CN117319889A - 音频信号的处理方法、装置、电子设备、及存储介质 - Google Patents

Abstract

本公开是关于一种音频信号的处理方法、装置、电子设备及存储介质，该方法应用于具有双声道播放系统的电子设备，所述方法包括：确定电子设备当前所在环境的目标声场；根据目标声场确定待播放音频信号的环绕效果参数；待播放音频信号至少包括：环绕声音频信号；根据环绕效果参数调整待播放音频信号，得到目标音频信号；对于同一待播放音频信号，根据不同环绕效果参数得到的目标音频信号不同，不同的目标音频信号播放后的环绕效果不同；播放目标音频信号。这样可以得到与当前所在声场相匹配的目标音频信号，进而提升了待播放音频信号的播放效果，提升了用户的临场感和播放的音频信号的环绕感，提高了用户的使用体验。

Description

音频信号的处理方法、装置、电子设备、及存储介质

技术领域

本公开涉及信息处理技术领域，尤其涉及一种音频信号的处理方法、装置、电子设备及存储介质。

背景技术

环绕声是指通过不同的声音通道，把声音按照不同时间在不同的音箱里播放出来。环绕声可以再现声音的层次感，增加了听者对临场感的体验。环绕声包括虚拟环绕声，虚拟环绕声可以在双声道立体声的基础上，不增加声道，通过相关的环绕声音频信号处理算法对多声道的音频信号进行处理，在立体声通道播放系统播放出来，形成能够让听者感觉到环绕声的效果，突破了双声道的限制。

发明内容

本公开提供一种音频信号的处理方法、装置、电子设备及存储介质。

本公开实施例的第一方面，提供一种音频信号的处理方法，应用于具有双声道播放系统的电子设备，所述方法包括：确定所述电子设备当前所在环境的目标声场；根据所述目标声场确定待播放音频信号的环绕效果参数；其中，所述待播放音频信号至少包括：环绕声音频信号；根据所述环绕效果参数调整所述待播放音频信号，得到目标音频信号；其中，对于同一待播放音频信号，根据不同所述环绕效果参数得到的所述目标音频信号不同，不同的所述目标音频信号播放后的环绕效果不同；播放所述目标音频信号。

在一个实施例中，所述电子设备包括：扬声器和麦克风；所述确定所述电子设备当前所在环境的目标声场，包括：通过所述扬声器向目标方向播放预设频段的第一音频信号；通过所述麦克风采集第二音频信号；其中，所述第二音频信号包括：所述第一音频信号在所述当前所在环境传播后反射至所述麦克风的音频信号；根据所述第一音频信号和所述第二音频信号，确定所述目标声场。

在一个实施例中，所述预设频段内包括多个预设频率；根据所述第一音频信号和所述第二音频信号，确定所述目标声场，包括：确定所述第二音频信号的目标频率和接收时间；其中，所述目标频率为所述预设频段内的频率；根据所述目标频率、所述预设频率、所述接收时间和所述第一音频信号的播放时间，确定所述目标声场。

在一个实施例中，所述根据所述第一音频信号和所述第二音频信号，确定所述目标声场，包括：将所述第一音频信号和所述第二音频信号输入至声场识别模型，得到所述目标声场。

在一个实施例中，所述声场识别模型为通过训练样本训练初始网络模型得到的模型；所述训练样本包括正样本集和负样本集；所述正样本集中包括多个正样本，所述正样本包括：作为所述初始网络模型的输入的所述第一音频信号的特征和所述第二音频信号的特征，以及作为所述初始网络模型的输出的第一标签；所述负样本集中包括多个负样本，所述负样本包括：作为所述初始网络模型的输入的噪声信号的特征，以及作为所述初始网络模型的输出的第二标签。

在一个实施例中，所述第一音频信号具有预设播放周期；所述通过所述扬声器向目标方向播放预设频段的第一音频信号，包括：每隔一个所述预设播放周期，通过所述扬声器播放一次所述第一音频信号。

在一个实施例中，所述根据所述目标声场确定待播放音频信号的环绕效果参数，包括：确定所述电子设备在所述目标声场对应空间的位置；根据所述位置确定所述环绕效果参数。

在一个实施例中，所述电子设备包括扬声器和麦克风；所述确定所述电子设备在所述目标声场对应空间的位置，包括：在所述电子设备当前所在环境中，以所述电子设备为中心，通过所述扬声器向所述电子设备的周围播放第三音频信号；通过所述麦克风采集第四音频信号，所述第四音频信号为所述第三音频信号的反射信号；根据所述第四音频信号和所述第三音频信号确定所述位置。

