CN111556210B - 通话语音处理方法与装置、终端设备和存储介质 - Google Patents

Abstract

本公开提供了通话语音处理方法与装置、终端设备和存储介质。该方法的一具体实施方式包括：利用预设自适应滤波算法对音频输入设备实时采集的待处理语音数据进行声学回声消除得到消除后语音数据；响应于确定扬声器的当前增益大于预设可引起残留回声增益阈值以及确定当前通话为单讲状态，按照预先设定的扬声器增益与回声语音幅度阈值之间的对应关系，确定与扬声器的当前增益对应的回声语音幅度阈值；响应于确定消除后语音数据中的残留回声数据的语音幅度不小于所确定的回声语音幅度阈值，将消除后语音数据中残留回声数据的语音幅度降低到低于所确定的回声语音幅度阈值后输出消除后语音数据；该实施方式实现了在扬声器的增益较大时仍能实现回声消除。

Description

通话语音处理方法与装置、终端设备和存储介质

技术领域

本公开涉及语音通信技术领域，具体涉及通话语音处理方法与装置、终端设备和存储介质。

背景技术

在语音通信中，有一个很影响通话质量的因素就是回声。回声就是指说话者通过通信设备发送给其他人的语音又重新又回到自己的听筒里的现象。回声会对说话者产生严重的干扰，必须想办法消除。一般，回声分为两种，即“电路回声”和“声学回声”。“电路回声”可以通过硬件设备的合理设计而消除。最复杂和最难消除的应该是所谓的“声学回声”。“声学回声”是指远端用户的声音从听筒出来以后，经过空气或其他的传播媒介传到近端用户的话筒，再通过话筒录音后又重新传到远端用户的听筒中形成的回声。当近端用户的放音音量比较大而录音设备和放音设备距离比较近时回声尤其明显。

为了消除声学回声，目前大都采用声学回声消除(Acoustic Echo Cancellation，AEC)技术。AEC以扬声器输出的信号与由它产生的多路径回声之间的相关性为基础，建立远端信号的语音模型，并利用远端信号的语音模型对回声进行估计，通过自适应算法调整滤波器的迭代更新系数以估计出与实际回声路径逼近的回声，即估计回声。然后，将估计回声从音频输入设备采集的语音数据中减去，从而达到消除回声的目的。

然而，AEC的抑制能力是有限的，在良好的声学设计的系统中，AEC一般也只能对声学回声提供20-30dB的抑制。然而在免提通话场景，特别是智能音箱用于电话场景，由于智能音箱通常会装备增益较大的扬声器，因此即使AEC工作正常，但是经过AEC之后输出的语音中可能存在残留回声，而残留回声还是会被增益较大的扬声器放大到人耳能听见的水平，即产生可闻的回声。

发明内容

本公开提出了通话语音处理方法和装置，用以解决现有声学回声消除中存在的在扬声器增益较大时仍然存在残留回声的问题。

第一方面，本公开提供了一种通话语音处理方法，应用于终端设备中的处理器，其中，上述终端设备包括扬声器、音频输入设备、通信单元和处理器，该方法包括：实时获取上述音频输入设备采集的待处理语音数据；利用预设自适应滤波算法对上述待处理语音数据进行声学回声消除得到消除后语音数据；响应于确定上述扬声器的当前增益不大于预设可引起残留回声增益阈值或者当前通话为双讲状态，输出上述消除后语音数据；响应于确定上述扬声器的当前增益大于上述预设可引起残留回声增益阈值以及确定上述当前通话为单讲状态，执行以下残留回声消除操作：按照预先设定的扬声器增益与回声语音幅度阈值之间的对应关系，确定与上述扬声器的当前增益对应的回声语音幅度阈值；确定上述消除后语音数据中的残留回声数据的语音幅度是否小于所确定的回声语音幅度阈值；响应于确定不小于，将上述消除后语音数据中残留回声数据的语音幅度降低到低于所确定的回声语音幅度阈值后输出上述消除后语音数据；响应于确定小于，输出上述消除后语音数据。

