[發明專利]時延估計方法、裝置、終端設備和計算機可讀存儲介質

有效

• 申請號: 202011383681.6
• 申請日: 2020-12-01
• 公開（公告）號: CN112489670B
• 公開（公告）日: 2023-08-18
• 發明（設計）人: 易安希;許慎愉
• 申請（專利權）人: 廣州華多網絡科技有限公司
• 主分類號: G10L21/0208
• 分類號: G10L21/0208;G10L21/0216;G10L21/0232;G10L21/0264;H04M9/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 郭帥

1.一種時延估計方法，其特征在于，所述方法包括：

獲取麥克風采集的近端音頻數據和緩存的遠端音頻數據，并對所述近端音頻數據和所述緩存的遠端音頻數據進行預處理生成對應的近端頻域信號和遠端頻域信號；其中所述近端頻域信號和所述遠端頻域信號包括多幀；

分別計算當前幀近端頻域信號的平滑功率譜、各幀遠端頻域信號的平滑功率譜以及所述當前幀近端頻域信號與各幀所述遠端頻域信號的互功率譜，并計算所述當前幀近端頻域信號與各幀所述遠端頻域信號的相似系數；

選擇最大的所述相似系數對應時延瞬時值記為所述當前幀近端頻域信號的初始時延估計值；其中，所述時延瞬時值是采用記錄的遠端音頻數據與近端音頻數據的幀數差值對實際時延估計值進行校正得到的；

根據緩存的歷史時延瞬時值來對所述初始時延估計值進行評估判斷，并根據評估判斷結果得到更新時延估計值；

根據所述更新時延估計值、記錄的遠端音頻數據與近端音頻數據的幀數差值確定最終時延估計值。

2.根據權利要求1所述的方法，其特征在于，在對所述近端音頻數據和所述緩存的遠端音頻數據進行預處理生成對應的近端頻域信號和緩存的遠端頻域信號的步驟中，包括：

分別對所述近端音頻數據和所述緩存的遠端音頻數據進行重采樣、分幀、快速傅里葉變換以及加窗處理生成對應的近端頻域信號和緩存的遠端頻域信號。

3.根據權利要求1所述的方法，其特征在于，在分別計算當前幀近端頻域信號的功率譜、各幀遠端頻域信號的功率譜的步驟中，包括：

采用以下表達式來計算所述當前幀近端頻域信號的平滑功率譜、當前幀遠端頻域信號的平滑功率譜：

Φxx(k，0)＝a*Φxx0+(1-a)*Φxx(k,1)

Φyy(k,0)＝a*Φyy0+(1-a)*Φyy(k，1)

Φxx0＝|X0(k)|²

Φyy0＝|Y0(k)|²

其中，Φxx(k,0)表示當前幀遠端頻域信號的平滑功率譜，k表示第k頻點，Φxx0表示當前幀遠端頻域信號的瞬時功率譜；Φyy(k,0)表示所述當前幀近端頻域信號的平滑功率譜；Φxx(k,1)表示當前幀遠端頻域信號的上一幀遠端頻域信號的平滑功率譜，Φyy0表示當前幀近端頻域信號的瞬時功率譜，Φyy(k,1)表示當前幀近端頻域信號的上一幀近端頻域信號的平滑功率譜，X0(k)表示當前幀遠端頻域信號，Y0(k)表示當前幀近端頻域信號，a表示平滑系數；

更新所述當前幀遠端頻域信號的平滑功率譜，直至計算出各幀所述遠端頻域信號的平滑功率譜。

4.根據權利要求3所述的方法，其特征在于，在計算所述當前幀近端頻域信號與各幀所述遠端頻域信號的互功率譜的步驟中，包括：

通過以下表達式來計算所述互功率譜：

Φ_XY(k,l)＝a·Φ_XY0(k,l)+(1-a)·Φ^t-1_XY(k，l)

Φ_XY0(k,l)＝X^*(k，l)·Y0(k)

其中，Φ_XY(k,l)表示所述當前幀近端頻域信號與第l幀所述遠端頻域信號的互功率譜平滑值，Φ_XY0(k，l)表示所述當前幀近端頻域信號與第l幀所述遠端頻域信號的互功率譜瞬時值；Φ^t-1_XY(k,l)表示所述當前幀近端頻域信號的上一幀所述近端頻域信號與對應的第l幀所述遠端頻域信號的互功率譜平滑值；X^*(k，l)表示第l幀所述遠端頻域信號的卷積算子。

5.根據權利要求4所述的方法，其特征在于，在并計算所述當前幀近端頻域信號與各幀所述遠端頻域信號的相似系數的步驟中，包括：

通過以下表達式來計算所述相似系數：

其中，C(l)表示所述當前幀近端頻域信號與第l幀所述遠端頻域信號的相似系數，M表示所述遠端頻域信號的幀數最大值；C_XY(k,l)表示幅度相關函數。