CN116828354A - 一种用于领夹无线麦克风的收音质量优化方法及系统 - Google Patents
一种用于领夹无线麦克风的收音质量优化方法及系统 Download PDFInfo
- Publication number
- CN116828354A CN116828354A CN202311099583.3A CN202311099583A CN116828354A CN 116828354 A CN116828354 A CN 116828354A CN 202311099583 A CN202311099583 A CN 202311099583A CN 116828354 A CN116828354 A CN 116828354A
- Authority
- CN
- China
- Prior art keywords
- noise
- component
- audio
- characteristic
- corner
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000005457 optimization Methods 0.000 title claims abstract description 20
- 238000000605 extraction Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 10
- 238000012216 screening Methods 0.000 claims description 43
- 238000001514 detection method Methods 0.000 claims description 25
- 238000010606 normalization Methods 0.000 claims description 13
- 230000005236 sound signal Effects 0.000 claims description 11
- 230000002776 aggregation Effects 0.000 claims description 7
- 238000004220 aggregation Methods 0.000 claims description 7
- 230000009467 reduction Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 3
- 241001290864 Schoenoplectus Species 0.000 claims description 2
- 230000008859 change Effects 0.000 description 14
- 230000008569 process Effects 0.000 description 12
- 230000000694 effects Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000002955 isolation Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000739 chaotic effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R1/00—Details of transducers, loudspeakers or microphones
- H04R1/08—Mouthpieces; Microphones; Attachments therefor
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R3/00—Circuits for transducers, loudspeakers or microphones
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R2420/00—Details of connection covered by H04R, not provided for in its groups
- H04R2420/03—Connection circuits to selectively connect loudspeakers or headphones to amplifiers
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Signal Processing (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及音频处理技术领域,具体涉及一种用于领夹无线麦克风的收音质量优化方法及系统。本发明通过对分解获得的音频分量分析曲线特征,获得噪声特征指标;根据音频分量间噪声特征差异获得分量特征指标;根据音频分量对应时频曲线中角点的分布和频率获得特征点提取指标,提取特征点,通过特征点完成时频曲线和标准噪声时频曲线匹配获得噪声匹配度;根据每个音频分量的噪声特征指标、分量特征指标和噪声匹配度获得噪声可能性,实现对所有音频分量的去噪优化处理得到收音信号。本发明通过音频特征分析,更精确地获得噪声信息,通过多种指标进行音频去噪,提升收音质量。