在一些可选的实施方式中，上述确定上述消除后语音数据中的残留回声数据的语音幅度是否小于所确定的回声语音幅度阈值，包括：按照上述预设自适应滤波算法确定上述消除后语音数据中的残留回声数据；确定上述消除后语音数据中的残留回声数据的语音幅度是否小于所确定的回声语音幅度阈值。

在一些可选的实施方式中，上述预设自适应滤波算法包括以下至少一项：最小均方算法，归一化最小均方算法，最小二乘算法和仿射投影算法。

在一些可选的实施方式中，上述当前通话为电话通话、网络语音通话或者网络视频通话。

第二方面，本公开提供了一种通话语音处理装置，应用于终端设备中的处理器，其中，上述终端设备包括扬声器、音频输入设备、通信单元和处理器，该装置包括：获取单元，被配置成实时获取上述音频输入设备采集的待处理语音数据；声学回声消除单元，被配置成利用预设自适应滤波算法对上述待处理语音数据进行声学回声消除得到消除后语音数据；第一输出单元，被配置成响应于确定上述扬声器的当前增益不大于预设可引起残留回声增益阈值或者当前通话为双讲状态，输出上述消除后语音数据；第二输出单元，被配置成响应于确定上述扬声器的当前增益大于上述预设可引起残留回声增益阈值以及确定上述当前通话为单讲状态，执行以下残留回声消除操作：按照预先设定的扬声器增益与回声语音幅度阈值之间的对应关系，确定与上述扬声器的当前增益对应的回声语音幅度阈值；确定上述消除后语音数据中的残留回声数据的语音幅度是否小于所确定的回声语音幅度阈值；响应于确定不小于，将上述消除后语音数据中残留回声数据的语音幅度降低到低于所确定的回声语音幅度阈值后输出上述消除后语音数据；响应于确定小于，输出上述消除后语音数据。

在一些可选的实施方式中，上述确定上述消除后语音数据中的残留回声数据的语音幅度是否小于所确定的回声语音幅度阈值，包括：按照上述预设自适应滤波算法确定上述消除后语音数据中的残留回声数据；确定上述消除后语音数据中的残留回声数据的语音幅度是否小于所确定的回声语音幅度阈值。

在一些可选的实施方式中，上述预设自适应滤波算法包括以下至少一项：最小均方算法，归一化最小均方算法，最小二乘算法和仿射投影算法。

在一些可选的实施方式中，上述当前通话为电话通话、网络语音通话或者网络视频通话。

第三方面，本公开提供了一种终端设备，包括：音频输入设备，被配置成采集声音数据；扬声器，被配置成播放声音数据；通信单元，被配置成传输数据；一个或多个处理器；存储装置，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现第一方面中任一实现方式描述的方法。

第四方面，本公开提供了一种计算机可读存储介质，其上存储有计算机程序，其中，该计算机程序被一个或多个处理器执行时实现如第一方面中任一实现方式描述的方法。

第五方面，本公开提供了一种电话会议系统，包括至少两个如第三方面中任一实现方式描述的终端设备。

本公开提供的通话语音处理方法和装置，通过对从音频输入设备采集的语音数据进行传统声学回声消除后得到消除后语音数据的基础上，如果扬声器的当前增益不大于预设可引起残留回声增益阈值或者当前通话为双讲状态，则直接输出消除后语音数据；如果扬声器的当前增益大于预设可引起残留回声增益阈值以及当前通话为单讲状态的情况下，首先按照预先设定的扬声器增益与回声语音幅度阈值之间的对应关系，确定与扬声器的当前增益对应的回声语音幅度阈值；如果消除后语音数据中的残留回声数据的语音幅度小于所确定的回声语音幅度阈值，即这里的残留回声是没有意义的，则将消除后语音数据中残留回声数据的语音幅度降低到低于所确定的回声语音幅度阈值后输出消除后语音数据；如果消除后语音数据中的残留回声数据的语音幅度不小于所确定的回声语音幅度阈值，即这里的残留回声可能是有意义的，不能进一步抑制其中的残留回声，则直接输出消除后语音数据。从而实现了在扬声器增益较大的时候，也能实现较好的声学回声消除效果。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：

