CN111370015B - 回声消除方法、装置、电子设备及存储介质 - Google Patents
回声消除方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111370015B CN111370015B CN202010130423.0A CN202010130423A CN111370015B CN 111370015 B CN111370015 B CN 111370015B CN 202010130423 A CN202010130423 A CN 202010130423A CN 111370015 B CN111370015 B CN 111370015B
- Authority
- CN
- China
- Prior art keywords
- echo
- echo cancellation
- linear filter
- sound signal
- adaptive linear
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000005236 sound signal Effects 0.000 claims abstract description 125
- 230000003044 adaptive effect Effects 0.000 claims abstract description 111
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 80
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000001514 detection method Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 11
- 230000000694 effects Effects 0.000 abstract description 23
- 238000012544 monitoring process Methods 0.000 abstract description 8
- 238000005265 energy consumption Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 3
- 238000002592 echocardiography Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012546 transfer 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
- 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
-
- 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
- G10L21/0232—Processing in the frequency domain
-
- 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
- G10L2021/02082—Noise filtering the noise being echo, reverberation of the speech
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Telephone Function (AREA)
- Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
Abstract
本公开实施例公开了一种回声消除方法、装置、电子设备及存储介质。其中,该方法包括:接收声音采集设备所发送的待处理声音信号,确定回声消除算法中自适应线性滤波器在收敛状态下的系数;根据自适应线性滤波器的系数确定待处理声音信号的回声状态;如果回声状态表示待处理声音信号中包含回声信号,则启用回声消除算法对待处理声音信号进行回声消除。本公开实施例的技术方案,实现了基于动态监测回声的算法来控制AEC切换,即当监测到硬件AEC生效且效果良好时,关闭软件AEC以减少能耗和对语音的损伤的效果,若没有检测到硬件AEC或者硬件AEC处理后的效果不佳,自动使用软件AEC消除回声,从而提高语音质量的技术效果。
Description
技术领域
本公开实施例涉及声音数据处理技术领域,尤其涉及一种回声消除方法、装置、电子设备及存储介质。
背景技术
回声是指由扬声器播放出来的远端声音又被本地麦克风采集回去的声音,在即时通讯中用户希望把回声消除掉之后再把声音发送出去。声学回声消除(Acoustic EchoCancellation,AEC)是一项必不可少的处理。一般地,AEC可以分为两类:硬件自带的AEC和软件内部的AEC。
以视频会议场景为例,如果设备的硬件自带了AEC,一般会尽量只使用硬件AEC。为了保证硬件AEC的处理效果,常规做法是针对设备中某种特定的硬件以及该设备所覆盖的环境去手动测试,一旦所覆盖的环境发生变化,即使是同一张设备仍需要重新针对变化后的环境进行调试,调试过程非常繁琐。特别是对于视频会议软件,涉及所有常见的桌面端和移动端设备,对每个设备单独的测试和适配是不现实的。而且,硬件AEC在某些情况下会开启失败,所以即使在测试过的设备上,硬件AEC也未必一定能够生效。因此,不能保证回声消除的效果。而且,如果在使用硬件AEC较好地进行回声消除之后,再启用软件AEC进行回声消除处理,则会影响语音质量。
发明内容
