CN113345456B - 回声分离方法、装置及存储介质 - Google Patents
回声分离方法、装置及存储介质 Download PDFInfo
- Publication number
- CN113345456B CN113345456B CN202110604011.0A CN202110604011A CN113345456B CN 113345456 B CN113345456 B CN 113345456B CN 202110604011 A CN202110604011 A CN 202110604011A CN 113345456 B CN113345456 B CN 113345456B
- Authority
- CN
- China
- Prior art keywords
- vector
- signal
- separation
- frame
- kth frame
- 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
- 238000000926 separation method Methods 0.000 title claims abstract description 149
- 238000000034 method Methods 0.000 claims abstract description 22
- 239000011159 matrix material Substances 0.000 claims description 84
- 238000009499 grossing Methods 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000014509 gene expression Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 230000005236 sound signal Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000003384 imaging method Methods 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
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 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
- G10L21/0272—Voice signal separating
-
- 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
- G10L21/0272—Voice signal separating
- G10L21/0308—Voice signal separating characterised by the type of parameter measurement, e.g. correlation techniques, zero crossing techniques or predictive techniques
-
- 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)
- Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
Abstract
本公开涉及一种回声分离方法、装置及存储介质,该方法包括:获取麦克风的采集信号,其中,所述采集信号包括扬声器发出的声音形成的回声信号和用户发出的声音形成的目标信号;确定分离向量,其中,所述分离向量用于对混合信号向量进行分离,所述混合信号向量为所述麦克风的所述采集信号与尚未经扬声器发出的参考信号组成的混合信号向量;根据所述分离向量和所述混合信号向量,得到所述目标信号的预估信号。通过上述技术方案,可以提升回声分离的鲁棒性和准确性。
Description
技术领域
本公开涉及音频处理技术领域,尤其涉及一种回声分离方法、装置及存储介质。
背景技术
随着计算机技术的发展,智能语音作为人工智能核心技术之一,可以有效地改善人机交互的模式,提高智能语音设备使用的便捷性。目前,智能语音设备通常采用麦克风阵列作为声音采集器,例如,设备在播放音乐等场景时,扬声器播放出的音乐也会被自身的麦克风拾取而形成回声,回声会对用户发出的控制指令等声音信号造成干扰,降低设备的语音识别率。因此,去除语音设备的回声干扰,保留有效音频信号,在语音增强技术中是一个常用的环节。
相关技术中,进行回声分离时一般采用自适应NLMS(Normalized Least MeanSquare,归一化最小均方)技术,通过滤波器来拟合回声路径,估计出回声,然后从麦克风接收到的信号中减去估计出的回声,得到回声分离后的信号,然而这种方式需要一个双讲(Doubletalk)估计模块,一个鲁棒的双讲估计模块难以获得,从而使得回声分离效果较差,准确性不足。