图1是本公开的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本公开的通话语音处理方法的一个实施例的流程图；

图3是根据本公开的通话语音处理方法的一个应用场景的示意图；

图4是根据本公开的通话语音处理装置的一个实施例的结构示意图；

图5是适于用来实现本公开的终端设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本公开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相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的通话语音处理方法或通话语音处理装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103和网络104。网络104用以在终端设备101、102、103之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104彼此交互，以接收或发送语音数据等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如电话通话应用、即时通信类应用、电话会议类应用、网页浏览器应用、购物类应用、搜索类应用、邮箱客户端、社交平台软件等。

终端设备101、102、103可以分别包括扬声器、音频输入设备、通信单元和处理器(图1中未具体示出)。其中，用户可以通过硬件(例如音量调节旋钮或者增益调节旋钮等)或者软件方式调节终端设备101、102、103中扬声器的音量或者增益。终端设备101、102、103中的音频输入设备可以是各种具有声音采集功能的设备。例如，音频输入设备可以是麦克风或者麦克风阵列。

终端设备101、102、103中的通信单元可以是各种具有网络通信功能的设备。例如，通信单元可以包括以下至少一项：移动网络模块、蓝牙模块、无线上网Wi-Fi模块、LAN(局域网，Local Area Network)卡、调制解调器等的网络接口卡。

需要说明的是，本公开所提供的通话语音处理方法一般由终端设备101、102、103中的处理器执行，相应地，通话语音处理装置一般设置于终端设备101、102、103中的处理器中。

应该理解，图1中的终端设备和网络的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备和网络。其中任一终端设备可以和另一终端设备之间建立双方通话，即通话过程中有两个终端设备参与。通话过程中也可以包括多于两个的终端设备，即该通话过程也可以是电话会议、语音会议或者视频会议。

继续参考图2，其示出了根据本公开的通话语音处理方法的一个实施例的流程200。该通话语音处理方法应用于终端设备中的处理器，其中，终端设备可以包括扬声器、音频输入设备、通信单元和处理器。该通话语音处理方法包括以下步骤：

步骤201，实时获取音频输入设备采集的待处理语音数据。

在本实施例中，通话语音处理方法的执行主体(例如图1所示的终端设备)可以采用各种实现方式实时获取音频输入设备采集的语音数据作为待处理语音数据。作为示例，上述执行主体可以实时获取音频输入设备连续采集的第一预设数目帧数的语音数据，并将所获取的语音数据确定为待处理语音数据。例如，假设音频输入设备采集的每帧语音数据对应10毫秒的语音，可以获取音频输入设备实时连续采集的200帧(即，对应2秒)语音数据，并将所获取的语音数据确定为待处理语音数据。作为示例，上述执行主体也可以利用滑动窗口方法获取音频输入设备实时采集的语音数据段，并将所获取的语音数据段确定为待处理语音数据，即每次获取预设窗口长度帧的语音数据，下次获取的语音数据的第一帧数据相对于上次获取的语音数据的第一帧向后滑动预设滑动步长帧，其中，预设窗口长度和预设滑动步长都是可以定制的。

步骤202，利用预设自适应滤波算法对待处理语音数据进行声学回声消除得到消除后语音数据。

实践中，由于当终端设备处于通话过程中可能存在回声问题，为了消除回声对通话过程的影响，上述执行主体可以在步骤201中获取到待处理语音数据后，利用预设自适应滤波算法对待处理语音数据进行声学回声消除得到消除后语音数据。需要说明的是，这时上述执行主体所在的终端设备可以处于通话过程中，终端设备的扬声器中可能在播放远端设备(与终端设置正在通话的其他终端设备)发送的远端语音数据，这时，上述执行主体可以基于扬声器当前播放的远端语音数据，利用预设自适应滤波算法对待处理语音数据中的回声进行估计，得到估计回声，再从待处理语音数据中减去估计回声即得到消除后语音数据。

