CN115050383A - 回声消除方法、装置、电子设备及存储介质 - Google Patents
回声消除方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115050383A CN115050383A CN202210787555.XA CN202210787555A CN115050383A CN 115050383 A CN115050383 A CN 115050383A CN 202210787555 A CN202210787555 A CN 202210787555A CN 115050383 A CN115050383 A CN 115050383A
- Authority
- CN
- China
- Prior art keywords
- echo cancellation
- echo
- training
- nonlinear
- task
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 115
- 238000012549 training Methods 0.000 claims abstract description 253
- 238000000605 extraction Methods 0.000 claims abstract description 114
- 230000008569 process Effects 0.000 claims abstract description 40
- 230000001629 suppression Effects 0.000 claims abstract description 21
- 230000006870 function Effects 0.000 claims description 84
- 238000012545 processing Methods 0.000 claims description 62
- 238000012805 post-processing Methods 0.000 claims description 21
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 230000009466 transformation Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 15
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 239000013598 vector Substances 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013519 translation Methods 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
- G10L21/0208—Noise filtering
- G10L21/0216—Noise filtering characterised by the method used for estimating noise
-
- 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
本公开实施例公开了一种回声消除方法、装置、电子设备及存储介质，该方法包括：确定预训练回声消除模型的待处理语音信号；采用所述预训练回声消除模型对所述待处理语音信号执行非线性回声特征提取任务与回声消除任务；其中，所述非线性回声特征提取任务用于在回声消除过程中辅助进行非线性回声抑制；通过所述预训练回声消除模型执行所述非线性回声特征提取任务与所述回声消除任务，输出所述待处理语音信号对应的回声消除后语音信号。本技术方案，基于低复杂度且具有较强设备泛化能力的回声消除模型对待处理语音信号进行处理，能够得到较好回声消除效果的语音信号。
Description
技术领域
本公开实施例涉及数据处理技术领域，尤其涉及一种回声消除方法、装置、电子设备及存储介质。
背景技术
目前，声学回声消除主要分为两部分，线性回声的消除和非线性回声的抑制，其中前者主要是依靠传统信号处理方法，而深度学习方法开始逐渐替代传统算法成为非线性回声抑制的主流研究方向。
现有深度学习方法对不同机型数据的泛化能力不够，需要针对单个机型录取足够的数据对模型进行相应训练和调整，或者采用复杂模型对一定数量足够多的机型数据进行精细的训练，才能满足训练过机型的回声消除要求。因此对回声消除模型的普适性进行增强变得尤为重要。
发明内容
本公开实施例中提供了一种回声消除方法、装置、电子设备及存储介质，以实现低复杂度的具有较强设备泛化能力的回声消除模型。
第一方面，本公开实施例中提供了一种回声消除方法，所述方法包括：
确定预训练回声消除模型的待处理语音信号；
采用所述预训练回声消除模型对所述待处理语音信号执行非线性回声特征提取任务与回声消除任务；其中，所述非线性回声特征提取任务用于在回声消除过程中辅助进行非线性回声抑制；
通过所述预训练回声消除模型执行所述非线性回声特征提取任务与所述回声消除任务，输出所述待处理语音信号对应的回声消除后语音信号。
第二方面，本公开实施例中还提供了一种回声消除装置，所述装置包括：
语音信号确定模块，用于确定预训练回声消除模型的待处理语音信号；
回声消除执行模块，用于采用所述预训练回声消除模型对所述待处理语音信号执行非线性回声特征提取任务与回声消除任务；其中，所述非线性回声特征提取任务用于在回声消除过程中辅助进行非线性回声抑制；
回声消除输出模块，用于通过所述预训练回声消除模型执行所述非线性回声特征提取任务与所述回声消除任务，输出所述待处理语音信号对应的回声消除后语音信号。
第三方面，本公开实施例中还提供了一种电子设备，所述电子设备包括：
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计算机程序，所述计算机程序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上述实施例中任一项所述的回声消除方法。
第四方面，本公开实施例中还提供了一种计算机可读介质，所述计算机可读介质存储有计算机指令，所述计算机指令用于使处理器执行时实现上述实施例中任一项所述的回声消除方法。
本公开实施例的技术方案，首先确定预训练回声消除模型的待处理语音信号，然后采用预训练回声消除模型对待处理语音信号执行非线性回声特征提取任务与回声消除任务，并通过预训练回声消除模型执行非线性回声特征提取任务与回声消除任务，输出待处理语音信号对应的回声消除后语音信号。本技术方案，基于低复杂度且具有较强设备泛化能力的回声消除模型对待处理语音信号进行处理，能够得到较好回声消除效果的语音信号。
