[发明专利]一种短时语音信号处理的方法、装置、设备及存储介质

权利要求书

1.一种短时语音信号处理的方法，其特征在于，包括：

获取近端时域信号，并确定与所述近端时域信号匹配的远端时域信号以及误差时域信号；

根据与所述近端时域信号、所述远端时域信号以及所述误差时域信号分别对应的频域信号，确定与所述近端时域信号匹配的音频采集状态，所述音频采集状态包括：单讲状态或者双讲状态；

根据所述远端时域信号、所述误差时域信号以及所述音频采集状态确定与所述近端时域信号对应的残留回声幅度谱和环境噪声幅度谱；

根据所述残留回声幅度谱、所述环境噪声幅度谱以及所述误差时域信号，生成与所述近端时域信号匹配的输出时域信号。

2.根据权利要求1所述的方法，其特征在于，根据与所述近端时域信号、所述远端时域信号以及所述误差时域信号分别对应的频域信号，确定与所述近端时域信号匹配的音频采集状态，所述音频采集状态包括：单讲状态或者双讲状态，包括：

获取当前帧的近端频域信号、远端频域信号和误差频域信号，其中，所述近端频域信号、所述远端频域信号和所述误差频域信号为与所述近端时域信号、所述远端时域语音信号以及所述误差时域信号分别对应的频域信号；

根据所述近端频域信号、所述远端频域信号和所述误差频域信号确定所述近端频域信号与所述误差频域信号的第一相干系数和所述远端频域信号与所述误差频域信号的第二相干系数；

根据所述第一相干系数与所述第二相干系数确定当前帧的相干性差值和差值跟踪值，其中，当前帧的差值跟踪值根据当前帧的相干性差值和前一帧的差值跟踪值确定；

根据当前帧的所述相干性差值与所述差值跟踪值确定双讲概率；

若所述双讲概率大于概率判决阈值，则确定所述当前帧的音频采集状态为双讲状态；

若所述双讲概率小于等于所述概率判决阈值，则确定所述当前帧的音频采集状态为单讲状态。

3.根据权利要求1所述的方法，其特征在于，根据所述远端时域信号、所述误差时域信号以及所述音频采集状态确定与所述近端时域信号对应的残留回声幅度谱和环境噪声幅度谱，包括：

根据所述误差时域信号和所述音频采集状态确定所述误差时域信号的噪声阈值，其中，所述噪声包括残留回声和环境噪声；

根据所述误差时域信号、所述远端时域信号、所述音频采集状态以及所述噪声阈值确定所述残留回声幅度谱；

根据所述误差时域信号、所述音频采集状态以及所述噪声阈值确定所述环境噪声幅度谱。

4.根据权利要求1所述的方法，其特征在于，根据所述残留回声幅度谱、所述环境噪声幅度谱以及所述误差时域信号，生成与所述近端时域信号匹配的输出时域信号，包括：

对所述误差时域信号进行短时傅里叶变换，得到误差频域信号；

根据以下公式，计算与所述近端时域信号匹配的输出频域信号：

S(f,i)＝E(f,i)-N(f,i)-Y(f,i)，

其中，S(f,i)为所述输出频域信号，E(f,i)为所述误差频域信号，N(f,i)为所述环境噪声幅度谱，Y(f,i)为所述残留回声幅度谱；

对所述输出频域信号进行短时傅里叶逆变换，得到输出时域信号。

5.根据权利要求3所述的方法，其特征在于，根据所述误差时域信号和所述音频采集状态确定所述误差时域信号的噪声阈值，包括：

根据所述误差时域信号确定误差时域信号能量；

根据所述误差时域信号能量确定误差时域信号能量的包络值；

根据所述误差时域信号能量、所述误差时域信号能量包络值以及所述音频采集状态确定所述误差时域信号的噪声阈值。

6.根据权利要求3所述的方法，其特征在于，根据所述误差时域信号、所述远端时域信号、所述音频采集状态以及所述噪声阈值确定所述残留回声幅度谱，包括：

根据所述误差时域信号确定误差时域信号能量；

根据所述远端时域信号确定所述远端时域信号能量；

将所述远端时域信号能量与预设阈值进行比较，若所述远端时域信号能量大于等于所述预设阈值，则根据所述误差时域信号、所述误差时域信号能量、所述远端时域信号、所述音频采集状态以及所述噪声阈值确定所述残留回声幅度谱。