本公开实施例提供了一种回声消除方法、装置、电子设备及存储介质,以实现回声消除,提高语音质量的技术效果。
第一方面,本公开实施例提供了一种回声消除方法,该方法包括:
接收声音采集设备所发送的待处理声音信号,确定回声消除算法中自适应线性滤波器在收敛状态下的系数;
根据所述自适应线性滤波器的系数确定所述待处理声音信号的回声状态;
如果所述回声状态表示所述待处理声音信号中包含回声信号,则启用所述回声消除算法对所述待处理声音信号进行回声消除。
第二方面,本公开实施例提供了一种回声消除装置,该装置包括:
滤波器系数确定模块,用于接收声音采集设备所发送的待处理声音信号,确定回声消除算法中自适应线性滤波器在收敛状态下的系数;
回声状态确定模块,用于根据所述自适应线性滤波器的系数确定所述待处理声音信号的回声状态;
回声消除模块,用于如果所述回声状态表示所述待处理声音信号中包含回声信号,则启用所述回声消除算法对所述待处理声音信号进行回声消除。
第三方面,本公开实施例还提供了一种电子设备,该电子设备包括:
一个或多个处理装置;
存储器,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装置执行,使得所述一个或多个处理装置实现如本公开中任一实施例所述的回声消除方法。
第四方面,本公开实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如本公开中任一实施例所述的回声消除方法。
本公开实施例的技术方案,通过接收到目标采集设备发送的待处理声音信号时,计算回声消除算法中自适应线性滤波器收敛时的系数,进而根据所述自适应线性滤波器的系数确定声音采集设备采集信号中的回声状态,相比较于现有技术可以直接启用回声消除算法进行回声消除,即通过自适应滤波器收敛时的系数预先判断待处理声音信号的回声状态,从而得知待处理声音信号中是否存在回声,进而在所述回声状态未有回声时再启用所述回声消除算法进行回声消除,解决了现有技术中只安装硬件AEC时,存在AEC失效时无法实现回声消除的情况,或者同时安装软硬件AEC时,经过硬件AEC处理后的声音还要再次经过软件AEC处理,导致影响语音质量的技术问题,实现了基于动态监测回声的算法来控制AEC切换,若没有检测到硬件AEC或者硬件AEC处理后的效果不佳,再启用软件AEC消除回声,从而提高语音质量的技术效果。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1为本公开实施例一所提供的一种回声消除方法的流程示意图;
图2为本公开实施例二所提供的一种回声消除方法的另一流程示意图;
图3为本公开实施例二所提供的与回声消除方法相对应的结构示意图;
图4是本公开实施例三所提供的一种回声消除装置的结构示意图;
图5是本公开实施例所提供的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
实施例一
图1为本公开实施例一所提供的一种回声消除方法的流程示意图,本实施例可适用于存在回声,并对回声消除的情形中,尤其适用在语音通话或视频通话过程中消除回声的情况,该回声消除方法可应用于回声消除装置中,该装置可以是硬件/或软件。
如图1所示,本实施例的方法具体可包括:
S110、接收声音采集设备所发送的待处理声音信号,确定回声消除算法中自适应线性滤波器在收敛状态下的系数。
在本实施例中,声音采集设备可以是采集声音信号的设备,可选的,麦克风。将麦克风采集的声音信号作为待处理声音信号。麦克风不仅可以采用当前环境中各个用户发出的声音,还可以采集到经扬声器播放出来的声音。示例性的,在视频会议过程中,若发言用户的声音通过扬声器播放,麦克风不仅可以采集发言用户的声音信号,还可以采集经扬声器播放出来的声音信号。将由扬声器播放出来又被麦克风采集的声音作为回声。回声消除算法就可以理解为消除麦克风采集的回声的算法。自适应线性滤波器用于滤除回声中的线性回声。自适应线性滤波器收敛为触发计算自适应线性滤波器的系数的条件。自适应线性滤波器的系数可以表明各个点的回声强度。
具体的,在接收声音采集设备发送的待处理声音信号时,可以基于回声消除算法计算自适应线性滤波器在收敛状态下的系数。
S120、根据自适应线性滤波器的系数确定待处理声音信号的回声状态。
需要说明的是,由于自适应线性滤波器的系数的表示待处理声音信号的回声强度,因此可以基于自适应线性滤波器的系数的大小来判定待处理声音信号的回声状态。
其中,回声状态包括有回声信号和无回声信号。示例性的,若视频会议需要多个终端,且将每个终端均设置为静音状态,即麦克风无法采集当前环境中的声学信号;或者是,没有远端信号或者是远端信号非常微弱,此时的回声状态也可以是没有回声信号,如,参会人员佩戴了耳机,此时声音采集设备采集的远端信号非常微弱,或者未采集到远端信号,则不会有回声信号。若当前终端为扬声器播放,麦克风不仅可以采集参会人员发出的声音,还可以采集到扬声器播放的声音,此时可能存在回声。
在本实施例中,声音采集设备采集的待处理声音信号中是否存在回声,可以通过自适应线性滤波器的系数来确定。可选的,将自适应线性滤波器的系数与预设的系数阈值进行比较,根据比较结果确定声音采集设备采集信号的回声状态。
其中,预设的系数阈值可以是预先计算得到的,或者是根据经验设置的,预设的系数阈值可以为判定是否存在回声的临界条件。
也就是说,可以通过判断计算得到自适应线性滤波器的系数与预设的系数阈值之间的关系,来确定声音采集设备采集信号中是否存在回声信号。
具体的,当计算得到的自适应线性滤波器的系数大于预设的系数阈值时,则可以判定声音采集设备采集的待处理声音信号中存在回声信号;若自适应线性滤波器的系数小于预设的系数阈值时,则确定声音采集设备采集的待处理声音信号中不存在回声信号。