发明内容
为克服相关技术中存在的问题,本公开提供一种回声分离方法、装置及存储介质。
根据本公开实施例的第一方面,提供一种回声分离方法,包括:
获取麦克风的采集信号,其中,所述采集信号包括扬声器发出的声音形成的回声信号和用户发出的声音形成的目标信号;
确定分离向量,其中,所述分离向量用于对混合信号向量进行分离,所述混合信号向量为所述麦克风的所述采集信号与尚未经扬声器发出的参考信号组成的混合信号向量;
根据所述分离向量和所述混合信号向量,得到所述目标信号的预估信号。
可选地,所述根据所述分离向量和所述混合信号向量,得到所述目标信号的预估信号,包括:
通过如下算式得到第k帧的所述预估信号:
其中,f表示指定频点,k表示帧号,k为正整数,y(k,f)表示第k帧的所述预估信号,v1(k,f)表示第k帧的所述分离向量,X(k,f)表示第k帧的混合信号向量,H表示向量的共轭转置。
可选地,所述确定分离向量,包括:
确定第k帧的所述预估信号的目标加权协方差矩阵,k为正整数;
根据第一预设向量和所述目标加权协方差矩阵,确定第k帧的初始向量;
根据第k帧的所述初始向量确定第k帧的所述分离向量。
可选地,所述确定第k帧的所述预估信号的目标加权协方差矩阵,包括:
根据第k帧的混合信号向量、第k-1帧对应的分离向量,确定第k帧的所述预估信号的先验频域数据,k为正整数;
根据所述先验频域数据,确定所述目标加权协方差矩阵。
可选地,所述根据所述先验频域数据,确定所述目标加权协方差矩阵,包括:
根据所述先验频域数据和预设对比函数,确定第k帧的所述预估信号的加权平滑系数;
根据所述加权平滑系数、第k帧的混合信号向量、第k-1帧的预估信号的加权协方差矩阵,确定所述目标加权协方差矩阵。
可选地,所述根据所述加权平滑系数、第k帧的混合信号向量、第k-1帧的预估信号的加权协方差矩阵,确定所述目标加权协方差矩阵,包括:
通过如下算式确定所述目标加权协方差矩阵:
C(k,f)=αC(k-1,f)+β(k,f)X(k,f)XH(k,f)
其中,f表示指定频点,C(k,f)表示目标加权协方差矩阵,C(k-1,f)表示第k-1帧的预估信号的加权协方差矩阵,α为预设参数,β(k,f)表示加权平滑系数,X(k,f)表示第k帧的混合信号向量。
可选地,在k为1的情况下,第k-1帧的预估信号的加权协方差矩阵为预设矩阵,第k-1帧对应的分离向量为第二预设向量。
可选地,所述根据第一预设向量和所述目标加权协方差矩阵,确定第k帧的初始向量,包括:
通过如下算式确定所述初始向量:
v1'(k,f)=C-1(k,f)i1
其中,v1'(k,f)表示第k帧的初始向量,C(k,f)表示目标加权协方差矩阵,i1表示第一预设向量。
可选地,所述根据第k帧的所述初始向量确定第k帧的所述分离向量,包括:
根据第k帧的所述初始向量中的首个元素对所述初始向量进行归一化,以得到第k帧的所述分离向量。
根据本公开实施例的第二方面,提供一种回声分离装置,包括:
获取模块,用于获取麦克风的采集信号,其中,所述采集信号包括扬声器发出的声音形成的回声信号和用户发出的声音形成的目标信号;
分离向量确定模块,用于确定分离向量,其中,所述分离向量用于对混合信号向量进行分离,所述混合信号向量为所述麦克风的所述采集信号与尚未经扬声器发出的参考信号组成的混合信号向量;
预估信号确定模块,用于根据所述分离向量和所述混合信号向量,得到所述目标信号的预估信号。
可选地,所述预估信号确定模块用于:通过如下算式得到第k帧的所述预估信号:
其中,f表示指定频点,k表示帧号,k为正整数,y(k,f)表示第k帧的所述预估信号,v1(k,f)表示第k帧的所述分离向量,X(k,f)表示第k帧的混合信号向量,H表示向量的共轭转置。
可选地,所述分离向量确定模块,包括:
加权协方差矩阵确定子模块,用于确定第k帧的所述预估信号的目标加权协方差矩阵,k为正整数;
初始向量确定子模块,用于根据第一预设向量和所述目标加权协方差矩阵,确定第k帧的初始向量;
分离向量确定子模块,用于根据第k帧的所述初始向量确定第k帧的所述分离向量。
可选地,所述加权协方差矩阵确定子模块,包括:
第一确定子模块,用于根据第k帧的混合信号向量、第k-1帧对应的分离向量,确定第k帧的所述预估信号的先验频域数据,k为正整数;
第二确定子模块,用于根据所述先验频域数据,确定所述目标加权协方差矩阵。
可选地,所述第二确定子模块,包括:
第三确定子模块,用于根据所述先验频域数据和预设对比函数,确定第k帧的所述预估信号的加权平滑系数;
第四确定子模块,用于根据所述加权平滑系数、第k帧的混合信号向量、第k-1帧的预估信号的加权协方差矩阵,确定所述目标加权协方差矩阵。
可选地,所述第四确定子模块,用于通过如下算式确定所述目标加权协方差矩阵:
C(k,f)=αC(k-1,f)+β(k,f)X(k,f)XH(k,f)