在一个实施例中，所述方法还包括：通过所述麦克风采集所述电子设备当前所在环境内的环境音频信号，得到所述待播放音频信号；其中，所述环境音频信号为环绕声音频信号。

在一个实施例中，所述电子设备还包括方向传感器；所述方法还包括：根据所述方向传感器检测的所述电子设备的旋转方向，调整所述环绕效果参数。

在一个实施例中，所述电子设备与所述电子设备当前所在环境中的多个预设音频播放设备连接，所述电子设备包括：混合现实设备、虚拟现实设备和增强现实设备；所述方法还包括：根据所述电子设备所呈现的虚拟场景，确定音频信号播放参数；根据所述音频信号播放参数调节所述预设音频播放设备的播放效果。

在一个实施例中，所述方法还包括：根据不同时间确定的所述目标声场之间的差异，更新所述目标声场。

在一个实施例中，所述电子设备至少包括：混合现实设备、虚拟现实设备、增强现实设备和可穿戴扬声器。

本公开实施例的第二方面，提供一种音频信号的处理装置，应用于具有双声道播放系统的电子设备，所述装置包括：目标声场确定模块，用于确定所述电子设备当前所在环境的目标声场；环绕效果参数确定模块，用于根据所述目标声场确定待播放音频信号的环绕效果参数；其中，所述待播放音频信号至少包括：环绕声音频信号；调整模块，用于根据所述环绕效果参数调整所述待播放音频信号，得到目标音频信号；其中，根据不同所述环绕效果参数得到的所述目标音频信号不同，不同的所述目标音频信号播放后的环绕效果不同；播放模块，用于播放所述目标音频信号。

本公开实施例的第三方面，提供一种电子设备，包括：

处理器和用于存储能够在所述处理器上运行的可执行指令的存储器，其中：处理器用于运行所述可执行指令时，所述可执行指令执行上述任一实施例所述的方法。

本公开实施例的第四方面，提供一种非临时性计算机可读存储介质，所述计算机可读存储介质中存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现上述任一实施例所述的方法。

本公开的实施例提供的技术方案可以包括以下有益效果：

本公开实施例可以应用于具有双声道播放系统的电子设备，电子设备可以确定自身当前所在环境的目标声场，根据目标声场确定待播放音频信号的环绕效果参数，待播放音频信号至少包括环绕声音频信号。根据环绕效果参数调整待播放音频信号即可得到目标音频信号，其中，对于同一待播放音频信号，根据不同环绕效果参数调整待播放音频信号得到的目标音频信号不同，不同的目标音频信号播放后的音效不同。在得到目标音频信号后播放目标音频信号。这样可以得到与当前所在声场相匹配的目标音频信号，进而提升了待播放音频信号的播放效果，提升了用户的临场感和播放的音频信号的环绕感，提高了用户的使用体验。

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音频信号的处理方法的示意图；

图2是根据一示例性实施例示出的一种确目标声场的示意图；

图3是根据一示例性实施例示出的另一种确目标声场的示意图；

图4是根据一示例性实施例示出的一种确定位置的示意图；

图5是根据一示例性实施例示出的一种音频信号的处理装置的示意图；

图6是根据一示例性实施例示出的一种终端设备的框图。

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的例子。

参考图1，图1为一种音频信号的处理方法的示意图，该方法可以应用于具有双声道播放系统的电子设备。该方法包括：

步骤S100，确定电子设备当前所在环境的目标声场。

步骤S200，根据目标声场确定待播放音频信号的环绕效果参数；其中，待播放音频信号至少包括：环绕声音频信号。

步骤S300，根据环绕效果参数调整待播放音频信号，得到目标音频信号；其中，对于同一待播放音频信号，根据不同环绕效果参数得到的目标音频信号不同，不同的目标音频信号播放后的环绕效果不同。

步骤S400，播放目标音频信号。

具有双声道播放系统的电子设备可以包括移动电子设备和固定电子设备等电子设备，即该方法的执行主体至少可以包括移动电子设备和固定电子设备。移动电子设备可以包括手机、平板电脑、车载中控设备、可穿戴设备、智能设备等，智能设备又可包括智能办公设备和智能家居设备等。

双声道播放系统可以时两条声道的播放系统，包括立体声播放系统，每个声道可以对应至少一个播放设备，播放设备可以是音箱或者其他的扬声器，同一个声道对应的多个播放设备的音频信号相同。立体声可以包括左声道和右声道。

电子设备具有确定该电子设备当前所在环境的目标声场的功能，能够确定出自身当前所在环境对应的声场，将该声场记为目标声场。确定目标声场的方式可以有多种，该实施例中并不限定确定目标声场的方式，能够实现该步骤的方式都在该实施例的保护范围之内。

确定目标声场的详细过程可以参考后续实施例。例如，电子设备可以向外发射音频信号，然后在接收该音频信号的反射信号，根据发射信号和反射信号确定目标声场。当然，还可以通过其他方式确定。

声场可以包括自由声场、半自由声场、封闭空间中的声场、扩散声场和混响声场等，自由声场可以包括消音室。在宽阔的广场上空，或者室内有一个面是全反射面，其余各面都是全吸声面，这样的空间称半自由声场或反射面前方的自由声场。如消声室地板用反射面来模拟半自由空间则称为半消声室。声源在被声阻抗率不同的界面所包围的空间中辐射的声场称封闭空间中的声场。例如机器在车间或实验室中发出噪声，当门、窗或其他开口的面积远小于整个边界的面积，则室内的声场就可以近似地看作是封闭空间中的声场。