示例性的,计算自适应线性滤波器系数的norm值来判断声音采集设备采集的待处理声音信号中的回声强度,即假设自适应线性滤波器的系数为向量W,基于预设算法确定与向量W相对应的范数||W||,该范数||W||表明了回声强度。当||W||大于预设的系数阈值,则确定声音采集设备采集信号中存在回声;若||W||小于预设的系数阈值,则确定声音采集设备采集信号中不存在回声。
S130、如果回声状态表示待处理声音信号中包含回声信号,则启用回声消除算法对待处理声音信号进行回声消除。
其中,回声消除算法即本实施例中所提及的对回声进行消除的算法。
具体的,如果回声状态表示待处理信号中包括回声信号,即有回声,则可以启用回声消除算法,如,通过自适应线性滤波器滤除回声中的线性回声,再基于非线性处理模块滤除回声中的非线性回声,即抑制线性滤波器处理之后残留的回声。
在上述技术方案的基础上,如果回声状态表示待处理声音信号中无回声,可选的,远端声音较小,或者是设置在终端中用于消除回声的硬件已经滤除了部分回声,因此没有检测到存在回声,此时可以都不用采用回声消除算法对回声消除。
也就是说,当未检测到回声信号,说明硬件AEC或者其他消除回声的装置已对回声进行了消除,并且消除后的回声已达到预设要求;或者是,当前终端为静音状态或者远端信号比较微弱,没有采集到回声,此时不需要启动回声消除算法对消除回声。
本公开实施例的技术方案,通过接收到目标采集设备发送的待处理声音信号时,计算回声消除算法中自适应线性滤波器收敛时的系数,进而根据所述自适应线性滤波器的系数确定声音采集设备采集信号中的回声状态,相比较于现有技术可以直接启用回声消除算法进行回声消除,即通过自适应滤波器收敛时的系数预先判断待处理声音信号的回声状态,从而得知待处理声音信号中是否存在回声,进而在所述回声状态未有回声时再启用所述回声消除算法进行回声消除,解决了现有技术中只安装硬件AEC时,存在AEC失效时无法实现回声消除的情况,或者同时安装软硬件AEC时,经过硬件AEC处理后的声音还要再次经过软件AEC处理,导致影响语音质量的技术问题,实现了基于动态监测回声的算法来控制AEC切换,若没有检测到硬件AEC或者硬件AEC处理后的效果不佳,再启用软件AEC消除回声,从而提高语音质量的技术效果。
实施例二
需要说明的是,如果自适应滤波器并没有收敛,那么与自适应线性滤波器对应的系数为一个类似于噪音的值,没有任何物理意义,因此在确定自适应线性滤波器的系数之前,需要确定自适应线性滤波器是否收敛,在基于自适应线性滤波器收敛的条件下确定自适应线性滤波器的系数,并基于该系数,确定是否存在回声。
图2为本公开实施例二所提供的一种回声消除方法的另一流程示意图,本实施例以上述实施例中各个可选方案为基础进行进一步细化。在本实施例中,可选地,在确定回声消除算法中自适应线性滤波器在收敛状态下的系数之前,还包括:对所述待处理声音信号中的本地声音信号以及远端声音信号进行检测,根据检测结果确定回声消除算法中自适应线性滤波器是否收敛。
在本公开任一技术方案的基础上,可选地,所述自适应线性滤波器包括频域子带自适应线性滤波器,相应地,所述计算确定所述自适应线性滤波器的系数,包括:针对所述频域子带自适应线性滤波器,计算所述频域子带自适应线性滤波器的每个频域子带的系数的范数,将至少两个频域子带的系数的范数的平均值作为所述频域子带自适应线性滤波器的系数。
如图2所示,所述方法包括:
S210、接收声音采集设备所发送的待处理声音信号,对待处理声音信号中的本地声音信号以及远端声音信号进行检测,根据检测结果确定回声消除算法中自适应线性滤波器是否收敛。
其中,所述待处理声音信号中的本地声音信号包括可包括本地端的声音采集设备,即,采集待处理信号的声音设备所采集的第一声音信号,所述远端声音信号包括经由与所述本地端的声音采集设备对应的声音播放设备所播放的由远端的声音采集设备所采集的第二声音信号。可以理解的是,本地端和远端属于相对概念,例如可以是即时通讯的本端和对端。
其中,与所述本地端的声音采集设备对应的声音播放设备可以理解为与所述本地端的声音采集设备服务于同一使用对象的声音播放设备。示例性地,与本地端的声音采集设备对应的声音播放设备可以是与所述本地端的声音采集设备设置于同一终端中的声音播放设备。
以A和B在进行视频会议的场景为例,对于A所使用的设备来说,本地声音信号可以包括A用户的语音,也可以包括A所处的环境中的声音,远端声音信号可以是A所使用的设备的声音播放设备所播放的B设备对应的本地声音信号。也就是说,若目标用户通过终端与其它用户通信,麦克风可以采集目标用户的声音信号,该声音信号作为本地声音信号。当然,也可以是将距离麦克风预设范围内发出的声音信号作为本地声音信号。远端声音信号为麦克风采集的经扬声器、耳机等声音播放设备播放出来的与目标用户通信的对端其他用户的声音信号。
本实施例中,检测结果可以是是否检测到本地声音信号和/或远端声音信号,进一步地,如果检测到远端声音信号,检测结果还可以包括检测到的远端声音信号的能量以及检测到远端声音信号的播放时长等。
需要说明的是,在用户通话过程中可以将本地终端的状态更改为静音状态,即本地终端的麦克风无法采集到任何声音,相应的,自适应线性滤波器无法采集到任何声音,会导致线性滤波器不收敛。可能导致线性滤波器不收敛的另一种情况为,如果没有远端信号,或者远端信号非常微弱,即远端声音非常小,自适应线性滤波器也无法采集到任何声音。也就是说,可以通过对本地声音信号以及远端声音信号进行检测,来确定自适应线性滤波器是否收敛。
可选的,如果本地声音信号处于非静音状态,且远端声音信号的信号能量大于预设能量阈值以及所述远端声音信号的播放时长达到预设时长阈值时,则确定回声消除算法中自适应线性滤波器收敛。
其中,回声消除算法中自适应线性滤波器收敛时自适应线性滤波器的系数在预设持续时间内的变化率小于预设变化率阈值,也可以理解为,自适应线性滤波器的系数随时间变化的曲线走势趋于平稳。
