[發明專利]語音增強方法、電子設備和存儲介質

在審

• 申請號: 202110257165.7
• 申請日: 2021-03-09
• 公開（公告）號: CN113053368A
• 公開（公告）日: 2021-06-29
• 發明（設計）人: 夏潔;方思敏;羅麗云;李開
• 申請（專利權）人: 銳迪科微電子（上海）有限公司
• 主分類號: G10L15/20
• 分類號: G10L15/20;G10L15/22;G10L15/30;G10L17/24;G10L21/02;G10L21/0208;G10L25/30
• 代理公司: 北京匯思誠業知識產權代理有限公司 11444
• 代理人: 蘇勝

本申請提出了一種語音增強方法、電子設備和存儲介質，涉及語音處理技術領域。其中，上述語音增強方法包括：首先，獲取到麥克風陣列采集的語音信號。然后，根據各個聲區的聲區參數，分別對語音信號進行預增強，得到各個聲區分別對應的預增強語音信號。其次，從各個預增強語音信號中確定包含喚醒詞的目標語音信號。將目標語音信號對應的聲區確定為產生語音信號的聲源所在的目標聲區。最后，在目標聲區對產生語音信號的聲源進行定位，并根據聲源的定位信息對語音信號進行定向增強。通過在喚醒階段使用聲區預增強后的語音信號，可提升喚醒性能。從而，可在多個聲源干擾的情況下，準確定位目標聲源的位置，并提高識別階段語音增強性能。

【技術領域】

本申請涉及語音處理技術領域，尤其涉及一種語音增強方法、電子設備和存儲介質。

【背景技術】

在一些涉及語音交互的場景中，如智能音箱、智能汽車以及智能機器人等，通常需要先對用戶輸入的語音信號進行語音信號處理。語音信號處理主要包括確定目標聲源的來波方向，以及利用波束形成技術對來波方向上的語音信號進行波束增強，從而達到增強有效信號、抑制噪聲和干擾的目的。

目前，在確定目標聲源的來波方向時，主要是通過波達方向估計技術實現目標聲源定位。但是，當環境中存在多個聲源干擾時，目前的技術無法準確定位目標聲源所在方向，導致語音增強過程中生成的波束發散，影響后續的語音交互服務。

【發明內容】

本申請實施例提供了一種語音增強方法、電子設備和存儲介質，以實現在多個聲源干擾的情況下，準確定位目標聲源的位置，提高喚醒與識別階段語音增強性能。

第一方面，本申請實施例提供一種語音增強方法，所述方法包括：獲取到麥克風陣列采集的語音信號；根據各個聲區的聲區參數，分別對所述語音信號進行預增強，得到所述各個聲區分別對應的預增強語音信號；其中，所述各個聲區是根據所述麥克風陣列包含的各個麥克風的方位信息預先劃分的；從各個所述預增強語音信號中確定包含喚醒詞的目標語音信號；將所述目標語音信號對應的聲區確定為產生所述語音信號的聲源所在的目標聲區；在所述目標聲區對產生所述語音信號的聲源進行定位，并根據所述聲源的定位信息對所述語音信號進行定向增強。

其中一種可能的實現方式中，麥克風的方位信息包括：麥克風在所述麥克風陣列中的相對位置參數；根據所述麥克風陣列包含的各個麥克風的方位信息預先劃分所述各個聲區，包括：根據所述麥克風陣列包含的各個麥克風在所述麥克風陣列中的相對位置參數，將所述麥克風陣列的信號采集區域劃分為多個聲區，并且根據所述聲區的中心線位置，確定所述聲區的聲區參數。

其中一種可能的實現方式中，從各個所述預增強語音信號中確定包含喚醒詞的目標語音信號，包括：利用神經網絡模型，對各個所述預增強語音信號的信號特征與預設信號特征的相似度進行打分；其中，所述預設信號特征是喚醒詞對應的喚醒語音信號的信號特征；根據打分結果確定目標語音信號。

其中一種可能的實現方式中，根據打分結果確定目標語音信號，包括：將各個所述預增強語音信號中分值高于預設閾值且分值最高的預增強語音信號確定為目標語音信號。

其中一種可能的實現方式中，如果各個所述預增強語音信號的分值均低于所述預設閾值，則所述方法還包括：通過所述麥克風陣列獲取新的語音信號，直至生成的各個預增強語音信號中至少一個預增強語音信號的分值高于所述預設閾值。

其中一種可能的實現方式中，根據所述聲源的定位信息對所述語音信號進行定向增強之后，所述方法還包括：將定向增強后的語音信號發送給云端服務器，以使所述云端服務器根據所述定向增強后的語音信號進行語音識別，并根據語音識別結果進行語音交互。