CN112863534A - 噪声音频消除方法、语音识别方法 - Google Patents

Abstract

本发明公开一种噪声音频消除方法，应用于电子设备，该方法包括：预先建立多个不同音量的音频信号和多个增益因子之间的映射关系，增益因子用于将相应音量的音频信号转化为模拟回声信号；获取电子设备通过音频采集装置所采集的混合音频信号；确定电子设备的当前播放音频信号的音量；根据映射关系确定对应于当前播放音频信号所对应的增益因子为目标增益因子；根据目标增益因子和当前播放音频信号确定目标模拟回声信号；根据模拟回声信号对混合音频信号进行噪声消除。本实施例中采用了计算出来的模拟回声信号来进行噪声消除，避免了由于环境因素的影响导致采集的回声信号相对于实际播放音频失真导致的无法消除回声信号的缺陷。

Description

噪声音频消除方法、语音识别方法

技术领域

本发明涉及噪声消除技术领域，尤其涉及一种噪声音频消除方法、语音识别方法。

背景技术

随着语音识别技术的不断发展，越来越多的智能终端设备(例如，智能音箱、智能电视等)通过麦克风采集音频信号之后进行语音识别提供服务。然而由于麦克风采所采集的音频信号x中除了用户的语音信号之外还有智能终端设备自身所播放音频的回声音频(相当于一种噪声音频)，为了避免这种噪声音频对语音识别的影响，在进行语音识别之前需要将该噪声音频从所采集的音频信号中滤除掉。由于智能终端设备所播放的音频所对应的电学信号y是已知的，所以现有技术中将待识别音频确定为：x-y。

然而发明人在实现本发明的过程中发现，由于智能终端设备播放的音频所对应的电学信号y是通过扬声器进行的播放，然而实际上经扬声器播放之后电学信号是会发生失真的。同时由于外界因素例如供电电压或电路板设计布局等，都会对声音这类模拟信号产生波动影响，从而导致播放出去的音频发生失真。此外，发明人发现随着智能终端设备播放音频时音量的不同，也会导致播放音频的失真。由此可见，智能终端设备通过麦克风所采集到的噪声音频是失真之后的y，因此基于x-y所进行语音识别还是会由于噪声的存在影响语音识别的质量。

发明内容

本发明实施例提供一种噪声音频消除方法、语音识别方法，用于至少解决上述技术问题之一。

第一方面，本发明实施例提供一种噪声音频消除方法，应用于电子设备，该方法包括：

预先建立多个不同音量的音频信号和多个增益因子之间的映射关系，所述增益因子用于将相应音量的音频信号转化为模拟回声信号；

获取所述电子设备通过音频采集装置所采集的混合音频信号；

确定所述电子设备的当前播放音频信号的音量；

根据所述映射关系确定对应于所述当前播放音频信号所对应的增益因子为目标增益因子；

根据所述目标增益因子和所述当前播放音频信号确定目标模拟回声信号；

根据所述模拟回声信号对所述混合音频信号进行噪声消除。

第二方面，本发明实施例提供一种语音识别方法，用于电子设备，该方法包括：

采用本发明任一实施例所述的噪声音频消除方法对音频信号进行噪声音频消除；

对噪声音频消除后的音频信号进行语音识别处理。

第三方面，本发明实施例提供一种存储介质，所述存储介质中存储有一个或多个包括执行指令的程序，所述执行指令能够被电子设备(包括但不限于计算机，服务器，或者网络设备等)读取并执行，以用于执行本发明任一项实施例所述的噪声音频消除方法或者语音识别方法。

第四方面，提供一种电子设备，其包括：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本发明任一项实施例所述的噪声音频消除方法或者语音识别方法。

第五方面，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行任一项实施例所述的噪声音频消除方法或者语音识别方法。

本发明实施例的有益效果在于：采用了计算出来的模拟回声信号来进行噪声消除，避免了由于环境因素的影响(例如，扬声器播放、供电电压以及电路板设计布局等因素的影响)导致采集的回声信号相对于实际播放音频失真导致的无法消除回声信号的缺陷。此外，本实施例还考虑到了播放音量对回声信号导致的失真，通过为不同音量的音频信号确定增益因子，以用于生成对应于不同音量的音频信号的模拟回声信号，从而可以根据终端设备播放音频的音量来确定更加精准的模拟回声信号，实现对回声音频的彻底除噪。这也将极大的提高后续语音识别的准确率。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的噪声音频消除方法的一实施例的流程图；

