图。
本发明实施例对应提供了一种噪音处理装置装置,包括:
分帧模块10,用于对待去噪音频的每一窗口的时域信号进行分帧;其中,每一帧的长度为若干个样本点。
计算模块20,用于将所述样本点平均分为若干个区间,并根据所述样本点的幅值计算每个区间的区间能量。
第一判断模块30,用于判断连续区间的区间能量是否满足预设的短时非平稳噪音识别条件。
第一响应模块40,用于响应于判断结果满足预设的短时非平稳噪音识别条件,则提取所述连续区间的ADSR特征,根据提取的所述ADSR特征确定对应的噪音消除方法;其中,每一种ADSR特征,均预先设置有对应的噪音消除方法。
作为上述方案的改进,还包括:
第二响应模块模块40’,用于响应于判断结果不满足预设的短时非平稳噪音识别条件,则不对当前窗口的时域信号进行处理,继续处理下一帧。
综上所述,本发明实施例公开的噪音处理方法,将待去噪音频的每一窗口分帧,再将每一帧分为若干个区间并计算每个区间的区间能量,通过判断连续区间的区间能量是否满足预设的短时非平稳噪音识别条件,对短时非平稳噪音进行识别,再提取所述连续区间的ADSR特征,根据提取的所述ADSR特征确定对应的噪音消除方法。由上分析可知,本发明实施例,通过对待去噪音频每一帧进行判断从而快速识别短时非平稳噪音,再通过提取ADSR特征确定对应的噪音消除方法,从而对短时非平稳噪音进行去噪处理。而且由于ADSR特征为时域特征,无需转换到频域,降低了ADSR特征的提取时间以及复杂程度,从而更快速的对短时非平稳噪音进行处理。
参见图3,是本发明一实施例提供的噪音处理设备的示意图。该实施例的噪音处理设备包括:处理器11、存储器12以及存储在所述存储器中并可在所述处理器上运行的计算机程序。所述处理器执行所述计算机程序时实现上述各个噪音处理方法实施例中的步骤。或者,所述处理器执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能。
示例性的,所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述噪音处理设备中的执行过程。
所述噪音处理设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述噪音处理设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,所述示意图仅仅是噪音处理设备的示例,并不构成对噪音处理设备的限定,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,例如所述噪音处理设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器11可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述噪音处理设备的控制中心,利用各种接口和线路连接整个噪音处理设备的各个部分。
所述存储器12可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述噪音处理设备的各种功能。所述存储器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手机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,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、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。
其中,所述噪音处理设备集成的模块/单元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,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
需说明的是,以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外,本发明提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种噪音处理方法,其特征在于,包括:
对待去噪音频的每一窗口的时域信号进行分帧;其中,每一帧的长度为若干个样本点;
将所述样本点平均分为若干个区间,并根据所述样本点的幅值计算每个区间的区间能量;
判断连续区间的区间能量是否满足预设的短时非平稳噪音识别条件;
响应于判断结果满足预设的短时非平稳噪音识别条件,提取所述连续区间的ADSR特征,根据提取的所述ADSR特征确定对应的噪音消除方法;其中,每一种ADSR特征,均预先设置有对应的噪音消除方法。
2.如权利要求1所述的噪音处理方法,其特征在于,所述方法还包括:
响应于判断结果不满足预设的短时非平稳噪音识别条件,不对当前窗口的时域信号进行处理,继续处理下一帧。
3.如权利要求1所述的噪音处理方法,其特征在于,所述预设的噪音识别条件包括:
所述连续区间的第一区间的区间能量与最后区间的区间能量均比所述连续区间中的其他区间的区间能量低。
4.如权利要求3所述的噪音处理方法,其特征在于,在所述响应于判断结果满足预设的短时非平稳噪音识别条件之后,所述提取所述连续区间的ADSR特征之前,还包括:
确定所述连续区间中区间能量最大的区间;
判断所述区间能量最大的区间与所述最后区间内至少有三个连续的区间满足区间能量在预设的浮动范围内;
响应于判断结果为有至少三个连续的区间满足区间能量在预设的浮动范围内,则所述至少三个连续的区间处于ADSR特征的S阶段;
其中,在所述连续区间中所述S阶段之后的区间处于ADSR特征的R阶段,所述第一区间至所述区间能量最大的区间处于ADSR特征的A阶段,在所述连续区间中剩余的区间则处于ADSR特征的D阶段。
5.如权利要求4所述的噪音处理方法,其特征在于,提取所述连续区间的ADSR特征,具体包括:
根据所述A阶段、所述D阶段、所述S阶段、所述R阶段的样本点分别计算各自阶段的长度,分别得到第一特征、第二特征、第三特征、第四特征;
计算所述S阶段的区间能量的平均值得到第五特征。
6.如权利要求4所述的噪音处理方法,其特征在于,在所述响应于判断结果为有至少三个连续的区间满足区间能量在预设的浮动范围内之后,还包括:
若有多个三个以上连续的区间满足区间能量在预设的浮动范围内,则选择区间数量最多的连续的区间作为ADSR特征的S阶段。
7.如权利要求1所述的噪音处理方法,其特征在于,所述计算每个区间的区间能量,具体包括:
通过计算每个区间内的样本点的幅值的平方和,得到每个区间的区间能量。
8.一种噪音处理装置,其特征在于,包括:
分帧模块,用于对待去噪音频的每一窗口的时域信号进行分帧;其中,每一帧的长度为若干个样本点;
计算模块,用于将所述样本点平均分为若干个区间,并根据所述样本点的幅值计算每个区间的区间能量;
第一判断模块,用于判断连续区间的区间能量是否满足预设的短时非平稳噪音识别条件;
第一响应模块模块,用于响应于判断结果满足预设的短时非平稳噪音识别条件,提取所述连续区间的ADSR特征,根据提取的所述ADSR特征确定对应的噪音消除方法;其中,每一种ADSR特征,均预先设置有对应的噪音消除方法。
9.一种噪音处理设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的噪音处理方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至7中任意一项所述的噪音处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910734972.6A CN110534128B (zh) | 2019-08-09 | 2019-08-09 | 一种噪音处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910734972.6A CN110534128B (zh) | 2019-08-09 | 2019-08-09 | 一种噪音处理方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110534128A true CN110534128A (zh) | 2019-12-03 |
CN110534128B CN110534128B (zh) | 2021-11-12 |
Family
ID=68662274
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910734972.6A Expired - Fee Related CN110534128B (zh) | 2019-08-09 | 2019-08-09 | 一种噪音处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110534128B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115801949A (zh) * | 2022-11-15 | 2023-03-14 | 深圳市联代科技有限公司 | 一种能增强手机信号的5g手机 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5444818A (en) * | 1992-12-03 | 1995-08-22 | International Business Machines Corporation | System and method for dynamically configuring synthesizers |
CN103024220A (zh) * | 2011-09-27 | 2013-04-03 | 深圳市普联技术有限公司 | 一种语音留言的处理方法、系统及iad |
CN105706166A (zh) * | 2013-10-31 | 2016-06-22 | 弗劳恩霍夫应用研究促进协会 | 通过在频域插入时间预整形噪声进行音频带宽扩展 |
CN105737969A (zh) * | 2014-12-31 | 2016-07-06 | 通用电气公司 | 用于表征爆震传感器感测的噪声的方法和系统 |
CN105927384A (zh) * | 2015-01-29 | 2016-09-07 | 通用电气公司 | 用于检测发动机的操作事件的系统及方法 |
WO2016166675A1 (en) * | 2015-04-13 | 2016-10-20 | Filippo Zanetti | Device and method for simulating a sound timbre, particularly for stringed electrical musical instruments |
US20190017487A1 (en) * | 2017-07-12 | 2019-01-17 | General Electric Company | System and method for valve event detection and control |
-
2019
- 2019-08-09 CN CN201910734972.6A patent/CN110534128B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5444818A (en) * | 1992-12-03 | 1995-08-22 | International Business Machines Corporation | System and method for dynamically configuring synthesizers |
CN103024220A (zh) * | 2011-09-27 | 2013-04-03 | 深圳市普联技术有限公司 | 一种语音留言的处理方法、系统及iad |
CN105706166A (zh) * | 2013-10-31 | 2016-06-22 | 弗劳恩霍夫应用研究促进协会 | 通过在频域插入时间预整形噪声进行音频带宽扩展 |
CN105737969A (zh) * | 2014-12-31 | 2016-07-06 | 通用电气公司 | 用于表征爆震传感器感测的噪声的方法和系统 |
CN105927384A (zh) * | 2015-01-29 | 2016-09-07 | 通用电气公司 | 用于检测发动机的操作事件的系统及方法 |