这里，预设自适应滤波算法可以是各种现在已知或者未来开发的用来实现声学回声消除的滤波算法，本公开对此不做具体限定。作为示例，预设自适应滤波算法可以是最小均方(Least Mean Square，LMS)算法，归一化最小均方(Normalized Least Mean Square，NLMS)算法，最小二乘(Recursive Least Square，RLS)算法和仿射投影算法(AffineProjection Algorithm，APA)等。

步骤203，确定是否扬声器的当前增益不大于预设可引起残留回声增益阈值或者当前通话为双讲状态。

在本实施例中，上述执行主体可以获取上述执行主体所在终端设备中扬声器的当前增益。这里，上述执行主体可以从扬声器获取扬声器的当前增益，或者也可以从预设存储区域获取扬声器的当前增益。例如，扬声器的当前增益可以是由在该通话语音处理方法逻辑对应应用程序中指定变量来表征的。

上述执行主体还可以获取上述终端设备的当前通话状态，其中，终端设备的当前通话状态可以为单讲状态或者双讲状态。实践中，在用预设自适应滤波算法对待处理语音数据进行声学回声消除的过程中，会采用各种实现方式进行双讲检测(Double TalkingDetection，DTD)，如果根据双讲检测的结果确定当前通话为单讲状态，自适应滤波器可以更新其系数，反之如果根据双讲检测的结果确定当前通话为双讲状态，自适应滤波器停止更新。因此，这里可以直接确定终端设备的当前通话为单讲状态还是双讲状态。

上述执行主体在获取得到扬声器的当前增益和当前通话状态后，如果确定扬声器的当前增益不大于预设可引起残留回声增益阈值或者当前通话状态为双讲状态，可以转到步骤204执行，即直接输出步骤202执行后所得到的消除后语音数据。如果确定当前增益大于预设可引起残留回声增益阈值以及当前通话状态为单讲状态，可以转到步骤205进一步执行。

这里，预设可引起残留回声增益阈值用于表征以下内容：终端设备在通话过程中，如果只采用预设自适应滤波算法进行声学回声消除，当扬声器的增益大于预设可引起残留回声增益阈值，终端设备的用户在通话过程中可以听到自己的回声，即终端设备的用户在声学回声消除后仍可以听到残留回声。反之，终端设备在通话过程中，如果只采用预设自适应滤波算法进行声学回声消除，当扬声器的增益不大于预设可引起残留回声增益阈值，终端设备的用户在通话过程中听不到自己的回声，或者听到的自己的回声的音量在可以承受的范围内，即终端设备的用户在声学回声消除后几乎听不到残留回声。从上述描述可知，如果扬声器的当前增益不大于预设可引起残留回声增益阈值，则步骤202中得到的消除后语音数据中不存在残留回声，或者即使存在残留回声，残留回声对用户的影响也很小，因此可以转到步骤204直接输出消除后语音数据。

这里，如果确定终端设备的当前通话状态为双讲状态，也可以转到步骤204直接输出消除后语音数据，而不是转到步骤205确定是否进行进一步消除操作，因为在双讲状态下，终端设备的用户和当前通话的远端用户都在讲话，如果进行进一步消除操作，可能把远端用户的声音也给压制掉，导致有意义的语音数据丢失，反而降低通话效果。因此，这里在确定终端设备的当前通话状态为双讲状态时，也可以直接输出消除后语音数据。

在一些可选的实施方式中，终端设备的当前通话可以为电话通话、网络语音通话或者网络视频通话。可以理解的是，电话通话既可以是普通的双方通话的电话通话，也可以是电话会议中的多方通话的电话通话。网络语音通话可以是即时通信软件或者音视频会议应用中的语音通话。网络语音通话也可以是即时通信软件或者音视频会议应用中的视频通话。

步骤204，输出消除后语音数据。

在本实施例中，上述执行主体可以在步骤203中确定扬声器的当前增益不大于预设可引起残留回声增益阈值或者当前通话为双讲状态的情况下，直接输出消除后语音数据，即将步骤202中得到的消除后语音数据通过通信单元发送给与终端设备当前进行通话的远端设备。

