[发明专利]回声抑制的处理方法和装置

权利要求书

1.一种回声抑制的处理方法，其特征在于，包括：

获取声音数据，其中，所述声音数据包括：第一数据和第二数据，所述第一数据为第一端发送至第二端的声音数据，所述第二数据为在所述第一数据传送到所述第二端后从第三端传送到第四端的声音数据，所述第一端和所述第三端用于录入声音数据，所述第二端和所述第四端用于播放声音数据；

依据wavenet模型对所述声音数据进行处理，其中，所述wavenet模型为预先训练的，所述wavenet模型用于从所述第二数据中去除或减弱与所述第一数据相关的数据；

从所述wavenet模型中获取输出的声音数据；

其中，依据wavenet模型对所述声音数据进行处理包括：根据所述第一数据获取所述第二数据中回声开始的位置，并将所述第一数据作为第一待输入数据，以及将所述第二数据中从所述回声开始的位置之后的数据作为第二待输入数据；将所述第一待输入数据和所述第二待输入数据输入到wavenet模型中，其中，所述wavenet模型用于从所述第二待输入数据中去除与所述第一待输入数据相关的数据；

其中，根据所述第一数据获取所述第二数据中回声开始的位置包括：在所述第二数据的多个数据点中确定与所述第一数据相关性最大的点；以及依据所述第二数据的多个数据点中与所述第一数据相关性最大的目标点确定所述第二数据中回声开始的位置，其中，所述目标点对应的位置为所述第二数据中回声开始的位置；

其中，在将所述第一待输入数据和所述第二待输入数据输入到wavenet模型中之前，所述方法还包括：获取多组训练数据，其中，每组训练数据均包括：第一端发送至第二端的声音数据，以及在所述第一数据传送到所述第二端后从所述第三端传送到第四端的声音数据；使用上述多组训练数据进行对所述wavenet模型进行学习训练，以确定所述wavenet模型中的参数数据；

其中，多组训练数据至少包括以下任意之一的特征：每组所述训练数据中的声音数据的采样率为16KHz；所述多组训练数据中的每段声音数据的平均时长为10s，且每段声音数据的时长标准差为1s；所述多组训练数据中声音数据的总时长为20h；

其中，使用上述多组训练数据进行对所述wavenet模型进行学习训练包括：依据上述多组训练数据进行对所述wavenet模型使用随机梯度下降法进行学习训练。

2.根据权利要求1所述的方法，其特征在于，在从所述wavenet模型中获取输出的声音数据之后，所述方法还包括：对所述wavenet模型中获取输出的声音数据进行平滑处理，以获取在所述第四端播放的声音数据。