不同空间对应的声场可以是不同的，例如，演播室和录音棚的声场是不同的，卧室、客厅、教室和室外的声场都是不同的。

在确定出目标声场后，根据目标声场确定待播放音频信号的环绕效果参数，不同的目标声场对应的环绕效果参数不同。这里的待播放音频信号至少包括：环绕声音频信号。环绕效果参数可以是至少一种影响环绕效果的参数，可以调整待播放音频信号播放之后的环绕效果。环绕效果参数可以包括：两个声音通道对应扬声器播放音频信号的俯仰角、两个声音通道对应扬声器播放音频信号的水平方位角、将音频信号发送至两个声道对应扬声器的时间差、两个声道的信号强度。两个声道的信号强度包括两个声道对应扬声器播放音频信号的音量的大小。

可以通过头相关传输函数(Head Related Transfer Functions，HRTF)根据目标声场确定环绕效果参数中的至少一种参数。还可以通过查表的方式，利用环绕效果参数表，在环绕效果参数表中查找与目标声场对应的环绕效果参数。环绕效果参数表可以是预设的，也可以是根据历史的环绕效果参数表和历史的目标声场确定的。

待播放音频信号可以包括5.1声道的环绕声音频信号和7.1声道的环绕声音频信号等。在电子设备为混合现实设备、虚拟现实设备或增强现实设备等能够显示虚拟场景的设备时，待播放音频信号还可以是电子设备显示的虚拟场景中的音频信号。

在确定出环绕效果参数后，可以根据环绕效果参数调整待播放音频信号，得到目标音频信号。根据不同环绕效果参数得到的目标音频信号不同，不同的目标音频信号播放后的环绕效果不同。对于同一待播放音频信号，通过相同的环绕效果参数调节后，得到的目标音频信号播放后的环绕效果相同。同一待播放音频信号，通过不同的环绕效果参数调节后，得到的目标音频信号播放后的环绕效果不同。

在得到目标音频信号后即可播放目标音频信号。

由于具有双声道音频播放系统的电子设备在播放环绕声音频信号时，就会降低环绕效果，进而影响播放效果，再加上电子设备当前所在的目标声场也会对于播放效果会产生影响。所以本公开从电子设备所在环境的声场的维度降低声场对播放效果的影响，通过确定电子设备当前所在的目标声场，根据目标声场相匹配的环绕效果参数调节待播放音频信号，得到与当前所在声场相匹配的目标音频信号。这样即可减少目标声场对播放效果的影响，从而提高播放效果，提升了用户的临场感和播放的音频信号的环绕感，提高了用户的使用体验。

在另一实施例中，具有双声道音频播放系统的电子设备至少包括：混合现实(Mixed Reality，MR)设备、虚拟现实(Virtual Reality，VR)设备、增强现实(AugmentedReality，AR)设备和可穿戴扬声器等头戴设备。混合现实设备可以包括智能头盔，虚拟现实设备可以包括VR智能头戴设备，如VR眼镜。增强现实设备可以包括AR智能头戴设备，如AR眼镜。

这些电子设备可以执行上述实施例中的音频信号处理方法，得到目标音频信号，并播放目标音频信号，提升临场感、环绕感和包围感，到达提升播放效果的作用，进而提高用户的使用体验。

在另一实施例中，电子设备包括：扬声器和麦克风。扬声器为双声道播放系统中的扬声器，可以播放音频信号，麦克风可以采集音频信号。例如，VR设备和AR设备中通常都具有一个麦克风和至少2个扬声器，两个扬声器可以是立体声扬声器。

参考图2，为另一种确目标声场的示意图，步骤S100，确定电子设备当前所在环境的目标声场，包括：

步骤S101，通过扬声器向目标方向播放预设频段的第一音频信号。

步骤S102，通过麦克风采集第二音频信号；其中，第二音频信号包括：第一音频信号在当前所在环境传播后反射至麦克风的音频信号。

步骤S103，根据第一音频信号和第二音频信号，确定目标声场。

对于步骤S101，在确定目标声场时，可以通过双声道播放系统中一个声道的扬声器播放第一音频信号，播放第一音频信号的扬声器的数量可以是一个，这样可以便于对麦克风采集到的第二音频信号进行处理，麦克风接收单一的一个扬声器播放的第一音频信号对应的第二音频信号即可，减少了麦克风接收多个扬声器播放的第一音频信号分别对应的第二音频信号的过程，从而减少了处理多个扬声器播放的第一音频信号和对应多个第二音频信号的复杂程度，减少了处理过程中的计算量，从而提高处理速度和确定目标声场的效率。

