[發明專利]語音增強、多媒體數據采集、播放方法、裝置及監控系統

有效

• 申請號: 201811051587.3
• 申請日: 2018-09-10
• 公開（公告）號: CN110890100B
• 公開（公告）日: 2022-11-18
• 發明（設計）人: 陳揚坤;錢能鋒;陳展
• 申請（專利權）人: 杭州海康威視數字技術股份有限公司
• 主分類號: G10L21/0216
• 分類號: G10L21/0216;G10L21/0232;H04N7/18;H04N21/43
• 代理公司: 北京辰權知識產權代理有限公司 11619
• 代理人: 劉廣達

1.一種語音增強方法，其特征在于，包括：

確定基于麥克風陣列得到的多路頻域音頻數據；以及

確定所述麥克風陣列中每個麥克風的坐標信息；

根據所述多路頻域音頻數據和所述每個麥克風的坐標信息確定聲源角度信息；

根據所述聲源角度信息，對所述多路頻域音頻數據進行增強處理，得到增強的目標頻域音頻數據。

2.根據權利要求1所述的方法，其特征在于，所述確定基于麥克風陣列得到的多路頻域音頻數據，包括：

獲取采用麥克風陣列采集的多路時域音頻數據；

對所述多路時域音頻數據進行時頻域變換，得到多路頻域音頻數據。

3.根據權利要求2所述的方法，其特征在于，所述對所述多路時域音頻數據進行時頻域變換，得到多路頻域音頻數據，包括：

對所述多路時域音頻數據進行時域加窗處理和快速傅里葉變換處理，得到多路頻域音頻數據。

4.根據權利要求1所述的方法，其特征在于，所述確定所述麥克風陣列中每個麥克風的坐標信息，包括：

從多媒體數據包中解析得到所述麥克風陣列中每個麥克風的坐標信息。

5.根據權利要求1所述的方法，其特征在于，所述根據所述多路頻域音頻數據和所述每個麥克風的坐標信息確定聲源角度信息，包括：

根據所述多路頻域音頻數據和所述每個麥克風的坐標信息，采用基于麥克風陣列的聲源定位算法，確定聲源相對于所述麥克風陣列的聲源角度信息。

6.根據權利要求5所述的方法，其特征在于，所述基于麥克風陣列的聲源定位算法，包括：

基于到達時間差的聲源定位算法。

7.根據權利要求1所述的方法，其特征在于，所述對所述多路頻域音頻數據進行增強處理，包括：

采用超指向波束形成算法對所述多路頻域音頻數據進行增強處理，其中，所述超指向波束形成算法包括自適應波束形成算法。

8.根據權利要求7所述的方法，其特征在于，所述自適應波束形成算法，包括：最小方差無失真響應算法。

9.根據權利要求1所述的方法，其特征在于，在所述得到增強的目標頻域音頻數據之后，還包括：

對所述目標頻域音頻數據進行重疊相加處理和快速傅里葉逆變換處理，得到目標時域音頻數據，并輸出所述目標時域音頻數據。

10.一種語音增強裝置，其特征在于，包括：

多路頻域數據確定模塊，用于確定基于麥克風陣列得到的多路頻域音頻數據；以及

第一坐標信息確定模塊，用于確定所述麥克風陣列中每個麥克風的坐標信息；

第一聲源角度確定模塊，用于根據所述多路頻域音頻數據和所述每個麥克風的坐標信息確定聲源角度信息；

第一增強處理模塊，用于根據所述聲源角度信息，對所述多路頻域音頻數據進行增強處理，得到增強的目標頻域音頻數據。

11.一種語音采集方法，其特征在于，包括：

獲取采用麥克風陣列采集的多路時域音頻數據；以及

確定所述麥克風陣列中每個麥克風的坐標信息；

根據所述多路時域音頻數據和所述各所述麥克風的坐標信息，生成多媒體數據包。

12.根據權利要求11所述的方法，在所述根據所述多路時域音頻數據和所述各所述麥克風的坐標信息，生成多媒體數據包之前，還包括：

確定所述麥克風陣列中的麥克風的數量；

所述根據所述多路時域音頻數據和所述各所述麥克風的坐標信息，生成多媒體數據包，包括：

根據所述多路時域音頻數據、所述各所述麥克風的坐標信息和所述麥克風的數量，生成多媒體數據包。