CN111048118A - 一种语音信号处理方法、装置及终端 - Google Patents

一种语音信号处理方法、装置及终端 Download PDF

Info

Publication number
CN111048118A
CN111048118A CN201911349434.1A CN201911349434A CN111048118A CN 111048118 A CN111048118 A CN 111048118A CN 201911349434 A CN201911349434 A CN 201911349434A CN 111048118 A CN111048118 A CN 111048118A
Authority
CN
China
Prior art keywords
signal
processed
cross
voice signal
correlation
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
Application number
CN201911349434.1A
Other languages
English (en)
Other versions
CN111048118B (zh
Inventor
杨晓霞
刘溪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Volkswagen Mobvoi Beijing Information Technology Co Ltd
Original Assignee
Volkswagen Mobvoi Beijing Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Volkswagen Mobvoi Beijing Information Technology Co Ltd filed Critical Volkswagen Mobvoi Beijing Information Technology Co Ltd
Priority to CN201911349434.1A priority Critical patent/CN111048118B/zh
Publication of CN111048118A publication Critical patent/CN111048118A/zh
Application granted granted Critical
Publication of CN111048118B publication Critical patent/CN111048118B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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
    • 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

Abstract

本发明实施例公开了一种语音信号处理方法、装置及终端。该方法包括：获取待处理语音信号与至少两个参考信号；计算所述待处理语音信号与至少两个所述参考信号的互相关参数；如果根据所述互相关参数确定所述待处理语音信号存在目标语音信号，则对所述待处理语音信号进行AGC处理。使用本发明的技术方案，可以提高语音信号AGC处理的性能，从而降低误检测概率，并提高用户体验性能。

