CN111613237B - 一种音频处理方法 - Google Patents

Abstract

本发明公开了一种音频处理方法，包括：麦克风阵列将采集到的第一音频信号输入至第一低通滤波器；模拟数字转换器对第一音频信号进行幅值检测以及相位检测，以判断声音信号的类型，并建立频率曲线模型；模拟数字转换器将第一音频信号输入至音频编译码器；音频编译码器将第一音频信号发送至扬声器单元，并通过扬声器单元进行播放，以得到第二音频信号；第二低通滤波器、第二耦合单元对第二音频信号依次进行滤波、耦合处理；模拟数字转换器对第二音频信号进行幅值检测以及相位检测，并在频率曲线模型中与第一音频信号进行比对学习，以分离出环境噪声。本发明能够解决现有技术无法有效消除环境噪声的问题。

Description

一种音频处理方法

技术领域

本发明涉及语音识别技术领域，特别是涉及一种音频处理方法。

背景技术

随着智能IoT(Internet of Things，物联网，缩写IoT)的飞速发展，语音识别系统得到了普及，语音识别系统极大的丰富了人们生活体验，给人们的生活、工作带来了极大的便利。

环境噪声的干扰是智能语音识别的痛点与难点，现有的用于语音识别系统的采样电路，仅仅通过简单的电容隔离采样，无法有效的消除环境噪声，影响了智能语音识别的实际使用效果。

发明内容

为此，本发明的目的在于提出一种音频处理方法，以解决现有技术无法有效消除环境噪声的问题。

本发明提供一种音频处理方法，应用于语音识别采样电路，所述语音识别采样电路包括麦克风阵列、模拟数字转换器、第一低通滤波器、第一耦合单元、音频编译码器、扬声器单元、第二低通滤波器和第二耦合单元，所述方法包括：

所述麦克风阵列将采集到的第一音频信号输入至所述第一低通滤波器；

所述第一低通滤波器、所述第一耦合单元对第一音频信号依次进行滤波、耦合处理，并将处理后的第一音频信号传输至所述模拟数字转换器；

所述模拟数字转换器对第一音频信号进行幅值检测以及相位检测，以判断声音信号的类型，并建立频率曲线模型；

所述模拟数字转换器将第一音频信号输入至所述音频编译码器；

所述音频编译码器将第一音频信号发送至所述扬声器单元，并通过所述扬声器单元进行播放，以得到第二音频信号；

所述第二低通滤波器、所述第二耦合单元对第二音频信号依次进行滤波、耦合处理，并将处理后的第二音频信号传输至所述模拟数字转换器；

所述模拟数字转换器对第二音频信号进行幅值检测以及相位检测，并在所述频率曲线模型中与第一音频信号进行比对学习，以分离出环境噪声。

根据本发明提供的音频处理方法，对采样的第一音频信号进行幅值检测以及相位检测，判断声音信号的类型，并以此建立频率曲线模型，通过独立的反馈回路设计，配合端点检测，能够有效的提高人体自然语音与非自然语音差异性的信号，进行模数转换，然后与反馈回路中的信号进行对比，即在频率曲线模型中将第二音频信号与第一音频信号进行比对学习，能够有效的分离出环境噪声，最后对分离出的环境噪声进行消除。

另外，根据本发明上述的音频处理方法，还可以具有如下附加的技术特征：

进一步地，所述语音识别采样电路还包括差分信号自激抑制单元；

所述第一低通滤波器包括第一电感、第二电感、第四电容和第五电容，所述第一电感的第一端和所述第二电感的第一端分别与所述麦克风阵列连接，所述第一电感的第二端与所述第四电容的第一端连接，所述第四电容的第二端与所述第五电容的第一端连接，所述第五电容的第二端与所述第二电感的第二端连接；

所述第一耦合单元包括第一电容和第二电容，所述第一电容的第一端和所述第二电容的第一端分别与所述模拟数字转换器的输入端连接，所述第一电容的第二端与所述第一电感的第二端连接，所述第二电容的第二端与所述第二电感的第二端连接，所述第一电容和所述第二电容的电容值均不小于10μF；

所述差分信号自激抑制单元连接在所述第一电容的第二端和所述第二电容的第二端之间。

进一步地，所述第一低通滤波器的截止频率f1满足以下条件式：

其中，lc为所述第二电感的电感值与所述第五电容的电容值之积，或者lc为所述第一电感的电感值与所述第四电容的电容值之积；

f1＝20kHz。

进一步地，所述第一电容和所述第二电容均采用0603封装的电容。

进一步地，所述差分信号自激抑制单元采用第三电容。

进一步地，所述第二低通滤波器包括第一电阻、第二电阻、第三电阻、第四电阻、第十电容和第十一电容，所述第一电阻的第一端分别与所述扬声器单元和所述音频编译码器连接，所述第二电阻的第一端分别与所述扬声器单元和所述音频编译码器连接，所述第一电阻、所述第四电阻、所述第三电阻、所述第二电阻依次串联，所述第一电阻和所述第四电阻的连接点与所述第十电容的第一端连接，所述第二电阻和所述第三电阻的连接点与所述第十一电容的第一端连接，所述第十电容的第二端与所述第十一电容的第二端连接；

