具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
在介绍本公开提供的音频信号的降噪方法、装置、可读介质和电子设备之前,首先对本公开各个实施例所涉及的应用场景进行介绍。该应用场景可以为终端设备,终端设备例如包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。终端设备上是设置有WebRTC模块,用来对音频信号进行处理。
图1是根据一示例性实施例示出的一种音频信号的降噪方法的流程图,如图1所示,该方法包括以下步骤:
步骤101,获取带噪音频信号。
举例来说,终端设备上的声音采集装置(例如麦克风)采集外界的声音,得到带噪音频信号。通常情况下,终端设备不会对采集到的带噪音频信号立刻进行降噪处理,而是先对一段时间内(例如500ms)采集到的音频信号进行缓存,再依次进行降噪处理。因此,带噪音频信号可以为一段时间内采集的多帧音频信号中的任一帧音频信号,其中,带噪音频信号中包括有对应的原始音频信号和噪声信号。
步骤102,获取带噪音频信号的先验信噪比和后验信噪比。
示例的,可以先获取带噪音频信号的先验信噪比和后验信噪比。其中,后验信噪比为带噪音频信号的功率谱与带噪音频信号中的噪声功率谱的比值,先验信噪比为带噪音频信号中原始音频信号的功率谱与带噪音频信号中的噪声功率谱的比值。带噪音频信号的噪声功率谱为带噪音频信号中噪声信号的功率谱。具体的,带噪音频信号的功率谱可以直接由带噪音频信号经过傅立叶变换得到,而带噪音频信号中的噪声功率谱可以根据在带噪音频信号之前获取的预设数量(例如可以是50)帧音频信号构建的噪声模型来得到,那么可以根据带噪音频信号的噪声功率谱求得后验信噪比和先验信噪比。
步骤103,根据先验信噪比、后验信噪比和预设的双曲余弦COSH增益函数,确定带噪音频信号对应的COSH增益值。
步骤104,根据COSH增益值,对带噪音频信号进行降噪处理,得到目标音频信号。
示例的,在确定带噪音频信号的先验信噪比和后验信噪比之后,可以将带噪音频信号的先验信噪比和后验信噪比带入预设的COSH(英文:Hyperbolic Cosine,中文:双曲余弦)增益函数,从而得到带噪音频信号对应的COSH增益值。然后利用COSH增益值对带噪音频信号进行降噪处理,以得到与带噪音频信号中的原始音频信号之间的COSH测度最小的目标音频信号,即对带噪音频信号中原始音频信号的估计,从而达到去除噪声信号的目的。
具体的,利用COSH增益值对带噪音频信号进行降噪处理,可以包括:首先将带噪音频信号的频谱与COSH增益值的乘积,作为目标音频信号的频谱。然后根据目标音频信号的频谱,得到目标音频信号。即可以将带噪音频信号的频谱与COSH增益值相乘,得到的乘积即为目标音频信号的频谱,然后将目标音频信号的频谱进行傅立叶反变换,得到目标音频信号(即时域上的信号)。在得到目标音频信号后,可以对目标音频信号进行存储,也可以将目标音频信号发送至服务器或者其他终端设备,还可以直接对目标音频信号进行播放,本公开对此不作限定。
由于COSH增益函数能够将带噪音频信号中的原始音频信号与目标音频信号之间的COSH测度最小化,而COSH测度是针对语音设计的测量,反映的是人耳对于音频信号的感受,能够准确体现人耳感受音频信号的差异度,更适用于对音频信号的处理。因此利用COSH增益函数来对带噪音频信号进行降噪处理,得到的目标音频信号能够从人耳感受的角度,更接近带噪音频信号中的原始音频信号,能够有效地去除噪声信号,提高了降噪效果。
综上所述,本公开首先获取包括了原始音频信号和噪声信号的带噪音频信号,然后获取带噪音频信号的先验信噪比和后验信噪比,再根据先验信噪比和后验信噪比,和预设的COSH增益函数,确定带噪音频号对应的COSH增益值,最后利用COSH增益值对带噪音频信号进行降噪处理,以得到与带噪音频信号中包括的原始音频信号之间,COSH测度最小的目标音频信号。由于COSH测度能够体现人耳感受音频信号的差异度,因此利用能够将COSH测度最小化的COSH增益函数来处理带噪音频信号,得到与带噪音频信号中原始音频信号更接近的目标音频信号,能够有效地去除噪声信号,提高了降噪效果。
图2是根据一示例性实施例示出的另一种音频信号的降噪方法的流程图,如图2所示,步骤102的实现方式可以包括:
步骤1021,对带噪音频信号进行噪声估计,以得到带噪音频信号的噪声功率谱。
步骤1022,根据带噪音频信号的噪声功率谱,和带噪音频信号的功率谱,确定后验信噪比。
步骤1023,根据带噪音频信号的噪声功率谱和带噪音频信号的功率谱,利用两步噪声消除TSNR算法确定先验信噪比。