其中,f表示指定频点,C(k,f)表示目标加权协方差矩阵,C(k-1,f)表示第k-1帧的预估信号的加权协方差矩阵,α为预设参数,β(k,f)表示加权平滑系数,X(k,f)表示第k帧的混合信号向量。
可选地,在k为1的情况下,第k-1帧的预估信号的加权协方差矩阵为预设矩阵,第k-1帧对应的分离向量为第二预设向量。
可选地,所述初始向量确定子模块,用于通过如下算式确定所述初始向量:
v1'(k,f)=C-1(k,f)i1
其中,v1'(k,f)表示第k帧的初始向量,C(k,f)表示目标加权协方差矩阵,i1表示第一预设向量。
可选地,分离向量确定子模块用于:根据第k帧的所述初始向量中的首个元素对所述初始向量进行归一化,以得到第k帧的所述分离向量。
根据本公开实施例的第三方面,提供一种回声分离装置,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:执行本公开第一方面所提供的回声分离方法的步骤。
根据本公开实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序指令,该程序指令被处理器执行时实现本公开第一方面所提供的回声分离方法的步骤。
本公开的实施例提供的技术方案可以包括以下有益效果:
通过上述技术方案,在进行回声分离时,确定分离向量,该分离向量用于对混合信号向量进行分离,该混合信号向量为麦克风的采集信号与尚未经扬声器发出的参考信号组成的混合信号向量,之后,根据分离向量和混合信号向量,得到目标信号的预估信号。由此,将回声和目标信号看成独立的源信号,采用分离向量将预估信号分离出来,达到回声分离的目的,不需要使用到双讲模块,也不依赖于滤波器更新步长的大小,提升回声分离的鲁棒性和准确性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种回声分离方法的流程图。
图2是根据一示例性实施例示出的一种确定分离向量的方法的流程图。
图3是根据一示例性实施例示出的一种确定第k帧的预估信号的目标加权协方差矩阵的方法的流程图。
图4是根据一示例性实施例示出的一种回声分离装置的框图。
图5是根据一示例性实施例示出的一种回声分离装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
相关技术中,进行回声分离时一般采用自适应NLMS(Normalized Least MeanSquare,归一化最小均方)技术,通过滤波器来拟合回声路径,估计出回声,然后从麦克风接收到的信号中减去估计出的回声,得到回声分离后的信号,然而这种方式需要一个双讲(Doubletalk)估计模块,一个鲁棒的双讲估计模块难以获得,从而使得回声分离效果较差,准确性不足。
下面首先对相关技术中进行回声分离的方式进行介绍。
麦克风接收到的信号x(c)包含两部分,一部分是扬声器放出的声音经过真实的回声路径形成的回声e(c),另一部分是近端信号s(c),近端信号可以是语音设备近端的用户说出的语音信号,则麦克风接收到的信号可如下表达式(1)所示:
x(c)=e(c)+s(c) (1)
其中,c为采样点。
扬声器放出的声音经过真实的回声路径形成的回声e(c)可如下表达式(2)所示:
其中,a(c)表示真实回声路径向量,a(c)=[a0(c),...,aL-1(c)]T,L表示真实回声路径向量中系数的数量,al(c)表示真实回声路径向量中的第l个系数。r(c)表示参考信号向量,参考信号向量指的是尚未经扬声器发出的音频信号的向量,r(c)=[r(c),...,r(c-L+1)]T,r(c)、r(c-l)、r(c-L+1)表示参考信号向量中的元素。
其中,w(c)为滤波器系数,w(c)=[w0(c),...,wL-1(c)]T,wl(c)表示滤波器的第l个系数。
通常情况下,估计w(c)采用NLMS(Normalized Least Mean Square,归一化最小均方)算法,如下表达式(5)所示:
其中,μ为滤波器更新步长,δ为预设正数。在实际应用中,滤波器更新步长μ是一个需要自适应调整的参数。双讲(Double talk)的情况下,即近端信号和回声同时存在时,滤波器更新步长应尽可能小,防止滤波器发散;单讲(Single talk)的情况下,即仅有回声存在时,滤波器更新步长恢复到一个正常的水平,但又不能太大,否则稳态误差会变大,回声残留变多。因此,NLMS算法需要设计一个双讲检测模块,自适应的根据各种情况调整滤波器更新步长,但是一般不容易实现,从而影响了算法的性能,使得回声分离效果较差,准确性不足。
鉴于此,本公开提供一种回声分离方法、装置及存储介质,提高回声分离的鲁棒性和准确性。
在阐述本公开提供的回声分离方法的具体实施方式之前,先对该方法所基于的原理进行说明。
其中,建立如表达式(6)~(10)所示的模型:
X(k,f)=A(k,f)S(k,f) (6)
Y(k,f)=B(k,f)X(k,f) (7)