图2为本发明的噪声音频消除方法的另一实施例的流程图；

图3为本发明的噪声音频消除方法的又一实施例的流程图；

图4为本发明的语音识别方法的一实施例的流程图；

图5为本发明的电子设备的一实施例的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、元件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

在本发明中，“模块”、“装置”、“系统”等指应用于计算机的相关实体，如硬件、硬件和软件的组合、软件或执行中的软件等。详细地说，例如，元件可以、但不限于是运行于处理器的过程、处理器、对象、可执行元件、执行线程、程序和/或计算机。还有，运行于服务器上的应用程序或脚本程序、服务器都可以是元件。一个或多个元件可在执行的过程和/或线程中，并且元件可以在一台计算机上本地化和/或分布在两台或多台计算机之间，并可以由各种计算机可读介质运行。元件还可以根据具有一个或多个数据包的信号，例如，来自一个与本地系统、分布式系统中另一元件交互的，和/或在因特网的网络通过信号与其它系统交互的数据的信号通过本地和/或远程过程来进行通信。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”，不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本发明提供一种噪声音频消除方法，应用于电子设备，该电子设备可以是具备语音识别功能或者语音对话服务的智能终端，例如，可以是智能音箱、智能电视、智能手机、平板电脑、智能车机设备以及自动翻译设备等，本发明对此不作限定。

如图1所示，本发明的实施例提供一种噪声音频消除方法，应用于电子设备，所述方法包括：

S10、预先建立多个不同音量的音频信号和多个增益因子之间的映射关系，所述增益因子用于将相应音量的音频信号转化为模拟回声信号。

S20、获取所述电子设备通过音频采集装置所采集的混合音频信号；示例性地的，音频采集装置为麦克风阵列。

S30、确定所述电子设备的当前播放音频信号的音量。

S40、根据所述映射关系确定对应于所述当前播放音频信号所对应的增益因子为目标增益因子。

S50、根据所述目标增益因子和所述当前播放音频信号确定目标模拟回声信号。示例性地，目标增益因子与当前播放音频信号相乘得到目标模拟回声信号。

S60、根据所述模拟回声信号对所述混合音频信号进行噪声消除。

本实施例中采用了计算出来的模拟回声信号来进行噪声消除，避免了由于环境因素的影响(例如，扬声器播放、供电电压以及电路板设计布局等因素的影响)导致采集的回声信号相对于实际播放音频失真导致的无法消除回声信号的缺陷。

如图2所示，为本发明的噪声音频消除方法的另一实施例的流程图，在该实施例中，预先建立多个不同音量的音频信号和多个增益因子之间的映射关系包括：

S11、在安静环境下通过所述电子设备播放所述多个不同音量的音频信号；示例性地，多个不同音量的音频信号为线性扫频信号或者对数扫频信号或者步进扫频信号。

示例性地，多个不同音量的音频信号对应多个不同幅值的音源。在安静环境下通过所述电子设备播放所述多个不同音量的音频信号包括：在安静环境下通过所述电子设备播放所述多个不同幅值的音源。

S12、通过所述电子设备的音频采集装置采集对应于所述多个不同音量的音频信号的多个真实回声信号。

S13、根据所述多个不同音量的音频信号和所述多个真实回声信号确定多个增益因子。

S14、建立所述多个不同音量的音频信号和所述多个增益因子之间的映射关系。

本实施例考虑到了播放音量对回声信号导致的失真，通过为不同音量的音频信号确定增益因子，以用于生成对应于不同音量的音频信号的模拟回声信号，从而可以根据终端设备播放音频的音量来确定更加精准的模拟回声信号，实现对回声音频的彻底除噪。这也将极大的提高后续语音识别的准确率。

