[发明专利]一种音频信号处理方法、装置、终端及存储介质

说明书

本公开是关于一种音频信号处理方法、装置、终端及存储介质，所述方法包括：由至少两个麦克风获取至少两个声源各自发出的音频信号，以获得至少两个麦克风各自在时域上的多帧原始带噪信号；对于时域上的每一帧，根据至少两个麦克风各自的原始带噪信号，获取至少两个声源各自的频域估计信号；对于至少两个声源中的每个声源，将频域估计信号在频域上划分为多个频域估计分量，其中，每个频域估计分量对应一个频域子带并且包含多个频点数据；在每个频域子带内，确定频域子带所包含的每个频点的加权系数，并根据加权系数更新每个频点的分离矩阵；基于更新后的分离矩阵及原始带噪信号，获得至少两个声源各自发出的音频信号。

技术领域

本公开涉及通信技术领域，尤其涉及一种音频信号处理方法、装置、终端及存储介质。

背景技术

相关技术中，智能产品设备拾音多采用麦克风阵列，应用麦克风波束形成技术提高语音信号处理质量，以提高真实环境下的语音识别率。但多个麦克风的波束形成技术对麦克风位置误差敏感，性能影响较大，另外麦克风个数增多了也会导致产品成本升高。

因此，目前越来越多的智能产品设备只配置两个麦克风；两个麦克风常采用完全不同于多个麦克风波束形成技术的盲源分离技术对语音进行增强，而如何使得基于盲源分离技术分离后信号的语音质量更高是目前的迫切需要解决的问题。

发明内容

本公开提供一种音频信号处理方法、装置、终端及存储介质。

根据本公开实施例的第一方面，提供一种音频信号处理方法，包括：

由至少两个麦克风获取至少两个声源各自发出的音频信号，以获得所述至少两个麦克风各自在时域上的多帧原始带噪信号；

对于时域上的每一帧，根据所述至少两个麦克风各自的所述原始带噪信号，获取所述至少两个声源各自的频域估计信号；

对于所述至少两个声源中的每个声源，将所述频域估计信号在频域上划分为多个频域估计分量，其中，每个频域估计分量对应一个频域子带并且包含多个频点数据；

在每个频域子带内，确定所述频域子带所包含的每个频点的加权系数，并根据所述加权系数更新每个频点的分离矩阵；

基于更新后的所述分离矩阵及所述原始带噪信号，获得至少两个声源各自发出的音频信号。

上述方案中，所述在每个频域子带内，确定所述频域子带所包含的每个频点的加权系数，并根据所述加权系数更新每个频点的分离矩阵，包括：

对于每个声源，将第n个所述频域估计分量的所述加权系数、所述频域估计信号及第x-1个备选矩阵进行梯度迭代，得到第x个备选矩阵；其中，第1个备选矩阵为已知的单位矩阵；其中，所述x为大于或等于2的正整数；所述n为小于N的正整数，所述N为所述频域子带的个数；

当所述第x个备选矩阵满足迭代停止条件时，基于所述第x个备选矩阵，获得第n个所述频域估计分量中每个频点更新后的分离矩阵。

上述方案中，所述方法还包括：

基于第n个所述频域估计分量中包括的各频点对应的所述频点数据的平方和，获得所述第n个所述频域估计分量的加权系数。

上述方案中，所述基于更新后的所述分离矩阵及所述原始带噪信号，获得至少两个声源各自发出的音频信号，包括：

基于第1个所述更新后的分离矩阵至第N个所述更新后的分离矩阵，对一个所述频点数据对应的第m帧所述原始带噪信号进行分离，获得一个所述频点数据对应的第m帧所述原始带噪信号中不同所述声源的音频信号；其中，所述m为小于M的正整数，所述M为所述原始带噪信号的帧数；

组合各所述频点数据对应的第m帧所述原始带噪信号中第y个所述声源的音频信号，得到第y个所述声源的所述第m帧音频信号；其中，所述y为小于或等于Y的正整数，所述Y为声源的个数。