S(k,f)=[s(k,f),r(k,f)]T (8)
X(k,f)=[x(k,f),r(k,f)]T (9)
Y(k,f)=[y(k,f),r(k,f)]T (10)
k表示帧号索引,f表示频点索引,表达式(9)用于对X(k,f)进行定义,其中x(k,f)表示麦克风在第k帧的采集信号在频点f处的频域数据,r(k,f)表示第k帧的尚未经扬声器发出的参考信号在频点f处的频域数据,则X(k,f)表示第k帧的混合信号向量,即麦克风在第k帧的采集信号与第k帧的参考信号组成的、在频点f处的混合信号向量。
表达式(8)用于对S(k,f)进行定义,s(k,f)表示第k帧的目标信号在频点f处的频域数据,S(k,f)表示第k帧的目标信号与第k帧的参考信号组成的、在频点f处的源信号向量,目标信号即用户发出的声音形成的信号。
表达式(10)用于对Y(k,f)进行定义,y(k,f)表示第k帧的预估信号在频点f处的频域数据,Y(k,f)表示第k帧的预估信号与第k帧的参考信号组成的、在频点f处的输出信号向量。
表达式(7)用于表征输出信号向量Y(k,f)的生成过程,其中B(k,f)为解混矩阵,b(k,f)是将a(k,f)取反得到的,I表示单位阵,为矩阵B(k,f)的上半部分,/>为矩阵B(k,f)的下半部分,并且,v1(k,f)表示用于对第k帧的混合信号向量进行分离,以得到第k帧的预估信号在频点f处的频域数据的分离向量,v2(k,f)表示用于对第k帧的混合信号向量进行分离,以得到第k帧的参考信号在频点f处的频域数据的分离向量。
其中,预估信号指的是对麦克风接收到的信号进行回声分离后的信号,因此目标即为求解y(k,f),由于x(k,f)、s(k,f)、r(k,f)为已知的观测量,根据上述模型可知,求解y(k,f)转化为求解B(k,f),而且由于仅需关注预估信号,因此求解B(k,f)又转化为求解v1(k,f)即可。
由此,基于盲源分离技术,利用不同声源信号间的独立性进行声源的分离,将回声和目标信号看成独立的源信号,将回声从目标信号中分离出来,从而将目标信号和噪声源信号分开,提高信号的信噪比。不需要使用到双讲模块,规避了相关技术中的限制,提升了回声分离性能。
下面对本公开实施例的回声分离方法进行介绍。
图1是根据一示例性实施例示出的一种回声分离方法的流程图,该方法可应用于语音设备中,如图1所示,该方法可包括S101至S103。
在S101中,获取麦克风的采集信号。其中,所述采集信号包括扬声器发出的声音形成的回声信号和用户发出的声音形成的目标信号。
在S102中,确定分离向量。该分离向量用于对混合信号向量进行分离,该混合信号向量为麦克风的采集信号与尚未经扬声器发出的参考信号组成的混合信号向量。
其中,第k帧的混合信号向量为麦克风在第k帧的采集信号与第k帧的参考信号组成的混合信号向量,第k帧的参考信号为尚未经扬声器发出的第k帧的音频信号,k为正整数。
在S103中,根据分离向量和混合信号向量,得到目标信号的预估信号。
预估信号为预估的对麦克风采集到的信号进行回声分离后的信号,根据分离向量和第k帧的混合信号向量,可确定第k帧的预估信号,回声分离效果越好,预估信号与目标信号越接近。
通过上述技术方案,在进行回声分离时,确定分离向量,该分离向量用于对混合信号向量进行分离,该混合信号向量为麦克风的采集信号与尚未经扬声器发出的参考信号组成的混合信号向量,之后,根据分离向量和混合信号向量,得到目标信号的预估信号。由此,将回声和目标信号看成独立的源信号,采用分离向量将预估信号分离出来,达到回声分离的目的,不需要使用到双讲模块,也不依赖于滤波器更新步长的大小,提升回声分离的鲁棒性和准确性。
可选地,S103中根据分离向量和混合信号向量,得到目标信号的预估信号,可包括:
通过如下算式(11)得到第k帧的预估信号:
其中,f表示指定频点,y(k,f)表示第k帧的预估信号,v1(k,f)表示第k帧的分离向量,X(k,f)表示第k帧的混合信号向量。第k帧的混合信号向量X(k,f)可根据上述表达式(9)计算,即X(k,f)=[x(k,f),r(k,f)]T,x(k,f)表示麦克风在第k帧的采集信号在频点f处的频域数据,r(k,f)表示第k帧的参考信号在频点f处的频域数据,均为已知的观测量,故可求解出y(k,f),并作为对麦克风在第k帧的采集信号进行回声分离后的信号、在指定频点处的目标频域数据。
图2是根据一示例性实施例示出的一种确定分离向量的方法的流程图,如图2所示,该方法可包括S201至S203。
在S201中,确定第k帧的预估信号的目标加权协方差矩阵。
该步骤S201的示例性实施方式可如图3所示,包括S2011和S2012。
在S2011中,根据第k帧的混合信号向量、第k-1帧对应的分离向量,确定第k帧的预估信号的先验频域数据。
该先验频域数据即根据第k-1帧的分离向量,预估出的第k帧回声分离后的信号的频域数据。其中,第k-1帧对应的分离向量用于对第k-1帧的混合信号向量进行分离。值得说明的是,在对第k帧的信号进行回声分离时,第k-1帧对应的分离向量是已知的,即在第k-1帧时已经求解出。