Description

一种语音信号处理方法、装置及终端
技术领域
本发明实施例涉及语音处理技术领域，尤其涉及一种语音信号处理方法、装置及终端。
背景技术
在语音信号处理技术领域中，AGC(Automatic Gain Control，自动增益控制)是一种常见的语音信号处理算法，主要作用是根据输入语音信号的幅度，自动调整控制增益使输出信号的能量达到一个稳定值。
现有技术在使用AGC进行信号增益控制时，需要判断当前帧信号是噪声信号还是语音信号。如果确定当前帧信号是语音信号则对增益进行自动调整；如果确定当前帧信号是噪声信号，则保持增益不变。
发明人在实现本发明的过程中，发现现有技术存在如下缺陷：如果确定当前帧信号是噪声信号，且前一帧信号的增益大于1，则当前帧信号也会被放大，也即噪声信号会被放大。如果当前帧信号不存在语音信号且包括残留回声信号，而且被判断为语音信号，则残留回声信号将会被做自动增益控制。如果在待处理的语音信号中仅包括噪声信号和/或残留回声信号等非语音信号的情况下依然对待处理语音信号做增益处理，会影响后端语音识别的误检测概率，出现误识别现象，从而降低用户体验性能。
发明内容
本发明实施例提供一种语音信号处理方法、装置及终端，以提高语音信号AGC处理的性能，从而降低误检测概率，并提高用户体验性能。
第一方面，本发明实施例提供了一种语音信号处理方法，该方法包括：
获取待处理语音信号与至少两个参考信号；
计算所述待处理语音信号与至少两个所述参考信号的互相关参数；
如果根据所述互相关参数确定所述待处理语音信号存在目标语音信号，则对所述待处理语音信号进行自动增益控制AGC处理。
第二方面，本发明实施例还提供了一种语音信号处理装置，该装置包括：
信号获取模块，用于获取待处理语音信号与至少两个参考信号；
互相关参数计算模块，用于计算所述待处理语音信号与至少两个所述参考信号的互相关参数；
AGC处理模块，用于如果根据所述互相关参数确定所述待处理语音信号存在目标语音信号，则对所述待处理语音信号进行自动增益控制AGC处理。
第三方面，本发明实施例还提供了一种终端，所述终端包括：
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本发明任意实施例所提供的语音信号处理方法。
第四方面，本发明实施例还提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例所提供的语音信号处理方法。
本发明实施例通过计算待处理语音信号与至少两个参考信号的互相关参数，以根据互相关参数确定待处理语音信号存在目标语音信号时，对待处理语音信号进行AGC处理，解决了现有技术中使用AGC进行信号增益控制时，在待处理语音信号中仅包括非目标语音信号的情况下依然对待处理语音信号做增益处理的问题，提高了语音信号AGC处理的性能，降低了误检测概率，提高了用户体验性能。
附图说明
图1是本发明实施例一提供的一种语音信号处理方法的流程图；
图2是本发明实施例二提供的一种语音信号处理方法的流程图；
图3a是本发明实施例三提供的一种语音信号处理方法的流程图；
图3b是本发明实施例三提供的一种语音信号处理方法的流程图；
图4是本发明实施例四提供的一种语音信号处理装置的结构示意图；
图5为本发明实施例五提供的一种终端的结构示意图。
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，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相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1是本发明实施例一提供的一种语音信号处理方法的流程图，本实施例可适用于对包括目标语音信号的语音信号进行AGC处理的情况，该方法可以由语音信号处理装置来执行，该装置可以由软件和/或硬件的方式来实现，并一般可集成在终端(典型的，各类车载设备或智能终端设备等终端)中。相应的，如图1所示，该方法包括如下操作：
S110、获取待处理语音信号与至少两个参考信号。
其中，待处理语音信号可以是需要进行AGC处理的语音信号。示例性的，车载终端通过麦克风设备获取的用户输入的语音指令信号(也即麦克风信号)或其他智能终端采集的语音指令信号均可以作为待处理语音信号。待处理语音信号可以包括但不限于目标语音信号、噪音信号、回声信号或残留回声信号等。目标语音信号即为用户所发出的语音指令信号。参考信号可以用于辅助计算待处理语音信号中是否包括目标语音信号。可选的，参考信号可以包括第一参考信号和第二参考信号。其中，第一参考信号可以为系统音频信号；第二参考信号可以为待处理语音信号经过AEC(Adaptive Echo Cancellation，自适应线性回声消除)处理得到的信号。
在本发明实施例中，终端可以通过麦克风等语音采集设备采集的麦克风信号作为待处理语音信号。为了确定待处理语音信号中是否包括目标语音信号，可以采用至少两个参考信号进行辅助计算。可选的，参考信号可以包括第一参考信号和第二参考信号。其中，第一参考信号可以为系统音频信号，如终端播放的wav格式的音频信号等。相应的，回声信号即为语音采集设备(如麦克风)采集到的终端播放的音频信号。第二参考信号可以为待处理语音信号经过AEC处理得到的信号。
S120、计算所述待处理语音信号与至少两个所述参考信号的互相关参数。
可选的，互相关参数可以为互相关谱；
相应的，终端获取到待处理语音信号与至少两个参考信号后，可以计算待处理语音信号与至少两个参考信号的互相关谱作为互相关参数。
S130、如果根据所述互相关参数确定所述待处理语音信号存在目标语音信号，则对所述待处理语音信号进行自动增益控制AGC处理。
相应的，终端可以根据互相关参数确定待处理语音信号是否存在目标语音信号，也即根据互相关谱来确定待处理语音信号是否存在目标语音信号。如果确定待处理语音信号存在目标语音信号，则对待处理语音信号进行AGC处理。在确定待处理语音信号存在目标语音信号的情况下对待处理语音信号进行AGC处理，避免了在待处理语音信号中仅包括非目标语音信号的情况下，依然对待处理语音信号做增益处理，提高了语音信号AGC处理的性能，降低了误检测概率，提高了用户体验性能。
本发明实施例的技术方案，通过计算待处理语音信号与至少两个参考信号的互相关参数，以根据互相关参数确定待处理语音信号存在目标语音信号时，对待处理语音信号进行AGC处理，解决了现有技术中使用AGC进行信号增益控制时，在待处理语音信号中仅包括非目标语音信号的情况下依然对待处理语音信号做增益处理的问题，提高了语音信号AGC处理的性能，降低了误检测概率，提高了用户体验性能。
实施例二
图2是本发明实施例二提供的一种语音信号处理方法的流程图，本实施例以上述实施例为基础进行具体化，在本实施例中，给出了计算所述待处理语音信号与至少两个所述参考信号的互相关参数，以及如果根据所述互相关参数确定所述待处理语音信号中存在目标语音信号的具体操作步骤。相应的，如图2所示，本实施例的方法可以包括：
S210、获取待处理语音信号与至少两个参考信号。
可选的，所述参考信号包括第一参考信号和第二参考信号；所述第一参考信号为系统音频信号；所述第二参考信号为所述待处理语音信号经过AEC处理得到的信号；所述互相关参数为互相关谱。
S220、计算所述待处理语音信号与至少两个所述参考信号的互相关参数。
相应的，S220具体可以包括：
S221、计算所述待处理语音信号与所述第一参考信号的第一互相关谱。
其中，第一互相关谱即为待处理语音信号与第一参考信号的互相关谱。
在本发明实施例中，如果采用两种参考信号，则计算待处理语音信号与两个参考信号的互相关参数时，可以分别计算待处理语音信号与参考信号之间的互相关谱。
在本发明的一个可选实施例中，计算所述待处理语音信号与所述第一参考信号的第一互相关谱，可以包括：
基于如下公式计算所述待处理语音信号与所述第一参考信号的功率谱：
Figure BDA0002334295630000071
Figure BDA0002334295630000072
其中，Sd(i,j)表示所述待处理语音信号第i帧第j个频点的功率谱，Sd(i-1,j)表示所述待处理语音信号第i-1帧第j个频点的功率谱，β表示平滑系数，可选的，β可取值0.85，di,j表示所述待处理语音信号第i帧第j个频点的频谱，
Figure BDA0002334295630000073
表示所述待处理语音信号第i帧第j个频点的频谱的共轭复数，Sx(i,j)表示所述第一参考信号第i帧第j个频点的功率谱；Sx(i-1,j)表示所述第一参考信号第i-1帧第j个频点的功率谱，xi,j表示所述第一参考信号第i帧第j个频点的频谱，
Figure BDA0002334295630000074
表示所述第一参考信号第i帧第j个频点的频谱的共轭复数。
基于如下公式计算所述待处理语音信号与所述第一参考信号的第一互相关谱：
Figure BDA0002334295630000075
其中，Sxd(i,j)所述待处理语音信号第i帧第j个频点与所述第一参考信号第i帧第j个频点的第一互相关谱，Sxd(i-1,j)表示所述待处理语音信号第i-1帧第j个频点与所述第一参考信号第i-1帧第j个频点的第一互相关谱。
S222、计算所述待处理语音信号与所述第二参考信号的第二互相关谱。
其中，第二互相关谱即为待处理语音信号与第二参考信号的互相关谱。
在本发明的一个可选实施例中，计算所述待处理语音信号与所述第二参考信号的第二互相关谱，可以包括：
基于如下公式计算所述第二参考信号的功率谱：
Figure BDA0002334295630000076