目标方向可以是根据实际需求确定的方向，目标方向可以是预先设置的，也可以是默认的，也可以根据配置参数调节的。

第一音频信号的频率可以是预设频段中的频率，预设频段可以是根据实际需求确定，第一音频信号包括但不限于超声波信号。在第一音频信号为超声波信号时，可以减少对用户的影响，由于人耳听不到超声波，所以可以在用户没有感知的情况下播放第一音频信号，这样可以提高用户的使用体验。

第一音频信号可以包括预设频段内的多个不同频率的音频信号。

在一个实施例中，第一音频信号可以具有一定的时长，时长单位可以是毫秒和秒，例如，100毫秒或者1秒。

对于步骤S102，在扬声器播放第一音频信号之后，通过麦克风采集第一音频信号在电子设备当前所在环境中传播之后反射至麦克风的反射信号，即第二音频信号。在不同的当前所在环境中，第一音频信号的传播效果和反射效果不同，麦克风采集到的第二音频信号也会不同。

传播效果可以包括传播时长，当前所在环境不同时，第一音频信号的传播时长可能会不同，当前所在环境对应空间越大，传播时长越长。反射效果可以包括反射时长和反射的音频信号所在频率等。当前所在环境不同时，第一音频信号的反射时长也会不同，当前所在环境对应空间越大，则反射时长越长。当前所在环境对应空间的反射面不同时，反射面的材料可能不同，不同材料的反射面对第一音频信号的反射效果不同，经过反射面反射后麦克风采集到的第二音频信号也会不同。

反射效果还可以包括音频信号的强度和能量的大小等。

对于步骤S103，在得到第一音频信号和第二音频信号后，可以根据第一音频信号和第二音频信号，确定目标声场。第一音频信号具有相应的信息，第二音频信号也具有同样维度的信息，所以根据第一音频信号和第二音频信号可以确定出目标声场。

参考图3，为另一种确目标声场的示意图，步骤S103，根据所第一音频信号和第二音频信号，确定目标声场，包括：

步骤S1031，确定第二音频信号的目标频率和接收时间；其中，目标频率为预设频段内的频率；

步骤S1032，根据目标频率、预设频率、接收时间和第一音频信号的播放时间，确定目标声场。

预设频段内包括多个预设频率，第一音频信号包括多个预设频率的音频信号，第一音频信号具有播放时间。

在麦克风采集到第二音频信号后，可以确定第二音频信号中包括的音频信号对应的频率，将该频率记为目标频率。例如，第二音频信号中包括5个不同频率的音频信号，则将这5个频率的音频信号都记为目标频率。目标频率为预设频段内的频率，也就是目标频率为预设频率中的频率。

还可以确定各个目标频率的音频信号的接收时间，不同目标频率的音频信号反射至麦克风的时间不同，麦克风在采集到各个目标频率的音频信号后即可确定对应的接收时间。不同目标频率的音频信号对应的接收时间也可能不同。也就是接收时间可以包括第二音频信号中不同目标频率对应音频信号的接收时间。

由于电子设备当前所在环境不同的时，扬声器在将第一音频信号播放之后，在电子设备当前所在环境的传播时间不同，从而导致反射至麦克风的时间不同，则麦克风采集得到第二音频信号的接收时间也不同。电子设备当前所在环境不同的时，反射至麦克风的第二音频信号中包括的音频信号的频率也会不同。所以在确定目标频率和各个目标频率的音频信号的接收时间后，结合第一音频信号的播放时间和预设频率，即可确定出目标声场。第一音频信号的播放时间可以包括各个预设频率的音频信号的播放时间，不同预设频率的音频信号的播放时间可以是相同的，也可以是不同的。

目标频率、预设频率、接收时间和第一音频信号的播放时间对应有匹配的目标声场，在确定目标频率、预设频率、接收时间和第一音频信号的播放时间之后，即可确定出相匹配的目标声场。例如，可以通过查表的方式，根据目标频率、预设频率、接收时间和第一音频信号的播放时间，查找匹配的目标声场。还可以通过声场识别模型，将目标频率、预设频率、接收时间和第一音频信号的播放时间作为声场识别模型的输入，声场识别模型的输出即为目标声场。声场识别模型为已经训练完成的网络模型，可以参考后续实施例中的声场识别模型。

在另一实施例中，步骤S103，根据第一音频信号和第二音频信号，确定目标声场，包括：

将第一音频信号和第二音频信号输入至声场识别模型，得到目标声场。

在确定目标声场时，还可以通过声场识别模型确定目标声场。将第一音频信号和第二音频信号输入至声场识别模型中，声场识别模型可以提取第一音频信号和第二音频信号的特征，然后根据第一音频信号和第二音频信号的特征即可确定目标声场。第一音频信号和第二音频信号中的任意之一不同时，声场识别模型的输入也会不同，声场识别模型提取的特征也会不同，则得到的目标声场不同。