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
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1为本公开实施例提供的一种回声消除方法的流程图；
图2为本公开实施例提供的一种回声消除模型的训练方法的流程图；
图3为本公开实施例提供的另一种回声消除模型的训练方法的流程图；
图4是本公开实施例提供的确定训练样本特征的原理示意图；
图5为本公开实施例提供的又一种回声消除模型训练方法的流程图；
图6为本公开实施例提供的一种回声消除模型训练的原理示意图；
图7为本公开实施例提供的另一种回声消除方法的流程图；
图8是本公开实施例提供的一种回声消除装置的结构框图；
图9为实现本公开实施例的回声消除方法的电子设备的结构框图。
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”。
可以理解的是，本技术方案所涉及的数据(包括但不限于数据本身、数据的获取或使用)应当遵循相应法律法规及相关规定的要求。
下述各实施例中，每个实施例中同时提供了可选特征和示例，实施例中记载的各个特征可进行组合，形成多个可选方案，不应将每个编号的实施例仅视为一个技术方案。此外，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
图1为本公开实施例提供的一种回声消除方法的流程图，本实施例的技术方案可适用于对回声消除模型进行应用的情况。该方法可由一种回声消除装置来执行，该装置可以采用软件和/或硬件的方式实现，并集成在任何具有网络通信功能的电子设备上。如图1所示，本实施例的回声消除方法，可包括以下步骤S110-S130：
S110、确定预训练回声消除模型的待处理语音信号。
在本方案中，预训练回声消除模型不必针对每个机型进行数据录取、单独训练或者在线训练的流程，而是在不同机器上都能通过神经网络模块提取出设备的非线性特征向量达到较好的回声消除效果，是一个通用的低复杂度的预训练回声消除模型。
其中，待处理语音信号可以是由声学设备的原始麦克风信号和播放信号的各种形式构成的；也可以是将原始麦克风信号和播放信号经过各种信号处理的信号组合的各种形式。
具体的，可以对声学设备中的传声器与扬声器的信号进行采集，得到待处理语音信号。
S120、采用所述预训练回声消除模型对所述待处理语音信号执行非线性回声特征提取任务与回声消除任务；其中，所述非线性回声特征提取任务用于在回声消除过程中辅助进行非线性回声抑制。
在本方案中，非线性回声特征提取任务用于学习不同声学设备的非线性特征以向回声消除任务进行融合，在基于待处理语音信号控制执行回声消除任务过程中可以辅助回声消除任务在回声消除时能进行非线性回声抑制，实现较好回声消除效果。
S130、通过所述预训练回声消除模型执行所述非线性回声特征提取任务与所述回声消除任务，输出所述待处理语音信号对应的回声消除后语音信号。
根据本公开实施例的技术方案，通过预训练回声消除模型对待处理语音信号进行处理，输出与待处理语音信号对应的回声消除后语音信号。基于低复杂度且具有较强设备泛化能力的回声消除模型对待处理语音信号进行处理，能够得到较好回声消除效果的语音信号。
图2为本公开实施例提供的一种回声消除模型的训练方法的流程图，本实施例的技术方案可适用于对待训练回声消除模型进行训练，实现低复杂度的具有较强设备泛化能力的预训练回声消除模型的情况。如图2所示，本实施例的回声消除模型的训练方法，可包括以下步骤S210-S230：
S210、确定待训练回声消除模型使用的训练样本特征。
在本方案中，待训练回声消除模型不必针对每个机型进行数据录取、单独训练或者在线训练的流程，而是在不同机器上都能通过神经网络模块提取出设备的非线性特征向量达到较好的回声消除效果。
其中，训练样本特征可以是由声学设备的原始麦克风信号和播放信号的各种形式构成的特征；也可以是将原始麦克风信号和播放信号经过各种信号处理的信号组合的各种形式的特征。具体的，可以通过对声学设备中的传声器采集的语音信号与扬声器播放前的语音信号进行信号处理，得到训练样本特征。
S220、基于训练样本特征控制待训练回声消除模型执行非线性回声特征提取训练任务与回声消除训练任务。
其中，所述非线性回声特征提取训练任务用于在执行回声消除训练任务过程中辅助进行非线性回声抑制。
在本方案中，非线性回声特征提取训练任务用于学习不同声学设备的非线性特征以向回声消除训练任务进行融合，在基于训练样本特征控制执行回声消除训练任务过程中可以辅助回声消除训练任务在回声消除时能进行非线性回声抑制，实现较好回声消除效果。
S230、依据所述非线性回声特征提取训练任务与所述回声消除训练任务，对所述待训练回声消除模型进行调整，得到训练更新后的预训练回声消除模型。
根据本公开实施例的技术方案，进入对待训练回声消除模型进行训练时，通过引入非线性回声特征提取训练任务对回声消除训练任务进行辅助训练，得到一个通用的低复杂度的预训练回声消除模型，以达到更好的回声消除效果。本申请方案，不必针对每个机型进行数据录取、单独训练或者在线训练的流程，而是在不同机器上都能通过神经网络模块提取出设备的非线性特征向量达到较好的回声消除效果。该模型也可以离线学习非线性特征用于辅助达到最优的回声消除效果。
图3为本公开实施例提供的另一种回声消除模型的训练方法的流程图，本实施例的技术方案在上述实施例的基础上对前述实施例中的待训练回声消除模型使用的训练样本特征确定过程的进行进一步优化，本实施例可与上述一个或多个实施例中各个可选方案结合。如图3所示，本实施例的回声消除模型的训练方法，可包括以下步骤S310-S340：
S310、确定分别通过不同声学设备得到的预设量的语音数据；所述语音数据包括声学设备中传声器采集的语音信号与扬声器播放前的语音信号。
在本方案中，可以针对至少预设数量机型的声学设备(例如选择至少30款差异较大的声学设备)，针对每一款机型的声学设备可以分别采集少量的语音数据。每一款机型的声学设备的语音数据数量以及语音数据长度都可以根据实际需求和模型表现进行调整，例如，可以设置每个声学设备采集的语音数据是10条，每条语音数据的长度可以是2分钟。
在本实施例中，声学设备的类型可以是多种，具体可以根据需求和模型表现进行调整。通过对声学设备的类型设置要求，每个声学设备只需要少量的语音数据。
S320、对经不同声学设备得到的语音数据进行预设特征处理得到不同声学设备对应的语音特征信号，组成待训练回声消除模型使用的训练样本特征。