其中，Se(i,j)表示所述第二参考信号第i帧第j个频点的功率谱，Se(i-1,j)表示所述第二参考信号第i-1帧第j个频点的功率谱，ei,j表示所述第二参考信号第i帧第j个频点的频谱，
Figure BDA0002334295630000081
表示所述第二参考信号第i帧第j个频点的频谱的共轭复数；
基于如下公式计算所述待处理语音信号与所述第二参考信号的第二互相关谱：
Figure BDA0002334295630000082
其中，Sde(i,j)表示所述待处理语音信号第i帧第j个频点与所述第二参考信号第i帧第j个频点的第一互相关谱，Sde(i-1,j)表示所述待处理语音信号第i-1帧第j个频点与所述第二参考信号第i-1帧第j个频点的第一互相关谱。
S230、判断所述第一互相关谱对应的互相关系数的平均值是否大于第一预设阈值，若是，则执行S240，否则执行S270。
其中，第一预设阈值可以是根据实际需求设定的数值，如0.6、0.7或0.8等，本发明实施例并不对第一预设阈值的具体数值进行限定。
S240、判断所述第二互相关谱对应的互相关系数的平均值是否小于第二预设阈值，若是，则执行S250，否则执行S270。
其中，第二预设阈值可以是根据实际需求设定的数值，如0.3、0.4或0.5等，本发明实施例同样不对第二预设阈值的具体数值进行限定。
S250、确定所述待处理语音信号不存在目标语音信号。
S260、控制所述待处理语音信号的增益缓慢趋近于设定数值。
其中，增益可以指信号输出与信号输入的比率，用于表示信号增加的程度。
在本实施例中，如果确定所述待处理语音信号不存在目标语音信号，则将待处理语音信号的增益缓慢趋近于设定数值。控制待处理语音信号的增益缓慢趋近于设定数值可以是：控制待处理语音信号的增益平缓下降或平缓上升至设定数值，或保持待处理语音信号的增益始终为设定数值。这样设置的好处在于，可以有效避免对噪声信号和/或残留回声信号等非目标语音信号做增益控制处理，同时避免待处理语音信号的增益变化较快时引起语音信号的不连续现象。
可选的，控制所述待处理语音信号的增益缓慢趋近于设定数值，可以是控制第二参考信号的增益缓慢趋近于设定数值。
在一个具体的示例中，可以将控制增益缓慢趋近于1，也即不对语音信号做增益处理。
在一个具体的示例中，假设设定数值取1，如果待处理语音信号的当前帧信号的前一帧信号增益大于1，则控制待处理语音信号的增益缓慢趋近于设定数值时，可以根据公式a*gi-1控制待处理语音信号的增益平缓下降至1。其中，a的取值小于1，例如，a可以取0.95、0.9或0.93等。其中，gi-1表示第i-1帧信号的增益，也即待处理语音信号的当前帧信号的前一帧信号增益。需要说明的是，为了避免增益值出现大幅变化引起语音信号的不连续现象，a的取值不宜过小。如果待处理语音信号的当前帧信号的前一帧信号增益小于1，则控制待处理语音信号的增益缓慢趋近于设定数值时，可以根据公式b*gi-1控制待处理语音信号的增益平缓上升至1。其中，b的取值大于1，例如，b可以取1.02、1.05或1.08等。需要说明的是，为了避免增益值出现大幅变化引起语音信号的不连续现象，b的取值不宜过大。如果待处理语音信号的当前帧信号的前一帧信号增益为1，则控制待处理语音信号的增益缓慢趋近于设定数值时，可以保持待处理语音信号的增益为1，也即不对语音信号做增益处理。
另外还需说明的是，在当前帧信号的前一帧信号的增益不为1时，待处理语音信号的增益缓慢趋近于设定数值的时间只需几十毫秒，这段处理时间既不会影响用户的听觉效果，也不会影响后期的语音识别功能。
S270、确定所述待处理语音信号存在目标语音信号。
在本发明实施例中，如果第一互相关谱对应的互相关系数的平均值大于第一预设阈值，且第二互相关谱对应的互相关系数的平均值小于第二预设阈值，则确定所述待处理语音信号不存在目标语音信号。如果第一互相关谱对应的互相关系数的平均值小于或等于第一预设阈值，或第二互相关谱对应的互相关系数的平均值大于或等于第二预设阈值，则确定待处理语音信号存在目标语音信号。
在本发明的一个可选实施例中，可以基于如下公式计算所述第一互相关谱对应的互相关系数：
Figure BDA0002334295630000101
其中，Cxd(i,j)表示所述第一互相关谱对应的互相关系数，
Figure BDA0002334295630000102
表示所述第一互相关谱的共轭复数。
可以基于如下公式计算所述第二互相关谱对应的互相关系数：
Figure BDA0002334295630000103
其中，Cde(i,j)表示所述第二互相关谱对应的互相关系数，
Figure BDA0002334295630000104
表示所述第二互相关谱的共轭复数。
可以基于如下公式确定所述待处理语音信号是否存在目标语音信号：
Figure BDA0002334295630000105
其中，
Figure BDA0002334295630000106
表示所述第一互相关谱对应的互相关系数的平均值，
Figure BDA0002334295630000107
可以是对Cxd(i,j),j＝1,2,...,N求平均得到，
Figure BDA0002334295630000111
表示所述第二互相关谱对应的互相关系数的平均值，
Figure BDA0002334295630000112
可以是对Cde(i,j),j＝1,2,...,N求平均得到，其中，N为频点个数，γ1表示所述第一预设阈值，γ2表示所述第二预设阈值；flag＝0表示所述待处理语音信号不存在目标语音信号；flag＝1表示所述待处理语音信号存在目标语音信号。
可选的，
Figure BDA0002334295630000113
Figure BDA0002334295630000114
越大表明残留回声存在概率越大，
Figure BDA0002334295630000115
越大表明目标语音信号存在概率越大。可选的，可以设定γ1＝0.7,γ2＝0.3，以有效检测待处理语音信号中的目标语音信号。需要说明的是，γ1和γ2的取值并不固定，γ1也可为0.6或0.8，γ2也可为0.4或0.5，本发明实施例并不对γ1和γ2的取值进行限定。
需要说明的是，在第一参考信号的功率为0，也即终端没有输出系统音频信号的情况下，如果此时
Figure BDA0002334295630000116
接近于0，且
Figure BDA0002334295630000117
接近于1，则表明确实存在目标语音信号。
S280、对所述待处理语音信号进行AGC处理。
可选的，对所述待处理语音信号进行AGC处理，可以包括：
对所述第二参考信号进行AGC处理。
其中，AGC的基本原理如下：对比第i帧信号能量Ei与目标信号能量E0，并以此来得到动态增益值gi，为了使得AGC处理之后的信号更为舒适，当目标增益为gt＝E0/Ei时，gi需要缓慢逼近gt。其中，目标信号能量E0可以是预先设定的恒定值。
Figure BDA0002334295630000121
其中，gi表示第i帧信号的增益，gi-1表示第i-1帧信号的增益。
在本发明实施例中，如果待处理语音信号中存在目标语音信号，则对待处理语音信号或第二参考信号进行AGC处理。
需要说明的是，图2仅是一种实现方式的示意图，步骤S221和步骤S222之间并没有先后顺序关系，可以先实施步骤S221，再实施步骤S222，也可以先实施步骤S222，再实施步骤S221，还可以两者并行实施。同理，步骤S230和步骤S240之间也没有先后顺序关系，可以先实施步骤S230，再实施步骤S240，也可以先实施步骤S240，再实施步骤S230，还可以两者并行实施。
采用上述技术方案，通过计算待处理语音信号与至少两个参考信号的互相关谱，以根据互相关谱计算对应的互相关系数，并进一步根据互相关系数的平均值来确定待处理语音信号存在目标语音信号时，对待处理语音信号进行AGC处理，解决了现有技术中使用AGC进行信号增益控制时，在待处理语音信号中仅包括非目标语音信号的情况下依然对待处理语音信号做增益处理的问题，提高了语音信号AGC处理的性能，降低了误检测概率，提高了用户体验性能。
实施例三
图3a是本发明实施例三提供的一种语音信号处理方法的流程图，本实施例以上述实施例为基础进行具体化，在本实施例中，在计算所述待处理语音信号与至少两个所述参考信号的互相关参数之前，加入了对待处理语音信号进行VAD(Voice ActivityDetection，语音活动检测)检测，并根据VAD检测结果确定待处理语音信号中是否存在目标语音信号的具体过程。
相应的，如图3a所示，本实施例的方法可以包括：
S310、获取待处理语音信号与至少两个参考信号。
可选的，所述参考信号包括第一参考信号和第二参考信号；所述第一参考信号为系统音频信号；所述第二参考信号为所述待处理语音信号经过AEC处理得到的信号；所述互相关参数为互相关谱。
S320、对所述待处理语音信号进行VAD检测。
在本发明实施例中，在根据互相关参数确定待处理语音信号是否存在目标语音信号之前，还可以对待处理语音信号进行VAD检测以初步确定待处理语音信号是否存在目标语音信号。
可选的，对所述待处理语音信号进行语音活动检测VAD检测，可以包括：
基于如下公式计算所述待处理语音信号第i帧信号的信噪比：
Figure BDA0002334295630000131
其中，γ表示所述待处理语音信号第i帧信号的信噪比，Ps(i)表示所述待处理语音信号第i帧信号的帧功率，Ps(i)＝∑j|si,j|2，si,j表示所述待处理语音信号第i帧信号的频谱，j＝1,2,...,N，N表示频点个数，Pn(i)表示估计噪声功率；