Description
技术领域
本发明涉及音频处理技术领域,具体涉及一种用于领夹无线麦克风的收音质量优化方法及系统。
背景技术
领夹无线麦克风是无线麦克风的一种,一般属于电容方式麦克风,可适用于大型流动会议、录音、公众传播、户外演讲、授课讲学等多种场合。由于领夹无线麦克风具有携带便捷的特点,适用场景多样,所以进行音频数据采集的环境往往较为嘈杂,很容易受到噪声的影响,使通过无线麦克风收集的音频数据的音质很差。所以领夹无线麦克风的音频数据去噪也是当前提升产品质量的重要环节。
在现有技术对音频信号分解分析进行去噪的方法中,对各个音频分量进行音频特征提取,使用提取的音频特征进行传输,但这种方法极易使部分音频信息未被提取,使具有音频信息的部分数据丢失,获得的声音信息缺少影响收音质量。而在其他对分量噪声筛除的方法中,对噪声分量判断标准单一,极易在多种环境下将具有信息的音频数据筛除,造成信号失真,使收音效果较差。
发明内容
为了解决现有技术中对噪声分量判断标准单一,极易在多种环境下将具有信息的音频数据筛除,造成信号失真的技术问题,本发明的目的在于提供一种用于领夹无线麦克风的收音质量优化方法及系统,所采用的技术方案具体如下:
本发明提供了一种用于领夹无线麦克风的收音质量优化方法,所述方法包括:
获取无线麦克风音频信号分解后的音频分量;根据每个所述音频分量对应的曲线特征获得对应所述音频分量的噪声特征指标;根据每个所述音频分量与其他音频分量之间的所述噪声特征差异获得对应所述音频分量的分量特征指标;
获得每个所述音频分量对应的时频曲线;根据每个所述时频曲线中角点的局部分布特征获得角点筛除指标,根据所述角点对应的频率和分布聚集性获得角点可能性,通过每个角点的所述角点可能性和所述角点筛除指标获得每个角点的特征点提取指标;根据特征点提取指标获得对应时频曲线中的特征点,根据所述特征点将对应时频曲线与标准噪声时频曲线进行匹配,获得对应所述音频分量的噪声匹配度;
根据每个所述音频分量的所述噪声特征指标、所述分量特征指标和所述噪声匹配度,获得每个所述音频分量的噪声分量可能性,根据所述噪声分量可能性对所有音频分量进行去噪处理获得收音信号。
进一步地,所述噪声特征指标的获取方法包括:
将每个所述音频分量对应曲线的方差作为第一噪声特征值;
将每个所述音频分量对应曲线中相邻极大值和极小值的差值作为极值差异,将相邻所述极值差异的差值作为幅度差异,计算所有所述幅度差异的平均值获得每个所述音频分量的第二噪声特征值;
获得每个所述音频分量对应曲线中相邻极大值和极小值之间的时间间隔,将相邻所述时间间隔的差值作为时序变化差异,计算所有所述时序变化差异的平均值获得每个所述音频分量的第三噪声特征值;
将每个所述音频分量的第一噪声特征值、第二噪声特征值和第三噪声特征值相加,获得每个音频分量的噪声特征指标。
进一步地,所述分量特征指标的获取方法包括:
获得每个所述音频分量与其他音频分量的所述第一噪声特征值之间的差值平方、所述第二噪声特征值之间的差值平方和所述第三噪声特征值之间的差值平方,将三个差值平方相加并开平方的值作为分量差异性;将每个音频分量与其他所有音频分量的分量差异性相加,获得对应所述音频分量的分量特征指标。
进一步地,所述角点筛除指标的获取方法包括:
获得所述音频分量对应时频曲线的角点,在一个时频曲线中任选一个角点作为参考点,以参考点为中心点构建预设大小的检测窗口;
若所述检测窗口中除参考点外存在其他角点,则计算所述参考点与所述检测窗口中其他角点的平均距离;确定所述参考点距离所述检测窗口的距离最大值,并将所述距离最大值与所述平均距离的差值绝对值作为距离差异性;计算所述参考点与相邻角点所成夹角的平均值,获得角度差异性;将所述距离差异性与所述角度差异性的比值作为所述参考点的角点筛除指标;
若所述检测窗口中除参考点外不存在其他角点,则所述参考点的角点筛除指标为预设角点筛除指标;
获得所有角点的所述角点筛除指标。
进一步地,所述角点可能性的获取方法包括:
获得所述参考点对应所述检测窗口中的角点数量,将所述参考点对应频率与所述角点数量的比值作为所述参考点的角点可能性;获得所有角点的所述角点可能性。
进一步地,所述特征点提取指标的获取方法包括:
将每个角点对应的所述角点可能性与所述角点筛除指标的比值进行归一化处理,获得每个角点的特征点提取指标。
进一步地,所述噪声分量可能性的获取方法包括:
将每个所述音频分量对应的所述噪声特征指标、所述分量特征指标和所述噪声匹配度相乘并进行归一化处理,获得每个所述音频分量的噪声分量可能性。
进一步地,所述根据所述噪声分量可能性对所有音频分量进行去噪处理获得收音信号包括:
当所述噪声分量可能性大于预设第一阈值时,将对应音频分量记为噪声分量并进行筛除;当所述噪声分量可能性小于等于预设第一阈值且大于预设第二阈值时,将对应音频分量记为降噪分量进行去噪处理;当所述噪声分量可能性小于等于预设第二阈值时,将对应音频分量记为正常音频分量;
将所有去噪后的降噪分量和正常音频分量结合获得新音频信号作为收音信号。
进一步地,所述噪声匹配度的获取方法包括:
根据每个音频分量对应时频曲线的特征点,将对应所述时频曲线与标准噪声时频曲线通过形状上下文算子进行匹配,获得相似度记为对应音频分量的噪声匹配度。
本发明提供了一种用于领夹无线麦克风的收音质量优化系统,包括存储器和处理器;所述处理器执行所述存储器存储的计算机程序,以实现如上述一种用于领夹无线麦克风的收音质量优化方法。
本发明具有如下有益效果:
