[发明专利]基于TOPK多路音源有效信号筛选系统及方法

说明书

本发明涉及通信技术领域，具体涉及一种基于TOPK多路音源有效信号筛选系统，包括：输入单元，用于输入N路语音与N路背景声音所形成的混音；预判单元，用于采用VAD算法对各路语音逐个进行预判；分级单元，用于对VAD值为1的语音，采用AMDF算法将语音信号依次分为1～10级，并进行赋值；筛选单元，用于按设定的缓存量对各时刻的N路缓存信号，筛选出M路最强信号；纠错单元，用于利用信号相关性，采用FEC算法补齐筛选出的M路最强信号因时延导致丢失的前端语音信号；输出模块，用于输出补齐后的M路最强信号。本发明结合VAD算法、AMDF算法和FEC算法，解决了现有技术不能从多路语音与多路背景声形成的混音中分离并筛选出有效信号的技术问题。

技术领域

本发明涉及通信技术领域，具体涉及一种基于TOPK多路音源有效信号筛选系统及方法。

背景技术

随着移动智能设备的广泛应用以及技术的不断发展，语音逐渐成为人机交互的手段。但是，实际的环境中会存在各种声音源，不同声音源发出的声音会相互干扰，形成多路音源，从而影响用户的体验。因此，有必要采取必要的措施对多路音源进行筛选，挑选出有效的声音信号，如TOPK，也即排序算法进行挑选。

比如说，专利CN106484833A公开了一种音源筛选方法，包括步骤：获得音频播放设备传输来的用于搜索音频文件的至少一个搜索信息；基于至少一个搜索信息，获得M个音源，M为大于零的整数；从M个音源中获取N个音频文件，N为大于等于M的整数；从N个音频文件中确定出符合预设音频质量的K个音频文件，K为小于等于M的正整数；将K个音频文件的相关信息发送给音频播放设备。通过这样的方式，但能够对有效语音信号进行检测，将有效语音信号与噪声干扰信号进行区分。

但是对于直播教学而言，通常包含多人参与的互动讨论环节，具有多个参与者，从而形成多路音源。当每个参与者都在说话时，各路终端将会采集到多路语音及多路背景声，导致参与者接收到的会是多路语音与多路背景声形成的混音，而上述技术方案主要是针对单人或者双人说话的场景。也即，现有技术不能从多路语音与多路背景声形成的混音中分离并筛选出有效信号。

发明内容

本发明提供一种基于TOPK多路音源有效信号筛选系统，解决了现有技术不能从多路语音与多路背景声形成的混音中分离并筛选出有效信号的技术问题。

本发明提供的基础方案为：基于TOPK多路音源有效信号筛选系统，包括：

输入单元，用于输入N路语音与N路背景声音所形成的混音；

预判单元，用于采用VAD算法对各路语音逐个进行预判：若语音正常，VAD值为1；若语音输出状态不确定，VAD值为0；若语音无输出，VAD值为—1；

分级单元，用于对VAD值为1的语音，采用AMDF算法将语音信号依次分为1～10级，并进行赋值；

筛选单元，用于接收N路语音信号，按设定的缓存量对各时刻的N路缓存信号，筛选出M路最强信号；

纠错单元，用于利用信号相关性，采用FEC算法补齐筛选出的M路最强信号因时延导致丢失的前端语音信号；

输出模块，用于输出补齐后的M路最强信号。

本发明的工作原理及优点在于：多路音源为N路语音与N路背景声音所形成的混音，为了筛选出M路有效信号，首先，采用VAD算法，也即语音端点检测算法，对各路语音逐个进行预判，挑选出语音正常，也即VAD值为1的语音，VAD算法能够从纯净或者带噪声的语音信号中标识出语音片段与非语音片段，从而在远场语音交互场景中检测到语音。然后，采用AMDF算法，也即平均幅度差函数，将VAD值为1的语音分级并进行赋值，并按照设定的缓存量对各时刻的N路缓存信号筛选出M路最强信号。最后，采用FEC算法，也即前向纠错算法，补齐M路最强信号因时延而导致丢失的前端语音信号，即可得到M路有效信号。通过这样的方式，在直播教学过程中，能够从多路语音与多路背景声形成的混音中分离并筛选出有效信号。