上述执行主体也可以在步骤206中确定消除后语音数据中的残留回声数据的语音幅度小于所确定的回声语音幅度阈值的情况下，直接输出消除后语音数据。

步骤205，按照预先设定的扬声器增益与回声语音幅度阈值之间的对应关系，确定与扬声器的当前增益对应的回声语音幅度阈值。

在本实施例中，如果在步骤203中确定扬声器的当前增益大于预设可引起残留回声增益阈值以及确定当前通话为单讲状态，由上述记载可知，如果确定扬声器的当前增益大于预设可引起残留回声增益阈值，表明如果直接输出步骤202中得到的采用预设自适应滤波算法进行声学回声消除所得到的消除后语音数据，终端设备的用户在通话过程中可以听到自己的回声，即终端设备的用户在声学回声消除后仍可以听到残留回声，对通话过程造成影响。另外，如果当前通话是单讲状态，即只有终端设备的用户在讲话，当前通话的远端用户没有讲话，即使进行进一步声学回声消除操作也不会消除远端用户的语音，不会丢失远端用户的语音，即不会对通话过程造成较大影响。基于上述原因，为了进一步确定是否对消除后语音数据进行残留回声消除，上述执行主体可以在步骤203中确定扬声器的当前增益大于预设可引起残留回声增益阈值以及确定当前通话为单讲状态的情况下，首先按照预先设定的扬声器增益与回声语音幅度阈值之间的对应关系，确定与扬声器的当前增益对应的回声语音幅度阈值。然后，转到步骤206执行。

这里，预先设定的扬声器增益与回声语音幅度阈值之间的对应关系可以是技术人员基于大量的历史数据的统计而预先指定的、存储有多个扬声器增益与回声语音幅度阈值的对应关系的对应关系表，其中，历史数据可以包括历史扬声器实际增益和对应的当终端设备中扬声器的增益为该历史扬声器实际增益时，按照预设自适应滤波算法对终端设备中音频输入设备采集的语音数据进行声学回声消除后所得到的语音数据中仍残留的回声的语音幅度值，且，用户在听上述按照预设自适应滤波算法对终端设备中音频输入设备采集的语音数据进行声学回声消除后所得到的语音数据对应的语音时，可以听到自己的回声，或者所听到的回声的音量较大，不在可以接受的范围内。

上述预先设定的扬声器增益与回声语音幅度阈值之间的对应关系也可以是，技术人员基于上述大量历史数据，对回声语音幅度阈值和扬声器的当前增益之间的对应关系进行统计分析并存储至上述执行主体中的、对扬声器的当前增益进行数值计算以得到回声语音幅度阈值的计算公式。

步骤206，确定消除后语音数据中的残留回声数据的语音幅度是否小于所确定的回声语音幅度阈值。

在本实施例中，上述执行主体可以首先确定执行完步骤202后所得到的消除后语音数据中的残留回声数据，然后再确定上述所确定的残留回声数据的语音幅度是否小于步骤205中所确定的回声语音幅度阈值。如果确定小于，由上述步骤205中的记载可知，消除后语音数据中的残留回声数据对应的语音幅度相对较小，人耳听不到或者即使听到也在可以接受的范围内，不必进一步消除，因此转到步骤204执行，即直接输出消除后语音数据。如果确定不小于，由上述步骤205中的记载可知，消除后语音数据中的残留回声数据对应的语音幅度相对较大，人耳可以听到且不在人耳可以接受的范围内，为了提升通话质量，需要进一步消除残留回声，因此转到步骤207执行。

需要说明的是，可以采用步骤202中采用的预设自适应滤波算法确定消除后语音数据中的残留回声数据。也可以采用其他自适应滤波算法确定消除后语音数据中的残留回声数据。如何根据自适应滤波算法确定消除后语音数据中的残留回声数据是本领域广泛研究和应用的现有技术，在此不再赘述。