基于如下公式根据所述待处理语音信号第i帧信号的信噪比确定所述待处理语音信号的第i帧信号是否为语音帧信号：
Figure BDA0002334295630000132
其中，F1表示所述待处理语音信号的第i帧信号的语音帧标识，γ0表示信噪比门限，可选的，γ0可以取值为10；当F1＝1时，表示所述待处理语音信号的第i帧信号为语音帧信号；当F1＝0时，表示所述待处理语音信号的第i帧信号为非语音帧信号。
S330、判断VAD检测结果是否满足语音判定条件，若是，则执行S340，否则执行S3100。
其中，VAD检测结果可以是对待处理语音信号进行VAD检测得到的结果，也即各待处理语音信号的各帧信号经过VAD检测确定的语音帧标识。待处理语音信号的各帧信号均对应一个VAD检测结果。可选的，当当前帧信号为语音帧信号(语音帧信号也即包括目标语音信号的帧信号)时，VAD检测对应的语音帧标识可以为1；当当前帧信号为非语音帧信号(非语音帧信号也即不包括目标语音信号的帧信号)时，VAD检测对应的语音帧标识可以为0。相应的，语音判定条件可以为待处理语音信号的各帧信号的语音帧标识连续为0时，也即待处理语音信号的连续若干帧信号为非语音帧信号时，对应的帧数数量小于预设数值。本实施例对语音判定条件的具体内容不进行限制。
在一个具体的示例中，语音判定条件可以为语音帧标识连续为0的帧数小于20。本实施例对预设数值的具体取值不进行限制。
S340、计算所述待处理语音信号与所述第一参考信号的第一互相关谱。
S350、计算所述待处理语音信号与所述第二参考信号的第二互相关谱。
S360、判断所述第一互相关谱对应的互相关系数的平均值是否大于第一预设阈值，若是，则执行S370，否则执行S380。
S370、判断所述第二互相关谱对应的互相关系数的平均值是否小于第二预设阈值，若是，则执行S3100，否则执行S380。
S380、确定所述待处理语音信号存在目标语音信号，目标语音信号的中间判定结果为第一中间判定结果。
其中，目标语音信号的中间判定结果即为根据互相关参数确定待处理语音信号是否存在目标语音信号的初始的判定结果。可选的，中间判定结果可以包括第一中间判定结果，第一中间判定结果可以为所述待处理语音信号存在所述目标语音信号。
在本发明实施例中，目标语音信号的中间判定结果还可以与VAD检测结果结合，进一步确认待处理语音信号中是否包括目标语音信号。具体的，可以将根据互相关参数确定待处理语音信号是否存在目标语音信号的判定结果作为目标语音信号的中间判定结果。如果确定VAD检测结果满足语音判定条件，且所述目标语音信号的中间判定结果为第一中间判定结果，则确定所述待处理语音信号存在所述目标语音信号。
在本发明的一个可选实施例中，将根据所述互相关参数确定所述待处理语音信号是否存在目标语音信号的判定结果作为目标语音信号的中间判定结果，可以包括：如果根据所述互相关参数确定所述待处理语音信号存在目标语音信号，则确定所述目标语音信号的中间判定结果为第一中间判定结果。如果根据所述互相关参数确定所述待处理语音信号不存在目标语音信号，则确定所述目标语音信号的中间判定结果为第二中间判定结果。其中，第二中间判定结果可以为所述待处理语音信号不存在所述目标语音信号。
S390、确定所述待处理语音信号中存在目标语音信号，对所述待处理语音信号进行AGC处理。
可选的，对所述待处理语音信号进行AGC处理，还可以包括：对所述第二参考信号进行AGC处理。
S3100、确定所述待处理语音信号不存在目标语音信号，控制所述待处理语音信号的增益缓慢趋近于设定数值。
图3b是本发明实施例三提供的一种语音信号处理方法的流程图，在一个具体的例子中，如图3b所示，将获取的麦克风信号作为待处理语音信号，参考信号(系统音频信号)作为第一参考信号，将麦克风信号经过AEC之后的信号作为第二参考信号。获取到上述三种输入信号后，对输入信号输入至VAD检测模块进行VAD检测，并判断当前帧信号是否是语音信号，如果是则输出1，否则输出0。
同时，将上述三种输入信号输入至近端语音检测模块，分别计算麦克风信号与参考信号之间的互相关参数以及麦克风信号与经过AEC之后的信号之间的互相关参数，并根据计算得到的互相关参数确定麦克风信号和经过AEC之后的信号中是否存在目标语音信号。存在目标语音信号输出1，否则输出0。
当VAD检测模块连续输出0的帧数小于20，并且近端语音检测模块的输出为1时，确定此时存在目标语音信号。对麦克风信号或经过AEC之后的信号进行AGC处理。否则将控制增益缓慢趋近于1，即不对信号做增益处理。
需要说明的是，图3a仅是一种实现方式的示意图，步骤S340和步骤S350之间并没有先后顺序关系，可以先实施步骤S340，再实施步骤S350，也可以先实施步骤S350，再实施步骤S340，还可以两者并行实施。同理，步骤S360和步骤S370之间也没有先后顺序关系，可以先实施步骤S360，再实施步骤S370，也可以先实施步骤S370，再实施步骤S360，还可以两者并行实施。同理，步骤S320-S330进行VAD检测并判断的过程，以及步骤S340-S380计算互相关谱并进行判断得到中间判定结果的过程之间也没有先后关系，可以先实施步骤S320-S330，再实施S340-S380，也可以先实施S340-S380，再实施步骤S320-S330，还可以两者并行实施。
本发明实施例的技术方案，根据VAD检测结果以及目标语音信号的中间判定结果确定待处理语音信号存在目标语音信号时，对待处理语音信号和/或第二参考信号进行AGC处理，解决了现有技术中使用AGC进行信号增益控制时，在待处理语音信号中仅包括非目标语音信号的情况下依然对待处理语音信号做增益处理的问题，提高了语音信号AGC处理的性能，降低了误检测概率，提高了用户体验性能。
需要说明的是，以上各实施例中各技术特征之间的任意排列组合也属于本发明的保护范围。
实施例四
图4是本发明实施例四提供的一种语音信号处理装置的示意图，如图4所示，所述装置包括：信号获取模块410、互相关参数计算模块420以及AGC处理模块430，其中：
信号获取模块410，用于获取待处理语音信号与至少两个参考信号；
互相关参数计算模块420，用于计算所述待处理语音信号与至少两个所述参考信号的互相关参数；
AGC处理模块430，用于如果根据所述互相关参数确定所述待处理语音信号存在目标语音信号，则对所述待处理语音信号进行AGC处理。
本发明实施例的技术方案，通过计算待处理语音信号与至少两个参考信号的互相关参数，以根据互相关参数确定待处理语音信号存在目标语音信号时，对待处理语音信号进行AGC处理，解决了现有技术中使用AGC进行信号增益控制时，在待处理语音信号中仅包括非目标语音信号的情况下依然对待处理语音信号做增益处理的问题，提高了语音信号AGC处理的性能，降低了误检测概率，提高了用户体验性能。
在上述实施例的基础上，所述装置，还包括：
VAD检测模块，用于对所述待处理语音信号进行VAD检测；
所述AGC处理模块430，包括：
中间判定结果获取单元，用于将根据所述互相关参数确定所述待处理语音信号是否存在目标语音信号的判定结果作为所述目标语音信号的中间判定结果；
目标语音信号确定单元，用于如果确定VAD检测结果满足语音判定条件，且所述目标语音信号的中间判定结果为第一中间判定结果，则确定所述待处理语音信号存在所述目标语音信号；
其中，所述第一中间判定结果为所述待处理语音信号存在所述目标语音信号。
在上述实施例的基础上，所述VAD检测模块，包括：
信噪比计算单元，用于基于如下公式计算所述待处理语音信号第i帧信号的信噪比：
Figure BDA0002334295630000181
其中，γ表示所述待处理语音信号第i帧信号的信噪比，Ps(i)表示所述待处理语音信号第i帧信号的帧功率，Ps(i)＝∑j|si,j|2，si,j表示所述待处理语音信号第i帧信号的频谱，j＝1,2,...,N，N表示频点个数，Pn(i)表示估计噪声功率；
语音帧信号确定单元，用于基于如下公式根据所述待处理语音信号第i帧信号的信噪比确定所述待处理语音信号的第i帧信号是否为语音帧信号：
Figure BDA0002334295630000191
其中，F1表示所述待处理语音信号的第i帧信号的语音帧标识，γ0表示信噪比门限；当F1＝1时，表示所述待处理语音信号的第i帧信号为语音帧信号；当F1＝0时，表示所述待处理语音信号的第i帧信号为非语音帧信号。
在上述实施例的基础上，所述参考信号包括第一参考信号和第二参考信号；所述第一参考信号为系统音频信号；所述第二参考信号为所述待处理语音信号经过自适应线性回声消除AEC处理得到的信号；所述互相关参数为互相关谱；
所述互相关参数计算模块420，包括：
第一互相关谱计算单元，用于计算所述待处理语音信号与所述第一参考信号的第一互相关谱；
第二互相关谱计算单元，用于计算所述待处理语音信号与所述第二参考信号的第二互相关谱；
所述AGC处理模块430，包括：
第二参考信号AGC处理单元，用于对所述第二参考信号进行AGC处理。
在上述实施例的基础上，所述AGC处理模块430，包括：
目标语音信号存在确定单元，用于如果所述第一互相关谱对应的互相关系数的平均值小于或等于第一预设阈值，或所述第二互相关谱对应的互相关系数的平均值大于或等于第二预设阈值，则确定所述待处理语音信号存在目标语音信号。
在上述实施例的基础上，所述第一互相关谱计算单元用于：
基于如下公式计算所述待处理语音信号与所述第一参考信号的功率谱：
Figure BDA0002334295630000201
Figure BDA0002334295630000202