示例性的，图4是本公开实施例提供的确定训练样本特征的原理示意图，如图4所示，将经不同声学设备得到的语音数据输入到特征处理M中。由特征处理M对语音数据进行处理，输出与声学设备对应的语音特征信号，组成待训练回声消除模型使用的训练样本特征。
可选的，所述语音特征信号采用以下形式进行表征：时域、短时傅里叶变换域、梅尔特征域及巴克特征域。
其中，时域的自变量是时间,即横轴是时间,纵轴是信号的变化。其动态信号是描述信号在不同时刻取值的函数；频域的自变量是频率,即横轴是频率,纵轴是该频率信号的幅度；短时傅里叶变换是和傅里叶变换相关的一种数学变换，用以确定时变信号其局部区域正弦波的频率与相位；梅尔特征域用于描述音高感知的非线性映射；巴克特征域是以Hz为单位，用于物理频率转换到心理声学的频率。
在本方案中，特征处理M可以输出不同形式的语音特征信号，组成待训练回声消除模型使用的训练样本特征。
通过将不同形式的语音信号组成待训练回声消除模型使用的训练样本特征，能够提高回声消除模型的学习能力，达到更好的回声消除效果。
可选的，所述预设特征处理包括以下至少一项：延时估计处理、线性回声消除处理、信号域变换处理以及信号拼接处理；所述信号拼接处理用于将不同信号域的语音特征信号拼接与组合。
在本方案中，延时估计处理用于在声学设备中传声器采集的语音信号与扬声器播放前的语音信号延时较大时将二者的时间大致对齐；线性回声消除处理用于通过线性滤波器将线性回声从语音信号中消除；信号域变换处理用于将时域的语音信号变换为短时傅里叶变换域，梅尔特征域，巴克特征域等。
可选的，预设特征处理还可以包括：信号幅度处理和信号状态调整处理。其中，信号幅度处理用于将传声器采集的语音信号与扬声器播放前的语音信号进行幅度调整。信号状态调整组件可以将语音信号按照特定的比例分为远端单讲信号(没有近端信号)，近端单讲信号(没有回声和播放信号)，双讲信号，耳机类型信号(没有回声信号)。
在本实施例中，语音特征信号可以是包含了传声器采集的语音信号与扬声器播放前的语音信号的各种形式(时域、短时傅里叶变换域、梅尔特征域以及巴克特征域等)，也可以是经过了各种特征处理(延时估计处理、线性回声消除处理、信号域变换处理、信号拼接处理、信号幅度处理和信号状态调整处理等)的信号的组合的各种形式。
通过对不同声学设备得到的语音数据进行特征处理，得到不同声学设备对应的语音特征信号组成待训练回声消除模型使用的训练样本特征，每个机型所需数据量较少，且不需要将数据传输到服务器上，避免了数据安全隐私问题的发生。
S330、基于训练样本特征控制待训练回声消除模型执行非线性回声特征提取训练任务与回声消除训练任务；其中，所述非线性回声特征提取训练任务用于在执行回声消除训练任务过程中辅助进行非线性回声抑制。
S340、依据所述非线性回声特征提取训练任务与所述回声消除训练任务，对所述待训练回声消除模型进行调整，得到训练更新后的预训练回声消除模型。
根据本公开实施例的技术方案，针对每个类型的声学设备获取少量的语音数据，对语音数据进行特征处理得到对应的语音特征信号组成待训练回声消除模型使用的训练样本特征，在进入对待训练回声消除模型进行训练时，通过引入非线性回声特征提取训练任务对回声消除训练任务进行辅助训练，得到一个通用的低复杂度的预训练回声消除模型，以达到更好的回声消除效果。本申请方案，不必针对每个机型进行数据录取、单独训练或者在线训练的流程，而是在不同类型机器上都能通过神经网络模块提取出设备的非线性特征向量达到较好的回声消除效果。
图5为本公开实施例提供的又一种回声消除模型训练方法的流程图，本实施例的技术方案在上述实施例的基础上对前述实施例中的基于训练样本特征控制待训练回声消除模型执行非线性回声特征提取训练任务与回声消除训练任务过程的进行进一步优化，本实施例可与上述一个或多个实施例中各个可选方案结合。如图5所示，本实施例的语音翻译模型的训练方法，可包括以下步骤S510-S520：
S510、将训练样本特征中的第一样本特征输入到待训练回声消除模型中，执行非线性回声特征提取训练任务。
在本实施例中，可以将分别通过对同一声学设备采集的不同内容的语音信号进行特征处理得到的第一样本特征和第二样本特征。并将第一样本特征输入到待训练回声消除模型中执行非线性回声特征提取训练任务，得到非线性回声特征表达。其中，非线性回声特征表达可以是指非线性回声特征的一种表示形式。
S520、将训练样本特征中的第二样本特征同步输入到待训练回声消除模型中，并基于执行非线性回声特征提取训练任务所得到的非线性回声特征表达，控制待训练回声消除模型执行回声消除训练任务；
其中，第一样本特征与第二样本特征分别通过对同一声学设备采集的不同内容的语音信号进行特征处理得到。
在本方案中，可以将基于执行非线性回声特征提取训练任务所得到的非线性回声特征表达和第二样本特征进行组合，作为待训练回声消除模型中执行回声消除训练任务的输入，进行待训练回声消除模型的训练。其中，将非线性回声特征表达和第二样本特征进行组合，可以是通过网络某个节点特征的某一维度进行拼接，也可以通过一些数学运算的方式组合。具体组合方式主要是依靠待训练回声消除模型去完成。
可选的，所述第一样本特征与第二样本特征分别通过相同或不同的预设特征处理得到；所述第一样本特征中至少包括有回声数据，用以通过非线性回声特征提取训练任务从回声数据中提取声学设备的非线性回声特征。
具体的，可以基于特征处理M对同一个声学设备采集到的语音数据进行处理，得到第一样本特征和第二样本特征。若特征处理M采用不同的处理手段对语音数据进行处理，则可以得到不同的第一样本特征和第二样本特征；若特征处理M采用相同的处理手段对语音数据进行处理，则可以得到相同的第一样本特征和第二样本特征。
通过对样本特征进行处理，能够从回声数据中提取声学设备的非线性回声特征，达到较好的回声消除效果。
可选的，依据所述非线性回声特征提取训练任务与所述回声消除训练任务，对所述待训练回声消除模型进行调整，包括：
确定所述非线性回声特征提取训练任务对应的第一损失函数值与所述回声消除训练任务对应的第二损失函数；
依据所述第一损失函数值与所述第二损失函数对所述待训练回声消除模型的网络参数进行调整；
其中，所述第一损失函数值能促使所述待训练回声消除模型执行所述非线性回声特征提取训练任务时对声学设备的非线性特征进行学习。
其中，第一损失函数和第二损失函数可以是mean square error loss(均方误差损失函数)或l1 loss(回归损失函数)。
具体的，可以将第一样本特征作为输入，通过待训练回声消除模型中非线性特征提取网络进行特征提取，确定非线性回声特征提取训练任务对应的第一损失函数值。其中，非线性特征提取网络可以是任意网络，包括CNN(Convolutional Neural Networks，卷积神经网络)、DNN(Deep Neural Network，深度神经网络)、RNN(Recurrent Neural Networks，循环神经网络)等及其变形的各种结构的组合。