所述第二耦合单元包括第七电容、第八电容和第九电容，所述第七电容的第一端和所述第八电容的第一端分别与所述模拟数字转换器的输入端连接，所述第七电容的第二端分别与所述第九电容的第一端和所述第十电容的第一端连接，所述第八电容的第二端分别与所述第九电容的第二端和所述第十一电容的第一端连接。

进一步地，所述音频编译码器与所述模拟数字转换器的输入端通过I2S总线连接。

进一步地，所述第二低通滤波器的截止频率f2满足以下条件式：

f2＝1/(2πRC)；

其中，R为所述第二电阻与所述第三电阻的并联阻值，或所述第一电阻与所述第四电阻的并联阻值，C为所述第十电容或所述第十一电容的电容值；

f2＝20kHz。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1是根据本发明一实施例的用于语音识别系统的采样电路的电路结构示意图；

图2是模拟数字转换器、音频编译码器、扬声器单元、第二低通滤波器和第二耦合单元的电路结构示意图；

图3是根据本发明另一实施例的音频处理方法的流程示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。附图中给出了本发明的若干实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。

需要说明的是，当元件被称为“固设于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”、“上”、“下”以及类似的表述只是为了说明的目的，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。

请参阅图1，本发明一实施例提供的语音识别采样电路，包括麦克风阵列10、模拟数字转换器20、第一低通滤波器30、第一耦合单元40和差分信号自激抑制单元50。

所述第一低通滤波器30包括第一电感L1、第二电感L2、第四电容C4和第五电容C5，所述第一电感L1的第一端和所述第二电感L2的第一端分别与所述麦克风阵列10连接，所述第一电感L1的第二端与所述第四电容C4的第一端连接，所述第四电容C4的第二端与所述第五电容C5的第一端连接，所述第五电容C5的第二端与所述第二电感L2的第二端连接，第四电容C4与第五电容C5的连接点接地。

其中，所述第一低通滤波器30的截止频率f1满足以下条件式：

其中，lc为所述第二电感L2的电感值与所述第五电容C5的电容值之积，或者lc为所述第一电感L1的电感值与所述第四电容C4的电容值之积；

f1＝20kHz，f1取20kHz是因为人体的能听到的声音为20kHz以下。

所述第一耦合单元40包括第一电容C1和第二电容C2，所述第一电容C1的第一端和所述第二电容C2的第一端分别与所述模拟数字转换器20的输入端连接，所述第一电容C1的第二端与所述第一电感L1的第二端连接，所述第二电容C2的第二端与所述第二电感L2的第二端连接，所述第一电容C1和所述第二电容C2的电容值均不小于10μF。优选的，所述第一电容C1和所述第二电容C2均采用0603封装的电容，以更好的满足电子设备的结构空间。

所述差分信号自激抑制单元50连接在所述第一电容C1的第二端和第二电容C2的第二端之间，用于抑制差分信号的自激，所述差分信号自激抑制单元50具体采用第三电容C3。

实测时，将50Hz，200mv的模拟信号输入进入到麦克风阵列，通过传统的采样电路进行采样之后，最终模拟数字转换器获得的信号幅度320mV，而将该模拟信号输入进入到麦克风阵列，通过本实施例的语音识别采样电路进行采样之后，最终模拟数字转换器获得的信号幅度380mV，有效提升了信号幅度。

通过第一低通滤波器30和第一耦合单元40的设计，声音信号首先通过第一低通滤波器30，实现有效的滤波，然后再通过第一耦合单元40的耦合作用，将信号传递到模拟数字转换器20的输入端，第一耦合单元40中第一电容C1和第二电容C2的电容值大小对低频部分的耦合影响较大，通过具体限定第一电容C1和第二电容C2的电容值均不小于10μF，实测表明，能够有效提升低频信号的信号幅度，从而能够对低频区域的人声实现有效采样，有助于提升低频人声的识别率。