1.本发明通过对分解获得的音频分量进行分析,对每个音频分量自身噪声特征分析,获得噪声特征指标,进一步根据噪声特征分析音频分量之间的差异性,获得分量特征指标,通过自身和整体两方面对噪声特征分析,提高对噪声数据判断的准确性。根据每个音频分量对应时频曲线与标准噪声时频曲线的匹配,获得噪声匹配度,使噪声数据的获取可靠性更强,获取更准确,最终根据每个音频分量的噪声特征指标、分量特征指标和噪声匹配度获得噪声可能性,完成对音频分量的去噪优化。通过多种判断标准,更全面准确的判断音频分量中的噪声数据,使去噪优化效果更优,收音质量的优化效果更好。
2.在对时频曲线与标准噪声时频曲线进行匹配过程中,通过对角点的局部分布情况分析获得角点筛除指标,通过角点本身的频率和分布聚集性获得角点可能性,最终根据角点筛除指标和角点可能性获得特征点提取指标,根据噪声数据的高频孤立性提取出更具代表性的特征点,进一步减少了计算量,在保证匹配噪声数据完整性的同时,提升了系统的运行效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅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它附图。
图1为本发明一个实施例所提供的一种用于领夹无线麦克风的收音质量优化方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种用于领夹无线麦克风的收音质量优化方法及系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种用于领夹无线麦克风的收音质量优化方法及系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种用于领夹无线麦克风的收音质量优化方法流程图,该方法包括以下步骤:
S1:获取无线麦克风音频信号分解后的音频分量;根据每个音频分量对应的曲线特征获得对应音频分量的噪声特征指标;根据每个音频分量与其他音频分量之间的噪声特征差异获得对应音频分量的分量特征指标。
在本发明中,对领夹无线麦克风的收音质量进行优化主要在于去除音频中的噪声数据,对噪声数据的主要筛除方法基于传统的集合经验模态分解(Ensemble EmpiricalMode Decomposition,EEMD),获得不同的内涵模态分量,即为音频分量,通过对初始获得的音频分量分析,可以将音频分量中的噪声数据进行筛除。在采用EEMD进行分解时,需要先获得麦克风的音频信号。需要说明的是,采用EEMD算法分解获得内涵模态分量的方法为本领域技术人员熟知的公知技术,在此不做赘述。
在本发明实施例中,从无线麦克风中截取一段音频数据,由于声音的本质是振动传递出去的波,且声音经过音频线或话筒传输时,都可以认为其是一系列的模拟信号,因此音频信号的记录形式为时序上连续的波形图,其中波形图的纵轴为声波能量的幅值,横轴为时间,单位时间内的音波数量为频率。需要说明的是,音频信号的获取为本领域技术人员熟知的技术手段,在此不做赘述。
根据EEMD算法将获取到的无线麦克风音频信号进行分解,获得多种不同的音频分量,且不同的音频分量代表不同的音频数据类别,例如音频分量中存在属于噪声数据的噪声分量,每个音频分量对应坐标轴中横坐标代表时间,纵坐标代表声音幅值。由于收音环境的复杂性,仅根据噪声数据的高频特点不能有效区分出属于噪声的音频分量和具有噪声数据较多的音频分量,因此结合噪声数据的特性对所有音频分量分析,获得每个音频分量中具有噪声数据的可能性,进而进行合理的去噪处理,实现音频优化。
首先根据噪声数据的特点对每个音频分量自身进行分析,根据经验可知噪声是无序且杂乱的数据,因此对每个音频分量对应曲线的分布规律进行分析,当对应曲线分布规律越杂乱且无序,说明该音频分量越有可能是噪声对应的音频分量,根据曲线特征获得每个音频分量的噪声特征指标,具体包括:
获得音频分量对应曲线的方差,当方差越大,说明该曲线越不稳定,变化越紊乱,对应音频分量越可能为噪声分量。因此将方差值作为每个音频分量的第一噪声特征值。在本发明实施例中,曲线的方差基于曲线中纵坐标的数值进行获取,在另一些实施例中,也可采用拟合标准曲线获取方差等等,在此不做限定。
获得音频分量对应曲线中相邻极大值和极小值之间的差值作为极值差异,极值差异反映局部曲线变化的幅度,将相邻的极值差异的差值作为幅度差异,幅度差异反映对应局部曲线变化的幅度的规律性,幅度差异越大,说明局部曲线变化越杂乱,计算所有幅度差异的平均值,获得第二噪声特征值,当第二噪声特征值越大,说明整体曲线变化越无规则,对应音频分量越可能对应为噪声分量。
获得音频分量对应曲线中相邻极大值和极小值之间对应的时间间隔,时间间隔表示局部曲线变化的剧烈程度,将相邻时间间隔的差值作为时序变化差异,时序变化差异反映局部曲线变化程度的差异,当时序变化差异越大,说明局部曲线变化越混乱,计算所有时序变化差异的平均值,获得第三噪声特征值,当第三噪声特征值越大,说明曲线变化周期越不稳定,对应音频分量越可能为噪声分量。
将第一噪声特征值、第二噪声特征值和第三噪声特征值相加获得对应音频分量的噪声特征指标,当噪声特征指标越大说明对应音频分量越可能为噪声分量。在本发明实施例中,噪声特征指标的表达式为:
式中,表示为音频分量的噪声特征指标,/>表示为音频分量的第一噪声特征值,表示为音频分量的第二噪声特征值,/>表示为音频分量的第三噪声特征值。
通过对第一噪声特征值、第二噪声特征值和第三噪声特征值进行累加,综合分析了每个音频分量的噪声特征,通过噪声特征指标反映音频分量对应曲线的分布规律性,噪声特征指标越大,说明对应音频分量的曲线越混乱,音频分量越可能为噪声分量。