如图3所示，为本发明的噪声音频消除方法的另一实施例的流程图，在该实施例中，确定所述电子设备的当前播放音频信号的音量包括：

S31、确定所述电子设备的当前播放音频信号的能量值；示例性地，当前播放音频信号的能量值与所述当前播放音频信号的幅值正相关，幅值越大相应的能量值越大。

S32、查询预先设置的能量值-音量映射表确定对应于所述当前播放音频信号的能量值的音量。示例性地，能量值-音量映射表中存储有多个不同音量和相应的多个不同能量值。音量越大则音频信号的幅值越大，从而音频信号的能量也就越大。

示例性地，查询预先设置的能量值-音量映射表确定对应于所述当前播放音频信号的能量值的音量包括：查询预先设置的能量值-音量映射表确定与所述当前播放音频信号的能量值最接近的能量值；确定所述最接近的能量值所对应的音量为对应于所述当前播放音频信号的能量值的音量。

示例性地，查询预先设置的能量值-音量映射表确定对应于所述当前播放音频信号的能量值的音量包括：查询预先设置的能量值-音量映射表确定与所述当前播放音频信号的能量值相邻且较小的能量值；确定所述相邻且较小的能量值所对应的音量为对应于所述当前播放音频信号的能量值的音量。本实施例之所以选择与当前播放音频信号的能量值相邻且较小的能量值来确定当前播放音频信号的音量，是因为发明人发现由于实际情况下信号传播是存在能量衰减的，为了使得最终得到的模拟回声信号更加接近于实际回声信号，所以选择相邻且较小的能量值来确定当前播放音频信号的音量更加贴近实际情况。而并非简单的选择大小最接近的能量值。

在一些实施例中，本发明的噪声音频消除方法具体实现为：

首先，通过音频软件生成不同幅值大小的音源，并让设备扬声器播放，音源可以是线性扫频信号，可以是对数扫频信号，也可以是步进扫频信号。要求是音源的频率范围需要覆盖算法所需要的频率范围，比如算法是针对16000Hz采样的音频，该音频的频率是在0-8000Hz，则音源的频率范围需要包含0-8000Hz。

其次，让设备在消声室中用最大音量格自放自录上述音源，音源的不同幅值会让设备播放的音量有大小差异。通过设备mic采集到的该设备本身播放的不同音量的信号Y(K)，设备播放时的电学信号d(M)，

得到失真矩阵系数C(K，M，V)(不同音量对应不同的V)，其中变量K，M表征音频信号和电学信号的频域子带序号，V表征不同电学信号d(M)的频域子带的能量大小。

回声消除后的残留ERR(K)＝Y(K)-W(K)*ΣC(K,M,V)*d(M)，此处求和为对M进行求和。其中V参数的选择可以用最接近d(M)的数值来近似。W(K)是回声消除滤波器函数，通过自适应计算得到。

本发明的实施例提供一种语音识别方法，用于电子设备，该电子设备可以是具备语音识别功能或者语音对话服务的智能终端，例如，可以是智能音箱、智能电视、智能手机、平板电脑、智能车机设备以及自动翻译设备等，本发明对此不作限定。

如图4所示，本发明的实施例提供一种语音识别方法，用于电子设备，该方法包括：

S401、采用本发明任一实施例所述的噪声音频消除方法对音频信号进行噪声音频消除；

S402、对噪声音频消除后的音频信号进行语音识别处理。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作合并，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。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发明所必须的。在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在一些实施例中，本发明实施例提供一种非易失性计算机可读存储介质，所述存储介质中存储有一个或多个包括执行指令的程序，所述执行指令能够被电子设备(包括但不限于计算机，服务器，或者网络设备等)读取并执行，以用于执行本发明任一项实施例所述的噪声音频消除方法或者语音识别方法。

在一些实施例中，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行本发明任一项实施例所述的噪声音频消除方法或者语音识别方法。

在一些实施例中，本发明实施例还提供一种电子设备，其包括：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本发明任一项实施例所述的噪声音频消除方法或者语音识别方法。

在一些实施例中，本发明实施例还提供一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行本发明任一项实施例所述的噪声音频消除方法或者语音识别方法。