具体的,要获取带噪音频信号的先验信噪比和后验信噪比,首先需要对带噪音频信号进行噪声估计,求得带噪音频信号的噪声功率谱。例如可以利用WebRTC中的降噪模块,根据在带噪音频信号之前获取的预设数量(例如可以是50)帧音频信号建立GMM(英文:Gaussian Mixture Model,中文:高斯混合模型),由GMM来估计带噪音频信号中的噪声功率谱。之后,将带噪音频信号的功率谱与带噪音频信号的噪声功率谱的比值作为后验信噪比。以一帧音频信号为4ms来举例,用于构建GMM的50帧音频信号中每一帧音频信号的获取时间,与获取带噪音频信号的时间之前的时间差均小于200ms(即50*4ms)。或者,用于构建GMM的50帧音频信号也可以是步骤101中预先缓存的500ms的音频信号中,头200ms内获取的50帧音频信号。
由于带噪音频信号中包括了原始音频信号和噪声信号,因此带噪音频信号的功率谱中包括了原始音频信号的功率谱与噪声功率谱,那么可以根据带噪音频信号的噪声功率谱和带噪音频信号的功率谱,来确定先验信噪比。例如可以利用TSNR(英文:Two-stepNoise Reduction,中文:两步噪声消除)算法来确定带噪音频信号的先验信噪比。根据对大量的音频信号进行实验得到,利用TSNR算法求得的先验信噪比,相比于直接利用DD(英文:Decision Directed,中文:判决引导法)算法求得的先验信噪比具有更好的估计,抑制噪声的能力也更显著。具体的,TSNR算法可以采用Modified-TSNR计算公式来确定先验信噪比:
其中,m表示带噪音频信号为步骤101中预先缓存的多帧音频信号中的第m帧音频信号,k表示带噪音频信号的中k频率处的频率分量,ξMTS(m,k)表示利用Modified-TSNR算法求得的,带噪音频信号在k频率处的先验信噪比,ξDD(m,k)表示根据DD算法求得的带噪音频信号在k频率处的先验信噪比,Y(m,k)表示带噪音频信号在k频率处的功率谱,Γd(m,k)表示带噪音频信号在k频率处的噪声功率谱。
其中,DD算法可以包括以下公式:
其中,ξDD(m,k)表示根据DD算法求得的带噪音频信号在k频率处的先验信噪比,P'[υ(m,k)]表示带噪音频信号在k频率处的后验信噪比,HDD(m-1,k)表示多帧音频信号中的第m-1帧音频信号(即后文所述的历史音频信号)在k频率处的COSH增益值,Y(m-1,k)表示第m-1帧音频信号在k频率处的功率谱,Γd(m,k)表示带噪音频信号在k频率处的噪声功率谱,α为预设的常量,例如可以设置为0.98,ξmin为预设的先验信噪比的最小值。
可选地,步骤1021中计算带噪音频信号的噪声功率谱的方式,可以包括以下步骤:
步骤A)根据带噪音频信号的功率谱与历史音频信号的噪声功率谱,确定第一语音存在概率。其中,历史音频信号为带噪音频信号的上一帧,已进行降噪处理的音频信号,第一语音存在概率用于指示带噪音频信号中存在原始音频信号的概率。
步骤B)根据第一语音存在概率,对带噪音频信号进行噪声估计,以得到带噪音频信号的噪声功率谱。
举例来说,首先可以利用WebRTC中的降噪模块,根据在带噪音频信号之前获取的预设数量帧音频信号建立GMM,由GMM来确定第二语音存在概率。之后,根据带噪音频信号的功率谱与历史音频信号的噪声功率谱的比值,和第二语音存在概率,确定判别系数,若判别系数大于预设常数,确定第一语音存在概率为0,若判别系数小于或等于预设常数,确定第一语音存在概率为第二语音存在概率。最后根据第一语音存在概率,来对带噪音频信号进行噪声估计,以得到带噪音频信号的噪声功率谱。由于音频信号在频域上通常具有稀疏性,因此在第二语音存在概率的基础上,引入判别系数,能够抑制突发的噪声信号,从而提高噪声估计的准确度。其中,语音存在概率(包括上述的第一语音存在概率和第二语音存在概率),可以理解为带噪音频信号中,存在原始音频信号的概率。即带噪音频信号在频域的每个频点上,存在两种可能,针对某一频点,一种可能是在该频点处只包括噪声信号,另一种可能是该频点处既包括噪声信号,又包括原始音频信号,那么语音存在概率反映的是某一频点处存在原始音频信号的概率。
具体的,确定第一语音存在概率的方式可以包括:
1)根据带噪音频信号的功率谱与历史音频信号的噪声功率谱的比值,确定中间信噪比:
其中,m表示带噪音频信号为步骤101中预先缓存的多帧音频信号中的第m帧音频信号,SNR(m)表示带噪音频信号的中间信噪比,Y(m,k)表示带噪音频信号在k频率处的功率谱,Γd(m-1,k)表示多帧音频信号中的第m-1帧音频信号(即历史音频信号)在k频率处的噪声功率谱。
2)根据中间信噪比的大小,确定语音存在概率阈值:
其中,pth(m)表示带噪音频信号的语音存在概率阈值。
3)根据第二语音存在概率,与语音存在概率阈值的大小关系,确定判别系数。
