[發明專利]一種音頻信號的處理方法、裝置、設備及介質

在審

• 申請號: 202010635457.5
• 申請日: 2020-07-03
• 公開（公告）號: CN111916075A
• 公開（公告）日: 2020-11-10
• 發明（設計）人: 陳孝良;馮大航;奚少亨;常樂
• 申請（專利權）人: 北京聲智科技有限公司
• 主分類號: G10L15/22
• 分類號: G10L15/22;G10L15/26;G10L21/0208;G10L21/0272;G10L25/51
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 孫小明

1.一種音頻信號的處理方法，其特征在于，所述方法包括：

獲取多路音頻信號，所述多路音頻信號是利用設置在同一場景中的多個音頻采集設備同時采集的，且每路音頻信號中包含多個對象的語音信號；

基于預先確定的每路音頻信號中各幀音頻信號在多個預設頻率的幅值，確定各幀音頻信號的幅值矩陣；

根據所述各幀音頻信號的幅值矩陣、預先確定的各幀音頻信號的解混矩陣，確定每個對象的各幀語音信號在所述多個預設頻率的幅值；

根據所述每個對象的各幀語音信號在所述多個預設頻率的幅值，確定每個對象的語音音頻。

2.根據權利要求1所述的方法，其特征在于，所述各幀音頻信號的解混矩陣，采用如下步驟確定：

確定每路音頻信號中首幀音頻信號的中間解混矩陣，并基于所述每路音頻信號中首幀音頻信號的中間解混矩陣，確定所述首幀音頻信號的解混矩陣；

確定每路音頻信號中非首幀音頻信號的中間解混矩陣，并基于所述每路音頻信號中非首幀音頻信號的中間解混矩陣，確定所述非首幀音頻信號的解混矩陣。

3.根據權利要求2所述的方法，其特征在于，所述確定每路音頻信號中首幀音頻信號的中間解混矩陣，包括：

針對每路音頻信號，將預設矩陣確定為該路音頻信號中首幀音頻信號的中間解混矩陣。

4.根據權利要求3所述的方法，其特征在于，所述確定每路音頻信號中非首幀音頻信號的中間解混矩陣，包括：

針對每路音頻信號中非首幀音頻信號：

根據當前幀音頻信號在所述多個預設頻率的幅值以及前一幀音頻信號的解混矩陣，確定當前幀音頻信號的信號能量；

基于當前幀音頻信號的信號能量、當前幀音頻信號在所述多個預設頻率的幅值、以及前一幀音頻信號的協方差矩陣，確定當前幀音頻信號的協方差矩陣；

依據當前幀音頻信號的協方差矩陣以及前一幀音頻信號的解混矩陣，確定當前幀音頻信號的中間解混矩陣；

其中，各路首幀音頻信號的協方差矩陣是基于所述預設矩陣以及各路音頻信號中首幀音頻信號在所述多個預設頻率的幅值確定的。

5.根據權利要求1所述的方法，其特征在于，所述根據所述各幀音頻信號的幅值矩陣、預先確定的各幀音頻信號的解混矩陣，確定每個對象的各幀語音信號在所述多個預設頻率的幅值，包括：

根據所述各幀音頻信號的幅值矩陣、預先確定的各幀音頻信號的解混矩陣，確定各幀語音信號幅值矩陣；

基于所述各幀語音信號的幅值矩陣、所述多路音頻信號路數，確定每個對象的各幀語音信號在所述多個預設頻率的幅值。

6.根據權利要求1所述的方法，其特征在于，所述根據所述每個對象的各幀語音信號在所述多個預設頻率的幅值，確定每個對象的語音音頻，包括：

基于預設轉換關系，將所述每個對象的各幀語音信號在所述多個預設頻率的幅值，轉換為每個對象的各幀語音信號；

根據所述每個對象的各幀語音信號，確定每個對象的語音音頻。

7.根據權利要求1所述的方法，其特征在于，所述確定每個對象的語音音頻之后，所述方法還包括：

基于頻域與巴克域變換關系，確定目標語音信號在所述多個預設頻率的幅值對應的目標巴克帶，所述目標語音信號為目標對象的語音音頻的任一幀語音信號，所述目標對象為所述多個對象中的任一對象；

利用確定出的目標巴克帶組成的矩陣，確定所述目標語音信號的音頻特征；

將所述目標語音信號的音頻特征輸入降噪網絡模型后，得到目標語音信號對應的音噪比值矩陣；

基于所述音噪比值矩陣，以及所述目標語音信號在所述多個預設頻率的幅值，確定去噪后的目標語音信號在所述多個預設頻率的幅值。