图5是本申请另一实施例提供的执行噪声音频消除方法的电子设备的硬件结构示意图，如图5所示，该设备包括：

一个或多个处理器510以及存储器520，图5中以一个处理器510为例。

执行噪声音频消除方法的设备还可以包括：输入装置530和输出装置540。

处理器510、存储器520、输入装置530和输出装置540可以通过总线或者其他方式连接，图5中以通过总线连接为例。

存储器520作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的噪声音频消除方法对应的程序指令/模块。处理器510通过运行存储在存储器520中的非易失性软件程序、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噪声音频消除方法。

存储器520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噪声音频消除装置的使用所创建的数据等。此外，存储器520可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器520可选包括相对于处理器510远程设置的存储器，这些远程存储器可以通过网络连接至噪声音频消除装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置530可接收输入的数字或字符信息，以及产生与噪声音频消除装置的用户设置以及功能控制有关的信号。输出装置540可包括显示屏等显示设备。

所述一个或者多个模块存储在所述存储器520中，当被所述一个或者多个处理器510执行时，执行上述任意方法实施例中的噪声音频消除方法。

上述产品可执行本申请实施例所提供的方法，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，可参见本申请实施例所提供的方法。

本申请实施例的电子设备以多种形式存在，包括但不限于:

(1)移动通信设备:这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iPhone)、多媒体手机、功能性手机，以及低端手机等。

(2)超移动个人计算机设备:这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括:PDA、MID和UMPC设备等，例如iPad。

(3)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如iPod)，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备。

(4)其他具有数据交互功能的电子装置。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种噪声音频消除方法，应用于电子设备，所述方法包括：

预先建立多个不同音量的音频信号和多个增益因子之间的映射关系，所述增益因子用于将相应音量的音频信号转化为模拟回声信号；

获取所述电子设备通过音频采集装置所采集的混合音频信号；

确定所述电子设备的当前播放音频信号的音量；

根据所述映射关系确定对应于所述当前播放音频信号所对应的增益因子为目标增益因子；

根据所述目标增益因子和所述当前播放音频信号确定目标模拟回声信号；

根据所述模拟回声信号对所述混合音频信号进行噪声消除。

2.根据权利要求1所述的方法，其特征在于，所述预先建立多个不同音量的音频信号和多个增益因子之间的映射关系包括：

在安静环境下通过所述电子设备播放所述多个不同音量的音频信号；

通过所述电子设备的音频采集装置采集对应于所述多个不同音量的音频信号的多个真实回声信号；

根据所述多个不同音量的音频信号和所述多个真实回声信号确定多个增益因子；

建立所述多个不同音量的音频信号和所述多个增益因子之间的映射关系。

3.根据权利要求2所述的方法，其特征在于，所述多个不同音量的音频信号为线性扫频信号或者对数扫频信号或者步进扫频信号。

4.根据权利要求2所述的方法，其特征在于，所述多个不同音量的音频信号对应多个不同幅值的音源；

在安静环境下通过所述电子设备播放所述多个不同音量的音频信号包括：在安静环境下通过所述电子设备播放所述多个不同幅值的音源。

5.根据权利要求1所述的方法，其特征在于，确定所述电子设备的当前播放音频信号的音量包括：

确定所述电子设备的当前播放音频信号的能量值；

查询预先设置的能量值-音量映射表确定对应于所述当前播放音频信号的能量值的音量。

6.根据权利要求5所述的方法，其特征在于，查询预先设置的能量值-音量映射表确定对应于所述当前播放音频信号的能量值的音量包括：

查询预先设置的能量值-音量映射表确定与所述当前播放音频信号的能量值最接近的能量值；

确定所述最接近的能量值所对应的音量为对应于所述当前播放音频信号的能量值的音量。

7.根据权利要求6所述的方法，其特征在于，所述当前播放音频信号的能量值与所述当前播放音频信号的幅值正相关。

8.一种语音识别方法，用于电子设备，所述方法包括：

采用权利要求1-7中任一项所述的方法对音频信号进行噪声音频消除；

对噪声音频消除后的音频信号进行语音识别处理。

9.一种电子设备，其包括：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1-8中任意一项所述方法的步骤。

10.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-8中任意一项所述方法的步骤。

Images