[发明专利]音频信号处理方法、音频信号处理装置及存储介质

说明书

本公开关于一种音频信号处理方法、音频信号处理装置及存储介质。音频信号处理方法包括：获取麦克风所采集的观测数据。响应于存在直达声和早期反射的协方差矩阵估计更新值，基于直达声和早期反射声的协方差矩阵估计更新值，对观测数据进行去混响处理，得到直达声和早期反射声的估计值。基于直达声和早期反射声的估计值，对多声源音频信号进行盲源分离处理，得到各声源的时域声源信号。通过本公开提供的音频信号处理方法，能够基于盲源分离算法，获取用于确定直达声和早期反射声的估计值的直达声和早期反射声的协方差矩阵，进而进行盲源分离得到各音频信号时，可以削弱混响声的干扰，从而提升信号分离的性能，提高音频信号的处理质量。

技术领域

本公开涉及信号处理领域，尤其涉及一种音频信号处理方法、音频信号处理装置及存储介质。

背景技术

在物联网、AI时代，智能语音作为人工智能核心技术之一，可以有效地改善人机交互的模式，大大提高智能产品使用的便捷性。

目前终端拾音多采用麦克风阵列，应用麦克风波束形成技术提高音频信号处理质量，以提高真实环境下的音频识别率。但多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，越来越多的智能产品只配备两麦克风。

然而在实际生活环境中，由于墙、家具等物体的反射，麦克风采集到的声音存在混响现象，而混响现象会导致多个声源信号的分离效果恶化。

发明内容

为克服相关技术中存在的问题，本公开提供一种音频信号处理方法、音频信号处理装置及存储介质。

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，所述音频信号处理方法包括：获取麦克风所采集的观测数据，其中，所述观测数据为多声源音频信号，所述多声源音频信号为至少两个声源发声而被所述麦克风所采集的音频信号。响应于存在直达声和早期反射声的协方差矩阵估计更新值，基于所述直达声和早期反射声的协方差矩阵估计更新值，对所述观测数据进行去混响处理，得到直达声和早期反射声的估计值。基于所述直达声和早期反射声的估计值，对所述多声源音频信号进行盲源分离处理，得到各声源的时域声源信号。

在一实施例中，基于所述直达声和早期反射声的估计值，对所述多声源音频信号进行盲源分离处理，包括：根据第一分离矩阵，对所述直达声和早期反射声的估计值进行盲源分离，得到所述至少两个声源中每个声源对应声源信号的先验频域估计。根据所述先验频域估计，得到加权系数以及对比函数，并基于所述加权系数和所述对比函数，对第一加权协方差矩阵进行更新，得到第二加权协方差矩阵。基于所述第二加权协方差矩阵，对所述第一分离矩阵进行更新，得到第二分离矩阵。基于所述第二分离矩阵，对所述直达声和早期反射声的估计值进行盲源分离，得到所述至少两个声源中每个声源对应声源信号的后验频域估计。根据所述后验频域估计，得到直达声和早期反射声的协方差矩阵估计更新值，更新直达声和早期声的协方差矩阵估计，并根据所述后验频域估计，得到各声源的时域声源信号。

在另一实施例中，所述根据所述后验频域估计，得到直达声和早期反射声的协方差矩阵估计更新值，包括：根据所述后验频域估计和马尔可夫决策MDP算法，得到所述至少两个声源中每个声源在每个麦克风的观测信号中的直达声和早期反射声的估计值。根据每个声源在每个麦克风的观测信号中的直达声和早期反射声的估计值，得到直达声和早期反射声的协方差矩阵估计更新值。

在又一实施例中，所述根据所述后验频域估计和MDP算法，得到所述至少两个声源中每个声源在每个麦克风的观测信号中的直达声和早期反射声的估计值，包括：基于MDP算法，通过所述后验频域估计的对角矩阵以及所述第二分离矩阵的逆矩阵，得到所述至少两个声源中每个声源在每个麦克风处的观测信号中的直达声和早期反射声的估计值。