需要说明的是,上述提出了当当前终端处于静音状态时,声音采集设备无法采集到任何声音信号,以及,若远端声音信号比较微弱,自适应线性滤波器也无法采集到远端声音信号或者采集到的远端声音信号非常微弱,此时,不会有回声产生,或者回声非常有限无需处理,此时可以关闭回声消除算法,以减少终端能耗,同时避免过度处理损坏原有音质,从而达到保证较好的音质的技术效果。
具体的,基于本地静音状态检测模块,检测本地终端的麦克风,即声音采集设备是否可以采集本地声音信号,也就是本地终端的麦克风是否处于静音状态。若检测到本地终端的麦克风处于静音状态,则无法检测到本地声音信号,此时可以确定自适应线性滤波器不收敛,可以不用回声消除;若检测到本地终端的麦克风处于非静音状态,则可以基于声音活动检测模块来检测是否存在远端信号。若采集到远端信号的信号能量以及播放时长达到预设时长阈值,则可以确定回声消除算法中的自适应线性滤波器收敛。
当然,确定回声消除算法中自适应线性滤波器收敛,还可以是:如果当前时刻距离启动回声消除算法的时刻之间的时间间隔达到预设时长,则确定回声消除算法中自适应线性滤波器收敛。
其中,预设时长可以是预先设置的,用户可以根据实际情况或者经验来设置预设时间,可选的,预设时长可以是1S-2S或者2S-3S等。
也就是说,获取消除回声算法的启动时刻,当启动时刻距离当前时刻之间的时间间隔达到预设时间2S,则可以确定消除算法中自适应线性滤波器收敛。
S220、针对频域子带自适应线性滤波器,确定频域子带自适应线性滤波器的每个频域子带的系数的范数,将至少两个频域子带的系数的范数的平均值作为频域子带自适应线性滤波器的系数。
其中,自适应线性滤波器可以是频域滤波器。频域滤波器可以包括多个频域子带自适应线性滤波器。即,自适应线性滤波器可包括频域子带自适应线性滤波器。自适应线性滤波器的系数为一个向量,按照一定的规则对向量进行处理,可以确定与该向量相对应的实数可以将该实数作为与该向量相对应的范数。自适应线性滤波器的系数为对多个范数进行处理后得到的。至少两个频域子带的系数可以是两个、三个或者多个,其中,频域子带的系数的个数与频域子带的数量相同。
具体的,当自适应线性滤波器由多个频域子带自适应线性滤波器构成,可以分别计算与每一个频域子带自适应线性滤波的系数的范数。将所有频域子带的范数取平均,作为频域子带自适应线性滤波器的系数;或者,将所有频域子带的范数中的至少两个范数取平均,作为频域子带自适应线性滤波器的系数。
S230、根据自适应线性滤波器的系数确定所述待处理声音信号的回声状态。
可选的,将自适应线性滤波器的系数与预设的系数阈值进行比较,根据比较结果确定声音采集设备采集信号的回声状态。
具体的,当自适应线性滤波器的系数小于预设的系数阈值时,则确定声音采集设备采集的待处理声音信号的回声状态为没有回声;当自适应线性滤波器的系数大于预设的系数阈值时,则确定声音采集设备采集的待处理声音信号的回声状态为有回声。
S240、判断回声状态是否为目标回声状态,若是,则执行S250;若否,则执行S260。
其中,目标回声状态可以理解为有回声。
具体的,当基于自适应线性滤波器的系数确定当前回声状态为有回声,则可以确定终端内安装硬件AEC对回声的消除效果不佳,或者终端内没有安装硬件AEC,亦或是终端内安装的硬件AEC未工作,可以执行S250。若回声状态不为目标回声状态,即回声状态为没有回声,则可以执行S260。
S250、启用回声消除算法。
也就是说,若终端内安装硬件AEC对回声进行消除时,若消除效果不佳,或者终端内没有安装硬件AEC,亦或是终端内安装的硬件AEC未工作,可以启用回声消除算法对回声进行再次处理,可选的,基于自适应线性滤波器对回声中的线性回声消除,再基于非线性处理模块对回声中的非线性回声消除。
S260、当检测到声音设备状态发生变化时,重新确定回声消除算法中自适应线性滤波器在收敛状态下的系数,返回执行S210。
可选的,当检测到声音设备状态发生变化时,重新确定回声消除算法中自适应线性滤波器在收敛状态下的系数,其中,声音设备状态包括正在使用的声音设备、声音设备是否开启静音的状态以及声音设备的音量的至少一项。
其中,声音设备可以包括声音采集设备和声音播放设备,声音采集设备可以是麦克风,声音播放设备可以是扬声器。
具体的,当检测到新的声学时间,则重新确定是否存在回声以及是否需要启动软件AEC对回声进行处理,即重复执行S210至S250。
本公开实施例的技术方案,通过接收到目标采集设备发送的待处理声音信号时,计算回声消除算法中自适应线性滤波器收敛时的系数,进而根据所述自适应线性滤波器的系数确定声音采集设备采集信号中的回声状态,相比较于现有技术可以直接启用回声消除算法进行回声消除,即通过自适应滤波器收敛时的系数预先判断待处理声音信号的回声状态,从而得知待处理声音信号中是否存在回声,进而在所述回声状态未有回声时再启用所述回声消除算法进行回声消除,解决了现有技术中只安装硬件AEC时,存在AEC失效时无法实现回声消除的情况,或者同时安装软硬件AEC时,经过硬件AEC处理后的声音还要再次经过软件AEC处理,导致影响语音质量的技术问题,实现了基于动态监测回声的算法来控制AEC切换,若没有检测到硬件AEC或者硬件AEC处理后的效果不佳,再启用软件AEC消除回声,从而提高语音质量的技术效果。声音采集设备作为上述实施例的一优选实施例,图3为本公开实施例二所提供的与回声消除方法相对应的结构示意图。如图3所示,回声消除结构示意图包括扬声器、麦克风、麦克风静音检测、回声探测模块、回声消除模块(AEC)、回声消除模块控制器(AEC控制器)、声学事件监控以及声音活动检测模块(VAD)。其中,扬声器用于播放声音;麦克风用于采集声音信号;声音活动检测模块,用于检测远端声音信号;声学事件监控模块,用于监控是否有新的声学事件;回声探测模块,用于探测是否存在回声,即确定自适应线性滤波器的系数,并将系数发送至回声消除控制模块。回声消除控制模块,用于在接收到自适应线性滤波器的系数小于预设阈值时,向回声消除模块发送控制信号,以使回声消除控制模块对回声进行处理。