其中，Sd(i,j)表示所述待处理语音信号第i帧第j个频点的功率谱，Sd(i-1,j)表示所述待处理语音信号第i-1帧第j个频点的功率谱，β表示平滑系数，di,j表示所述待处理语音信号第i帧第j个频点的频谱，
Figure BDA0002334295630000203
表示所述待处理语音信号第i帧第j个频点的频谱的共轭复数，Sx(i,j)表示所述第一参考信号第i帧第j个频点的功率谱；Sx(i-1,j)表示所述第一参考信号第i-1帧第j个频点的功率谱，xi,j表示所述第一参考信号第i帧第j个频点的频谱，
Figure BDA0002334295630000204
表示所述第一参考信号第i帧第j个频点的频谱的共轭复数；
基于如下公式计算所述待处理语音信号与所述第一参考信号的第一互相关谱：
Figure BDA0002334295630000205
其中，Sxd(i,j)所述待处理语音信号第i帧第j个频点与所述第一参考信号第i帧第j个频点的第一互相关谱，Sxd(i-1,j)表示所述待处理语音信号第i-1帧第j个频点与所述第一参考信号第i-1帧第j个频点的第一互相关谱；
所述第二互相关谱计算单元，用于：
基于如下公式计算所述第二参考信号的功率谱：
Figure BDA0002334295630000206
其中，Se(i,j)表示所述第二参考信号第i帧第j个频点的功率谱，Se(i-1,j)表示所述第二参考信号第i-1帧第j个频点的功率谱，ei,j表示所述第二参考信号第i帧第j个频点的频谱，
Figure BDA0002334295630000211
表示所述第二参考信号第i帧第j个频点的频谱的共轭复数；
基于如下公式计算所述待处理语音信号与所述第二参考信号的第二互相关谱：
Figure BDA0002334295630000212
其中，Sde(i,j)表示所述待处理语音信号第i帧第j个频点与所述第二参考信号第i帧第j个频点的第一互相关谱，Sde(i-1,j)表示所述待处理语音信号第i-1帧第j个频点与所述第二参考信号第i-1帧第j个频点的第一互相关谱。
在上述实施例的基础上，所述目标语音信号存在确定单元，用于：
基于如下公式计算所述第一互相关谱对应的互相关系数：
Figure BDA0002334295630000213
其中，Cxd(i,j)表示所述第一互相关谱对应的互相关系数，
Figure BDA0002334295630000214
表示所述第一互相关谱的共轭复数；
基于如下公式计算所述第二互相关谱对应的互相关系数：
Figure BDA0002334295630000215
其中，Cde(i,j)表示所述第二互相关谱对应的互相关系数，
Figure BDA0002334295630000216
表示所述第二互相关谱的共轭复数；
基于如下公式确定所述待处理语音信号是否存在目标语音信号：
Figure BDA0002334295630000217
其中，
Figure BDA0002334295630000218
表示所述第一互相关谱对应的互相关系数的平均值，
Figure BDA0002334295630000219
表示所述第二互相关谱对应的互相关系数的平均值，γ1表示所述第一预设阈值，γ2表示所述第二预设阈值；flag＝0表示所述待处理语音信号不存在目标语音信号；flag＝1表示所述待处理语音信号存在目标语音信号。
在上述实施例的基础上，所述装置，还包括：
增益控制模块，用于如果根据所述互相关参数确定所述待处理语音信号不存在目标语音信号，则控制所述待处理语音信号的增益缓慢趋近于设定数值。
上述语音信号处理装置可执行本发明任意实施例所提供的语音信号处理方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明任意实施例提供的语音信号处理方法。
由于上述所介绍的语音信号处理装置为可以执行本发明实施例中的语音信号处理方法的装置，故而基于本发明实施例中所介绍的语音信号处理方法，本领域所属技术人员能够了解本实施例的语音信号处理装置的具体实施方式以及其各种变化形式，所以在此对于该语音信号处理装置如何实现本发明实施例中的语音信号处理方法不再详细介绍。只要本领域所属技术人员实施本发明实施例中语音信号处理方法所采用的装置，都属于本申请所欲保护的范围。
实施例五
图5为本发明实施例五提供的一种终端的结构示意图。图5示出了适于用来实现本发明实施方式的终端512的框图。图5显示的终端512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5所示，终端512以通用计算设备的形式表现。终端512的组件可以包括但不限于：一个或者多个处理器516，存储装置528，连接不同系统组件(包括存储装置528和处理器516)的总线518。
总线518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(Industry StandardArchitecture，ISA)总线，微通道体系结构(Micro Channel Architecture，MCA)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。
终端512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终端512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。
存储装置528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(Random Access Memory，RAM)530和/或高速缓存存储器532。终端512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534可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5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(例如只读光盘(Compact Disc-Read Only Memory，CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory，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518相连。存储装置528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各实施例的功能。
具有一组(至少一个)程序模块526的程序536，可以存储在例如存储装置528中，这样的程序模块526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526通常执行本发明所描述的实施例中的功能和/或方法。
终端512也可以与一个或多个外部设备514(例如键盘、指向设备、摄像头、显示器524等)通信，还可与一个或者多个使得用户能与该终端512交互的设备通信，和/或与使得该终端512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(Input/Output，I/O)接口522进行。并且，终端512还可以通过网络适配器520与一个或者多个网络(例如局域网(Local Area Network，LAN)，广域网Wide Area Network，WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器520通过总线518与终端512的其它模块通信。应当明白，尽管图中未示出，可以结合终端512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、磁盘阵列(Redundant Arrays of Independent Disks，RAID)系统、磁带驱动器以及数据备份存储系统等。
处理器516通过运行存储在存储装置528中的程序，从而执行各种功能应用以及数据处理，例如实现本发明上述实施例所提供的语音信号处理方法。
也即，所述处理单元执行所述程序时实现：获取待处理语音信号与至少两个参考信号；计算所述待处理语音信号与至少两个所述参考信号的互相关参数；如果根据所述互相关参数确定所述待处理语音信号存在目标语音信号，则对所述待处理语音信号进行AGC处理。
实施例六
本发明实施例六还提供一种存储计算机程序的计算机存储介质，所述计算机程序在由计算机处理器执行时用于执行本发明上述实施例任一所述的语音信号处理方法：获取待处理语音信号与至少两个参考信号；计算所述待处理语音信号与至少两个所述参考信号的互相关参数；如果根据所述互相关参数确定所述待处理语音信号存在目标语音信号，则对所述待处理语音信号进行AGC处理。
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(Read Only Memory，ROM)、可擦式可编程只读存储器((Erasable Programmable ReadOnly Memory，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、射频(Radio Frequency，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进行了较为详细的说明，但是本发明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 (17)