示例地,可通过如下公式(12)确定先验频域数据:
其中,y'(k,f)表示第k帧的预估信号在指定频点处的先验频域数据,v1(k-1,f)表示第k-1帧对应的分离向量。
在S2012中,根据先验频域数据,确定目标加权协方差矩阵。
其中,可首先根据先验频域数据和预设对比函数,确定第k帧的预估信号的加权平滑系数。
示例地,可通过如下公式(13)确定加权平滑系数:
其中,δ为正数,对其取值不做限制,γ为形状参数,取值例如可以为0.2,值得说明的是,γ取值为0.2仅为示例,不构成对本公开实施方式的限制。
在确定出加权平滑系数之后,可根据加权平滑系数、第k帧的混合信号向量、第k-1帧的预估信号的加权协方差矩阵,确定目标加权协方差矩阵。
示例地,可通过如下公式(15)确定目标加权协方差矩阵:
C(k,f)=αC(k-1,f)+β(k,f)X(k,f)XH(k,f) (15)
其中,C(k,f)表示目标加权协方差矩阵,C(k-1,f)表示第k-1帧的预估信号在指定频点f处的加权协方差矩阵,α为预设参数,β(k,f)表示加权平滑系数,X(k,f)表示第k帧的混合信号向量。值得说明的是,在求解第k帧的回声分离后的信号时,第k-1帧的预估信号在指定频点f处的加权协方差矩阵是已知的,即在第k-1帧时已经求解出。
本公开中,帧号k的取值可以为正整数,即大于或等于1的整数,由于上述涉及到第k-1帧的预估信号的加权协方差矩阵,以及第k-1帧对应的分离向量,因此,在k为1的情况下,第k-1帧的预估信号的加权协方差矩阵可以为预设矩阵,第k-1帧对应的分离向量可以为第二预设向量。
作为示例,在k为1的情况下,第k-1帧的预估近端信号的加权协方差矩阵,即C(0,f)可以初始化为零矩阵,该矩阵C(0,f)例如可以为第k-1帧对应的分离向量可以初始化为第一个元素为1,其他元素为0的向量,该第二预设向量v1(0,f)例如可以为v1(0,f)=[1 0]T。
在S202中,根据第一预设向量和目标加权协方差矩阵,确定第k帧的初始向量。
在确定出目标加权协方差矩阵后,例如可通过如下公式(16)确定第k帧的初始向量:
v1'(k,f)=C-1(k,f)i1 (16)
其中,v1'(k,f)表示第k帧的初始向量,C(k,f)表示目标加权协方差矩阵,i1表示第一预设向量。该第一预设向量i1例如可以为i1=[1,0]T,需要说明的是,该第一预设向量的示例仅为示意,不构成对本公开实施方式的限制。
在S203中,根据第k帧的初始向量确定第k帧的分离向量。
根据初始向量确定分离向量的示例性实施方式可以为:根据第k帧的所述初始向量中的首个元素对所述初始向量进行归一化,以得到第k帧的所述分离向量。
例如可通过如下公式(17)得到第k帧的分离向量:
v1(k,f)=v1'(k,f)/v1 (17)
其中,v1表示初始向量v1'(k,f)中的首个元素,由此求解出分离向量v1(k,f)。
通过上述技术方案,首先利用第k-1帧对应的分离向量和第k帧的混合信号向量,得到第k帧的预估信号的先验频域数据,然后利用该先验频域数据和预设对比函数,确定加权平滑系数,再根据加权平滑系数、第k帧的混合信号向量、第k-1帧的预估信号的加权协方差矩阵,确定目标加权协方差矩阵,之后确定第k帧的初始向量,进而得到第k帧的分离向量。采用分离向量将第k帧的预估信号分离出来,达到对k帧的音频信号进行回声分离的目的,提升回声分离的鲁棒性和准确性。
基于同一发明构思,本公开还提供一种回声分离装置,图4是根据一示例性实施例示出的一种回声分离装置的框图,如图4所示,该装置400可包括:
获取模块401,用于获取麦克风的采集信号,其中,所述采集信号包括扬声器发出的声音形成的回声信号和用户发出的声音形成的目标信号;
分离向量确定模块402,用于确定分离向量,其中,所述分离向量用于对混合信号向量进行分离,所述混合信号向量为所述麦克风的所述采集信号与尚未经扬声器发出的参考信号组成的混合信号向量;
预估信号确定模块403,用于根据所述分离向量和所述混合信号向量,得到所述目标信号的预估信号。
采用上述装置400,在进行回声分离时,确定分离向量,该分离向量用于对混合信号向量进行分离,该混合信号向量为麦克风的采集信号与尚未经扬声器发出的参考信号组成的混合信号向量,之后,根据分离向量和混合信号向量,得到目标信号的预估信号。由此,将回声和目标信号看成独立的源信号,采用分离向量将预估信号分离出来,达到回声分离的目的,不需要使用到双讲模块,也不依赖于滤波器更新步长的大小,提升回声分离的鲁棒性和准确性。
可选地,所述预估信号确定模块用于:通过如下算式得到第k帧的所述预估信号:
其中,f表示指定频点,k表示帧号,k为正整数,y(k,f)表示第k帧的所述预估信号,v1(k,f)表示第k帧的所述分离向量,X(k,f)表示第k帧的混合信号向量,H表示向量的共轭转置。
可选地,所述分离向量确定模块,包括:
加权协方差矩阵确定子模块,用于确定第k帧的所述预估信号的目标加权协方差矩阵,k为正整数;