声场识别模型为通过训练样本训练初始网络模型得到的模型，初始网络模型可以是任一种网络模型，例如卷积网络模型。

训练样本包括正样本集和负样本集。正样本集中包括多个正样本，正样本包括：作为初始网络模型的输入的第一音频信号的特征和第二音频信号的特征，以及作为初始网络模型的输出的第一标签。

负样本集中包括多个负样本，负样本包括：作为初始网络模型的输入的噪声信号的特征，以及作为初始网络模型的输出的第二标签。噪声信号可以包括除了第二音频信号以外的其他频率的音频信号。

训练样本越多，训练得到的声场识别模型的识别准确度越高。通过声场识别模型可以自动的完成目标声场的识别，减少了确定目标声场过程中的人工参与，提高了目标声场的识别效率。

在另一实施例中，还可以通过历史目标声场识别数据更新声场识别模型，利用每次识别目标声场的输入数据和输出数据更新声场识别模型的参数，这样可以通过历史的识别数据更新声场识别模型，从而得到识别准确度更高的声场识别模型。

在另一实施例中，第一音频信号具有预设播放周期，每隔一个预设播放周期，通过扬声器播放一次第一音频信号。预设播放周期大于第一音频信号的播放时间至第二音频信号的接收时间的时长。例如，第一音频信号的播放时间至第二音频信号的接收时间的时长的时长为1秒，则预设播放周期为10分钟。

预设播放周期可以根据电子设备的位置进行调整，在电子设备的位置的变化量超过变量阈值时，则缩短预设播放周期，在电子设备的位置的变化量小于阈值并且维持时长大于预设时长时，则延长预设播放周期。

由于电子设备当前所在环境可能发生变化，从而导致目标声场也发生变化，这样可以重新确定目标声场，每隔一个预设播放周期就重新确定一次目标声场，从而便于目标声场的更新。

在另一实施例中，所述方法还包括：

根据不同时间确定的目标声场之间的差异，更新目标声场。

由于第一音频信号具有预设播放周期，所以电子设备每个一个预设播放周期通过扬声器播放一次第一音频信号。目标声场是根据第一音频信号和第二音频信号确定的，所以每播放一次第一音频信号，麦克风也会再次接收一次第二音频信号，同样会重新确定一次目标声场。每次确定目标声场的方法可以是相同的。

在多次确定出目标声场后，可以根据目标声场之间的差异，确定是否更新目标声场。声场的差异可以包括电子设备当前所在空间大小的差异和/或混响的差异，声场可以包括空间大小和混响，空间大小和混响都可以通过量化的指标表示。在不同时间确定的目标声场之间的差异超过差异阈值时，则更新目标声场。

在一个实施例中，可以根据当前的目标声场和经过N-1个预设播放周期确定的目标声场之间的差异，确定是否更新当前的目标声场。N为大于1的正整数。

例如，第当前的目标声场为声场A，经过一个预设播放周期定的目标声场为声场B，确定声场B和声场A的差异，在声场B和声场A的差异超过差异阈值时，则更新声场A为声场B。经过2个预设播放周期确定的目标声场为声场C，确定声场B和声场C的差异，在声场B和声场C的差异超过差异阈值时，则更新声场B为声场C。

如果在声场B和声场A的差异没有超过差异阈值，则确定声场A和声场C的差异，在声场A和声场C的差异超过差异阈值时，则更新声场A为声场C。

在一个实施例中，步骤S200，根据目标声场确定待播放音频信号的环绕效果参数，包括：

确定电子设备在目标声场对应空间的位置，然后根据位置确定环绕效果参数。

电子设备在目标声场对应空间包括电子设备当前所在环境，在该空间为有限的空间时，该空间具有一定的界限。该界限可以是墙体或者其他遮挡体形成的界限，这些遮挡体可以形成该空间。该空间中还可以具有反射体，可以反射声音。在该空间中的位置不同时，由于距离遮挡体或者反射体的距离不同，播放目标音频信号后的环绕效果也会不同。

例如，电子设备当前所在环境为礼堂，该礼堂的空间大小是一定的，礼堂的墙体决定的礼堂的空间大小。礼堂的墙体可以反射礼堂内的声音，在礼堂内播放声音时，由于距离礼堂的墙体的距离不同，所以礼堂中不同位置的音效是不同的。

在确定电子设备在目标声场对应空间的位置后，可以根据该位置确环绕效果参数。根据该位置确定的待播放音频信号的环绕效果参数的方法都在该实施例的保护范围内。

不同的位置对应的环绕效果参数不同，可以根据电子设备与该空间各个方向的反射体的距离确定环绕效果参数。该空间各个方向的反射体至少可以包括电子设备的前方、后方、左侧、右侧、顶部的反射体，以及地面。当然，还可以包括电子设备周围任意一个能够反射音频信号的反射体。在任意一个反射体与电子设备的距离不同时，则环绕效果参数则不同。