在本实施例中,可以最大限度的有效的利用不同硬件自带的AEC,而不用大量的手工测试,也不依赖具体的软件AEC算法,具有很强的普适性和有效性,同时也可以在没有回声的情况下,减少软件AEC的能耗和对语音损伤的技术效果。
实施例三
图4为本公开实施例三所提供的一种回声消除装置的结构示意图。如图4所示,所述装置包括:滤波器系数确定模块410、回声状态确定模块420以及回声消除模块430。
滤波器系数确定模块410,用于接收声音采集设备所发送的待处理声音信号,确定回声消除算法中自适应线性滤波器在收敛状态下的系数;回声状态确定模块420,用于用于根据所述自适应线性滤波器的系数确定所述待处理声音信号的回声状态;回声消除模块430,用于用于如果所述回声状态表示所述待处理声音信号中包含回声信号,则启用所述回声消除算法对所述待处理声音信号进行回声消除。
本公开实施例的技术方案,通过接收到目标采集设备发送的待处理声音信号时,计算回声消除算法中自适应线性滤波器收敛时的系数,进而根据所述自适应线性滤波器的系数确定声音采集设备采集信号中的回声状态,相比较于现有技术可以直接启用回声消除算法进行回声消除,即通过自适应滤波器收敛时的系数预先判断待处理声音信号的回声状态,从而得知待处理声音信号中是否存在回声,进而在所述回声状态未有回声时再启用所述回声消除算法进行回声消除,解决了现有技术中只安装硬件AEC时,存在AEC失效时无法实现回声消除的情况,或者同时安装软硬件AEC时,经过硬件AEC处理后的声音还要再次经过软件AEC处理,导致影响语音质量的技术问题,实现了基于动态监测回声的算法来控制AEC切换,若没有检测到硬件AEC或者硬件AEC处理后的效果不佳,再启用软件AEC消除回声,从而提高语音质量的技术效果。
在上述技术方案的基础上,所述装置还包括第一收敛模块,所述滤波器系数确定模块,在用于确定所述自适应线性滤波器的系数之前,用于:
对所述待处理声音信号中的本地声音信号以及远端声音信号进行检测,根据检测结果确定回声消除算法中自适应线性滤波器是否收敛。
在上述各技术方案的基础上,所述第一收敛模块:
如果本地声音信号处于非静音状态,且远端声音信号的信号能量大于预设能量阈值以及所述远端声音信号的播放时长达到预设时长阈值时,则确定回声消除算法中自适应线性滤波器收敛。
在上述各技术方案的基础上,所述装置还包括第二收敛模块,还用于:
所述回声消除算法中自适应线性滤波器在当前时刻距离启动回声消除算法的时刻之间的时间间隔达到预设时间时收敛。
在上述各技术方案的基础上,所述滤波器系数计算模块还用于:
针对频域子带自适应线性滤波器,确定所述频域子带自适应线性滤波器的每个频域子带的系数的范数,将至少两个频域子带的系数的范数的平均值作为所述频域子带自适应线性滤波器的系数。
在上述各技术方案的基础上,所述回声状态确定模块,还用于:
将所述自适应线性滤波器的系数与预设的系数阈值进行比较,根据比较结果确定声音采集设备采集信号的回声状态。
在上述各技术方案的基础上,所述装置还包括重新采集模块,用于:
当检测到声音设备状态发生变化时,重新确定所述回声消除算法中所述自适应线性滤波器在收敛状态下的系数,其中,所述声音设备状态包括正在使用的声音设备、声音设备是否开启静音的状态以及声音设备的音量的至少一项。
本公开实施例所提供的回声消除装置可执行本公开任意实施例所提供的回声消除方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本公开实施例的保护范围。
实施例四
下面参考图5,其示出了适于用来实现本公开实施例的电子设备(例如图5中的终端设备或服务器)500的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图5所示,电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置506加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常,以下装置可以连接至I/O接口505:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如磁带、硬盘等的存储装置506;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置506被安装,或者从ROM502被安装。在该计算机程序被处理装置501执行时,执行本公开实施例的方法中限定的上述功能。
本公开实施例提供的电子设备与上述实施例提供的一种回声消除方法属于同一发明构思,未在本实施例中详尽描述的技术细节可参见上述实施例,并且本实施例与上述实施例具有相同的有益效果。
实施例五
本公开实施例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上述实施例所提供的一种回声消除方法。
需要说明的是,本公开上述的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或者是上述两者的任意组合。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可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本公开中,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。而在本公开中,计算机可读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,该计算机可读信号介质可以发送、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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:
接收声音采集设备所发送的待处理声音信号,确定回声消除算法中自适应线性滤波器在收敛状态下的系数;
根据所述自适应线性滤波器的系数确定所述待处理声音信号的回声状态;
如果所述回声状态表示所述待处理声音信号中包含回声信号,则启用所述回声消除算法对所述待处理声音信号进行回声消除。
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公开的操作的计算机程序代码,上述程序设计语言包括但不限于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)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定,例如,回声消除模块还可以被描述为“消除回声的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例,【示例一】提供了一种回声消除方法,该方法包括:
接收声音采集设备所发送的待处理声音信号,确定回声消除算法中自适应线性滤波器在收敛状态下的系数;
根据所述自适应线性滤波器的系数确定所述待处理声音信号的回声状态;
如果所述回声状态表示所述待处理声音信号中包含回声信号,则启用所述回声消除算法对所述待处理声音信号进行回声消除。
根据本公开的一个或多个实施例,【示例二】提供了一种回声消除方法,还包括:
可选的,在所述计算所述自适应线性滤波器的系数之前,还包括:对所述待处理声音信号中的本地声音信号以及远端声音信号进行检测,根据检测结果确定回声消除算法中自适应线性滤波器是否收敛。
根据本公开的一个或多个实施例,【示例三】提供了一种回声消除方法,还包括:
可选的,所述根据检测结果确定回声消除算法中自适应线性滤波器是否收敛,包括:
如果本地声音信号处于非静音状态,且远端声音信号的信号能量大于预设能量阈值以及所述远端声音信号的播放时长达到预设时长阈值时,则确定回声消除算法中自适应线性滤波器收敛。
根据本公开的一个或多个实施例,【示例四】提供了一种回声消除方法,还包括:
可选的,所述回声消除算法中自适应线性滤波器在当前时刻距离启动回声消除算法的时刻之间的时间间隔达到预设时间时收敛。
根据本公开的一个或多个实施例,【示例五】提供了一种回声消除方法,还包括:
可选的,所述自适应线性滤波器包括频域子带自适应线性滤波器,所述确定所述自适应线性滤波器的系数,包括:
针对所述频域子带自适应线性滤波器,确定所述频域子带自适应线性滤波器的每个频域子带的系数的范数,将至少两个频域子带的系数的范数的平均值作为所述频域子带自适应线性滤波器的系数。
根据本公开的一个或多个实施例,【示例六】提供了一种回声消除方法,还包括:
可选的,所述根据所述自适应线性滤波器的系数确定声音采集设备采集信号的回声状态,包括:
将所述自适应线性滤波器的系数与预设的系数阈值进行比较,根据比较结果确定声音采集设备采集信号的回声状态。
根据本公开的一个或多个实施例,【示例七】提供了一种回声消除方法,还包括:
可选的,当检测到声音设备状态发生变化时,重新确定所述回声消除算法中所述自适应线性滤波器在收敛状态下的系数,其中,所述声音设备状态包括正在使用的声音设备、声音设备是否开启静音的状态以及声音设备的音量的至少一项。
根据本公开的一个或多个实施例,【示例八】提供了一种回声消除装置,该装置还包括:
滤波器系数确定模块,用于接收声音采集设备所发送的待处理声音信号,确定回声消除算法中自适应线性滤波器在收敛状态下的系数;
回声状态确定模块,用于根据所述自适应线性滤波器的系数确定所述待处理声音信号的回声状态;
回声消除模块,用于用于如果所述回声状态表示所述待处理声音信号中包含回声信号,则启用所述回声消除算法对所述待处理声音信号进行回声消除。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (10)
1.一种回声消除方法,其特征在于,包括:
接收声音采集设备所发送的待处理声音信号,确定回声消除算法中自适应线性滤波器在收敛状态下的系数;
根据所述自适应线性滤波器在收敛状态下的系数确定所述待处理声音信号的回声状态;
如果所述回声状态表示所述待处理声音信号中包含回声信号,则启用所述回声消除算法对所述待处理声音信号进行回声消除。
2.根据权利要求1所述的方法,其特征在于,在确定所述自适应线性滤波器的系数之前,还包括:
对所述待处理声音信号中的本地声音信号以及远端声音信号进行检测,根据检测结果确定回声消除算法中自适应线性滤波器是否收敛。
3.根据权利要求2所述的方法,其特征在于,所述根据检测结果确定回声消除算法中自适应线性滤波器是否收敛,包括:
如果本地声音信号处于非静音状态,且远端声音信号的信号能量大于预设能量阈值以及所述远端声音信号的播放时长达到预设时长阈值时,则确定回声消除算法中自适应线性滤波器收敛。
4.根据权利要求1所述的方法,其特征在于,所述回声消除算法中自适应线性滤波器在当前时刻距离启动回声消除算法的时刻之间的时间间隔达到预设时间时收敛。
5.根据权利要求1所述的方法,其特征在于,所述自适应线性滤波器包括频域子带自适应线性滤波器,所述确定所述自适应线性滤波器的系数,包括:
针对所述频域子带自适应线性滤波器,确定所述频域子带自适应线性滤波器的每个频域子带的系数的范数,将至少两个频域子带的系数的范数的平均值作为所述频域子带自适应线性滤波器的系数。
6.根据权利要求1所述的方法,其特征在于,所述根据所述自适应线性滤波器的系数确定所述待处理声音信号的回声状态,包括:
将所述自适应线性滤波器的系数与预设的系数阈值进行比较,根据比较结果确定所述待处理声音信号的回声状态。