初始向量确定子模块,用于根据第一预设向量和所述目标加权协方差矩阵,确定第k帧的初始向量;
分离向量确定子模块,用于根据第k帧的所述初始向量确定第k帧的所述分离向量。
可选地,所述加权协方差矩阵确定子模块,包括:
第一确定子模块,用于根据第k帧的混合信号向量、第k-1帧对应的分离向量,确定第k帧的所述预估信号的先验频域数据,k为正整数;
第二确定子模块,用于根据所述先验频域数据,确定所述目标加权协方差矩阵。
可选地,所述第二确定子模块,包括:
第三确定子模块,用于根据所述先验频域数据和预设对比函数,确定第k帧的所述预估信号的加权平滑系数;
第四确定子模块,用于根据所述加权平滑系数、第k帧的混合信号向量、第k-1帧的预估信号的加权协方差矩阵,确定所述目标加权协方差矩阵。
可选地,所述第四确定子模块,用于通过如下算式确定所述目标加权协方差矩阵:
C(k,f)=αC(k-1,f)+β(k,f)X(k,f)XH(k,f)
其中,f表示指定频点,C(k,f)表示目标加权协方差矩阵,C(k-1,f)表示第k-1帧的预估信号的加权协方差矩阵,α为预设参数,β(k,f)表示加权平滑系数,X(k,f)表示第k帧的混合信号向量。
可选地,在k为1的情况下,第k-1帧的预估信号的加权协方差矩阵为预设矩阵,第k-1帧对应的分离向量为第二预设向量。
可选地,所述初始向量确定子模块,用于通过如下算式确定所述初始向量:
v1'(k,f)=C-1(k,f)i1
其中,v1'(k,f)表示第k帧的初始向量,C(k,f)表示目标加权协方差矩阵,i1表示第一预设向量。
可选地,分离向量确定子模块用于:根据第k帧的所述初始向量中的首个元素对所述初始向量进行归一化,以得到第k帧的所述分离向量。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本公开还提供一种计算机可读存储介质,其上存储有计算机程序指令,该程序指令被处理器执行时实现本公开提供的回声分离方法的步骤。
本公开还提供一种回声分离装置,包括:
处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为:执行本公开上述所提供的回声分离方法的步骤。
图5是根据一示例性实施例示出的一种回声分离装置800的框图。例如,装置800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图5,装置800可以包括以下一个或多个组件:处理组件802,存储器804,电力组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制装置800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的回声分离方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电力组件806为装置800的各种组件提供电力。电力组件806可以包括电源管理系统,一个或多个电源,及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当装置800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为装置800提供各个方面的状态评估。例如,传感器组件814可以检测到装置800的打开/关闭状态,组件的相对定位,例如所述组件为装置800的显示器和小键盘,传感器组件814还可以检测装置800或装置800一个组件的位置改变,用户与装置800接触的存在或不存在,装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的回声分离方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器804,上述指令可由装置800的处理器820执行以完成上述的回声分离方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在另一示例性实施例中,还提供一种计算机程序产品,该计算机程序产品包含能够由可编程的装置执行的计算机程序,该计算机程序具有当由该可编程的装置执行时用于执行上述的回声分离方法的代码部分。
本领域技术人员在考虑说明书及实践本公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (11)
1.一种回声分离方法,其特征在于,包括:
获取麦克风的采集信号,其中,所述采集信号包括扬声器发出的声音形成的回声信号和用户发出的声音形成的目标信号;
确定分离向量,其中,所述分离向量用于对混合信号向量进行分离,所述混合信号向量为所述麦克风的所述采集信号与尚未经扬声器发出的参考信号组成的混合信号向量;
根据所述分离向量和所述混合信号向量,得到所述目标信号的预估信号;
其中,所述确定分离向量,包括:
确定第k帧的所述预估信号的目标加权协方差矩阵,k为正整数;