在另一实施例中，电子设备包括扬声器和麦克风，该实施例中的扬声器和麦克风与上述实施例中扬声器和麦克风可以是相同的。

参考图4，为一种确定位置的示意图，确定电子设备在目标声场对应空间的位置，包括：

步骤A，在电子设备当前所在环境中，以电子设备为中心，通过扬声器向电子设备的周围播放第三音频信号；

步骤B，通过麦克风采集第四音频信号，第四音频信号为第三音频信号的反射信号；

步骤C，根据第四音频信号和第三音频信号确定位置。

在电子设备当前所在环境中，通过电子设备中双声道音频播放系统中一个声道的一个扬声器向电子设备的周围播放第三音频信号，第三音频信号可以与第一音频信号相同，例如超声波信号等。第三音频信号在电子设备当前所在环境中传播后，接收第三音频信号的反射信号，即第四音频信号。这里的电子设备当前所在环境为有限的环境时，也就是电子设备当前所在环境中为有限的空间，至少可以反射第三音频信号时，则麦克风可以采集到第四音频信号。

可以向预设方向播放第三音频信号，预设方向可以包括电子设备的前方、后方、左侧、右侧，左前方、右前方、左后方和右后方等方向，当然还可以是以电子设备为中心，电子设备周围的任意方向。然后分别向这些方向播放第三音频信号，在接收到一个预设方向的第三音频信号对应的第四音频信号后，向另一个预设方向播放第三音频信号，然后再接收对应的第四音频信号。以此类推，分别向各个预设方向依次播放第三音频信号，接收各个预设方向对应的第四音频信号。

由于在不同位置时第三音频信号的传播时间和第四音频信号反射时间是不同的，根据各个预设方向的第三音频信号和第四音频信号即可确定出电子设备在当前空间中的位置。

在另一实施例中，所述方法还包括：

通过麦克风采集电子设备当前所在环境内的环境音频信号，得到待播放音频信号；其中，环境音频信号为环绕声音频信号。

在该实施例中，电子设备当前所在环境内存在音频信号，将该音频信号记为环境音频信号，该环境音频信号可以是由电子设备当前所在环境内中的其他播放设备播放的，麦克风可以采集到环境音频信号。环境音频信号的环绕效果可能不好，通过麦克风采集环境音频信号，将环境音频信号作为待播放音频信号，然后根据目标声场和/或电子设备在当前所在环境中的位置确定待播放音频信号的环绕效果参数，这样可以得到环绕效果更好的目标音频信号。

电子设备中还包括入耳式耳机，该入耳式耳机不同于播放第一音频信号和第三音频信号的扬声器，入耳式耳机用于播放目标音频信号。该入耳式耳机能够阻挡环境音频信号进入耳道，在通过入耳式耳机播放目标音频信号时，可以减少环境音频信号对用户的影响，提高目标频信号的环绕效果。

该实施例可以对环境音频信号进行处理，确定该环境音频信号的环绕效果参数，将环境音频信号作为待播放音频信号，从而得到环绕效果更好的环境音频信号。

在另一实施例中，所述电子设备还包括方向传感器，可以检测电子设备的旋转方向。

所述方法还包括：

根据方向传感器检测的电子设备的旋转方向，调整环绕效果参数。其中，该电子设备包括头戴式电子设备。

电子设备在被用户佩戴的状态下随着用户头部的转动而转动，在用户的头部转动后，电子设备中的扬声器在当前所在环境中的位置发生变化，电子设备的在当前所在环境的位置没有发生变化，扬声器的位置发生的了变化。根据旋转方向可以确定旋转后的环绕效果参数。

检测电子设备是否转动，在检测到电子设备旋转并且确定电子设备停止旋转后，重新确定环绕效果参数。可以确定旋转后双声道音频播放系统中各个声道的扬声器在当前所在空间的位置，然后根据旋转后双声道音频播放系统中各个声道的扬声器在当前所在空间的位置确定环绕效果参数。双声道音频播放系统中各个声道的扬声器在当前所在空间的位置不同时，播放的目标音频信号的环绕效果不同，旋转后双声道音频播放系统中各个声道的扬声器在当前所在空间的位置、目标声场和环绕效果参数之间具有对应关系，根据双声道音频播放系统中各个声道的扬声器在当前所在空间的位置和目标声场可以确定出环绕效果参数。

确定旋转后双声道音频播放系统中各个声道中的扬声器在当前所在空间的位置的方法，可以参考确定电子设备在目标声场对应空间的位置的方法，确定出旋转后双声道音频播放系统中各个声道中的一个扬声器在当前所在空间的位置即可。

在另一实施例中，电子设备当前所在环境中存在的多个预设音频播放设备，电子设备与电子设备当前所在环境中的多个预设音频播放设备连接，电子设备包括：混合现实设备(MR)、虚拟现实设备(VR)和增强现实设备(AR)。