其中,Q(m)表示判别系数,N表示傅立叶变换点数,
表示带噪音频信号在k频率处的第二语音存在概率。
4)若判别系数大于预设常数,确定第一语音存在概率为0,若判别系数小于或等于预设常数,确定第一语音存在概率为第二语音存在概率:
其中,
表示带噪音频信号在k频率处的第一语音存在概率,A表示预设常数,例如可以设置为0.71。
图3是根据一示例性实施例示出的另一种音频信号的降噪方法的流程图,如图3所示,步骤103的可以通过以下步骤来实现:
步骤1031,确定先验信噪比与后验信噪比的比例关系。
具体的,步骤1031中的比例关系的确定方式可以为:
根据先验信噪比与后验信噪比的乘积,和先验信噪比,确定比例关系,例如可以通过第一公式来确定比例关系,第一公式为:
其中,vk表示k频率处的比例关系,γk表示k频率处的后验信噪比,ξk表示k频率处的先验信噪比。
步骤1032,根据比例关系、后验信噪比、带噪音频信号的功率谱和COSH增益函数,确定COSH增益值。
相应的,步骤1032中的COSH增益值可以为:
根据比例关系、后验信噪比、带噪音频信号的功率谱和预设常数,利用超几何函数计算COSH增益值。具体的,可以通过两种方式来确定COSH增益值:
方式一:
根据比例关系、后验信噪比和带噪音频信号的功率谱,利用伽马函数和超几何函数,通过第二公式确定COSH增益值,第二公式为WCOSH(英文:Weighted HyperbolicCosine)测度的增益函数:
其中,
表示k频率处的COSH增益值,Γ表示伽马函数,Φ表示超几何函数,Y
k表示带噪音频信号在k频率处的功率谱,p表示预设的大于-1的常数,例如p可以为0.9。
方式二:
根据比例关系、后验信噪比和带噪音频信号的功率谱,利用超几何函数,通过第三公式确定COSH增益函数,第三公式为:
其中,
表示k频率处的COSH增益值,Φ表示超几何函数,Y
k表示带噪音频信号在k频率处的功率谱。
图4是根据一示例性实施例示出的带噪音频信号降噪处理后的示意图,其中的(a)的下半部分表示带噪音频信号,上半部分表示带噪音频信号中的原始音频信号,(b)的上半部分表示带噪音频信号中的原始音频信号,下半部分表示带噪音频信号经过维纳滤波器进行降噪处理后得到的信号,(c)的上半部分表示带噪音频信号中的原始音频信号,下半部分表示带噪音频信号经过步骤101至步骤104的处理后得到的信号(即目标音频信号)。可以观察到,(b)中得到的信号中仍然包括大量的噪声信号,(c)中得到的目标音频信号中基本消除了噪声信号,与带噪音频信号中的原始音频信号非常接近,因此通过本公开提供的降噪方法对带噪音频信号进行降噪,相比于现有技术中利用维纳滤波器进行降噪,能够有效地去除噪声信号,提升降噪效果。
综上所述,本公开首先获取包括了原始音频信号和噪声信号的带噪音频信号,然后获取带噪音频信号的先验信噪比和后验信噪比,再根据先验信噪比和后验信噪比,和预设的COSH增益函数,确定带噪音频号对应的COSH增益值,最后利用COSH增益值对带噪音频信号进行降噪处理,以得到与带噪音频信号中包括的原始音频信号之间,COSH测度最小的目标音频信号。由于COSH测度能够体现人耳感受音频信号的差异度,因此利用能够将COSH测度最小化的COSH增益函数来处理带噪音频信号,得到与带噪音频信号中原始音频信号更接近的目标音频信号,能够有效地去除噪声信号,提高了降噪效果。
图5是根据一示例性实施例示出的一种音频信号的降噪装置的框图,如图5所示,该装置200包括:
信号获取模块201,用于获取带噪音频信号。
信噪比获取模块202,用于获取带噪音频信号的先验信噪比和后验信噪比号。
确定模块203,用于根据先验信噪比、后验信噪比和预设的双曲余弦COSH增益函数,确定带噪音频信号对应的COSH增益值。
处理模块204,用于根据COSH增益值,对带噪音频信号进行降噪处理,得到目标音频信号。
图6是根据一示例性实施例示出的另一种音频信号的降噪装置的框图,如图6所示,信噪比获取模块202包括:
估计子模块2021,用于对带噪音频信号进行噪声估计,以得到带噪音频信号的噪声功率谱。
第一确定子模块2022,用于根据带噪音频信号的噪声功率谱,和带噪音频信号的功率谱,确定后验信噪比。
第二确定子模块2023,用于根据带噪音频信号的噪声功率谱和带噪音频信号的功率谱,利用两步噪声消除TSNR算法确定先验信噪比。
可选地,估计子模块2021用于执行以下步骤:
步骤A)根据带噪音频信号的功率谱与历史音频信号的噪声功率谱,确定第一语音存在概率。其中,历史音频信号为带噪音频信号的上一帧,已进行降噪处理的音频信号,第一语音存在概率用于指示带噪音频信号中存在原始音频信号的概率。