根据第一预设向量和所述目标加权协方差矩阵,确定第k帧的初始向量;
根据第k帧的所述初始向量确定第k帧的所述分离向量。
3.根据权利要求1所述的方法,其特征在于,所述确定第k帧的所述预估信号的目标加权协方差矩阵,包括:
根据第k帧的混合信号向量、第k-1帧对应的分离向量,确定第k帧的所述预估信号的先验频域数据,k为正整数;
根据所述先验频域数据,确定所述目标加权协方差矩阵。
4.根据权利要求3所述的方法,其特征在于,所述根据所述先验频域数据,确定所述目标加权协方差矩阵,包括:
根据所述先验频域数据和预设对比函数,确定第k帧的所述预估信号的加权平滑系数;
根据所述加权平滑系数、第k帧的混合信号向量、第k-1帧的预估信号的加权协方差矩阵,确定所述目标加权协方差矩阵。
5.根据权利要求4所述的方法,其特征在于,所述根据所述加权平滑系数、第k帧的混合信号向量、第k-1帧的预估信号的加权协方差矩阵,确定所述目标加权协方差矩阵,包括:
通过如下算式确定所述目标加权协方差矩阵:
C(k,f)=αC(k-1,f)+β(k,f)X(k,f)XH(k,f)
其中,f表示指定频点,C(k,f)表示目标加权协方差矩阵,C(k-1,f)表示第k-1帧的预估信号的加权协方差矩阵,α为预设参数,β(k,f)表示加权平滑系数,X(k,f)表示第k帧的混合信号向量。
6.根据权利要求4或5所述的方法,其特征在于,在k为1的情况下,第k-1帧的预估信号的加权协方差矩阵为预设矩阵,第k-1帧对应的分离向量为第二预设向量。
7.根据权利要求1所述的方法,其特征在于,所述根据第一预设向量和所述目标加权协方差矩阵,确定第k帧的初始向量,包括:
通过如下算式确定所述初始向量:
v1'(k,f)=C-1(k,f)i1
其中,v1'(k,f)表示第k帧的初始向量,C(k,f)表示目标加权协方差矩阵,i1表示第一预设向量。
8.根据权利要求1所述的方法,其特征在于,所述根据第k帧的所述初始向量确定第k帧的所述分离向量,包括:
根据第k帧的所述初始向量中的首个元素对所述初始向量进行归一化,以得到第k帧的所述分离向量。
9.一种回声分离装置,其特征在于,包括:
获取模块,用于获取麦克风的采集信号,其中,所述采集信号包括扬声器发出的声音形成的回声信号和用户发出的声音形成的目标信号;
分离向量确定模块,用于确定分离向量,其中,所述分离向量用于对混合信号向量进行分离,所述混合信号向量为所述麦克风的所述采集信号与尚未经扬声器发出的参考信号组成的混合信号向量;
预估信号确定模块,用于根据所述分离向量和所述混合信号向量,得到所述目标信号的预估信号;
其中,所述分离向量确定模块,包括:
加权协方差矩阵确定子模块,用于确定第k帧的所述预估信号的目标加权协方差矩阵,k为正整数;
初始向量确定子模块,用于根据第一预设向量和所述目标加权协方差矩阵,确定第k帧的初始向量;
分离向量确定子模块,用于根据第k帧的所述初始向量确定第k帧的所述分离向量。
10.一种回声分离装置,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:执行权利要求1~8中任一项所述方法的步骤。
11.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,该程序指令被处理器执行时实现权利要求1~8中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110604011.0A CN113345456B (zh) | 2021-05-31 | 2021-05-31 | 回声分离方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110604011.0A CN113345456B (zh) | 2021-05-31 | 2021-05-31 | 回声分离方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113345456A CN113345456A (zh) | 2021-09-03 |
CN113345456B true CN113345456B (zh) | 2023-06-06 |
Family
ID=77473414
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110604011.0A Active CN113345456B (zh) | 2021-05-31 | 2021-05-31 | 回声分离方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113345456B (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6711528B2 (en) * | 2002-04-22 | 2004-03-23 | Harris Corporation | Blind source separation utilizing a spatial fourth order cumulant matrix pencil |