步骤207，将消除后语音数据中残留回声数据的语音幅度降低到低于所确定的回声语音幅度阈值后输出消除后语音数据。

在本实施例中，上述执行主体可以在步骤206中确定消除后语音数据中的残留回声数据的语音幅度不小于所确定的回声语音幅度阈值的情况下，表明消除后语音数据中的残留回声数据对应的语音幅度相对较大，人耳可以听到且不在人耳可以接受的范围内，为了提升通话质量，需要进一步消除残留回声，即将消除后语音数据中残留回声数据的语音幅度降低到低于所确定的回声语音幅度阈值后输出消除后语音数据。这样，所输出的消除后语音数据中残留回声的语音幅度被进一步抑制，远端用户听到自己回声的几率得到降低，通话质量得到提升。

继续参见图3，图3是根据本实施例的通话语音处理方法的应用场景的一个示意图。在图3的应用场景中，用户301通过使用终端设备302与使用终端设备303的用户304进行电话通话。通话过程中，用户301选择通过终端设备302中的扬声器收听用户304的声音，用户304选择通过终端设备303中的扬声器收听用户301的声音。为了尽量减少用户301和用户304可能听见自己的回声，终端设备302和终端设备303分别可以采用图2所示的实施例中记载的通话语音处理方法对分别对其中设置的音频输入设备采集的语音数据进行处理后输出给对方用户的终端设备。下面以终端设备302为例说明通话语音处理过程。

首先，终端设备302实时获取其中音频输入设备采集的待处理语音数据。然后，终端设备302利用预设自适应滤波算法对待处理语音数据进行声学回声消除得到消除后语音数据。接着，终端设备302确定其中扬声器的当前增益大于预设可引起残留回声增益阈值以及确定当前通话为单讲状态(即用户301在讲话而用户304没有讲话)。而后，终端设备302按照预先设定的扬声器增益与回声语音幅度阈值之间的对应关系，确定与扬声器的当前增益对应的回声语音幅度阈值。再之后，终端设备302确定消除后语音数据中的残留回声数据的语音幅度不小于所确定的回声语音幅度阈值，则将消除后语音数据中残留回声数据的语音幅度降低到低于所确定的回声语音幅度阈值后输出消除后语音数据。这样，用户304可以通过终端设备303听到终端设备302发送的上述消除后语音数据对应的语音，其中的残留回声被进一步抑制，降低了听到回声的概率。

本公开的上述实施例提供的方法通过首先对音频输入设备采集的语音数据进行普通声学回声消除得到消除后语音数据，然后在扬声器增益较大、终端设备当前通话为单讲状态以及消除后语音数据中的残留回声数据的语音幅度不小于与扬声器的当前增益对应的回声语音幅度阈值的情况下，将消除后语音数据中的残留回声数据的语音幅度降低到低于所确定的回声语音幅度阈值后输出消除后语音数据，其他情况下直接输出消除后语音数据，实现在扬声器增益较大时，进一步降低了输出语音数据中的残留回声，减少了远端用户听到自己回声的几率。

进一步参考图4，作为对上述各图所示方法的实现，本公开提供了一种通话语音处理装置的一个实施例，该装置应用于终端设备中的处理器，其中，终端设备包括扬声器、音频输入设备、通信单元和处理器，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图4所示，本实施例的通话语音处理装置400包括：获取单元401、声学回声消除单元402、第一输出单元403和第二输出单元404。其中，获取单元401，被配置成实时获取上述音频输入设备采集的待处理语音数据；声学回声消除单元402，被配置成利用预设自适应滤波算法对上述待处理语音数据进行声学回声消除得到消除后语音数据；第一输出单元403，被配置成响应于确定上述扬声器的当前增益不大于预设可引起残留回声增益阈值或者当前通话为双讲状态，输出上述消除后语音数据；第二输出单元404，被配置成响应于确定上述扬声器的当前增益大于上述预设可引起残留回声增益阈值以及确定上述当前通话为单讲状态，执行以下残留回声消除操作：按照预先设定的扬声器增益与回声语音幅度阈值之间的对应关系，确定与上述扬声器的当前增益对应的回声语音幅度阈值；确定上述消除后语音数据中的残留回声数据的语音幅度是否小于所确定的回声语音幅度阈值；响应于确定不小于，将上述消除后语音数据中残留回声数据的语音幅度降低到低于所确定的回声语音幅度阈值后输出上述消除后语音数据；响应于确定小于，输出上述消除后语音数据。