完成对每个音频分量的单独分析,进一步根据音频分量之间的噪声特征差异性,可以将具有较大差异的音频分量区分出来,由于噪声数据相对于其他数据具有一定的孤立性,因此当音频分量与其他音频分量的差异性越大,说明对应音频分量包含噪声数据的可能性越大,因此根据噪声数据的特征对音频分量之间的差异性进行判断。
根据对每个音频分量单独分析时可知,第一噪声特征值、第二噪声特征值和第三噪声特征值均反映了音频分量的噪声特性,因此根据每个音频分量与其他音频分量之间的噪声特征差异获得对应音频分量的分量特征指标,具体包括:
获得两个音频分量对应第一噪声特征值之间的差值平方、第二噪声特征值之间的差值平方和第三噪声特征值之间的差值平方,将三个差值平方相加并对和值开平方,获得分量差异性,通过分量差异性可以反映两个音频分量在噪声特征上的差异程度。
将每个音频分量与其他所有音频分量之间的分量差异性相加,获得对应音频分量的分量特征指标,当分量特征指标越大,说明对应音频分量与其他音频分量之间的噪声特征差异性越大,说明该音频分量为噪声分量的可能性越大。在本发明实施例中,分量特征指标的表达式为:
式中,表示为第/>个音频分量的分量特征指标,/>表示为音频分量的总数量,表示为第/>个音频分量的第一噪声特征值,/>表示为第/>个音频分量的第二噪声特征值,/>表示为第/>个音频分量的第三噪声特征值,/>表示为第/>个音频分量的第一噪声特征值,/>表示为第/>个音频分量的第二噪声特征值,/>表示为第/>个音频分量的第三噪声特征值。
其中,表示为第/>个音频分量与第/>个音频分量的分量差异性,当噪声特征间的差异越大,分量差异性越大,说明两个音频分量越不相似,当所有分量差异性的累加值也越大,说明对应音频分量与其他音频分量越不相似,越可能为噪声分量。
至此,完成对每个音频分量的噪声特征分析获得每个音频分量的噪声特征指标,完成每个音频分量与其他音频分量间差异性的分析获得每个音频分量的分量特征指标。
S2:获得每个音频分量对应的时频曲线;根据每个时频曲线中角点的局部分布特征获得角点筛除指标,根据角点对应的频率和分布聚集性获得角点可能性,通过每个角点的角点可能性和角点筛除指标获得每个角点的特征点提取指标;根据特征点提取指标获得对应时频曲线中的特征点,根据特征点将对应时频曲线与标准噪声时频曲线进行匹配,获得对应音频分量的噪声匹配度。
由于领夹式无线麦克风通常的安装位置为靠近嘴部的衣领处,因此在收音过程中极易采集到由衣物摩擦产生的噪声,因此在本发明实施例中,先获取领夹与衣物摩擦的噪声数据作为标准噪声数据,由于噪声数据一般具有高频和孤立性的特征,获得由频率和时间构成的曲线图像作为标准噪声时频曲线图像,以便后续能够将可能为噪声点的数据进行匹配,进一步减小计算量。需要说明的是,具体标准噪声数据的选择实施者可根据具体实施调整,例如风声等其他自然噪声数据。
由于摩擦噪声的突发性,在音频分量中,存在不全是由衣物摩擦产生的噪声,因此需要进行匹配,获得每个音频分量中噪声的匹配度。根据每个音频分量中所有数据点对应的频率和时间,获得每个音频分量对应的时频曲线,时频曲线对应的坐标轴均以时间作为横坐标,频率作为纵坐标。通过时频曲线可以更好地筛选特征点进行匹配,优选地,本发明采用形状上下文算子对音频分量对应时频曲线和标准噪声时频曲线进行匹配,由于形状上下文算子是根据数据点进行匹配的,计算量较大,故为了减少计算量,加快匹配速率,本发明通过对音频分量对应时频曲线进行特征点的提取,将特征点通过形状上下文算子匹配,获得噪声匹配度。需要说明的是,形状上下文算子为本领域技术人员熟知的技术手段,在此不做赘述。
在音频分量对应时频曲线中,由于噪声数据的突发性特性,在时频曲线中会产生变化较为剧烈的锯齿状曲线,可以采用角点检测,将这些变化剧烈的数据点检测出来,每个角点对应为一个可进行匹配的数据点,为了减少计算量,对每个角点进行分析,筛选出最具代表性的数据点进行匹配。需要说明的是,角点检测为本领域技术人员熟知的技术手段,在此不做赘述。
任选一个角点作为参考点进行分析,以参考点为中心点构建预设大小的检测窗口,获取检测窗口中的角点数据,根据检测窗口中角点的分布特征获得参考点的角点筛除指标,在本发明实施例中,检测窗口的大小可以例如为20*20正方形,具体数值可根据具体实施情况进行调整,对此不做限制。
当参考点对应检测窗口中存在角点时,确定参考点与检测窗口间的距离最大值,在本发明实施例中,距离最大值为参考点与检测窗口角点间的距离。计算检测窗口中所有角点距离参考点的欧氏距离并求平均值获得平均距离。平均距离反映其他角点与参考点间的距离分布情况,平均距离越大,说明其他角点距离参考点较远。需要说明的是,欧氏距离为本领域技术人员熟知的技术手段,在此不做赘述。
将距离最大值与平均距离的差值绝对值作为距离差异性,当平均距离越大,距离差异性越小,也即当其他角点距离参考点的距离较远时,参考点更具有孤立性,为噪声点的可能性较大,参考点作为特征点的概率越大。
计算参考点与相邻角点的夹角,在本发明实施例中,取参考点与左右相邻角点的连线与水平线间的夹角,获得所成夹角的平均值,将夹角的平均值作为角度差异性。当角度差异性越大,说明参考点在局部位置越突出,越不可代替,当该参考点被替代后会使曲线变化较大,因此该参考点作为特征点的概率越大。
