[發明專利]一種回聲消除方法、裝置及電子設備

有效

• 申請號: 202010173360.7
• 申請日: 2020-03-13
• 公開（公告）號: CN111477238B
• 公開（公告）日: 2023-09-01
• 發明（設計）人: 王夏鳴
• 申請（專利權）人: 大眾問問（北京）信息科技有限公司
• 主分類號: G10L21/0208
• 分類號: G10L21/0208;G10L21/0216;G10L21/0232;G10L25/30;G06N20/00
• 代理公司: 北京市萬慧達律師事務所 11111
• 代理人: 劉艷麗

1.一種回聲消除方法，其特征在于，包括：

對回聲參考信號進行語音信號處理，得到所述回聲參考信號的頻率、振幅特征；

根據所述回聲參考信號的頻率、振幅特征及音量，構造包括音量、頻率、振幅特征的三維樣本數據作為回聲參考輸入樣本；

將所述回聲參考輸入樣本輸入預先訓練的非線性信號轉換模型中，得到與所述回聲參考輸入樣本對應的非線性回聲參考輸出信號；

對接收的聲音信號結合所述非線性回聲參考輸出信號，通過回聲消除算法進行回聲消除處理，得到回聲消除后的聲音信號。

2.根據權利要求1所述的方法，其特征在于，根據回聲參考信號，構造回聲參考輸入樣本之前，還包括：

構造訓練樣本；

獲取與所述訓練樣本對應的非線性輸出信號；

以所述非線性輸出信號為實際輸出，利用所述訓練樣本對機器學習模型進行訓練，得到所述非線性信號轉換模型。

3.根據權利要求2所述的方法，其特征在于，所述構造訓練樣本，包括：

生成至少一個音頻測試信號；各音頻測試信號具有預定的振幅，并在預定的頻率范圍之內；

根據各音頻測試信號的振幅、頻率特征，構造包括音量、頻率、振幅特征的三維樣本數據作為訓練樣本，所述音量在預定的音量范圍之內。

4.根據權利要求3所述的方法，其特征在于，所述獲取與訓練樣本對應的非線性輸出信號，包括：

在所述音量范圍之內輸出各音頻測試信號時，獲取每個音頻測試信號對應的采樣音頻信號；

對各采樣音頻信號進行語音信號處理，得到各采樣音頻信號的頻率、振幅特征；

根據各采樣音頻信號的頻率、振幅特征及對應的音量，構造包括音量、頻率、振幅特征的三維樣本數據作為非線性輸出信號。

5.根據權利要求2-4中任一項所述的方法，其特征在于，所述機器學習模型為深度神經網絡模型；以所述非線性輸出信號為實際輸出，利用所述訓練樣本對機器學習模型進行訓練，得到所述非線性信號轉換模型，包括：

根據所述訓練樣本，確定所述深度神經網絡模型的模型參數；

以所述訓練樣本為輸入數據，以所述非線性輸出信號為實際輸出，利用梯度下降法對所述深度神經網絡模型進行訓練，得到所述非線性信號轉換模型。

6.根據權利要求1所述的方法，其特征在于，對接收的聲音信號結合所述非線性回聲參考輸出信號，通過回聲消除算法進行回聲消除處理，得到回聲消除后的聲音信號，包括：

對所述非線性回聲參考輸出信號進行語音信號處理，得到非線性回聲參考信號；

根據所述接收的聲音信號和所述非線性回聲參考信號，通過回聲消除算法進行回聲消除處理，得到回聲消除后的聲音信號。

7.一種回聲消除裝置，其特征在于，包括：

構造模塊，用于對回聲參考信號進行語音信號處理，得到所述回聲參考信號的頻率、振幅特征，根據所述回聲參考信號的頻率、振幅特征及音量，構造包括音量、頻率、振幅特征的三維樣本數據作為回聲參考輸入樣本；

轉換模塊，用于將所述回聲參考輸入樣本輸入預先訓練的非線性信號轉換模型中，得到與所述回聲參考輸入樣本對應的非線性回聲參考輸出信號；

回聲消除模塊，用于對接收的聲音信號結合所述非線性回聲參考輸出信號，通過回聲消除算法進行回聲消除處理，得到回聲消除后的聲音信號。

8.根據權利要求7所述的裝置，其特征在于，所述裝置還包括：

模型訓練模塊，用于構造訓練樣本；獲取與所述訓練樣本對應的非線性輸出信號；以所述非線性輸出信號為實際輸出，利用所述訓練樣本對機器學習模型進行訓練，得到所述非線性信號轉換模型。

9.根據權利要求8所述的裝置，其特征在于，所述模型訓練模塊包括：

訓練樣本構造子模塊，用于生成至少一個音頻測試信號；各音頻測試信號具有預定的振幅，并在預定的頻率范圍之內；根據各音頻測試信號的振幅、頻率特征，構造包括音量、頻率、振幅特征的三維樣本數據作為訓練樣本，所述音量在預定的音量范圍之內。