CN112562708A - 非线性回声消除方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请公开了非线性回声消除方法、装置、电子设备及存储介质，涉及智能语音、自然语言处理及深度学习等人工智能领域，其中的方法可包括：确定待处理的语音信号中的各频点是否符合压缩条件；若确定任一频点符合压缩条件，则对该频点的信号幅值进行压缩。应用本申请所述方案，可确保较小的语音失真等。

Description

非线性回声消除方法、装置、电子设备及存储介质

技术领域

本申请涉及人工智能技术领域，特别涉及智能语音、自然语言处理及深度学习领域，具体为非线性回声消除方法、装置、电子设备及存储介质。

背景技术

随着即时通信系统的快速普及和发展，人们对通话质量也提出了越来越高的要求，非线性回声的消除量是影响通话质量的一个重要因素。

对于如何消除非线性回声，目前通常采用在非线性比较差的频带采用均衡器的方法，直接将该频带内的所有信号幅值压缩(降低)。但这种压缩方法过于生硬，容易引起较大的语音失真等。

发明内容

本申请提供了非线性回声消除方法、装置、电子设备及存储介质。

一种非线性回声消除方法，包括：

确定待处理的语音信号中的各频点是否符合压缩条件；

若确定任一频点符合压缩条件，则对所述频点的信号幅值进行压缩。

一种非线性回声消除装置，包括：

确定模块，用于确定待处理的语音信号中的各频点是否符合压缩条件；

压缩模块，用于当确定任一频点符合压缩条件时，对所述频点的信号幅值进行压缩。

一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如以上所述的方法。

一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行如以上所述的方法。

上述申请中的一个实施例具有如下优点或有益效果：针对待处理的语音信号中的各个频点，分别确定其是否符合压缩条件，只有符合压缩条件的频点，才会对其信号幅值进行压缩，从而避免了现有技术中压缩方法过于生硬的问题，使得压缩更具选择性和针对性，进而确保了较小的语音失真等。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1为本申请所述非线性回声消除方法第一实施例的流程图；

图2为本申请所述不同响度下的总谐波失真曲线的示意图；

图3为本申请所述非线性回声消除方法第二实施例的流程图；

图4为本申请所述非线性回声消除方法的整体实现过程示意图；

图5为本申请所述非线性回声消除装置50实施例的组成结构示意图；

图6为根据本申请实施例所述方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

另外，应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

图1为本申请所述非线性回声消除方法第一实施例的流程图。如图1所示，包括以下具体实现方式。

在步骤101中，确定待处理的语音信号中的各频点是否符合压缩条件。

在步骤102中，若确定任一频点符合压缩条件，则对该频点的信号幅值进行压缩。

上述方法实施例所述方案中，针对待处理的语音信号中的各个频点，分别确定其是否符合压缩条件，只有符合压缩条件的频点，才会对其信号幅值进行压缩，从而避免了现有技术中压缩方法过于生硬的问题，使得压缩更具选择性和针对性，进而确保了较小的语音失真等。

待处理的语音信号可为实时获取的语音信号，针对其中的各频点，可分别确定其是否符合压缩条件。

优选地，针对任一频点，可分别将该频点的信号幅值与该频点对应的压制门限进行比较，若该频点的信号幅值大于该频点对应的压制门限，则可确定该频点符合压缩条件，否则，可确定该频点不符合压缩条件。

不同的频点分别对应各自的压制门限，对于任意两个不同的频点来说，其对应的压制门限可能相同，也可能不同。

压制门限可为预先设定的。优选地，可获取待处理的语音信号对应的用户设备(如语音的播放设备等)的总谐波失真(THD，Total Harmonic Distortion)曲线，根据获取到的总谐波失真曲线分别确定出各频点对应的压制门限。

在实际应用中，可针对不同类型的用户设备，分别获取其总谐波失真曲线，比如，针对任一用户设备，可根据测试信号，通过对用户设备进行扫频测试，得到用户设备的总谐波失真曲线，优选地，可得到不同响度下的总谐波失真曲线。

图2为本申请所述不同响度下的总谐波失真曲线的示意图。如图2所示，不同响度可包括-3dB、-15dB、-30dB、-50dB等，不同响度即指不同的幅值压制方式，以图2中所示的虚线矩形区域为例，按照从上到下的顺序，其中的各总谐波失真曲线分别对应于-50dB、-3dB、-15dB和-30dB。需要说明的是，图2中所示的各响度仅为举例说明，并不用于限制本申请的技术方案，具体包括哪些响度可根据实际需要而定。