将距离差异性与角度差异性的比值作为参考点的角点筛除指标,需要说明的是,为了避免角度和距离之间不同量纲的影响,对角度差异性与距离差异性均进行归一化处理,以便进行分析计算,后续角点筛除指标中的角度差异性和距离差异性均为归一化后的值,归一化方法为本领域技术人员熟知的技术手段,在此不做赘述。在本发明实施例中,角点筛除指标的具体表达式为:
式中,表示为参考点/>的角点筛除指标,/>表示为参考点/>对应的距离最大值,/>表示为参考点/>对应检测窗口中的其他角点的平均距离。/>表示为参考点/>的角度差异性,/>表示为常数系数,本发明实施例中设置为0.1,目的是防止分母为零使公式无意义。
通过比值的形式综合分析距离差异性和角度差异性,其中表示为距离差异性,当距离差异性越小,角度差异性越大时,说明参考点周围角点分布较为分散,且参考点相对分布较为突出,对应参考点越需要保留下来,作为特征点进行提取,因此角点筛除指标是越小的。
需要说明的是,当参考点对应检测窗口中的角点数量为零时,说明对应参考点具有孤立性,极有可能为噪声点,将该参考点筛除使曲线变化较大,因此对此参考点将对应的角点筛除指标取值为预设角点筛除指标,在本发明实施例中,预设角点筛除指标/>设置为0.01。
由于噪声的时频曲线是无规律的,存在对应时频曲线为噪声时频曲线时,时频曲线中可能存在整条曲线均由角点组成,在局部分布上较为密集,根据角点筛除指标无法筛选出合适的特征点,使后续筛选出的特征点并不能完全表达噪声数据的特征,因此通过角点可能性设置筛除补偿值。
根据噪声特征可知,噪声具有高频特征,为了保留能够完整表达噪声特征的数据点,根据角点的分布聚集性和频率进行调整,即根据角点对应的频率和分布聚集性获得角点可能性,具体包括:对参考点进行分析,获得参考点对应检测窗口中的角点数量,将参考点对应频率与角点数量的比值作为角点可能性,角点可能性的具体表达式为:
式中,表示为参考点/>的角点可能性,/>表示为参考点/>对应频率,/>表示为参考点/>对应检测窗口中的角点数量。/>表示为常数系数,本发明实施例中设置为0.1,目的是防止分母为零使公式无意义。
当对应参考的角点数量越少,频率越高,说明参考点代表性越强,越不可被替代筛除,故角点可能性越大。根据参考点获取角点筛除指标和角点可能性的过程,获得每个角点的角点筛除指标和角点可能性,将每个角点的角点可能性与角点筛除指标的比值进行归一化处理,获得每个角点的特征点提取指标。在本发明实施例中,特征点提取指标的表达式为:
式中,表示为角点的特征点提取指标,/>表示为角点的角点可能性,/>表示为角点的角点筛除指标。/>表示为归一化函数,需要说明的是,归一化为本领域技术人员熟知的技术手段,归一化函数的选择可以为线性归一化或标准归一化等,具体的归一化方法在此不做限定。
当角点可能性越大,角点筛除指标越小,说明角点在局部位置分布越重要,将此角点筛除后曲线变化差异较大,对应角点位置的噪声数据越重要,故特征点提取指标越大,对应角点越可能作为特征点进行匹配。在本发明实施例中,通过设置特征阈值筛选特征点,当角点的特征点提取指标大于特征阈值时,说明对应角点越重要,可将对应角点记为特征点,当角点的特征点提取指标小于等于特征阈值时,说明对应角点代表性不强,为可替代的点,可不参与匹配过程减小计算量,特征阈值设置为0.75,具体数值实施者可以根据具体实施场景进行调整。
根据特征点提取指标,对音频分量对应时频曲线中所有角点进行筛选,获得对应时频曲线中的特征点,根据特征点将对应时频曲线与标准噪声时频曲线通过形状上下文算子进行匹配,获得相似度,将相似度记为噪声匹配度,噪声匹配度表征每个音频分量对应时频曲线与标准噪声时频曲线的相似程度,越相似说明音频分量中的噪声数据越多,越可能为噪声分量。
至此,完成对每个音频分量中主要噪声数据的分析。
S3:根据每个音频分量的噪声特征指标、分量特征指标和噪声匹配度,获得每个音频分量的噪声分量可能性,根据噪声分量可能性对所有音频分量进行去噪处理获得收音信号。
通过对噪声特征的分析,根据S1和S2获得每个音频分量的噪声特征指标、分量特征指标和噪声匹配度,可进一步获得每个音频分量的噪声分量可能性,噪声分量可能性可以反映每个音频分量为噪声分量的可能性。将每个音频分量的噪声特征值、分量特征值和噪声匹配值相乘并归一化处理,获得每个音频分量的分量可能性,在本发明实施例中,噪声分量可能性表达式为:
式中,表示为音频分量的噪声分量可能性,/>表示为音频分量的噪声匹配度,/>表示为音频分量的噪声特征指标,/>表示为音频分量的分量特征指标,/>表示为归一化函数。
通过乘法综合分析每个音频分量,当音频分量的噪声匹配度、噪声特征指标和噪声特征指标越大时,说明音频分量中包含噪声数据越多,越可能为噪声分量,故噪声分量可能性越大。
最终可根据噪声分量可能性对所有音频分量进行不同的去噪处理,获得优化后的收音音频数据,通过噪声分量可能性对音频分量进行分类优化,具体方法包括:
当噪声分量可能性大于预设第一阈值时,说明对应音频分量中具有噪声数据极多,可将对应音频分量记为噪声分量并进行筛除;当噪声分量可能性小于等于预设第一阈值且大于预设第二阈值时,说明对应音频分量中具有一定的噪声数据,需要进行去噪处理,故将对应音频分量记为降噪分量并通过高斯滤波方法进行去噪;当噪声分量可能性小于等于预设第二阈值时,说明对应音频分量中噪声数据较少,可将对应音频分量记为正常音频分量。在本发明实施例中,预设第一阈值设置为0.8,预设第二阈值为0.6,需要说明的是,高斯滤波去噪方法为本领域技术人员熟知的技术手段,在此不做赘述。
完成去噪优化后,可将所有去噪后的降噪分量和正常音频分量结合获得新音频信号作为收音信号,此收音音频数据中的噪声更少,音频质量更高。