此外，请参阅图2，本实施例的语音识别采样电路还包括音频编译码器60、扬声器单元70、第二低通滤波器80、第二耦合单元90。

所述第二低通滤波器80包括第一电阻R1、第二电阻R2、第三电阻R3、第四电阻R4、第十电容C10和第十一电容C11，所述第一电阻R1的第一端分别与所述扬声器单元70和所述音频编译码器60连接，所述第二电阻R2的第一端分别与所述扬声器单元70和所述音频编译码器60连接，所述第一电阻R1、所述第四电阻R4、所述第三电阻R3、所述第二电阻R2依次串联，所述第一电阻R1和所述第四电阻R4的连接点与所述第十电容C10的第一端连接，所述第二电阻R2和所述第三电阻R3的连接点与所述第十一电容C11的第一端连接，所述第十电容C10的第二端与所述第十一电容C11的第二端连接，第三电阻R3和第四电阻R4的连接点接地，第十电容C10和第十一电容C11的连接点接地。

所述第二低通滤波器80的截止频率f2满足以下条件式：

f2＝1/(2πRC)；

其中，R为所述第二电阻R2与所述第三电阻R3的并联阻值，或所述第一电阻R1与所述第四电阻R4的并联阻值，C为所述第十电容C10或所述第十一电容C11的电容值；

f2＝20kHz。

所述第二耦合单元90包括第七电容C7、第八电容C8和第九电容C9，所述第七电容C7的第一端和所述第八电容C8的第一端分别与所述模拟数字转换器20的输入端连接，所述第七电容C7的第二端分别与所述第九电容C9的第一端和所述第十电容C10的第一端连接，所述第八电容C8的第二端分别与所述第九电容C9的第二端和所述第十一电容C11的第一端连接。

其中，所述音频编译码器60与所述模拟数字转换器20的输入端通过I2S总线连接，音频编译码器60来驱动扬声器单元70。

通过设计第二低通滤波器80和第二耦合单元90，

音频编译码器60输出到扬声器单元70的音频信号，首先经过第二低通滤波器80的有效滤波，反馈回来的信号经过第二耦合单元90的耦合后进入模拟数字转换器20的输入端，第二电阻R2和第三电阻R3组成差分对的一组分压电路，第一电阻R1和第四电阻R4组成差分对的另一组分压电路，因为驱动扬声器单元70的电平比较高，需要进行分压后进入到模拟数字转换器20中。模拟数字转换器20与音频编译码器60通过I2S音频数据接口连接，模拟数字转换器20反馈回来的信号会与麦克风阵列10采样回来的信号进行比较。

请参阅图3，基于上述的语音识别采样电路，本发明另一实施例还提供一种音频处理方法，该方法包括步骤S101至S107。

S101，所述麦克风阵列10将采集到的第一音频信号输入至所述第一低通滤波器30。

S102，所述第一低通滤波器30、所述第一耦合单元40对第一音频信号依次进行滤波、耦合处理，并将处理后的第一音频信号传输至所述模拟数字转换器20。

S103，所述模拟数字转换器20对第一音频信号进行幅值检测以及相位检测，以判断声音信号的类型，并建立频率曲线模型。

其中，通过幅值检测和相位检测，运算得出同一个频率的信号是人体自然发声，还是机器发声，亦或是环境噪声。通过AI学习功能建立频率的曲线模型，能够不断增强人体自然语音的声线、声纹模型。

S104，所述模拟数字转换器20将第一音频信号输入至所述音频编译码器60。

S105，所述音频编译码器60将第一音频信号发送至所述扬声器单元70，并通过所述扬声器单元70进行播放，以得到第二音频信号。

其中，通过音频编译码器把正确或者需要去纠正的指令通过扬声器单元，与人进行对话，交流。

S106，所述第二低通滤波器80、所述第二耦合单元90对第二音频信号依次进行滤波、耦合处理，并将处理后的第二音频信号传输至所述模拟数字转换器20。

S107，所述模拟数字转换器20对第二音频信号进行幅值检测以及相位检测，并在所述频率曲线模型中与第一音频信号进行比对学习，以分离出环境噪声。

其中，在频率曲线模型中进行对比学习，就能够判断出哪些是环境噪声，分离出环境噪声后就能够进行消除处理，能够在低信噪比情况下，达到不错的降噪效果。此外，由于拓宽了音频的带宽，在降噪与有用信号的增强上，还可以结合DSP，实现LMS(最小均方)自适应降噪，LMS自适应降噪流程如下：

首先初始化，W(0)＝0,0<μ<(1/λ_max)；然后计算滤波器实际输出的估计值，y(k)＝W^T(k)*(k)；再计算估算误差e(k)＝d(k)-y(k)；接着更新K+1时刻的滤波器系数，W(k+1)＝W(k)+μe(k)*(k)；最后，若需要更新系数，则返回计算滤波器实际输出的估计值的步骤，若不需要更新系数，则结束流程，由此实现了LMS自适应降噪。