在本实施例中，通话语音处理装置400的获取单元401、声学回声消除单元402、第一输出单元403和第二输出单元404的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202、步骤203和步骤204的相关说明，在此不再赘述。

在一些可选的实施方式中，上述确定上述消除后语音数据中的残留回声数据的语音幅度是否小于所确定的回声语音幅度阈值，可以包括：按照上述预设自适应滤波算法确定上述消除后语音数据中的残留回声数据；确定上述消除后语音数据中的残留回声数据的语音幅度是否小于所确定的回声语音幅度阈值。

在一些可选的实施方式中，上述预设自适应滤波算法可以包括以下至少一项：最小均方算法，归一化最小均方算法，最小二乘算法和仿射投影算法。

在一些可选的实施方式中，上述当前通话可以为电话通话、网络语音通话或者网络视频通话。

需要说明的是，本公开提供的通话语音处理装置中各单元的实现细节和技术效果可以参考本公开中其它实施例的说明，在此不再赘述。

下面参考图5，其示出了适于用来实现本公开的终端设备的计算机系统500的结构示意图。图5示出的终端设备仅仅是一个示例，不应对本公开的功能和使用范围带来任何限制。

如图5所示，计算机系统500包括至少一个处理器501、存储器502、总线503、输入/输出(I/O，Input/Output)接口504、输入单元505和输出单元506。其中，至少一个处理器501、存储器502和I/O接口504通过总线503彼此相连。输入单元505和输出单元506通过I/O接口504连接至总线503。

输入单元505可以包括音频输入设备，输出单元506可以包括扬声器。在一些可选的实施方式中，输入单元505还可以包括例如触控屏、键盘、鼠标、电容笔等。输出单元506还可以包括阴极射线管(CRT，Cathode Ray Tube)、液晶显示器(LCD，Liquid CrystalDisplay)、触控屏等。

以下部件也连接至I/O接口504：包括诸如LAN(局域网，Local Area Network)卡、调制解调器、WiFi模块、移动网络模块等网络接口卡的通信单元507。通信单元507经由诸如因特网的网络执行通信处理。

在此，根据本公开的方法可以被实现为计算机程序，并且存储在存储器502中。终端设备500中的处理器501通过调用存储器502中存储的上述计算机程序，来具体实现本公开的方法中限定的通话语音处理功能。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单元507从网络上被下载和安装。在该计算机程序被中央处理单元(CPU)501执行时，执行本公开的方法中限定的上述功能。

需要说明的是，本公开所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，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的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++、Python，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。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、声学回声消除单元、第一输出单元和第二输出单元。其中，这些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，获取单元还可以被描述为“实时获取音频输入设备采集的待处理语音数据的单元”。

作为另一方面，本公开还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。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装置执行时，使得该装置：实时获取上述音频输入设备采集的待处理语音数据；利用预设自适应滤波算法对上述待处理语音数据进行声学回声消除得到消除后语音数据；响应于确定上述扬声器的当前增益不大于预设可引起残留回声增益阈值或者当前通话为双讲状态，输出上述消除后语音数据；响应于确定上述扬声器的当前增益大于上述预设可引起残留回声增益阈值以及确定上述当前通话为单讲状态，执行以下残留回声消除操作：按照预先设定的扬声器增益与回声语音幅度阈值之间的对应关系，确定与上述扬声器的当前增益对应的回声语音幅度阈值；确定上述消除后语音数据中的残留回声数据的语音幅度是否小于所确定的回声语音幅度阈值；响应于确定不小于，将上述消除后语音数据中残留回声数据的语音幅度降低到低于所确定的回声语音幅度阈值后输出上述消除后语音数据；响应于确定小于，输出上述消除后语音数据。

作为另一方面，本公开还提供了一种电话会议系统，该电话会议系统包括至少两个如图5所示的终端设备。

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，本公开中所涉及的发明范围，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发明构思的情况下，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。

Claims (10)