综上所述,本发明通过对应无线麦克风音频信号分解获得音频分量,根据音频分量的曲线特征获得噪声特征指标,根据音频分量之间噪声特征的差异获得分量特征指标,根据每个音频分量对应时频曲线中角点的局部分布特征获得角点筛除指标,根据角点的频率和分布聚集性获得角点可能性,根据角点的角点筛除指标和角点可能性,获得角点的特征点提取指标,获得对应时频曲线中的特征点,进一步根据特征点完成对应时频曲线和标准噪声时频曲线的匹配获得噪声匹配度,根据每个音频分量的噪声特征指标、分量特征指标和噪声匹配度获得噪声可能性,完成对所有音频分量的去噪优化处理,得到收音信号。本发明通过音频特征分析,更精确地获得噪声信息,通过多种指标进行音频去噪,更好的提升收音质量。
本发明提供了一种用于领夹无限麦克风的收音质量优化系统,包括存储器和处理器,处理器执行存储器存储的计算机程序,以实现如上述的一种用于领夹无线麦克风的收音质量优化方法。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
Claims (10)
1.一种用于领夹无线麦克风的收音质量优化方法,其特征在于,所述方法包括:
获取无线麦克风音频信号分解后的音频分量;根据每个所述音频分量对应的曲线特征获得对应所述音频分量的噪声特征指标;根据每个所述音频分量与其他音频分量之间的所述噪声特征差异获得对应所述音频分量的分量特征指标;
获得每个所述音频分量对应的时频曲线;根据每个所述时频曲线中角点的局部分布特征获得角点筛除指标,根据所述角点对应的频率和分布聚集性获得角点可能性,通过每个角点的所述角点可能性和所述角点筛除指标获得每个角点的特征点提取指标;根据特征点提取指标获得对应时频曲线中的特征点,根据所述特征点将对应时频曲线与标准噪声时频曲线进行匹配,获得对应所述音频分量的噪声匹配度;
根据每个所述音频分量的所述噪声特征指标、所述分量特征指标和所述噪声匹配度,获得每个所述音频分量的噪声分量可能性,根据所述噪声分量可能性对所有音频分量进行去噪处理获得收音信号。
2.根据权利要求1所述的一种用于领夹无线麦克风的收音质量优化方法,其特征在于,所述噪声特征指标的获取方法包括:
将每个所述音频分量对应曲线的方差作为第一噪声特征值;
将每个所述音频分量对应曲线中相邻极大值和极小值的差值作为极值差异,将相邻所述极值差异的差值作为幅度差异,计算所有所述幅度差异的平均值获得每个所述音频分量的第二噪声特征值;
获得每个所述音频分量对应曲线中相邻极大值和极小值之间的时间间隔,将相邻所述时间间隔的差值作为时序变化差异,计算所有所述时序变化差异的平均值获得每个所述音频分量的第三噪声特征值;
将每个所述音频分量的第一噪声特征值、第二噪声特征值和第三噪声特征值相加,获得每个音频分量的噪声特征指标。
3.根据权利要求2所述的一种用于领夹无线麦克风的收音质量优化方法,其特征在于,所述分量特征指标的获取方法包括:
获得每个所述音频分量与其他音频分量的所述第一噪声特征值之间的差值平方、所述第二噪声特征值之间的差值平方和所述第三噪声特征值之间的差值平方,将三个差值平方相加并开平方的值作为分量差异性;将每个音频分量与其他所有音频分量的分量差异性相加,获得对应所述音频分量的分量特征指标。
4.根据权利要求1所述的一种用于领夹无线麦克风的收音质量优化方法,其特征在于,所述角点筛除指标的获取方法包括:
获得所述音频分量对应时频曲线的角点,在一个时频曲线中任选一个角点作为参考点,以参考点为中心点构建预设大小的检测窗口;
若所述检测窗口中除参考点外存在其他角点,则计算所述参考点与所述检测窗口中其他角点的平均距离;确定所述参考点距离所述检测窗口的距离最大值,并将所述距离最大值与所述平均距离的差值绝对值作为距离差异性;计算所述参考点与相邻角点所成夹角的平均值,获得角度差异性;将所述距离差异性与所述角度差异性的比值作为所述参考点的角点筛除指标;
若所述检测窗口中除参考点外不存在其他角点,则所述参考点的角点筛除指标为预设角点筛除指标;
获得所有角点的所述角点筛除指标。
5.根据权利要求4所述的一种用于领夹无线麦克风的收音质量优化方法,其特征在于,所述角点可能性的获取方法包括:
获得所述参考点对应所述检测窗口中的角点数量,将所述参考点对应频率与所述角点数量的比值作为所述参考点的角点可能性;获得所有角点的所述角点可能性。
6.根据权利要求1所述的一种用于领夹无线麦克风的收音质量优化方法,其特征在于,所述特征点提取指标的获取方法包括:
将每个角点对应的所述角点可能性与所述角点筛除指标的比值进行归一化处理,获得每个角点的特征点提取指标。
7.根据权利要求1所述的一种用于领夹无线麦克风的收音质量优化方法,其特征在于,所述噪声分量可能性的获取方法包括:
将每个所述音频分量对应的所述噪声特征指标、所述分量特征指标和所述噪声匹配度相乘并进行归一化处理,获得每个所述音频分量的噪声分量可能性。
8.根据权利要求1所述的一种用于领夹无线麦克风的收音质量优化方法,其特征在于,所述根据所述噪声分量可能性对所有音频分量进行去噪处理获得收音信号包括:
当所述噪声分量可能性大于预设第一阈值时,将对应音频分量记为噪声分量并进行筛除;当所述噪声分量可能性小于等于预设第一阈值且大于预设第二阈值时,将对应音频分量记为降噪分量进行去噪处理;当所述噪声分量可能性小于等于预设第二阈值时,将对应音频分量记为正常音频分量;
将所有去噪后的降噪分量和正常音频分量结合获得新音频信号作为收音信号。