1.一种语音信号处理方法，其特征在于，包括：
获取待处理语音信号与至少两个参考信号；
计算所述待处理语音信号与至少两个所述参考信号的互相关参数；
如果根据所述互相关参数确定所述待处理语音信号存在目标语音信号，则对所述待处理语音信号进行自动增益控制AGC处理。
2.根据权利要求1所述的方法，其特征在于，在计算所述待处理语音信号与至少两个所述参考信号的互相关参数之前，还包括：
对所述待处理语音信号进行语音活动检测VAD检测；
根据所述互相关参数确定所述待处理语音信号存在目标语音信号，包括：
将根据所述互相关参数确定所述待处理语音信号是否存在目标语音信号的判定结果作为所述目标语音信号的中间判定结果；
如果确定VAD检测结果满足语音判定条件，且所述目标语音信号的中间判定结果为第一中间判定结果，则确定所述待处理语音信号存在所述目标语音信号；
其中，所述第一中间判定结果为所述待处理语音信号存在所述目标语音信号。
3.根据权利要求2所述的方法，其特征在于，对所述待处理语音信号进行语音活动检测VAD检测，包括：
基于如下公式计算所述待处理语音信号第i帧信号的信噪比：
Figure FDA0002334295620000011
其中，γ表示所述待处理语音信号第i帧信号的信噪比，Ps(i)表示所述待处理语音信号第i帧信号的帧功率，Ps(i)＝∑j|si,j|2，si,j表示所述待处理语音信号第i帧信号的频谱，j＝1,2,...,N，N表示频点个数，Pn(i)表示估计噪声功率；
基于如下公式根据所述待处理语音信号第i帧信号的信噪比确定所述待处理语音信号的第i帧信号是否为语音帧信号：
Figure FDA0002334295620000021
其中，F1表示所述待处理语音信号的第i帧信号的语音帧标识，γ0表示信噪比门限；当F1＝1时，表示所述待处理语音信号的第i帧信号为语音帧信号；当F1＝0时，表示所述待处理语音信号的第i帧信号为非语音帧信号。
4.根据权利要1所述的方法，其特征在于，所述参考信号包括第一参考信号和第二参考信号；所述第一参考信号为系统音频信号；所述第二参考信号为所述待处理语音信号经过自适应线性回声消除AEC处理得到的信号；所述互相关参数为互相关谱；
计算所述待处理语音信号与至少两个所述参考信号的互相关参数，包括：
计算所述待处理语音信号与所述第一参考信号的第一互相关谱；
计算所述待处理语音信号与所述第二参考信号的第二互相关谱；
对所述待处理语音信号进行AGC处理，包括：
对所述第二参考信号进行AGC处理。
5.根据权利要求4所述的方法，其特征在于，根据所述互相关参数确定所述待处理语音信号存在目标语音信号，包括：
如果所述第一互相关谱对应的互相关系数的平均值小于或等于第一预设阈值，或所述第二互相关谱对应的互相关系数的平均值大于或等于第二预设阈值，则确定所述待处理语音信号存在目标语音信号。
6.根据权利要求5所述的方法，其特征在于，计算所述待处理语音信号与所述第一参考信号的第一互相关谱，包括：
基于如下公式计算所述待处理语音信号与所述第一参考信号的功率谱：
Figure FDA0002334295620000031
Figure FDA0002334295620000032
其中，Sd(i,j)表示所述待处理语音信号第i帧第j个频点的功率谱，Sd(i-1,j)表示所述待处理语音信号第i-1帧第j个频点的功率谱，β表示平滑系数，di,j表示所述待处理语音信号第i帧第j个频点的频谱，
Figure FDA0002334295620000033
表示所述待处理语音信号第i帧第j个频点的频谱的共轭复数，Sx(i,j)表示所述第一参考信号第i帧第j个频点的功率谱；Sx(i-1,j)表示所述第一参考信号第i-1帧第j个频点的功率谱，xi,j表示所述第一参考信号第i帧第j个频点的频谱，
Figure FDA0002334295620000034
表示所述第一参考信号第i帧第j个频点的频谱的共轭复数；
基于如下公式计算所述待处理语音信号与所述第一参考信号的第一互相关谱：
Figure FDA0002334295620000035
其中，Sxd(i,j)所述待处理语音信号第i帧第j个频点与所述第一参考信号第i帧第j个频点的第一互相关谱，Sxd(i-1,j)表示所述待处理语音信号第i-1帧第j个频点与所述第一参考信号第i-1帧第j个频点的第一互相关谱；
计算所述待处理语音信号与所述第二参考信号的第二互相关谱，包括：
基于如下公式计算所述第二参考信号的功率谱：
Figure FDA0002334295620000036
其中，Se(i,j)表示所述第二参考信号第i帧第j个频点的功率谱，Se(i-1,j)表示所述第二参考信号第i-1帧第j个频点的功率谱，ei,j表示所述第二参考信号第i帧第j个频点的频谱，
Figure FDA0002334295620000041
表示所述第二参考信号第i帧第j个频点的频谱的共轭复数；
基于如下公式计算所述待处理语音信号与所述第二参考信号的第二互相关谱：
Figure FDA0002334295620000042
其中，Sde(i,j)表示所述待处理语音信号第i帧第j个频点与所述第二参考信号第i帧第j个频点的第一互相关谱，Sde(i-1,j)表示所述待处理语音信号第i-1帧第j个频点与所述第二参考信号第i-1帧第j个频点的第一互相关谱。
7.根据权利要求6所述的方法，其特征在于，确定所述待处理语音信号存在目标语音信号，包括：
基于如下公式计算所述第一互相关谱对应的互相关系数：
Figure FDA0002334295620000043
其中，Cxd(i,j)表示所述第一互相关谱对应的互相关系数，
Figure FDA0002334295620000044
表示所述第一互相关谱的共轭复数；
基于如下公式计算所述第二互相关谱对应的互相关系数：
Figure FDA0002334295620000045
其中，Cde(i,j)表示所述第二互相关谱对应的互相关系数，
Figure FDA0002334295620000046
表示所述第二互相关谱的共轭复数；
基于如下公式确定所述待处理语音信号是否存在目标语音信号：
Figure FDA0002334295620000047
其中，
Figure FDA0002334295620000048
表示所述第一互相关谱对应的互相关系数的平均值，
Figure FDA0002334295620000049
表示所述第二互相关谱对应的互相关系数的平均值，γ1表示所述第一预设阈值，γ2表示所述第二预设阈值；flag＝0表示所述待处理语音信号不存在目标语音信号；flag＝1表示所述待处理语音信号存在目标语音信号。
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
如果根据所述互相关参数确定所述待处理语音信号不存在目标语音信号，则控制所述待处理语音信号的增益缓慢趋近于设定数值。
9.一种语音信号处理装置，其特征在于，包括：
信号获取模块，用于获取待处理语音信号与至少两个参考信号；
互相关参数计算模块，用于计算所述待处理语音信号与至少两个所述参考信号的互相关参数；
AGC处理模块，用于如果根据所述互相关参数确定所述待处理语音信号存在目标语音信号，则对所述待处理语音信号进行自动增益控制AGC处理。
10.根据权利要求9所述的装置，其特征在于，所述装置，还包括：