步骤B)根据第一语音存在概率,对带噪音频信号进行噪声估计,以得到带噪音频信号的噪声功率谱。
在具体的应用场景中,步骤A)的实现方式为:
1)根据高斯混合模型GMM确定第二语音存在概率,GMM为根据在带噪音频信号之前获取的多帧音频信号建立的噪声模型。
2)根据带噪音频信号的功率谱与历史音频信号的噪声功率谱的比值,和第二语音存在概率,确定判别系数。
3)若判别系数大于预设常数,确定第一语音存在概率为0。
4)若判别系数小于或等于预设常数,确定第一语音存在概率为第二语音存在概率。
图7是根据一示例性实施例示出的另一种音频信号的降噪装置的框图,如图7所示,确定模块203包括:
比例确定子模块2031,确定先验信噪比与后验信噪比的比例关系。
增益确定子模块2032,用于根据比例关系、后验信噪比、带噪音频信号的功率谱和COSH增益函数,确定COSH增益值。
具体的,比例确定子模块2031用于:
根据先验信噪比与后验信噪比的乘积,和先验信噪比,确定比例关系。
增益确定子模块2032用于:
根据比例关系、后验信噪比、带噪音频信号的功率谱和预设常数,利用超几何函数计算COSH增益值。
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。
综上所述,本公开首先获取包括了原始音频信号和噪声信号的带噪音频信号,然后获取带噪音频信号的先验信噪比和后验信噪比,再根据先验信噪比和后验信噪比,和预设的COSH增益函数,确定带噪音频号对应的COSH增益值,最后利用COSH增益值对带噪音频信号进行降噪处理,以得到与带噪音频信号中包括的原始音频信号之间,COSH测度最小的目标音频信号。由于COSH测度能够体现人耳感受音频信号的差异度,因此利用能够将COSH测度最小化的COSH增益函数来处理带噪音频信号,得到与带噪音频信号中原始音频信号更接近的目标音频信号,能够有效地去除噪声信号,提高了降噪效果。
下面参考图8,其示出了适于用来实现本公开实施例的电子设备(例如可以是终端设备或服务器,即上述实施例中的执行主体)300的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图8示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图8所示,电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图8示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
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,其包括承载在非暂态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装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM 302被安装。在该计算机程序被处理装置301执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上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,该计算机可读信号介质可以发送、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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,终端设备、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
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电子设备执行时,使得该电子设备:获取带噪音频信号;获取所述带噪音频信号的先验信噪比和后验信噪比;根据所述先验信噪比、所述后验信噪比和预设的双曲余弦COSH增益函数,确定所述带噪音频信号对应的COSH增益值;根据所述COSH增益值,对所述带噪音频信号进行降噪处理,得到目标音频信号。
