[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

说明书

本发明实施例公开了一种短时语音信号处理的方法、装置、设备及存储介质。其中，该方法包括：获取近端时域信号，并确定与近端时域信号匹配的远端时域信号以及误差时域信号；确定与近端时域信号匹配的音频采集状态，音频采集状态包括：单讲状态或者双讲状态；根据远端时域信号、误差时域信号以及音频采集状态确定与近端时域信号对应的残留回声幅度谱和环境噪声幅度谱；根据残留回声幅度谱、环境噪声幅度谱以及误差时域信号，生成与近端时域信号匹配的输出时域信号。本发明实施例的技术方案可以在回声场景下，有效抑制语音信号中的残留回声和环境噪声，提高语音信号清晰度。

技术领域

本发明实施例涉及音频处理技术，尤其涉及一种短时语音信号处理的方法、装置、设备及存储介质。

背景技术

随着终端的不断发展，越来越多的终端具备音频输入与音频输出的功能，并由于输出音频再次被音频输入设备拾取，形成回声。例如，具有扬声器和麦克风的智能设备。回声信号的存在会对音频信号的质量造成影响。

现有技术中，对终端的回声的处理一般是采用自适应滤波器构造回声消除器，来对回声进行消除。从麦克风拾取的近端音频信号中减去自适应滤波器输出估计回声信号，其相减结果称之为误差信号。理想情况下认为误差信号是使用者的有效语音信号。

现有技术存在以下缺陷：在终端同时使用音频输入与音频输出功能的情况下，例如，智能设备的扬声器和麦克风同时工作时，经过预处理的声音信号中的回声信号消除不干净，仍包含残留回声和环境噪声。在终端的短时语音信号处理系统中，短时的语音信号中的残留回声和环境噪声会降低语音信号清晰度，会对系统的正常工作造成影响。例如，在语音短消息应用场景中，残留回声和环境噪声会影响语音质量；对于小词量的语音识别系统，残留回声和环境噪声会影响识别率。

发明内容

本发明提供一种短时语音信号处理的方法、装置、设备及存储介质，以实现在回声场景下，有效抑制语音信号中的残留回声和环境噪声，提高语音信号清晰度。

第一方面，本发明实施例提供了一种短时语音信号处理的方法，包括：

获取近端时域信号，并确定与近端时域信号匹配的远端时域信号以及误差时域信号；

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

根据远端时域信号、误差时域信号以及音频采集状态确定与近端时域信号对应的残留回声幅度谱和环境噪声幅度谱；

根据残留回声幅度谱、环境噪声幅度谱以及误差时域信号，生成与近端时域信号匹配的输出时域信号。

第二方面，本发明实施例还提供了一种短时语音信号处理的装置，包括：

信号获取模块，用于获取近端时域信号，并确定与近端时域信号匹配的远端时域信号以及误差时域信号；

状态确定模块，用于根据与近端时域信号、远端时域信号以及误差时域信号分别对应的频域信号，确定与近端时域信号匹配的音频采集状态，音频采集状态包括：单讲状态或者双讲状态；

幅度谱确定模块，用于根据远端时域信号、误差时域信号以及音频采集状态确定与近端时域信号对应的残留回声幅度谱和环境噪声幅度谱；

信号生成模块，用于根据残留回声幅度谱、环境噪声幅度谱以及误差时域信号，生成与近端时域信号匹配的输出时域信号。

第三方面，本发明实施例还提供了一种设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当一个或多个程序被所述一个或多个处理器执行，使得一个或多个处理器实现本发明实施例所提供的短时语音信号处理的方法。