VAD检测模块，用于对所述待处理语音信号进行语音活动检测VAD检测；
所述AGC处理模块，包括：
中间判定结果获取单元，用于将根据所述互相关参数确定所述待处理语音信号是否存在目标语音信号的判定结果作为所述目标语音信号的中间判定结果；
目标语音信号确定单元，用于如果确定VAD检测结果满足语音判定条件，且所述目标语音信号的中间判定结果为第一中间判定结果，则确定所述待处理语音信号存在所述目标语音信号；
其中，所述第一中间判定结果为所述待处理语音信号存在所述目标语音信号。
11.根据权利要求10所述的装置，其特征在于，所述VAD检测模块，包括：
信噪比计算单元，用于基于如下公式计算所述待处理语音信号第i帧信号的信噪比：
Figure FDA0002334295620000061
其中，γ表示所述待处理语音信号第i帧信号的信噪比，Ps(i)表示所述待处理语音信号第i帧信号的帧功率，Ps(i)＝∑j|si,j|2，si,j表示所述待处理语音信号第i帧信号的频谱，j＝1,2,...,N，N表示频点个数，Pn(i)表示估计噪声功率；
语音帧信号确定单元，用于基于如下公式根据所述待处理语音信号第i帧信号的信噪比确定所述待处理语音信号的第i帧信号是否为语音帧信号：
Figure FDA0002334295620000062
其中，F1表示所述待处理语音信号的第i帧信号的语音帧标识，γ0表示信噪比门限；当F1＝1时，表示所述待处理语音信号的第i帧信号为语音帧信号；当F1＝0时，表示所述待处理语音信号的第i帧信号为非语音帧信号。
12.根据权利要求9所述的装置，其特征在于，所述参考信号包括第一参考信号和第二参考信号；所述第一参考信号为系统音频信号；所述第二参考信号为所述待处理语音信号经过自适应线性回声消除AEC处理得到的信号；所述互相关参数为互相关谱；
所述互相关参数计算模块，包括：
第一互相关谱计算单元，用于计算所述待处理语音信号与所述第一参考信号的第一互相关谱；
第二互相关谱计算单元，用于计算所述待处理语音信号与所述第二参考信号的第二互相关谱；
所述AGC处理模块，包括：
第二参考信号AGC处理单元，用于对所述第二参考信号进行AGC处理。
13.根据权利要求12所述的装置，其特征在于，所述AGC处理模块，包括：
目标语音信号存在确定单元，用于如果所述第一互相关谱对应的互相关系数的平均值小于或等于第一预设阈值，或所述第二互相关谱对应的互相关系数的平均值大于或等于第二预设阈值，则确定所述待处理语音信号存在目标语音信号。
14.根据权利要求13所述的装置，其特征在于，所述第一互相关谱计算单元用于：
基于如下公式计算所述待处理语音信号与所述第一参考信号的功率谱：
Figure FDA0002334295620000071
Figure FDA0002334295620000072
其中，Sd(i,j)表示所述待处理语音信号第i帧第j个频点的功率谱，Sd(i-1,j)表示所述待处理语音信号第i-1帧第j个频点的功率谱，β表示平滑系数，di,j表示所述待处理语音信号第i帧第j个频点的频谱，
Figure FDA0002334295620000073
表示所述待处理语音信号第i帧第j个频点的频谱的共轭复数，Sx(i,j)表示所述第一参考信号第i帧第j个频点的功率谱；Sx(i-1,j)表示所述第一参考信号第i-1帧第j个频点的功率谱，xi,j表示所述第一参考信号第i帧第j个频点的频谱，
Figure FDA0002334295620000074
表示所述第一参考信号第i帧第j个频点的频谱的共轭复数；
基于如下公式计算所述待处理语音信号与所述第一参考信号的第一互相关谱：
Figure FDA0002334295620000081
其中，Sxd(i,j)所述待处理语音信号第i帧第j个频点与所述第一参考信号第i帧第j个频点的第一互相关谱，Sxd(i-1,j)表示所述待处理语音信号第i-1帧第j个频点与所述第一参考信号第i-1帧第j个频点的第一互相关谱；
所述第二互相关谱计算单元，用于：
基于如下公式计算所述第二参考信号的功率谱：
Figure FDA0002334295620000082
其中，Se(i,j)表示所述第二参考信号第i帧第j个频点的功率谱，Se(i-1,j)表示所述第二参考信号第i-1帧第j个频点的功率谱，ei,j表示所述第二参考信号第i帧第j个频点的频谱，
Figure FDA0002334295620000083
表示所述第二参考信号第i帧第j个频点的频谱的共轭复数；
基于如下公式计算所述待处理语音信号与所述第二参考信号的第二互相关谱：
Figure FDA0002334295620000084
其中，Sde(i,j)表示所述待处理语音信号第i帧第j个频点与所述第二参考信号第i帧第j个频点的第一互相关谱，Sde(i-1,j)表示所述待处理语音信号第i-1帧第j个频点与所述第二参考信号第i-1帧第j个频点的第一互相关谱。
15.根据权利要求14所述的装置，其特征在于，所述目标语音信号存在确定单元，用于：
基于如下公式计算所述第一互相关谱对应的互相关系数：
Figure FDA0002334295620000091
其中，Cxd(i,j)表示所述第一互相关谱对应的互相关系数，
Figure FDA0002334295620000092
表示所述第一互相关谱的共轭复数；
基于如下公式计算所述第二互相关谱对应的互相关系数：
Figure FDA0002334295620000093
其中，Cde(i,j)表示所述第二互相关谱对应的互相关系数，
Figure FDA0002334295620000094
表示所述第二互相关谱的共轭复数；
基于如下公式确定所述待处理语音信号是否存在目标语音信号：
Figure FDA0002334295620000095
其中，
Figure FDA0002334295620000096
表示所述第一互相关谱对应的互相关系数的平均值，
Figure FDA0002334295620000097
表示所述第二互相关谱对应的互相关系数的平均值，γ1表示所述第一预设阈值，γ2表示所述第二预设阈值；flag＝0表示所述待处理语音信号不存在目标语音信号；flag＝1表示所述待处理语音信号存在目标语音信号。
16.根据权利要求9所述的装置，其特征在于，所述装置，还包括：
增益控制模块，用于如果根据所述互相关参数确定所述待处理语音信号不存在目标语音信号，则控制所述待处理语音信号的增益缓慢趋近于设定数值。
17.一种终端，其特征在于，所述终端包括：
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1-8中任一所述的语音信号处理方法。
CN201911349434.1A 2019-12-24 2019-12-24 一种语音信号处理方法、装置及终端 Active CN111048118B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911349434.1A CN111048118B (zh) 2019-12-24 2019-12-24 一种语音信号处理方法、装置及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911349434.1A CN111048118B (zh) 2019-12-24 2019-12-24 一种语音信号处理方法、装置及终端