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,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,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模块可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块的名称在某种情况下并不构成对该模块本身的限定,例如,信号获取模块还可以被描述为“获取带噪音频信号的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例,示例1提供了一种音频信号的降噪方法,包括:获取带噪音频信号;获取所述带噪音频信号的先验信噪比和后验信噪比;根据所述先验信噪比、所述后验信噪比和预设的双曲余弦COSH增益函数,确定所述带噪音频信号对应的COSH增益值;根据所述COSH增益值,对所述带噪音频信号进行降噪处理,得到目标音频信号。
根据本公开的一个或多个实施例,示例2提供了示例1的方法,所述获取所述带噪音频信号的先验信噪比和后验信噪比,包括:对所述带噪音频信号进行噪声估计,以得到所述带噪音频信号的噪声功率谱;根据所述带噪音频信号的噪声功率谱,和所述带噪音频信号的功率谱,确定所述后验信噪比;根据所述带噪音频信号的噪声功率谱和所述带噪音频信号的功率谱,利用两步噪声消除TSNR算法确定所述先验信噪比。
根据本公开的一个或多个实施例,示例3提供了示例2的方法,所述对所述带噪音频信号进行噪声估计,以得到所述带噪音频信号的噪声功率谱,包括:根据所述带噪音频信号的功率谱与历史音频信号的噪声功率谱,确定第一语音存在概率;其中,所述历史音频信号为所述带噪音频信号的上一帧,已进行降噪处理的音频信号,所述第一语音存在概率用于指示所述带噪音频信号中存在原始音频信号的概率;根据所述第一语音存在概率,对所述带噪音频信号进行噪声估计,以得到所述带噪音频信号的噪声功率谱。
根据本公开的一个或多个实施例,示例4提供了示例3的方法,所述根据所述带噪音频信号的功率谱与历史音频信号的噪声功率谱,确定第一语音存在概率,包括:根据高斯混合模型GMM确定第二语音存在概率,所述GMM为根据在所述带噪音频信号之前获取的多帧音频信号建立的噪声模型;根据所述带噪音频信号的功率谱与所述历史音频信号的噪声功率谱的比值,和所述第二语音存在概率,确定判别系数;若所述判别系数大于预设常数,确定所述第一语音存在概率为0;若所述判别系数小于或等于所述预设常数,确定所述第一语音存在概率为所述第二语音存在概率。
根据本公开的一个或多个实施例,示例5提供了示例1至示例4的方法,所述根据所述先验信噪比、所述后验信噪比和预设的双曲余弦COSH增益函数,确定所述带噪音频信号对应的COSH增益值,包括:确定所述先验信噪比与所述后验信噪比的比例关系;根据所述比例关系、所述后验信噪比、所述带噪音频信号的功率谱,和所述COSH增益函数,确定所述COSH增益值。
根据本公开的一个或多个实施例,示例6提供了示例5的方法,所述确定所述先验信噪比与所述后验信噪比的比例关系,包括:根据所述先验信噪比与所述后验信噪比的乘积,和所述先验信噪比,确定所述比例关系。
根据本公开的一个或多个实施例,示例7提供了示例5的方法,所述根据所述比例关系、所述后验信噪比、所述带噪音频信号的功率谱,和所述COSH增益函数,确定所述COSH增益值,包括:根据所述比例关系、所述后验信噪比、所述带噪音频信号的功率谱和预设常数,利用超几何函数计算所述COSH增益值。
根据本公开的一个或多个实施例,示例8提供了一种音频信号的降噪装置,包括信号获取模块,用于获取带噪音频信号;信噪比获取模块,用于获取所述带噪音频信号的先验信噪比和后验信噪比;确定模块,用于根据所述先验信噪比、所述后验信噪比和预设的双曲余弦COSH增益函数,确定所述带噪音频信号对应的COSH增益值;处理模块,用于根据所述COSH增益值,对所述带噪音频信号进行降噪处理,得到目标音频信号。
根据本公开的一个或多个实施例,示例9提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理装置执行时实现示例1至示例7中所述方法的步骤。
根据本公开的一个或多个实施例,示例10提供了一种电子设备,包括:存储装置,其上存储有计算机程序;处理装置,用于执行所述存储装置中的所述计算机程序,以实现示例1至示例7中所述方法的步骤。
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,本公开中所涉及的公开范围,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公开构思的情况下,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。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。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。