1.一种通话语音处理方法，应用于终端设备中的处理器，其中，所述终端设备包括扬声器、音频输入设备、通信单元和处理器，所述方法包括：

实时获取所述音频输入设备采集的待处理语音数据；

利用预设自适应滤波算法对所述待处理语音数据进行声学回声消除得到消除后语音数据；

响应于确定所述扬声器的当前增益不大于预设可引起残留回声增益阈值或者当前通话为双讲状态，输出所述消除后语音数据；

响应于确定所述扬声器的当前增益大于所述预设可引起残留回声增益阈值以及确定所述当前通话为单讲状态，其中，所述单讲状态为所述当前通话中所述终端设备的用户在讲话且远端用户未讲话，执行以下残留回声消除操作：按照预先设定的扬声器增益与回声语音幅度阈值之间的对应关系，确定与所述扬声器的当前增益对应的回声语音幅度阈值；确定所述消除后语音数据中的残留回声数据的语音幅度是否小于所确定的回声语音幅度阈值；响应于确定不小于，将所述消除后语音数据中残留回声数据的语音幅度降低到低于所确定的回声语音幅度阈值后输出所述消除后语音数据；响应于确定小于，输出所述消除后语音数据。

2.根据权利要求1所述的方法，其中，所述确定所述消除后语音数据中的残留回声数据的语音幅度是否小于所确定的回声语音幅度阈值，包括：

按照所述预设自适应滤波算法确定所述消除后语音数据中的残留回声数据；

确定所述消除后语音数据中的残留回声数据的语音幅度是否小于所确定的回声语音幅度阈值。

3.根据权利要求2所述的方法，其中，所述预设自适应滤波算法包括以下至少一项：最小均方算法，归一化最小均方算法，最小二乘算法和仿射投影算法。

4.根据权利要求3所述的方法，其中，所述当前通话为电话通话、网络语音通话或者网络视频通话。

5.一种通话语音处理装置，应用于终端设备中的处理器，其中，所述终端设备包括扬声器、音频输入设备、通信单元和处理器，所述装置包括：

获取单元，被配置成实时获取所述音频输入设备采集的待处理语音数据；

声学回声消除单元，被配置成利用预设自适应滤波算法对所述待处理语音数据进行声学回声消除得到消除后语音数据；

第一输出单元，被配置成响应于确定所述扬声器的当前增益不大于预设可引起残留回声增益阈值或者当前通话为双讲状态，输出所述消除后语音数据；

第二输出单元，被配置成响应于确定所述扬声器的当前增益大于所述预设可引起残留回声增益阈值以及确定所述当前通话为单讲状态，其中，所述单讲状态为所述当前通话中所述终端设备的用户在讲话且远端用户未讲话，执行以下残留回声消除操作：按照预先设定的扬声器增益与回声语音幅度阈值之间的对应关系，确定与所述扬声器的当前增益对应的回声语音幅度阈值；确定所述消除后语音数据中的残留回声数据的语音幅度是否小于所确定的回声语音幅度阈值；响应于确定不小于，将所述消除后语音数据中残留回声数据的语音幅度降低到低于所确定的回声语音幅度阈值后输出所述消除后语音数据；响应于确定小于，输出所述消除后语音数据。

6.根据权利要求5所述的装置，其中，所述确定所述消除后语音数据中的残留回声数据的语音幅度是否小于所确定的回声语音幅度阈值，包括：

按照所述预设自适应滤波算法确定所述消除后语音数据中的残留回声数据；

确定所述消除后语音数据中的残留回声数据的语音幅度是否小于所确定的回声语音幅度阈值。

7.根据权利要求6所述的装置，其中，所述预设自适应滤波算法包括以下至少一项：最小均方算法，归一化最小均方算法，最小二乘算法和仿射投影算法。

8.一种终端设备，包括：

音频输入设备，被配置成采集声音数据；

扬声器，被配置成播放声音数据；

通信单元，被配置成传输数据；

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。

9.一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被一个或多个处理器执行时实现如权利要求1-4中任一所述的方法。

10.一种电话会议系统，包括至少两个如权利要求8所述的终端设备。

Images