9.根据权利要求1所述的一种用于领夹无线麦克风的收音质量优化方法,其特征在于,所述噪声匹配度的获取方法包括:
根据每个音频分量对应时频曲线的特征点,将对应所述时频曲线与标准噪声时频曲线通过形状上下文算子进行匹配,获得相似度记为对应音频分量的噪声匹配度。
10.一种用于领夹无线麦克风的收音质量优化系统,包括存储器和处理器;其特征在于,所述处理器执行所述存储器存储的计算机程序,以实现如权利要求1-9任一项所述一种用于领夹无线麦克风的收音质量优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311099583.3A CN116828354B (zh) | 2023-08-30 | 2023-08-30 | 一种用于领夹无线麦克风的收音质量优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311099583.3A CN116828354B (zh) | 2023-08-30 | 2023-08-30 | 一种用于领夹无线麦克风的收音质量优化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116828354A true CN116828354A (zh) | 2023-09-29 |
CN116828354B CN116828354B (zh) | 2023-11-07 |
Family
ID=88120734
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311099583.3A Active CN116828354B (zh) | 2023-08-30 | 2023-08-30 | 一种用于领夹无线麦克风的收音质量优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116828354B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117454085A (zh) * | 2023-10-27 | 2024-01-26 | 杭州三一谦成科技有限公司 | 一种车辆在线监控方法及系统 |
CN117459864A (zh) * | 2023-10-25 | 2024-01-26 | 广州市杰泰电子科技有限公司 | 一种自动调节发射功率的无线话筒系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102651069A (zh) * | 2012-03-31 | 2012-08-29 | 重庆大学 | 基于轮廓的局部不变区域的检测方法 |
US8478389B1 (en) * | 2010-04-23 | 2013-07-02 | VivaQuant, LLC | System for processing physiological data |
US8805560B1 (en) * | 2011-10-18 | 2014-08-12 | Google Inc. | Noise based interest point density pruning |
CN105094111A (zh) * | 2015-04-09 | 2015-11-25 | 南京航空航天大学 | 基于联合降噪和经验模态分解的控制系统健康状态分析方法 |
US10145877B1 (en) * | 2016-05-25 | 2018-12-04 | Keysight Technologies, Inc. | Adaptive noise reduction in a signal analyzer |
CN112420066A (zh) * | 2020-11-05 | 2021-02-26 | 深圳市卓翼科技股份有限公司 | 降噪方法、装置、计算机设备和计算机可读存储介质 |
CN112492498A (zh) * | 2021-02-05 | 2021-03-12 | 杭州兆华电子有限公司 | 一种通话降噪耳机的测试方法 |
WO2022057365A1 (zh) * | 2020-09-17 | 2022-03-24 | Oppo广东移动通信有限公司 | 降噪方法、终端设备及计算机可读存储介质 |
-
2023
- 2023-08-30 CN CN202311099583.3A patent/CN116828354B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8478389B1 (en) * | 2010-04-23 | 2013-07-02 | VivaQuant, LLC | System for processing physiological data |
US8805560B1 (en) * | 2011-10-18 | 2014-08-12 | Google Inc. | Noise based interest point density pruning |
CN102651069A (zh) * | 2012-03-31 | 2012-08-29 | 重庆大学 | 基于轮廓的局部不变区域的检测方法 |
CN105094111A (zh) * | 2015-04-09 | 2015-11-25 | 南京航空航天大学 | 基于联合降噪和经验模态分解的控制系统健康状态分析方法 |