在本实施例中，可以通过待训练回声消除模型中的回声消除网络对第二样本特征进行回声消除后，确定回声消除训练任务对应的第二损失函数。其中，回声消除网络也可以是任意网络，包括CNN、DNN、RNN等及其变形的各种结构的组合。
在本方案中，可以将第一损失函数和第二损失函数进行加权组合，得到加权结果，并基于加权结果对待训练回声消除模型的网络参数进行调整。也可以分别基于第一损失函数和第二损失函数对待训练回声消除模型的网络参数进行调整，尽可能使得第一损失函数和第二损失函数达到最优。
通过对第一损失函数值和第二损失函数进行确定，能够优化待训练回声消除模型的训练，实现低复杂度的具有较强设备泛化能力的待训练回声消除模型。
可选的，确定所述非线性回声特征提取训练任务对应的第一损失函数值，包括：
在通过待训练回声消除模型中非线性特征提取网络对第一样本特征进行非线性回声特征提取后，对提取的非线性回声特征进行非线性特征转换；
依据非线性特征转换得到的非线性程度表达与第一样本特征对应的预标注非线性程度表达，确定非线性回声特征提取训练任务对应的第一损失函数值；
其中，所述非线性程度表达用于描述声学设备非线性程度大小。
在本实施例中，可以依据第一样本特征对应的预标注非线性程度表达，对非线性回声特征进行非线性特征转换，得到与第一样本特征对应的预标注非线性程度表达相匹配的非线性程度表达，并根据非线性特征转换得到的非线性程度表达与第一样本特征对应的预标注非线性程度表达对线性回声特征提取训练任务进行训练，确定非线性回声特征提取训练任务对应的第一损失函数值。
通过对第一损失函数值和第二损失函数进行确定，能够优化待训练回声消除模型的训练。
可选的，确定所述回声消除训练任务对应的第二损失函数，包括：
在通过待训练回声消除模型中回声消除网络对第二样本特征进行回声消除后，对回声消除结果进行特征后处理，得到特征后处理后的回声消除结果；
依据特征后处理后的回声消除结果与第二样本特征对应的预标注回声消除结果，确定所述回声消除训练任务对应的第二损失函数值。
其中，特征后处理可以包括频谱平滑或能量阈值判断限定处理等。
在本实施例中，特征后处理后的回声消除结果可以是时域波形信号、短时傅里叶变换域信号或短时傅里叶变换域掩蔽值等。
具体的，可以将第二样本特征作为待训练回声消除模型中回声消除网络的输入，得到回声消除结果，对回声消除结果进行特征后处理，将回声消除结果与第二样本特征对应的预标注回声消除结果保持同一个结构，得到特征后处理后的回声消除结果。
通过对回声消除训练任务对应的第二损失函数值进行确定，能够优化待训练回声消除模型的训练。
可选的，确定所述回声消除训练任务对应的第二损失函数，包括：
依据通过待训练回声消除模型中回声消除网络对第二样本特征进行回声消除后的回声消除结果与第二样本特征对应的预标注回声消除结果，确定所述回声消除训练任务对应的第二损失函数值。
在本方案中，也可以不对回声消除结果进行特征后处理，直接依据待训练回声消除模型中回声消除网络对第二样本特征进行回声消除后的回声消除结果与第二样本特征对应的预标注回声消除结果，确定回声消除训练任务对应的第二损失函数值。
通过对回声消除训练任务对应的第二损失函数值进行确定，能够优化待训练回声消除模型的训练。
示例性的，图6为本公开实施例提供的一种回声消除模型训练的原理示意图，如图6所示，待训练回声消除模型包括回声消除网络A、特征后处理B、第二损失函数计算C、非线性特征提取网络D、非线性特征转换网络E、第一损失函数计算F。其中，非线性特征提取网络D、非线性特征转换网络E、第一损失函数计算F用于执行非线性回声特征提取训练任务；回声消除网络A、特征后处理B、第二损失函数计算C用于执行回声消除训练任务。
第一样本特征作为非线性特征提取网络D的输入，通过非线性特征提取网络D得到非线性回声特征，非线性特征转换网络E对提取的非线性回声特征进行非线性特征转换，得到非线性程度表达，并将非线性程度表达作为第一损失函数计算F的输入，确定非线性回声特征提取训练任务对应的第一损失函数值。此时整个非线性提取网络为监督学习。在没有理想非线性程度测量和计算的条件下，可以将非线性特征转换网络E、第一损失函数计算F省略，此时整个非线性提取网络为无监督学习。
第二样本特征作为回声消除网络A的输入，非线性特征提取网络D的输出与回声消除网络A的某部分结合起来，经过网络模型的综合作用后，作为特征后处理B的输入，得到特征后处理后的回声消除结果，并通过第二损失函数计算C依据特征后处理后的回声消除结果与第二样本特征对应的预标注回声消除结果，确定回声消除训练任务对应的第二损失函数值。其中，也可以特征后处理B省略，直接由回声消除网络A得到最终的第二损失函数计算C的输入。
本公开实施例的技术方案，首先确定待训练回声消除模型使用的训练样本特征，然后基于训练样本特征控制待训练回声消除模型执行非线性回声特征提取训练任务与回声消除训练任务，并依据非线性回声特征提取训练任务与回声消除训练任务，对待训练回声消除模型进行调整，得到训练更新后的预训练回声消除模型。本技术方案，能够实现低复杂度的具有较强设备泛化能力的预训练回声消除模型。
图7为本公开实施例提供的另一种回声消除方法的流程图，本实施例的技术方案在上述实施例的基础上对前述实施例中的采用预训练回声消除模型对待处理语音信号执行非线性回声特征提取任务与回声消除任务过程的进行进一步优化，本实施例可与上述一个或多个实施例中各个可选方案结合。如图7所示，本实施例的回声消除方法，可包括以下步骤S710-S730：
S710、确定所述待处理语音信号的参考语音信号；所述待处理语音信号和参考语音信号来源于同一声学设备，参考语音信号中包括回声数据。
其中，可以通过对声学设备中的传声器与扬声器的语音信号进行采集，得到待处理语音信号的参考语音信号。
可选的，所述待处理语音信号和所述参考语音信号采用以下形式进行表征：时域、短时傅里叶变换域、梅尔特征域及巴克特征域。
在本实施例中，待处理语音信号和参考语音信号可以是包含了传声器采集的语音信号与扬声器播放前的语音信号的各种形式(时域、短时傅里叶变换域、梅尔特征域以及巴克特征域等)。
通过对不同声学设备得到的待处理语音信号和参考语音信号进行处理，能够得到较好的回声消除效果的语音信号。
S720、将所述参考语音信号输入到预训练回声消除模型中，执行非线性回声特征提取任务。
在本方案中，预训练回声消除模型可以采用上述实施例中所述的待训练回声消除模型的训练方法获得。
S730、将所述待处理语音信号同步输入到预训练回声消除模型中，并基于执行非线性回声特征提取任务所得到的非线性回声特征表达，采用预训练回声消除模型执行回声消除任务。
