[发明专利]音频数据处理方法、装置、终端及系统

说明书

本发明实施例公开了一种音频数据处理方法、装置、终端及系统，该方法包括：获得空间滤波后的音频数据；对所述音频数据进行第一维纳滤波得到第一滤波数据；对所述音频数据进行第二维纳滤波得到第二滤波数据，第一维纳滤波对噪声的抑制程度大于第二维纳滤波；利用所述第一滤波数据判断对第二滤波数据处理的开始节点和结束节点，根据判断结果对第二滤波数据进行数据处理。本发明实施例根据语音活动检测和自动语音识别的不同需求，分别进行不同程度的维纳滤波，不仅可以保证自动语音识别的准确率，还可以避免干扰对语音活动检测的影响，更加准确的检测到语音活动状态，缩短语音交互的反馈延时，提高对语音指令的响应速度，给用户带来更好的使用体验。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种音频数据处理方法、装置、终端及系统。

背景技术

智能语音交互是人工智能领域的重要分支，实现自由准确的智能语音交互，将极大解放人的双手，获得与物理世界更加自由的信息流通与操控。智能语音交互主要近场语音交互和远场语音交互。过去二十年近场语音得到极大发展，目前近场的语音识别率接近于人的语音识别率，但是更自由的交互应该是远场语音交互。所谓远场语音交互，意味着说话人和交互设备之间有一定的距离，扩大了说话人的自由空间，但是这又会引入过多的背景噪声干扰，导致语音活动检测和自动语音识别的处理难度极大增加。

语音活动检测，即从一段连续的音频数据中检测出说话人实际录入的语音。准确的语音活动检测一方面可以提高后续自动语音识别的准确率，另一方面也可以降低语音交互的反馈延时，用户语音指令一结束就可以迅速给出执行结果，给用户带来更好的使用体验。

目前，一般采用阵列信号对原始音频数据进行处理后，利用处理后的音频数据进行语音活动检测和自动语音识别，但该处理后的音频数据仍然存在一定的干扰，会严重影响语音活动检测的准确度，导致语音活动检测的误差，从而造成对语音指令的响应迟缓。

发明内容

有鉴于此，本发明提供了一种音频数据处理方法、装置、终端及系统，能够解决现有技术中处理后的音频数据仍然存在的误差所造成的语音活动检测误差，影响语音指令响应速度的问题。

本发明实施例提供的一种音频数据处理方法，包括：

获得空间滤波后的音频数据；

对所述音频数据进行第一维纳滤波得到第一滤波数据；对所述音频数据进行第二维纳滤波得到第二滤波数据，所述第一维纳滤波对噪声的抑制程度大于所述第二维纳滤波；

利用所述第一滤波数据判断对第二滤波数据处理的开始节点和结束节点，根据判断结果对所述第二滤波数据进行数据处理。

可选的，所述对所述音频数据分别进行第一维纳滤波和第二维纳滤波，分别得到第一滤波数据和第二滤波数据，具体包括：

利用强度系数的M次方，对所述音频数据进行所述第一维纳滤波，得到所述第一滤波数据；利用所述强度系数的N次方，对所述音频数据进行所述第二维纳滤波，得到所述第二滤波数据；M大于N。

可选的，所述利用强度系数的M次方，对所述音频数据进行所述第一维纳滤波，得到所述第一滤波数据，具体包括：

按照公式对所述音频数据Y(jω)进行所述第一维纳滤波，得到所述第一滤波数据Y_VAD(jω)；

所述利用所述强度系数的N次方，对所述音频数据进行所述第二维纳滤波，得到所述第二滤波数据，具体包括：

按照公式对所述音频数据Y(jω)进行所述第二维纳滤波，得到所述第二滤波数据Y_ASR(jω)；

其中，M＝1，N＝1/2，所述强度系数为所述P_yy(jω)为所述音频数据的功率谱，P_xx(jω)为所述音频数据空间滤波前的原始音频数据的平均功率谱，EPS为极小值。