7.根据权利要求1所述的方法,其特征在于,还包括:
当检测到声音设备状态发生变化时,重新计算所述回声消除算法中所述自适应线性滤波器在收敛状态下的系数,其中,所述声音设备状态包括正在使用的声音设备、声音设备是否开启静音的状态以及声音设备的音量的至少一项。
8.一种回声消除装置,其特征在于,包括:
滤波器系数确定模块,用于接收声音采集设备所发送的待处理声音信号,确定回声消除算法中自适应线性滤波器在收敛状态下的系数;
回声状态确定模块,用于根据所述自适应线性滤波器在收敛状态下的系数确定所述待处理声音信号的回声状态;
回声消除模块,用于如果所述回声状态表示所述待处理声音信号中包含回声信号,则启用所述回声消除算法对所述待处理声音信号进行回声消除。
9.一种电子设备,其特征在于,包括:
一个或多个处理装置;
存储器,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装置执行,使得所述一个或多个处理装置实现如权利要求1-7中任一所述的回声消除方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7中任一所述的回声消除方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010130423.0A CN111370015B (zh) | 2020-02-28 | 2020-02-28 | 回声消除方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010130423.0A CN111370015B (zh) | 2020-02-28 | 2020-02-28 | 回声消除方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111370015A CN111370015A (zh) | 2020-07-03 |
CN111370015B true CN111370015B (zh) | 2021-03-19 |
Family
ID=71208377
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010130423.0A Active CN111370015B (zh) | 2020-02-28 | 2020-02-28 | 回声消除方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111370015B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112037810B (zh) * | 2020-09-25 | 2023-10-03 | 杭州网易智企科技有限公司 | 一种回音处理方法、装置、介质和计算设备 |
CN114449115B (zh) * | 2020-10-30 | 2024-05-03 | 北京君正集成电路股份有限公司 | 一种消除残余回声的处理系统 |
CN114449114B (zh) * | 2020-10-30 | 2024-05-03 | 北京君正集成电路股份有限公司 | 一种针对回声消除残余回声的处理方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1842110A (zh) * | 2005-03-28 | 2006-10-04 | 华为技术有限公司 | 一种回声消除装置和方法 |
CN102185991A (zh) * | 2011-03-01 | 2011-09-14 | 杭州华三通信技术有限公司 | 回声消除方法、系统和装置 |
CN102855881A (zh) * | 2011-06-27 | 2013-01-02 | 华为技术有限公司 | 一种回声抑制方法和装置 |
CN103259563A (zh) * | 2012-02-16 | 2013-08-21 | 联芯科技有限公司 | 自适应滤波器发散检测方法及回声消除系统 |
CN105791611A (zh) * | 2016-02-22 | 2016-07-20 | 腾讯科技(深圳)有限公司 | 回声消除方法及装置 |
CN107123430A (zh) * | 2017-04-12 | 2017-09-01 | 广州视源电子科技股份有限公司 | 回声消除方法、装置、会议平板及计算机存储介质 |
CN109961798A (zh) * | 2017-12-26 | 2019-07-02 | 华平信息技术股份有限公司 | 回声消除系统、方法、可读计算机存储介质、及终端 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4509126B2 (ja) * | 2007-01-24 | 2010-07-21 | 沖電気工業株式会社 | エコーキャンセラ及びエコーキャンセル方法 |
US9972337B2 (en) * | 2016-06-22 | 2018-05-15 | Cisco Technology, Inc. | Acoustic echo cancellation with delay uncertainty and delay change |
-
2020
- 2020-02-28 CN CN202010130423.0A patent/CN111370015B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1842110A (zh) * | 2005-03-28 | 2006-10-04 | 华为技术有限公司 | 一种回声消除装置和方法 |