本公开实施例的技术方案，首先确定待处理语音信号的参考语音信号，然后基于参考语音信号控制待训练回声消除模型执行非线性回声特征提取任务，并依据待处理语音信号控制预训练回声消除模型执行回声消除任务。通过执行本技术方案，基于低复杂度且具有较强设备泛化能力的回声消除模型对待处理语音信号进行处理，能够得到较好回声消除效果的语音信号。
图8为本公开实施例提供的一种回声消除装置的结构框图，本实施例的技术方案可适用于对预训练回声消除模型进行应用的情况，该装置可由软件和/或硬件实现，并一般集成在任何具有网络通信功能的电子设备上，该电子设备包括但不限于：电脑、个人数字助理等设备。如图8所示，本实施例的回声消除装置，可包括：语音信号确定模块810、回声消除执行模块820、回声消除输出模块830。其中：
语音信号确定模块810，用于确定预训练回声消除模型的待处理语音信号；
回声消除执行模块820，用于采用所述预训练回声消除模型对所述待处理语音信号执行非线性回声特征提取任务与回声消除任务；其中，所述非线性回声特征提取任务用于在回声消除过程中辅助进行非线性回声抑制；
回声消除输出模块830，用于通过所述预训练回声消除模型执行所述非线性回声特征提取任务与所述回声消除任务，输出所述待处理语音信号对应的回声消除后语音信号。
在上述实施例的基础上，可选地，所述装置还包括：
训练样本特征确定模块，用于确定待训练回声消除模型使用的训练样本特征；
训练任务执行模块，用于基于训练样本特征控制待训练回声消除模型执行非线性回声特征提取训练任务与回声消除训练任务；其中，所述非线性回声特征提取训练任务用于在执行回声消除训练任务过程中辅助进行非线性回声抑制；
回声消除模型得到模块，用于依据所述非线性回声特征提取训练任务与所述回声消除训练任务，对所述待训练回声消除模型进行调整，得到训练更新后的预训练回声消除模型。
在上述实施例的基础上，可选地，训练样本特征确定模块，具体用于：
确定分别通过不同声学设备得到的预设量的语音数据；所述语音数据包括声学设备中传声器采集的语音信号与扬声器播放前的语音信号；
对经不同声学设备得到的语音数据进行预设特征处理得到不同声学设备对应的语音特征信号，组成待训练回声消除模型使用的训练样本特征。
在上述实施例的基础上，可选地，所述语音特征信号采用以下形式进行表征：时域、短时傅里叶变换域、梅尔特征域及巴克特征域。
在上述实施例的基础上，可选地，所述预设特征处理包括以下至少一项：延时估计处理、线性回声消除处理、信号域变换处理以及信号拼接处理；所述信号拼接处理用于将不同信号域的语音特征信号拼接与组合。
在上述实施例的基础上，可选地，训练任务执行模块，具体用于：
将训练样本特征中的第一样本特征输入到待训练回声消除模型中，执行非线性回声特征提取训练任务；
将训练样本特征中的第二样本特征同步输入到待训练回声消除模型中，并基于执行非线性回声特征提取训练任务所得到的非线性回声特征表达，控制待训练回声消除模型执行回声消除训练任务；
其中，第一样本特征与第二样本特征分别通过对同一声学设备采集的不同内容的语音信号进行特征处理得到。
在上述实施例的基础上，可选地，所述第一样本特征与第二样本特征分别通过相同或不同的预设特征处理得到；所述第一样本特征中至少包括有回声数据，用以通过非线性回声特征提取训练任务从回声数据中提取声学设备的非线性回声特征。
在上述实施例的基础上，可选地，回声消除模型得到模块，包括：
损失函数确定单元，用于确定所述非线性回声特征提取训练任务对应的第一损失函数值与所述回声消除训练任务对应的第二损失函数；
网络参数调整单元，用于依据所述第一损失函数值与所述第二损失函数对所述待训练回声消除模型的网络参数进行调整；
其中，所述第一损失函数值能促使所述待训练回声消除模型执行所述非线性回声特征提取训练任务时对声学设备的非线性特征进行学习。
在上述实施例的基础上，可选地，损失函数确定单元，具体用于：
在通过待训练回声消除模型中非线性特征提取网络对第一样本特征进行非线性回声特征提取后，对提取的非线性回声特征进行非线性特征转换；
依据非线性特征转换得到的非线性程度表达与第一样本特征对应的预标注非线性程度表达，确定非线性回声特征提取训练任务对应的第一损失函数值；
其中，所述非线性程度表达用于描述声学设备非线性程度大小。
在上述实施例的基础上，可选地，损失函数确定单元，还用于：
在通过待训练回声消除模型中回声消除网络对第二样本特征进行回声消除后，对回声消除结果进行特征后处理，得到特征后处理后的回声消除结果；
依据特征后处理后的回声消除结果与第二样本特征对应的预标注回声消除结果，确定所述回声消除训练任务对应的第二损失函数值。
在上述实施例的基础上，可选地，损失函数确定单元，还用于：
依据通过待训练回声消除模型中回声消除网络对第二样本特征进行回声消除后的回声消除结果与第二样本特征对应的预标注回声消除结果，确定所述回声消除训练任务对应的第二损失函数值。
在上述实施例的基础上，可选地，回声消除执行模块820，具体用于：
确定所述待处理语音信号的参考语音信号；所述待处理语音信号和参考语音信号来源于同一声学设备，参考语音信号中包括回声数据；
将所述参考语音信号输入到预训练回声消除模型中，执行非线性回声特征提取任务；
将所述待处理语音信号同步输入到预训练回声消除模型中，并基于执行非线性回声特征提取任务所得到的非线性回声特征表达，采用预训练回声消除模型执行回声消除任务。
在上述实施例的基础上，可选地，所述待处理语音信号和所述参考语音信号采用以下形式进行表征：时域、短时傅里叶变换域、梅尔特征域及巴克特征域。
本发明实施例中所提供的回声消除装置可执行上述本发明任意实施例中所提供的回声消除方法，具备执行该回声消除方法相应的功能和有益效果，详细过程参见前述实施例中回声消除方法的相关操作。
下面参考图9，其示出了适于用来实现本公开实施例的电子设备900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9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9所示，电子设备900可以包括处理装置(例如中央处理器、图形处理器等)901，其可以根据存储在只读存储器(ROM)902中的程序或者从存储装置906加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。在RAM 903中，还存储有电子设备900操作所需的各种程序和数据。处理装置901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