US10145877B1 (en) * | 2016-05-25 | 2018-12-04 | Keysight Technologies, Inc. | Adaptive noise reduction in a signal analyzer |
WO2022057365A1 (zh) * | 2020-09-17 | 2022-03-24 | Oppo广东移动通信有限公司 | 降噪方法、终端设备及计算机可读存储介质 |
CN112420066A (zh) * | 2020-11-05 | 2021-02-26 | 深圳市卓翼科技股份有限公司 | 降噪方法、装置、计算机设备和计算机可读存储介质 |
CN112492498A (zh) * | 2021-02-05 | 2021-03-12 | 杭州兆华电子有限公司 | 一种通话降噪耳机的测试方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117459864A (zh) * | 2023-10-25 | 2024-01-26 | 广州市杰泰电子科技有限公司 | 一种自动调节发射功率的无线话筒系统 |
CN117459864B (zh) * | 2023-10-25 | 2024-04-05 | 广州市杰泰电子科技有限公司 | 一种自动调节发射功率的无线话筒系统 |
CN117454085A (zh) * | 2023-10-27 | 2024-01-26 | 杭州三一谦成科技有限公司 | 一种车辆在线监控方法及系统 |
CN117454085B (zh) * | 2023-10-27 | 2024-04-09 | 杭州三一谦成科技有限公司 | 一种车辆在线监控方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116828354B (zh) | 2023-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116828354B (zh) | 一种用于领夹无线麦克风的收音质量优化方法及系统 | |
CN105785324B (zh) | 基于mgcstft的线性调频信号参数估计方法 | |
CN105844216B (zh) | 一种利用WiFi信号识别手写字母的检测与匹配机制 | |
CN107393555B (zh) | 一种低信噪比异常声音信号的检测系统及检测方法 | |
CN104422922A (zh) | 一种移动终端实现声源定位的方法及装置 | |
CN106052852B (zh) | 一种脉冲声信号的检测方法及装置 | |
CN110974189A (zh) | 脉搏波的信号质量检测方法及装置、设备、系统 | |
Xiantai et al. | Adaptive picking of microseismic event arrival using a power spectrum envelope | |
CN103948398A (zh) | 适用于Android系统的心音定位分段方法 | |
US20170296081A1 (en) | Frame based spike detection module | |
CN109283248A (zh) | 基于DBSCAN和k-means算法的板类结构多缺陷检测方法 | |
CN109474355A (zh) | 基于频谱监测数据的自适应噪声门限估计与信号提取方法 | |
Zhou et al. | An improved automatic picking method for arrival time of acoustic emission signals | |
Madhusudhana et al. | Automatic detection of echolocation clicks based on a Gabor model of their waveform | |
AU2024200622A1 (en) | Methods and apparatus to fingerprint an audio signal via exponential normalization | |
CN110568073B (zh) | 一种在噪声环境中拾取击打信号的方法 | |
CN112394324A (zh) | 一种基于麦克风阵列的远距离声源定位的方法及系统 | |
CN109102818B (zh) | 一种基于信号频率概率密度函数分布的去噪音频采样算法 | |
CN116482680B (zh) | 一种身体干扰识别方法、装置、系统和存储介质 | |
CN106073822B (zh) | 一种超声频谱自适应噪声估计包络提取方法 | |
CN114842280A (zh) | 一种基于卷积神经网络的自动识别微地震信号算法 | |
CN117037834A (zh) | 一种会议语音数据智能采集方法及系统 | |
CN113409800A (zh) | 一种监控音频的处理方法、装置、存储介质及电子设备 | |
CN114882912B (zh) | 一种声信号时域瞬态缺陷的测试方法及装置 | |
CN107330462B (zh) | 基于时频分析的手势识别方法及其装置 |
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 |