[發明專利]一種音頻信號處理方法、裝置及存儲介質

有效

• 申請號: 202110263948.6
• 申請日: 2021-03-11
• 公開（公告）號: CN112687276B
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 馬路;楊嵩
• 申請（專利權）人: 北京世紀好未來教育科技有限公司
• 主分類號: G10L17/02
• 分類號: G10L17/02;G10L17/04;G10L21/0208;G10L25/27
• 代理公司: 北京開陽星知識產權代理有限公司 11710
• 代理人: 安偉

本公開涉及一種音頻信號處理方法、裝置及存儲介質，本公開通過獲取第一參考音頻信號和待處理的混合音頻信號，其中混合音頻信號包括回聲信號和目標音頻信號，根據待處理的混合音頻信號和第一參考音頻信號，利用預先訓練好的深度聚類網絡模型、聲紋識別網絡模型和多頭注意力機制模型進行回聲信號消除，得到目標音頻信號，能夠消除復雜環境中混合音頻中的回聲并有效的抑制殘余回聲，提高音頻質量和音頻處理的性能，增加用戶體驗。

技術領域

本公開涉及計算機應用技術領域，尤其涉及一種音頻信號處理方法、裝置及存儲介質。

背景技術

回聲消除最早應用在音頻通話系統中，在通話的兩端，一端的聲音經過線路傳到另一端，并通過另一端的揚聲器播放出去，另一端的麥克風會接收揚聲器播放的聲音，與此同時由于房間內的地板、墻壁、其他物體的定向和反射，麥克風除了接收到揚聲器播放的直達聲之外還會接收到各種反射聲，這種混合聲音會傳回給說話的那一端，存在回聲問題。回聲的存在會干擾人們的談話，降低音頻的質量，通話效果較差。而在智能語音設備中，設備自身播放的音頻會被自身的麥克風接收，也存在回聲問題，導致播放音頻質量差，語音識別率比較低，降低了用戶體驗。

目前常用的方法是采用網頁即時通信（WebRTC）的方法，即：首先利用時延估計算法對齊近端和遠端的數據；之后采用自適應濾波器完成對回聲的估計，從而消除線性回聲；最后利用非線性處理完成對殘余回聲的抑制。這種方法可以比較好的消除線性回聲，但是由于非線性回聲和時延估計誤差在一定程度上會引入殘余回聲，雖然非線性處理可以在一定程度上抑制這種殘余回聲，但是抑制程度有限，仍然有殘余回聲存在，特別是復雜環境的回聲，濾波器無法快速跟蹤房間沖激響應的變化，導致最終的回聲消除效果不佳，回聲抑制的性能一般，語音識別率低，用戶的聽感體驗差。

發明內容

為了解決上述技術問題或者至少部分地解決上述技術問題，本公開提供了一種音頻信號處理方法、裝置及存儲介質。

第一方面，本公開提供了一種音頻信號處理方法，包括：

獲取第一參考音頻信號和待處理的混合音頻信號，混合音頻信號包括回聲信號和目標音頻信號；

將混合音頻信號輸入到預先訓練完成的深度聚類網絡模型中，得到混合音頻信號對應的深度表示；

利用預先訓練完成的聲紋識別網絡模型提取第一參考音頻信號的聲紋特征；

根據第一參考音頻信號的聲紋特征和混合音頻信號對應的深度表示，利用預先訓練完成的多頭注意力機制模型得到混合音頻信號中回聲信號對應的深度表示的聚類中心；

根據回聲信號對應的深度表示的聚類中心、混合音頻信號對應的深度表示和混合音頻信號，得到混合音頻信號中的所述目標音頻信號。

可選地，根據回聲信號對應的深度表示的聚類中心、混合音頻信號對應的深度表示和混合音頻信號，得到混合音頻信號中的目標音頻信號，包括：

根據回聲信號對應的深度表示的聚類中心和混合音頻信號對應的深度表示，得到混合音頻信號中每個時頻點上的目標音頻信號的幅度與混合音頻信號的幅度的比值；

根據上述比值和混合音頻信號，得到混合音頻信號中的目標音頻信號。

可選地，根據第一參考音頻信號的聲紋特征和混合音頻信號對應的深度表示，利用預先訓練完成的多頭注意力機制模型得到混合音頻信號中回聲信號對應的深度表示的聚類中心，包括：

利用預先訓練完成的多頭注意力機制模型計算混合音頻信號對應的深度表示與第一參考音頻的聲紋特征的第一相似度；

根據第一相似度得到混合音頻信號中回聲信號對應的深度表示的聚類中心。

可選地，獲取第一參考音頻信號和待處理的混合音頻信號，包括：

利用音頻采集裝置獲取待處理的混合音頻；