通常，以下装置可以连接至I/O接口905：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906；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置907；包括例如磁带、硬盘等的存储装置906；以及通信装置909。通信装置909可以允许电子设备900与其他设备进行无线或有线通信以交换数据。虽然图9示出了具有各种装置的电子设备900，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回声消除方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置909从网络上被下载和安装，或者从存储装置906被安装，或者从ROM 902被安装。在该计算机程序被处理装置901执行时，执行本公开实施例的回声消除方法中限定的上述功能。
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。
本公开实施例提供的电子设备与上述实施例提供的回声消除方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例，并且本实施例与上述实施例中回声消除方法具有相同的有益效果。
本公开实施例提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述实施例所提供的回声消除方法。
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，客户端、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：确定预训练回声消除模型的待处理语音信号；采用所述预训练回声消除模型对所述待处理语音信号执行非线性回声特征提取任务与回声消除任务；其中，所述非线性回声特征提取任务用于在回声消除过程中辅助进行非线性回声抑制；通过所述预训练回声消除模型执行所述非线性回声特征提取任务与所述回声消除任务，输出所述待处理语音信号对应的回声消除后语音信号。
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单元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，单元的名称在某种情况下并不构成对该单元本身的限定，例如，训练样本特征确定模块还可以被描述为“确定回声消除模型使用的训练样本特征”。
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提供了一种回声消除方法，所述方法包括：
确定预训练回声消除模型的待处理语音信号；
采用所述预训练回声消除模型对所述待处理语音信号执行非线性回声特征提取任务与回声消除任务；其中，所述非线性回声特征提取任务用于在回声消除过程中辅助进行非线性回声抑制；
通过所述预训练回声消除模型执行所述非线性回声特征提取任务与所述回声消除任务，输出所述待处理语音信号对应的回声消除后语音信号。
根据本公开的一个或多个实施例，示例2根据示例1所述的方法，所述预训练回声消除模型的确定过程，包括：确定待训练回声消除模型使用的训练样本特征；
基于训练样本特征控制待训练回声消除模型执行非线性回声特征提取训练任务与回声消除训练任务；其中，所述非线性回声特征提取训练任务用于在执行回声消除训练任务过程中辅助进行非线性回声抑制；
依据所述非线性回声特征提取训练任务与所述回声消除训练任务，对所述待训练回声消除模型进行调整，得到训练更新后的预训练回声消除模型。
根据本公开的一个或多个实施例，示例3根据示例2所述的方法，确定待训练回声消除模型使用的训练样本特征，包括：
确定分别通过不同声学设备得到的预设量的语音数据；所述语音数据包括声学设备中传声器采集的语音信号与扬声器播放前的语音信号；
对经不同声学设备得到的语音数据进行预设特征处理得到不同声学设备对应的语音特征信号，组成待训练回声消除模型使用的训练样本特征。
根据本公开的一个或多个实施例，示例4根据示例3所述的方法，所述语音特征信号采用以下形式进行表征：时域、短时傅里叶变换域、梅尔特征域及巴克特征域。
根据本公开的一个或多个实施例，示例5根据示例3或4所述的方法，所述预设特征处理包括以下至少一项：延时估计处理、线性回声消除处理、信号域变换处理以及信号拼接处理；所述信号拼接处理用于将不同信号域的语音特征信号拼接与组合。
根据本公开的一个或多个实施例，示例6根据示例2所述的方法，基于训练样本特征控制待训练回声消除模型执行非线性回声特征提取训练任务与回声消除训练任务，包括：
将训练样本特征中的第一样本特征输入到待训练回声消除模型中，执行非线性回声特征提取训练任务；
将训练样本特征中的第二样本特征同步输入到待训练回声消除模型中，并基于执行非线性回声特征提取训练任务所得到的非线性回声特征表达，控制待训练回声消除模型执行回声消除训练任务；
其中，第一样本特征与第二样本特征分别通过对同一声学设备采集的不同内容的语音信号进行特征处理得到。
根据本公开的一个或多个实施例，示例7根据示例6所述的方法，所述第一样本特征与第二样本特征分别通过相同或不同的预设特征处理得到；所述第一样本特征中至少包括有回声数据，用以通过非线性回声特征提取训练任务从回声数据中提取声学设备的非线性回声特征。
根据本公开的一个或多个实施例，示例8根据示例6所述的方法，依据所述非线性回声特征提取训练任务与所述回声消除训练任务，对所述待训练回声消除模型进行调整，包括：
确定所述非线性回声特征提取训练任务对应的第一损失函数值与所述回声消除训练任务对应的第二损失函数；
依据所述第一损失函数值与所述第二损失函数对所述待训练回声消除模型的网络参数进行调整；
其中，所述第一损失函数值能促使所述待训练回声消除模型执行所述非线性回声特征提取训练任务时对声学设备的非线性特征进行学习。
根据本公开的一个或多个实施例，示例9根据示例8所述的方法，确定所述非线性回声特征提取训练任务对应的第一损失函数值，包括：
在通过待训练回声消除模型中非线性特征提取网络对第一样本特征进行非线性回声特征提取后，对提取的非线性回声特征进行非线性特征转换；
依据非线性特征转换得到的非线性程度表达与第一样本特征对应的预标注非线性程度表达，确定非线性回声特征提取训练任务对应的第一损失函数值；
其中，所述非线性程度表达用于描述声学设备非线性程度大小。
根据本公开的一个或多个实施例，示例10根据示例8所述的方法，确定所述回声消除训练任务对应的第二损失函数，包括：
在通过待训练回声消除模型中回声消除网络对第二样本特征进行回声消除后，对回声消除结果进行特征后处理，得到特征后处理后的回声消除结果；