根据上述的音频处理方法，对采样的第一音频信号进行幅值检测以及相位检测，判断声音信号的类型，并以此建立频率曲线模型，通过独立的反馈回路设计，配合端点检测，能够有效的提高人体自然语音与非自然语音差异性的信号，进行模数转换，然后与反馈回路中的信号进行对比，即在频率曲线模型中将第二音频信号与第一音频信号进行比对学习，能够有效的分离出环境噪声，最后对分离出的环境噪声进行消除。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (6)

1.一种音频处理方法，应用于语音识别采样电路，其特征在于，所述语音识别采样电路包括麦克风阵列、模拟数字转换器、第一低通滤波器、第一耦合单元、音频编译码器、扬声器单元、第二低通滤波器和第二耦合单元，所述方法包括：

所述麦克风阵列将采集到的第一音频信号输入至所述第一低通滤波器；

所述第一低通滤波器、所述第一耦合单元对第一音频信号依次进行滤波、耦合处理，并将处理后的第一音频信号传输至所述模拟数字转换器；

所述模拟数字转换器对第一音频信号进行幅值检测以及相位检测，以判断声音信号的类型，并建立频率曲线模型；

所述模拟数字转换器将第一音频信号输入至所述音频编译码器；

所述音频编译码器将第一音频信号发送至所述扬声器单元，并通过所述扬声器单元进行播放，以得到第二音频信号；

所述第二低通滤波器、所述第二耦合单元对第二音频信号依次进行滤波、耦合处理，并将处理后的第二音频信号传输至所述模拟数字转换器；

所述模拟数字转换器对第二音频信号进行幅值检测以及相位检测，并在所述频率曲线模型中与第一音频信号进行比对学习，以分离出环境噪声；

所述语音识别采样电路还包括差分信号自激抑制单元；

所述第一低通滤波器包括第一电感、第二电感、第四电容和第五电容，所述第一电感的第一端和所述第二电感的第一端分别与所述麦克风阵列连接，所述第一电感的第二端与所述第四电容的第一端连接，所述第四电容的第二端与所述第五电容的第一端连接，所述第五电容的第二端与所述第二电感的第二端连接；

所述第一耦合单元包括第一电容和第二电容，所述第一电容的第一端和所述第二电容的第一端分别与所述模拟数字转换器的输入端连接，所述第一电容的第二端与所述第一电感的第二端连接，所述第二电容的第二端与所述第二电感的第二端连接，所述第一电容和所述第二电容的电容值均不小于10μF；

所述差分信号自激抑制单元连接在所述第一电容的第二端和所述第二电容的第二端之间；

所述第一低通滤波器的截止频率f1满足以下条件式：

其中，lc为所述第二电感的电感值与所述第五电容的电容值之积，或者lc为所述第一电感的电感值与所述第四电容的电容值之积；

f1＝20kHz。

2.根据权利要求1所述的音频处理方法，其特征在于，所述差分信号自激抑制单元采用第三电容。

3.根据权利要求1所述的音频处理方法，其特征在于，所述第二低通滤波器包括第一电阻、第二电阻、第三电阻、第四电阻、第十电容和第十一电容，所述第一电阻的第一端分别与所述扬声器单元和所述音频编译码器连接，所述第二电阻的第一端分别与所述扬声器单元和所述音频编译码器连接，所述第一电阻、所述第四电阻、所述第三电阻、所述第二电阻依次串联，所述第一电阻和所述第四电阻的连接点与所述第十电容的第一端连接，所述第二电阻和所述第三电阻的连接点与所述第十一电容的第一端连接，所述第十电容的第二端与所述第十一电容的第二端连接。

4.根据权利要求3所述的音频处理方法，其特征在于，所述第二耦合单元包括第七电容、第八电容和第九电容，所述第七电容的第一端和所述第八电容的第一端分别与所述模拟数字转换器的输入端连接，所述第七电容的第二端分别与所述第九电容的第一端和所述第十电容的第一端连接，所述第八电容的第二端分别与所述第九电容的第二端和所述第十一电容的第一端连接。

5.根据权利要求1所述的音频处理方法，其特征在于，所述音频编译码器与所述模拟数字转换器的输入端通过I2S总线连接。

6.根据权利要求3所述的音频处理方法，其特征在于，所述第二低通滤波器的截止频率f2满足以下条件式：

f2＝1/(2πRC)；

其中，R为所述第二电阻与所述第三电阻的并联阻值，或所述第一电阻与所述第四电阻的并联阻值，C为所述第十电容或所述第十一电容的电容值；

f2＝20kHz。

Images