[发明专利]一种语音增强方法、装置、系统

说明书

本申请实施例公开一种语音增强方法、装置、系统，方法包括：对原始语音数据和噪声数据进行傅里叶变换并且对傅里叶变换后得到的原始语音数据和噪声数据的不同频点的短时幅度谱进行响度处理；将噪声数据的不同频点的响度值输入至一心理声学模型得到噪声数据的不同频点的掩蔽阈值，根据噪声数据的不同频点的掩蔽阈值对原始语音数据的不同频点的响度值进行调整；根据调整后的语音数据的不同频点的响度值确定原始语音数据的不同频点的响度值的放大增益，根据放大增益对原始语音数据的不同频点的响度值进行放大、转换成对应频点的短时幅度谱并进行反傅里叶变换得到增强后的语音数据。本申请可以实现语音放大以使语音掩盖噪声的同时具有较高的感知质量。

技术领域

本发明属于声学领域，尤其涉及一种语音增强方法、装置、系统。

背景技术

一般情况下，当设备播放声音时，噪声都会伴随着语音一起被听到。噪声并不是所需要的声音，它的存在对语音产生了干扰，有时候严重影响人耳对语音的感知。通常情况下，会采用语音增强的方法，对含有噪声的语音进行处理，使语音得到增强，噪声得到抑制。

但在很多情况下，噪声并不是和语音一起从设备中传输过来的，而是从其他实际的环境中传过来的。比如，当室内音频播放设备播放着音乐，而隔壁恰好在装修，此时装修的声音不停地传进来，掩盖了音乐。这种情况下，除了物理隔绝手段，没有办法对噪声进行主动降噪。为了调高对音乐的体验，通常的做法是调高音频播放设备的音量，使得播放的声音高过噪声。但当音量调高一定程度时，由于器件的非线性，会使得播放的声音有所失真，降低声音感知的质量。因此，亟待一种新的处理方法来解决上述问题。

发明内容

为了解决现有技术的问题，本发明提出了一种语音增强方法、装置、系统，本方法根据一心理声学模型计算噪声的掩蔽阈值，根据噪声的掩蔽阈值调整声音的响度值，并且根据调整后的声音的响度值和调整前的声音的响度值来确定放大增益，从而对语音进行放大，这样既能保证声音可以掩盖噪声，同时也能保证放大后的声音具有较高的感知质量。

本发明实施例提供的具体技术方案如下：

第一方面，本发明提供一种语音增强方法，所述方法包括：

对获取到的原始语音数据和噪声数据进行傅里叶变换以得到原始语音数据的不同频点的短时幅度谱和噪声数据的不同频点的短时幅度谱；

分别对所述原始语音数据的不同频点的短时幅度谱和所述噪声数据的不同频点的短时幅度谱进行响度处理以得到原始语音数据的不同频点的响度值和噪声数据的不同频点的响度值；

将噪声数据的不同频点的响度值输入至一预设的心理声学模型，得到噪声数据的不同频点的掩蔽阈值，根据所述噪声数据的不同频点的掩蔽阈值对所述原始语音数据的不同频点的响度值进行调整；

根据调整后的语音数据的不同频点的响度值确定所述原始语音数据的不同频点的响度值的放大增益，并根据所述放大增益对所述原始语音数据的不同频点的响度值进行放大处理；

将放大后的语音数据的不同频点的响度值进行转换得到对应频点的短时幅度谱，并对放大后语音数据的不同频点的短时幅度谱进行反傅里叶变换以得到增强后的语音数据。

优选的，根据调整后的语音数据的不同频点的响度值确定所述原始语音数据的不同频点的响度值的放大增益具体包括：

将所述原始语音数据的不同频点的响度值乘以一常数因子以使乘以常数因子后的语音数据的不同频点的响度值大于等于所述调整后的语音数据的不同频点的响度值；

将所述常数因子确定为所述原始语音数据的不同频点的响度值的放大增益。

优选的，根据所述放大增益对所述原始语音数据的不同频点的响度值进行放大处理具体包括：

将所述放大增益乘以所述原始语音数据的不同频点的响度值以得到放大后的语音数据的不同频点的响度值。