JP4769238B2 (ja) * | 2007-08-24 | 2011-09-07 | 日本電信電話株式会社 | 信号分離装置、信号分離方法、プログラム及び記録媒体 |
DE102008039330A1 (de) * | 2008-01-31 | 2009-08-13 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Vorrichtung und Verfahren zum Berechnen von Filterkoeffizienten zur Echounterdrückung |
US20130294611A1 (en) * | 2012-05-04 | 2013-11-07 | Sony Computer Entertainment Inc. | Source separation by independent component analysis in conjuction with optimization of acoustic echo cancellation |
CN109166589A (zh) * | 2018-08-13 | 2019-01-08 | 深圳市腾讯网络信息技术有限公司 | 应用声音抑制方法、装置、介质以及设备 |
CN109817240A (zh) * | 2019-03-21 | 2019-05-28 | 北京儒博科技有限公司 | 信号分离方法、装置、设备及存储介质 |
CN110459234B (zh) * | 2019-08-15 | 2022-03-22 | 思必驰科技股份有限公司 | 用于车载的语音识别方法及系统 |
-
2021
- 2021-05-31 CN CN202110604011.0A patent/CN113345456B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113345456A (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109361828B (zh) | 一种回声消除方法、装置、电子设备及存储介质 | |
CN111128221B (zh) | 一种音频信号处理方法、装置、终端及存储介质 | |
CN109308905B (zh) | 音频数据处理方法、装置、电子设备和存储介质 | |
CN111883164B (zh) | 模型训练方法、装置、电子设备及存储介质 | |
CN111179960B (zh) | 音频信号处理方法及装置、存储介质 | |
CN111986693A (zh) | 音频信号的处理方法及装置、终端设备和存储介质 | |
CN115273831A (zh) | 语音转换模型训练方法、语音转换方法和装置 | |
CN109256145B (zh) | 基于终端的音频处理方法、装置、终端和可读存储介质 | |
CN110931028A (zh) | 一种语音处理方法、装置和电子设备 | |
CN106791245B (zh) | 确定滤波器系数的方法及装置 | |
CN106060707B (zh) | 混响处理方法及装置 | |
CN109670025B (zh) | 对话管理方法及装置 | |
CN112201267A (zh) | 一种音频处理方法、装置、电子设备及存储介质 | |
CN113345456B (zh) | 回声分离方法、装置及存储介质 | |
CN110580910B (zh) | 一种音频处理方法、装置、设备及可读存储介质 | |
CN109309764B (zh) | 音频数据处理方法、装置、电子设备和存储介质 | |
CN113489854B (zh) | 声音处理方法、装置、电子设备和存储介质 | |
CN113489855B (zh) | 声音处理方法、装置、电子设备和存储介质 | |
CN111667842B (zh) | 音频信号处理方法及装置 | |
CN111294473B (zh) | 信号处理方法及装置 | |
CN113810828A (zh) | 音频信号处理方法、装置、可读存储介质及耳机 | |
CN113488066A (zh) | 音频信号处理方法、音频信号处理装置及存储介质 | |
CN113362841B (zh) | 音频信号处理方法、装置和存储介质 | |
CN113194387A (zh) | 音频信号处理方法、装置、电子设备及存储介质 | |
CN112434714A (zh) | 多媒体识别的方法、装置、存储介质及电子设备 |
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 |