依据特征后处理后的回声消除结果与第二样本特征对应的预标注回声消除结果，确定所述回声消除训练任务对应的第二损失函数值。
根据本公开的一个或多个实施例，示例11根据示例8所述的方法，确定所述回声消除训练任务对应的第二损失函数，包括：
依据通过待训练回声消除模型中回声消除网络对第二样本特征进行回声消除后的回声消除结果与第二样本特征对应的预标注回声消除结果，确定所述回声消除训练任务对应的第二损失函数值。
根据本公开的一个或多个实施例，示例12根据示例1所述的方法，采用所述预训练回声消除模型对所述待处理语音信号执行非线性回声特征提取任务与回声消除任务，包括：
确定所述待处理语音信号的参考语音信号；所述待处理语音信号和参考语音信号来源于同一声学设备，参考语音信号中包括回声数据；
将所述参考语音信号输入到预训练回声消除模型中，执行非线性回声特征提取任务；
将所述待处理语音信号同步输入到预训练回声消除模型中，并基于执行非线性回声特征提取任务所得到的非线性回声特征表达，采用预训练回声消除模型执行回声消除任务。
根据本公开的一个或多个实施例，示例13根据示例12所述的方法，所述待处理语音信号和所述参考语音信号采用以下形式进行表征：时域、短时傅里叶变换域、梅尔特征域及巴克特征域。
根据本公开的一个或多个实施例，示例14提供了一种回声消除装置，所述装置包括：
语音信号确定模块，用于确定预训练回声消除模型的待处理语音信号；
回声消除执行模块，用于采用所述预训练回声消除模型对所述待处理语音信号执行非线性回声特征提取任务与回声消除任务；其中，所述非线性回声特征提取任务用于在回声消除过程中辅助进行非线性回声抑制；
回声消除输出模块，用于通过所述预训练回声消除模型执行所述非线性回声特征提取任务与所述回声消除任务，输出所述待处理语音信号对应的回声消除后语音信号。
根据本公开的一个或多个实施例，示例15提供了一种电子设备，所述电子设备包括：
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计算机程序，所述计算机程序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示例1-13中任一项所述的回声消除方法。
根据本公开的一个或多个实施例，示例16提供了一种计算机可读介质，所述计算机可读介质存储有计算机指令，所述计算机指令用于使处理器执行时实现示例1-13中任一项所述的回声消除方法。
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。
Claims (16)
1.一种回声消除方法，其特征在于，所述方法包括：
确定预训练回声消除模型的待处理语音信号；
采用所述预训练回声消除模型对所述待处理语音信号执行非线性回声特征提取任务与回声消除任务；其中，所述非线性回声特征提取任务用于在回声消除过程中辅助进行非线性回声抑制；
通过所述预训练回声消除模型执行所述非线性回声特征提取任务与所述回声消除任务，输出所述待处理语音信号对应的回声消除后语音信号。
2.根据权利要求1所述的方法，其特征在于，所述预训练回声消除模型的确定过程，包括：
确定待训练回声消除模型使用的训练样本特征；
基于训练样本特征控制待训练回声消除模型执行非线性回声特征提取训练任务与回声消除训练任务；其中，所述非线性回声特征提取训练任务用于在执行回声消除训练任务过程中辅助进行非线性回声抑制；
依据所述非线性回声特征提取训练任务与所述回声消除训练任务，对所述待训练回声消除模型进行调整，得到训练更新后的预训练回声消除模型。
3.根据权利要求2所述的方法，其特征在于，确定待训练回声消除模型使用的训练样本特征，包括：
确定分别通过不同声学设备得到的预设量的语音数据；所述语音数据包括声学设备中传声器采集的语音信号与扬声器播放前的语音信号；
对经不同声学设备得到的语音数据进行预设特征处理得到不同声学设备对应的语音特征信号，组成待训练回声消除模型使用的训练样本特征。
4.根据权利要求3所述的方法，其特征在于，所述语音特征信号采用以下形式进行表征：时域、短时傅里叶变换域、梅尔特征域及巴克特征域。
5.根据权利要求3或4所述的方法，其特征在于，所述预设特征处理包括以下至少一项：延时估计处理、线性回声消除处理、信号域变换处理以及信号拼接处理；所述信号拼接处理用于将不同信号域的语音特征信号拼接与组合。
6.根据权利要求2所述的方法，其特征在于，基于训练样本特征控制待训练回声消除模型执行非线性回声特征提取训练任务与回声消除训练任务，包括：
将训练样本特征中的第一样本特征输入到待训练回声消除模型中，执行非线性回声特征提取训练任务；
将训练样本特征中的第二样本特征同步输入到待训练回声消除模型中，并基于执行非线性回声特征提取训练任务所得到的非线性回声特征表达，控制待训练回声消除模型执行回声消除训练任务；
其中，第一样本特征与第二样本特征分别通过对同一声学设备采集的不同内容的语音信号进行特征处理得到。
7.根据权利要求6所述的方法，其特征在于，所述第一样本特征与第二样本特征分别通过相同或不同的预设特征处理得到；所述第一样本特征中至少包括有回声数据，用以通过非线性回声特征提取训练任务从回声数据中提取声学设备的非线性回声特征。
8.根据权利要求6所述的方法，其特征在于，所述依据所述非线性回声特征提取训练任务与所述回声消除训练任务，对所述待训练回声消除模型进行调整，包括：
确定所述非线性回声特征提取训练任务对应的第一损失函数值与所述回声消除训练任务对应的第二损失函数；
依据所述第一损失函数值与所述第二损失函数对所述待训练回声消除模型的网络参数进行调整；
其中，所述第一损失函数值能促使所述待训练回声消除模型执行所述非线性回声特征提取训练任务时对声学设备的非线性特征进行学习。
9.根据权利要求8所述的方法，其特征在于，确定所述非线性回声特征提取训练任务对应的第一损失函数值，包括：
在通过待训练回声消除模型中非线性特征提取网络对第一样本特征进行非线性回声特征提取后，对提取的非线性回声特征进行非线性特征转换；
依据非线性特征转换得到的非线性程度表达与第一样本特征对应的预标注非线性程度表达，确定非线性回声特征提取训练任务对应的第一损失函数值；
其中，所述非线性程度表达用于描述声学设备非线性程度大小。
10.根据权利要求8所述的方法，其特征在于，确定所述回声消除训练任务对应的第二损失函数，包括：
在通过待训练回声消除模型中回声消除网络对第二样本特征进行回声消除后，对回声消除结果进行特征后处理，得到特征后处理后的回声消除结果；
依据特征后处理后的回声消除结果与第二样本特征对应的预标注回声消除结果，确定所述回声消除训练任务对应的第二损失函数值。
11.根据权利要求8所述的方法，其特征在于，确定所述回声消除训练任务对应的第二损失函数，包括：