针对任一用户设备，如何根据其总谐波失真曲线分别确定出各频点对应的压制门限同样可根据实际需要而定。仍以图2所示为例，作为一种可能的实现方式，针对任一频点，可分别获取该频点在四条总谐波失真曲线中的纵轴取值，并将其中的最小值对应的响度作为该频点对应的压制门限。当然，也可采用任意可行的其它方式来根据总谐波失真曲线分别确定出各频点对应的压制门限，此处仅为举例说明。

借助于总谐波失真曲线，可方便准确地确定出各频点对应的压制门限，进而可根据确定出的压制门限来动态调整信号的幅值，即针对待处理的语音信号中的每个频点，分别将频点的信号幅值与频点对应的压制门限进行比较，若任一频点的信号幅值大于该频点对应的压制门限，则可确定该频点符合压缩条件，即认为扬声器将要产生的谐波失真分量较多，从而可对该频点的信号幅值进行压缩，即适当降低该频点的输出信号幅值，从而实现了对于非线性谐波的动态压缩调整，既能消除大量的非线性谐波失真，又保证了语音信号的较小失真等。

优选地，针对任一频点，在确定该频点符合压缩条件，对该频点的信号幅值进行压缩时，可按照该频点对应的压缩比例，对该频点的信号幅值进行压缩。

各频点对应的压缩比例可分别预先设定，具体取值可根据实际需要而定，对于任意两个不同的频点，其对应的压缩比例可能相同，也可能不同。

进一步地，还可分别预先设定各频点对应的压缩方式，具体取值同样可根据实际需要而定，同样地，对于任意两个不同的频点，其对应的压缩方式可能相同，也可能不同。

这样，针对任一频点，在确定该频点符合压缩条件时，可按照该频点对应的压缩比例以及压缩方式，对该频点的信号幅值进行压缩。

压缩方式通常是指频点与频点之间的信号压缩方式，或称为压缩速度，通过设定合理的压缩方式，可使得压缩后的相邻频点信号间的过渡更为平滑、自然，提升语音质量等。

基于上述介绍，图3为本申请所述非线性回声消除方法第二实施例的流程图。如图3所示，包括以下具体实现方式。

在步骤301中，针对待处理的语音信号，分别针对各频点执行步骤302-步骤305所示处理。

在步骤302中，将该频点的信号幅值与该频点对应的压制门限进行比较。

其中，可预先获取待处理的语音信号对应的用户设备的总谐波失真曲线，根据获取到的总谐波失真曲线分别确定出各频点对应的压制门限。

在步骤303中，确定该频点的信号幅值是否大于该频点对应的压制门限，若是，则执行步骤304，否则，执行步骤305。

在步骤304中，按照该频点对应的压缩比例以及压缩方式，对该频点的信号幅值进行压缩。

若该频点的信号幅值大于该频点对应的压制门限，则可确定该频点符合压缩条件，从而可适当降低该频点的输出信号幅值。

在步骤305中，不对该频点进行处理。

若该频点的信号幅值未大于该频点对应的压制门限，那么可不对该频点进行处理。

综合上述介绍，图4为本申请所述非线性回声消除方法的整体实现过程示意图。如图4所示，针对任一用户设备，可预先根据测试信号生成其总谐波失真曲线，并根据总谐波失真曲线分别确定出各频点对应的压制门限，对于实时的语音信号，可按照本申请所述方法(如可称为动态频率控制方法)进行处理，并将处理结果输出。

需要说明的是，对于前述的各方法实施例，为了简单描述，将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。另外，某个实施例中没有详述的部分，可以参见其它部分的相关说明。

以上是关于方法实施例的介绍，以下通过装置实施例，对本申请所述方案进行进一步说明。

图5为本申请所述非线性回声消除装置50实施例的组成结构示意图。如图5所示，包括：确定模块501和压缩模块502。

确定模块501，用于确定待处理的语音信号中的各频点是否符合压缩条件。

压缩模块502，用于当确定任一频点符合压缩条件时，对该频点的信号幅值进行压缩。

待处理的语音信号可为实时获取的语音信号，针对其中的各频点，确定模块501可分别确定其是否符合压缩条件。

优选地，针对任一频点，确定模块501可分别将该频点的信号幅值与该频点对应的压制门限进行比较，若该频点的信号幅值大于该频点对应的压制门限，则可确定该频点符合压缩条件，否则，可确定该频点不符合压缩条件。

压制门限可为预先设定的。如图5所示，所示装置中还可包括：预处理模块500，用于获取待处理的语音信号对应的用户设备的总谐波失真曲线，根据获取到的总谐波失真曲线分别确定出各频点对应的压制门限。

