[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

本申請提供一種語音增強方法及裝置、語音采集方法及裝置、多媒體數據采集方法及裝置、多媒體數據播放方法及裝置、以及監控系統。其中，語音增強方法包括：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。本申請可以根據麥克風陣列中每個麥克風的坐標信息和多路頻域音頻數據，確定聲源角度信息，從而精準地對聲源所發出的語音進行針對性地增強，使得增強后的音頻數據播放起來更加清晰。

技術領域

本申請涉及語音增強技術領域，具體涉及一種語音增強方法及裝置，一種語音采集方法及裝置，一種多媒體數據采集方法及裝置、一種多媒體數據播放方法及裝置，以及一種監控系統。

背景技術

語音增強是指當語音信號被各種各樣的噪聲干擾、甚至淹沒后，從噪聲背景中提取有用的語音信號進行增強，以抑制、降低噪聲干擾的技術。

相關技術提供的語音增強技術包括譜減法、維納濾波法、卡爾曼濾波、小波變換等，這類算法通過時域、頻域、小波變換域等濾波來抑制噪聲，但實際取得的效果并不理想，例如，相關技術提供的一種通過盲源分離實現對語音的分離增強的方法，但該方法的實現方法算法復雜度高，在實際應用中會受限制，而且，分離出來的聲音經常會出現分離不干凈，嚴重影響聽感。

發明內容

本申請實施例的目的是提供一種語音增強方法及裝置，一種語音采集方法及裝置，一種多媒體數據采集方法及裝置、一種多媒體數據播放方法及裝置，以及一種監控系統。

本申請實施例第一方面提供一種語音增強方法，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。

本申請實施例第一方面的一個變更實施方式中，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。

本申請實施例第一方面的另一個變更實施方式中，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。

本申請實施例第一方面的再一個變更實施方式中，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。

本申請實施例第一方面的又一個變更實施方式中，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。

本申請實施例第一方面的又一個變更實施方式中，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。

本申請實施例第一方面的又一個變更實施方式中，所述對所述多路頻域音頻數據進行增強處理，包括：