CN102185991A (zh) * | 2011-03-01 | 2011-09-14 | 杭州华三通信技术有限公司 | 回声消除方法、系统和装置 |
CN102855881A (zh) * | 2011-06-27 | 2013-01-02 | 华为技术有限公司 | 一种回声抑制方法和装置 |
CN103259563A (zh) * | 2012-02-16 | 2013-08-21 | 联芯科技有限公司 | 自适应滤波器发散检测方法及回声消除系统 |
CN105791611A (zh) * | 2016-02-22 | 2016-07-20 | 腾讯科技(深圳)有限公司 | 回声消除方法及装置 |
CN107123430A (zh) * | 2017-04-12 | 2017-09-01 | 广州视源电子科技股份有限公司 | 回声消除方法、装置、会议平板及计算机存储介质 |
CN109961798A (zh) * | 2017-12-26 | 2019-07-02 | 华平信息技术股份有限公司 | 回声消除系统、方法、可读计算机存储介质、及终端 |
Non-Patent Citations (4)
Title |
---|
Recursive adaptive sparse exponential functional link neural network for nonlinearAEC in impulsive noise environment;Sheng Zhang;《IEEE Transactions on Neural Networks and Learning Systems 》;20171107;4314-4323 * |
Tap-length optimization of adaptive filters used in stereophonic acoustic echo cancellation;Asutosh Kar;《Signal Processing, 2017》;20170228;全文 * |
基于LMS算法的自适应滤波及在回声消除中的应用;赵欣波;《信息技术》;20060921(第8期);28-30,33 * |
语音系统中的子带自适应回声消除技术;蔡宇;《仪器仪表学报》;20130909(第7期);1448-1453 * |
Also Published As
Publication number | Publication date |
---|---|
CN111370015A (zh) | 2020-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11587574B2 (en) | Voice processing method, apparatus, electronic device, and storage medium | |
CN111370015B (zh) | 回声消除方法、装置、电子设备及存储介质 | |
CN111341336B (zh) | 一种回声消除方法、装置、终端设备及介质 | |
KR101183847B1 (ko) | 다중의 오디오 신호를 사용하여 주변 잡음을 억제하는 방법 및 장치 | |
CN111951819A (zh) | 回声消除方法、装置及存储介质 | |
CN110602327B (zh) | 语音通话方法、装置、电子设备及计算机可读存储介质 | |
CN106713570B (zh) | 一种回声消除方法和装置 | |
JP2012510779A (ja) | 音響的に過酷な環境におけるダブルトーク検出のためのシステム及び方法 | |
JP6833616B2 (ja) | エコー抑圧装置、エコー抑圧方法及びエコー抑圧プログラム | |
US20080247535A1 (en) | Method and apparatus for mitigating impact of nonlinear effects on the quality of audio echo cancellation | |
CN110995951B (zh) | 基于双端发声检测的回声消除方法、装置及系统 | |
CN111556210B (zh) | 通话语音处理方法与装置、终端设备和存储介质 | |
KR20160076059A (ko) | 디스플레이장치 및 그 반향 제거방법 | |
WO2019239977A1 (ja) | エコー抑圧装置、エコー抑圧方法およびエコー抑圧プログラム | |
CN108134863A (zh) | 一种基于双统计量的改进型双端检测装置及检测方法 | |
CN110956975A (zh) | 回声消除方法及装置 | |
CN111885276B (zh) | 消除回声的方法及系统 | |
CN109215672B (zh) | 一种声音信息的处理方法、装置及设备 | |
CN110634496A (zh) | 一种双讲检测方法、装置、计算机设备和存储介质 | |
CN111970610B (zh) | 回声路径检测方法、音频信号处理方法及系统、存储介质、终端 | |
CN111756906A (zh) | 一种语音信号的回声抑制方法和装置 | |
CN114979344A (zh) | 回声消除方法、装置、设备及存储介质 | |
CN112929506A (zh) | 音频信号的处理方法及装置,计算机存储介质及电子设备 | |
CN112217948B (zh) | 语音通话的回声处理方法、装置、设备及存储介质 | |
CN113241084B (zh) | 回声消除的方法、装置及设备 |
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 |