依据通过待训练回声消除模型中回声消除网络对第二样本特征进行回声消除后的回声消除结果与第二样本特征对应的预标注回声消除结果，确定所述回声消除训练任务对应的第二损失函数值。
12.根据权利要求1所述的方法，其特征在于，采用所述预训练回声消除模型对所述待处理语音信号执行非线性回声特征提取任务与回声消除任务，包括：
确定所述待处理语音信号的参考语音信号；所述待处理语音信号和参考语音信号来源于同一声学设备，参考语音信号中包括回声数据；
将所述参考语音信号输入到预训练回声消除模型中，执行非线性回声特征提取任务；
将所述待处理语音信号同步输入到预训练回声消除模型中，并基于执行非线性回声特征提取任务所得到的非线性回声特征表达，采用预训练回声消除模型执行回声消除任务。
13.根据权利要求12所述的方法，其特征在于，所述待处理语音信号和所述参考语音信号采用以下形式进行表征：时域、短时傅里叶变换域、梅尔特征域及巴克特征域。
14.一种回声消除装置，其特征在于，所述装置包括：
语音信号确定模块，用于确定预训练回声消除模型的待处理语音信号；
回声消除执行模块，用于采用所述预训练回声消除模型对所述待处理语音信号执行非线性回声特征提取任务与回声消除任务；其中，所述非线性回声特征提取任务用于在回声消除过程中辅助进行非线性回声抑制；
回声消除输出模块，用于通过所述预训练回声消除模型执行所述非线性回声特征提取任务与所述回声消除任务，输出所述待处理语音信号对应的回声消除后语音信号。
15.一种电子设备，其特征在于，所述电子设备包括：
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计算机程序，所述计算机程序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1-13中任一项所述的回声消除方法。
16.一种计算机可读介质，其特征在于，所述计算机可读介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-13中任一项所述的回声消除方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210787555.XA CN115050383A (zh) | 2022-07-04 | 2022-07-04 | 回声消除方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210787555.XA CN115050383A (zh) | 2022-07-04 | 2022-07-04 | 回声消除方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115050383A true CN115050383A (zh) | 2022-09-13 |
Family
ID=83165835
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210787555.XA Pending CN115050383A (zh) | 2022-07-04 | 2022-07-04 | 回声消除方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115050383A (zh) |
-
2022
- 2022-07-04 CN CN202210787555.XA patent/CN115050383A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111583903B (zh) | 语音合成方法、声码器训练方法、装置、介质及电子设备 | |
| KR102577513B1 (ko) | 음성 처리 방법, 장치 및 음성 처리 모델의 생성 방법, 장치 | |
| CN112489606B (zh) | 旋律生成方法、装置、可读介质及电子设备 | |
| CN112786069B (zh) | 语音提取方法、装置和电子设备 | |
| CN113223545A (zh) | 一种语音降噪方法、装置、终端及存储介质 | |
| CN111597825B (zh) | 语音翻译方法、装置、可读介质及电子设备 | |
| CN112153460A (zh) | 一种视频的配乐方法、装置、电子设备和存储介质 | |
| CN111785247A (zh) | 语音生成方法、装置、设备和计算机可读介质 | |
| CN111968647A (zh) | 语音识别方法、装置、介质及电子设备 | |
| WO2020221089A1 (zh) | 通话界面的显示方法、电子设备和计算机可读介质 | |
| CN114995638A (zh) | 触觉信号生成方法、装置、可读介质及电子设备 | |
| CN112634904A (zh) | 热词识别方法、装置、介质和电子设备 | |
| CN112259079A (zh) | 语音识别的方法、装置、设备和计算机可读介质 | |
| CN114495901A (zh) | 语音合成方法、装置、存储介质及电子设备 | |
| CN112380883B (zh) | 模型训练方法、机器翻译方法、装置、设备及存储介质 | |
| CN113113038B (zh) | 回声消除方法、装置及电子设备 | |
| CN111653261A (zh) | 语音合成方法、装置、可读存储介质及电子设备 | |
| CN113763976A (zh) | 音频信号的降噪方法、装置、可读介质和电子设备 | |
| CN115050383A (zh) | 回声消除方法、装置、电子设备及存储介质 | |
| US20190304482A1 (en) | Infinite impulse response acoustic echo cancellation in the frequency domain | |
| WO2022227932A1 (zh) | 声音信号处理方法、装置和电子设备 | |
| CN113823312B (zh) | 语音增强模型生成方法和装置、语音增强方法和装置 | |
| CN114501281B (zh) | 声音调整方法、装置、电子设备和计算机可读介质 | |
| CN112634930B (zh) | 多通道声音增强方法、装置及电子设备 | |
| CN112309410A (zh) | 一种歌曲修音方法、装置、电子设备及存储介质 |
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 |