Publications (2)

Publication Number Publication Date
CN111048118A true CN111048118A (zh) 2020-04-21
CN111048118B CN111048118B (zh) 2022-07-26

Family

ID=70239028

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911349434.1A Active CN111048118B (zh) 2019-12-24 2019-12-24 一种语音信号处理方法、装置及终端

Country Status (1)

Country Link
CN (1) CN111048118B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111048096A (zh) * 2019-12-24 2020-04-21 大众问问(北京)信息科技有限公司 一种语音信号处理方法、装置及终端
CN112116923A (zh) * 2020-10-27 2020-12-22 广州朗国电子科技有限公司 自动调节系统音量的方法、装置、终端设备及存储介质
CN112750454A (zh) * 2020-07-16 2021-05-04 鸣飞伟业技术有限公司 一种基于应急通信后端箱的应用系统

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5644624A (en) * 1994-05-23 1997-07-01 Caldwell Communications Development, Inc. Automatic telephone call origination and retry system and method of operation
CN103718538A (zh) * 2011-05-17 2014-04-09 谷歌公司 用于实现声学回声消除的非线性后期处理
CN104505099A (zh) * 2014-12-08 2015-04-08 北京云知声信息技术有限公司 去除语音信号中已知干扰的方法和设备
CN105957520A (zh) * 2016-07-04 2016-09-21 北京邮电大学 一种适用于回声消除系统的语音状态检测方法
CN106898359A (zh) * 2017-03-24 2017-06-27 上海智臻智能网络科技股份有限公司 音频信号处理方法、系统、音频交互装置及计算机设备
US20170365270A1 (en) * 2015-11-04 2017-12-21 Tencent Technology (Shenzhen) Company Limited Speech signal processing method and apparatus
US10121494B1 (en) * 2017-03-30 2018-11-06 Amazon Technologies, Inc. User presence detection
CN110166882A (zh) * 2018-09-29 2019-08-23 腾讯科技（深圳）有限公司 远场拾音设备、及远场拾音设备中采集人声信号的方法
CN110189747A (zh) * 2019-05-29 2019-08-30 大众问问(北京)信息科技有限公司 语音信号识别方法、装置及设备
CN110992975A (zh) * 2019-12-24 2020-04-10 大众问问(北京)信息科技有限公司 一种语音信号处理方法、装置及终端
CN111048096A (zh) * 2019-12-24 2020-04-21 大众问问(北京)信息科技有限公司 一种语音信号处理方法、装置及终端

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5644624A (en) * 1994-05-23 1997-07-01 Caldwell Communications Development, Inc. Automatic telephone call origination and retry system and method of operation
CN103718538A (zh) * 2011-05-17 2014-04-09 谷歌公司 用于实现声学回声消除的非线性后期处理
CN104505099A (zh) * 2014-12-08 2015-04-08 北京云知声信息技术有限公司 去除语音信号中已知干扰的方法和设备
US20170365270A1 (en) * 2015-11-04 2017-12-21 Tencent Technology (Shenzhen) Company Limited Speech signal processing method and apparatus
CN105957520A (zh) * 2016-07-04 2016-09-21 北京邮电大学 一种适用于回声消除系统的语音状态检测方法
CN106898359A (zh) * 2017-03-24 2017-06-27 上海智臻智能网络科技股份有限公司 音频信号处理方法、系统、音频交互装置及计算机设备
US10121494B1 (en) * 2017-03-30 2018-11-06 Amazon Technologies, Inc. User presence detection
CN110166882A (zh) * 2018-09-29 2019-08-23 腾讯科技（深圳）有限公司 远场拾音设备、及远场拾音设备中采集人声信号的方法
CN110189747A (zh) * 2019-05-29 2019-08-30 大众问问(北京)信息科技有限公司 语音信号识别方法、装置及设备
CN110992975A (zh) * 2019-12-24 2020-04-10 大众问问(北京)信息科技有限公司 一种语音信号处理方法、装置及终端
CN111048096A (zh) * 2019-12-24 2020-04-21 大众问问(北京)信息科技有限公司 一种语音信号处理方法、装置及终端

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
林茫茫，等: "一种与声码器结合的互相关双端通话检测器", 《数据采集与处理》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111048096A (zh) * 2019-12-24 2020-04-21 大众问问(北京)信息科技有限公司 一种语音信号处理方法、装置及终端
CN111048096B (zh) * 2019-12-24 2022-07-26 大众问问(北京)信息科技有限公司 一种语音信号处理方法、装置及终端
CN112750454A (zh) * 2020-07-16 2021-05-04 鸣飞伟业技术有限公司 一种基于应急通信后端箱的应用系统
CN112750454B (zh) * 2020-07-16 2022-08-09 鸣飞伟业技术有限公司 一种基于应急通信后端箱的应用系统
CN112116923A (zh) * 2020-10-27 2020-12-22 广州朗国电子科技有限公司 自动调节系统音量的方法、装置、终端设备及存储介质

Also Published As

Publication number Publication date
CN111048118B (zh) 2022-07-26

Similar Documents

Publication Publication Date Title
JP7011075B2 (ja) マイク・アレイに基づく対象音声取得方法及び装置
CN107577449B (zh) 唤醒语音的拾取方法、装置、设备及存储介质
CN111048118B (zh) 一种语音信号处理方法、装置及终端
US20210327448A1 (en) Speech noise reduction method and apparatus, computing device, and computer-readable storage medium
US11064296B2 (en) Voice denoising method and apparatus, server and storage medium
CN108615535B (zh) 语音增强方法、装置、智能语音设备和计算机设备
US9916832B2 (en) Using combined audio and vision-based cues for voice command-and-control
CN107464565B (zh) 一种远场语音唤醒方法及设备
US11152001B2 (en) Vision-based presence-aware voice-enabled device
US20180301157A1 (en) Impulsive Noise Suppression
JP7333972B2 (ja) 自動利得制御方法及びその装置、読取可能な記録媒体
CN106782586B (zh) 一种音频信号处理方法及装置
CN111722696B (zh) 用于低功耗设备的语音数据处理方法和装置
CN110992975B (zh) 一种语音信号处理方法、装置及终端
WO2024041512A1 (zh) 音频降噪方法、装置、电子设备及可读存储介质
CN111048096B (zh) 一种语音信号处理方法、装置及终端
WO2024017110A1 (zh) 语音降噪方法、模型训练方法、装置、设备、介质及产品
CN106571148B (zh) 一种音频信号自动增益控制方法及装置
CN111383629B (zh) 语音处理方法和装置、电子设备以及存储介质
CN112564655A (zh) 一种音频信号增益控制方法、装置、设备及存储介质
CN113889091A (zh) 语音识别方法、装置、计算机可读存储介质及电子设备
JP6106618B2 (ja) 音声区間検出装置、音声認識装置、その方法、及びプログラム
CN114220430A (zh) 多音区语音交互方法、装置、设备以及存储介质
CN113470691A (zh) 一种语音信号的自动增益控制方法及其相关装置
CN113763975A (zh) 一种语音信号处理方法、装置及终端

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