所述方法还包括：

根据电子设备所呈现的虚拟场景确定音频信号播放参数，然后根据音频信号播放参数调节预设音频播放设备的播放效果。

MR、VR和AR等电子设备在使用过程中存在虚拟场景，虚拟场景可以包括具有音频信号的场景，不同的虚拟场景中的音频信号可能不同，一部分音频信号需要电子设备当前所在环境存在的多个预设音频播放设备播放。根据虚拟场景可以确定出对应的音频信号和音频信号播放参数，根据该音频信号播放参数即可调整预设音频播放设备的播放效果。在通过电子设备当前所在环境存在的多个预设音频播放设备播放音频信号时，可以得到更好的播放效果。

在另一实施例中，参考图5，图5为一种音频信号的处理装置的示意图，所述装置包括：

目标声场确定模块1，用于确定所述电子设备当前所在环境的目标声场；

环绕效果参数确定模块2，用于根据所述目标声场确定待播放音频信号的环绕效果参数；其中，所述待播放音频信号至少包括：环绕声音频信号；

调整模块3，用于根据所述环绕效果参数调整所述待播放音频信号，得到目标音频信号；其中，根据不同所述环绕效果参数得到的所述目标音频信号不同，不同的所述目标音频信号播放后的环绕效果不同；

播放模块4，用于播放所述目标音频信号。

在另一实施例中，所述电子设备包括：扬声器和麦克风；

目标声场确定模块1，包括：

播放单元，用于通过所述扬声器向目标方向播放预设频段的第一音频信号；

采集单元，用于通过所述麦克风采集第二音频信号；其中，所述第二音频信号包括：所述第一音频信号在所述当前所在环境传播后反射至所述麦克风的音频信号；

目标声场确定单元，用于根据所述第一音频信号和所述第二音频信号，确定所述目标声场。

在另一实施例中，所述预设频段内包括多个预设频率；

目标声场确定单元，包括：

第一确定子单元，用于确定所述第二音频信号的目标频率和接收时间；其中，所述目标频率为所述预设频段内的频率；

第二确定子单元，用于根据所述目标频率、所述预设频率、所述接收时间和所述第一音频信号的播放时间，确定所述目标声场。

在另一实施例中，目标声场确定单元，还用于：

将所述第一音频信号和所述第二音频信号输入至声场识别模型，得到所述目标声场。

在另一实施例中，所述声场识别模型为通过训练样本训练初始网络模型得到的模型；

所述训练样本包括正样本集和负样本集；

所述正样本集中包括多个正样本，所述正样本包括：作为所述初始网络模型的输入的所述第一音频信号的特征和所述第二音频信号的特征，以及作为所述初始网络模型的输出的第一标签；

所述负样本集中包括多个负样本，所述负样本包括：作为所述初始网络模型的输入的噪声信号的特征，以及作为所述初始网络模型的输出的第二标签。

在另一实施例中，所述第一音频信号具有预设播放周期；

播放单元还用于包括：

每隔一个所述预设播放周期，通过所述扬声器播放一次所述第一音频信号。

在另一实施例中，所述装置还包括：

更新模块，用于根据不同时间确定的所述目标声场之间的差异，更新所述目标声场。

在另一实施例中，所述电子设备至少包括：混合现实设备、虚拟现实设备、增强现实设备和可穿戴扬声器。

在另一实施例中，还提供了一种电子设备，包括：

处理器和用于存储能够在所述处理器上运行的可执行指令的存储器，其中：

处理器用于运行所述可执行指令时，所述可执行指令执行上述任一实施例所述的方法。

在另一实施例中，还提供了一种非临时性计算机可读存储介质，所述计算机可读存储介质中存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现上述任一实施例所述的方法。

需要说明的是，本公开实施例中的“第一”和“第二”仅为表述和区分方便，并无其他特指含义。

图6是根据一示例性实施例示出的一种终端设备的框图。例如，终端设备可以是头戴式可穿戴识别、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6，终端设备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通常控制终端设备的整体操作，诸如与展示，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终端设备的操作。这些数据的示例包括用于在终端设备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为终端设备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，及其他与为终端设备生成、管理和分配电力相关联的组件。

多媒体组件808包括在终端设备和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶展示器(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。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。当终端设备处于操作模式，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)，当终端设备处于操作模式，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，用于为终端设备提供各个方面的状态评估。例如，传感器组件814可以检测到终端设备的打开/关闭状态，组件的相对定位，例如组件为终端设备的展示器和小键盘，传感器组件814还可以检测终端设备或终端设备一个组件的位置改变，用户与终端设备接触的存在或不存在，终端设备方位或加速/减速和终端设备的温度变化。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被配置为便于终端设备和其他设备之间有线或无线方式的通信。终端设备可以接入基于通信标准的无线网络，如WiFi，4G或5G，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，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模块可基于发频识别(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，终端设备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，用于执行上述方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开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 (16)

1.一种音频信号的处理方法，其特征在于，应用于具有双声道播放系统的电子设备，所述方法包括：

确定所述电子设备当前所在环境的目标声场；

根据所述目标声场确定待播放音频信号的环绕效果参数；其中，所述待播放音频信号至少包括：环绕声音频信号；

根据所述环绕效果参数调整所述待播放音频信号，得到目标音频信号；其中，对于同一待播放音频信号，根据不同所述环绕效果参数得到的所述目标音频信号不同，不同的所述目标音频信号播放后的环绕效果不同；