WO2016166675A1 (en) * | 2015-04-13 | 2016-10-20 | Filippo Zanetti | Device and method for simulating a sound timbre, particularly for stringed electrical musical instruments |
US20190017487A1 (en) * | 2017-07-12 | 2019-01-17 | General Electric Company | System and method for valve event detection and control |
Non-Patent Citations (4)
Title |
---|
EDWARD PÓŁROLNICZAK,ET AL.: "Analysis of the sound attack in context of computer evaluation of the singing voice quality", 《2015 FEDERATED CONFERENCE ON COMPUTER SCIENCE AND INFORMATION SYSTEMS (FEDCSIS)》 * |
OLIVIER ADAM,ET AL.: "New acoustic model for humpback whale sound production", 《APPLIED ACOUSTICS》 * |
毛春静等: "数字音乐合成器的研究与设计", 《计算机工程与应用》 * |
马中华等: "基于环形桥的超高频射频识别窄带载波泄漏消除器", 《厦门大学学报(自然科学版)》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115801949A (zh) * | 2022-11-15 | 2023-03-14 | 深圳市联代科技有限公司 | 一种能增强手机信号的5g手机 |
Also Published As
Publication number | Publication date |
---|---|
CN110534128B (zh) | 2021-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110085251B (zh) | 人声提取方法、人声提取装置及相关产品 | |
US11715446B2 (en) | Music classification method and beat point detection method, storage device and computer device | |
CN106486131B (zh) | 一种语音去噪的方法及装置 | |
JP6099556B2 (ja) | 音声識別方法および装置 | |
CN105023573B (zh) | 使用听觉注意力线索的语音音节/元音/音素边界检测 | |
CN104409080B (zh) | 语音端点检测方法和装置 | |
CN110047512B (zh) | 一种环境声音分类方法、系统及相关装置 | |
Pillos et al. | A Real-Time Environmental Sound Recognition System for the Android OS. | |
JP6493889B2 (ja) | 音声信号を検出するための方法および装置 | |
CN110688518A (zh) | 节奏点的确定方法、装置、设备及存储介质 | |
Ivanov et al. | Modulation Spectrum Analysis for Speaker Personality Trait Recognition. | |
CN111754982A (zh) | 语音通话的噪声消除方法、装置、电子设备及存储介质 | |
CN108877783A (zh) | 确定音频数据的音频类型的方法和装置 | |
CN111415653B (zh) | 用于识别语音的方法和装置 | |
EP3813061A1 (en) | Attribute identifying device, attribute identifying method, and program storage medium | |
Kiapuchinski et al. | Spectral noise gate technique applied to birdsong preprocessing on embedded unit | |
Tengtrairat et al. | Single-channel separation using underdetermined blind autoregressive model and least absolute deviation | |
CN110503973B (zh) | 音频信号瞬态噪音抑制方法、系统以及存储介质 | |
CN110534128A (zh) | 一种噪音处理方法、装置、设备及存储介质 | |
CN111402918B (zh) | 一种音频处理方法、装置、设备及存储介质 | |
Sivapatham et al. | Performance improvement of monaural speech separation system using image analysis techniques | |
CN111199749A (zh) | 行为识别方法、装置,机器学习方法、装置以及记录介质 | |
KR20120109763A (ko) | 신경망 컴퓨팅을 이용한 다중 음원의 음악정보 분석 장치 및 방법 | |
Kwon et al. | Speech enhancement combining statistical models and NMF with update of speech and noise bases | |
CN112466328B (zh) | 呼吸音检测方法、装置和电子设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20211112 |
|
CF01 | Termination of patent right due to non-payment of annual fee |