在实际应用中，可针对不同类型的用户设备，可分别获取其总谐波失真曲线，比如，针对任一用户设备，可根据测试信号，通过对用户设备进行扫频测试，得到用户设备的总谐波失真曲线，优选地，可得到不同响度下的总谐波失真曲线。

另外，针对任一用户设备，如何根据其总谐波失真曲线分别确定出各频点对应的压制门限可根据实际需要而定。

优选地，针对任一频点，压缩模块502可在确定该频点符合压缩条件时，按照该频点对应的压缩比例，对该频点的信号幅值进行压缩。各频点对应的压缩比例可分别预先设定。

进一步地，还可分别预先设定各频点对应的压缩方式。这样，针对任一频点，压缩模块502在确定该频点符合压缩条件时，可按照该频点对应的压缩比例以及压缩方式，对该频点的信号幅值进行压缩。

图5所示装置实施例的具体工作流程请参照前述方法实施例中的相关说明，不再赘述。

总之，采用本申请装置实施例所述方案，针对待处理的语音信号中的各个频点，分别确定其是否符合压缩条件，只有符合压缩条件的频点，才会对其信号幅值进行压缩，从而避免了现有技术中压缩方法过于生硬的问题，使得压缩更具选择性和针对性，进而确保了较小的语音失真等。

本申请所述方案可应用于人工智能领域，特别涉及智能语音、自然语言处理及深度学习等领域。

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术，人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术，人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图6所示，是根据本申请实施例所述方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图6所示，该电子设备包括：一个或多个处理器Y01、存储器Y02，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示图形用户界面的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器Y01为例。

存储器Y02即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的方法。

存储器Y02作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的方法对应的程序指令/模块。处理器Y01通过运行存储在存储器Y02中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的方法。

存储器Y02可以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、至少一个功能所需要的应用程序；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器Y02可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器Y02可选包括相对于处理器Y01远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、区块链网络、局域网、移动通信网及其组合。

电子设备还可以包括：输入装置Y03和输出装置Y04。处理器Y01、存储器Y02、输入装置Y03和输出装置Y04可以通过总线或者其他方式连接，图6中以通过总线连接为例。

输入装置Y03可接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置Y04可以包括显示设备、辅助照明装置和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器、发光二极管显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用集成电路、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置)，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，阴极射线管或者液晶显示器监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网、广域网、区块链网络和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (12)

1.一种非线性回声消除方法，包括：

确定待处理的语音信号中的各频点是否符合压缩条件；

若确定任一频点符合压缩条件，则对所述频点的信号幅值进行压缩。

2.根据权利要求1所述的方法，其中，

所述确定待处理的语音信号中的各频点是否符合压缩条件包括：

针对任一频点，分别将所述频点的信号幅值与所述频点对应的压制门限进行比较，若所述频点的信号幅值大于所述频点对应的压制门限，则确定所述频点符合压缩条件。

3.根据权利要求2所述的方法，还包括：

获取所述待处理的语音信号对应的用户设备的总谐波失真曲线；

根据所述总谐波失真曲线分别确定出各频点对应的压制门限。

4.根据权利要求1所述的方法，其中，

所述若确定任一频点符合压缩条件，则对所述频点的信号幅值进行压缩包括：

若确定任一频点符合压缩条件，则按照所述频点对应的压缩比例，对所述频点的信号幅值进行压缩。

5.根据权利要求4所述的方法，还包括：

若确定任一频点符合压缩条件，则按照所述频点对应的压缩比例以及压缩方式，对所述频点的信号幅值进行压缩。

6.一种非线性回声消除装置，包括：

确定模块，用于确定待处理的语音信号中的各频点是否符合压缩条件；

压缩模块，用于当确定任一频点符合压缩条件时，对所述频点的信号幅值进行压缩。

7.根据权利要求6所述的装置，其中，

所述确定模块针对任一频点，分别将所述频点的信号幅值与所述频点对应的压制门限进行比较，若所述频点的信号幅值大于所述频点对应的压制门限，则确定所述频点符合压缩条件。

8.根据权利要求7所述的装置，还包括：

预处理模块，用于获取所述待处理的语音信号对应的用户设备的总谐波失真曲线，根据所述总谐波失真曲线分别确定出各频点对应的压制门限。

9.根据权利要求6所述的装置，其中，

所述压缩模块在确定任一频点符合压缩条件时，按照所述频点对应的压缩比例，对所述频点的信号幅值进行压缩。

10.根据权利要求9所述的装置，其中，

所述压缩模块进一步用于，在确定任一频点符合压缩条件时，按照所述频点对应的压缩比例以及压缩方式，对所述频点的信号幅值进行压缩。

11.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。

12.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使计算机执行权利要求1-5中任一项所述的方法。

Images