播放所述目标音频信号。

2.根据权利要求1所述的方法，其特征在于，所述电子设备包括：扬声器和麦克风；

所述确定所述电子设备当前所在环境的目标声场，包括：

通过所述扬声器向目标方向播放预设频段的第一音频信号；

通过所述麦克风采集第二音频信号；其中，所述第二音频信号包括：所述第一音频信号在所述当前所在环境传播后反射至所述麦克风的音频信号；

根据所述第一音频信号和所述第二音频信号，确定所述目标声场。

3.根据权利要求2所述的方法，其特征在于，所述预设频段内包括多个预设频率；

根据所述第一音频信号和所述第二音频信号，确定所述目标声场，包括：

确定所述第二音频信号的目标频率和接收时间；其中，所述目标频率为所述预设频段内的频率；

根据所述目标频率、所述预设频率、所述接收时间和所述第一音频信号的播放时间，确定所述目标声场。

4.根据权利要求2所述的方法，其特征在于，所述根据所述第一音频信号和所述第二音频信号，确定所述目标声场，包括：

将所述第一音频信号和所述第二音频信号输入至声场识别模型，得到所述目标声场。

5.根据权利要求4所述的方法，其特征在于，所述声场识别模型为通过训练样本训练初始网络模型得到的模型；

所述训练样本包括正样本集和负样本集；

所述正样本集中包括多个正样本，所述正样本包括：作为所述初始网络模型的输入的所述第一音频信号的特征和所述第二音频信号的特征，以及作为所述初始网络模型的输出的第一标签；

所述负样本集中包括多个负样本，所述负样本包括：作为所述初始网络模型的输入的噪声信号的特征，以及作为所述初始网络模型的输出的第二标签。

6.根据权利要求2所述的方法，其特征在于，所述第一音频信号具有预设播放周期；

所述通过所述扬声器向目标方向播放预设频段的第一音频信号，包括：

每隔一个所述预设播放周期，通过所述扬声器播放一次所述第一音频信号。

7.根据权利要求1所述的方法，其特征在于，所述根据所述目标声场确定待播放音频信号的环绕效果参数，包括：

确定所述电子设备在所述目标声场对应空间的位置；

根据所述位置确定所述环绕效果参数。

8.根据权利要求7所述的方法，其特征在于，所述电子设备包括扬声器和麦克风；

所述确定所述电子设备在所述目标声场对应空间的位置，包括：

在所述电子设备当前所在环境中，以所述电子设备为中心，通过所述扬声器向所述电子设备的周围播放第三音频信号；

通过所述麦克风采集第四音频信号，所述第四音频信号为所述第三音频信号的反射信号；

根据所述第四音频信号和所述第三音频信号确定所述位置。

9.根据权利要求7所述的方法，其特征在于，所述方法还包括：

通过所述麦克风采集所述电子设备当前所在环境内的环境音频信号，得到所述待播放音频信号；其中，所述环境音频信号为环绕声音频信号。

10.根据权利要求1所述的方法，其特征在于，所述电子设备还包括方向传感器；

所述方法还包括：

根据所述方向传感器检测的所述电子设备的旋转方向，调整所述环绕效果参数。

11.根据权利要求1所述的方法，其特征在于，所述电子设备与所述电子设备当前所在环境中的多个预设音频播放设备连接，所述电子设备包括：混合现实设备、虚拟现实设备和增强现实设备；

所述方法还包括：

根据所述电子设备所呈现的虚拟场景，确定音频信号播放参数；

根据所述音频信号播放参数调节所述预设音频播放设备的播放效果。

12.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据不同时间确定的所述目标声场之间的差异，更新所述目标声场。

13.根据权利要求1所述的方法，其特征在于，所述电子设备至少包括：可穿戴扬声器。

14.一种音频信号的处理装置，其特征在于，应用于具有双声道播放系统的电子设备，所述装置包括：

目标声场确定模块，用于确定所述电子设备当前所在环境的目标声场；

环绕效果参数确定模块，用于根据所述目标声场确定待播放音频信号的环绕效果参数；其中，所述待播放音频信号至少包括：环绕声音频信号；

调整模块，用于根据所述环绕效果参数调整所述待播放音频信号，得到目标音频信号；其中，根据不同所述环绕效果参数得到的所述目标音频信号不同，不同的所述目标音频信号播放后的环绕效果不同；

播放模块，用于播放所述目标音频信号。

15.一种电子设备，其特征在于，包括：

处理器和用于存储能够在所述处理器上运行的可执行指令的存储器，其中：

处理器用于运行所述可执行指令时，所述可执行指令执行上述权利要求1至13任一项所述的方法。

16.一种非临时性计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现上述权利要求1至13任一项所述的方法。