【技术实现步骤摘要】
回声消除方法和装置
本说明书涉及声学技术，尤其涉及回声消除方法、语音激活方法、回声消除装置、音频装置以及计算机可读存储介质。
技术介绍
音频设备的扬声器与麦克风的距离通常比较近，如果扬声器播放音频信号并且用户离开音频设备比较远，在麦克风采集到的声音信号中，由扬声器播放的声音信号导致的回声信号可能比用户的语音命令大得多，导致无法准确获取到用户的语音命令。对于智能音箱来说，这种情况会导致智能音箱的麦克风无法检测到唤醒词，也就无法被用户唤醒，给用户造成了不好的体验。扬声器播放音频信号时会存在非线性畸变，引入非线性信号。传统的回声消除方法只能拟合回声信号中的线性部分，无法准确消除回声信号。因此，有必要提出一种新的回声消除方案。
技术实现思路
本说明书公开的实施例提供一种新的回声消除方案。根据本专利技术说明书公开的第一方面，提供了回声消除方法，包括以下步骤：获取第一音频信号和第二音频信号，所述第一音频信号为输入至扬声器的信号，所述第二音频信号为麦克风拾取的信号；根据第一音频信号和误差...
【技术保护点】
1.一种回声消除方法，其特征在于，包括以下步骤：/n获取第一音频信号(x)和第二音频信号(d)，所述第一音频信号(x)为输入至扬声器的信号，所述第二音频信号(d)为麦克风拾取的信号；/n根据第一音频信号(x)和误差信号(e)，采用线性自适应滤波算法对第一音频信号(x)导致的回声信号进行估计，得到回声估计信号(y_est)；所述误差信号(e)为第二音频信号(d)和回声估计信号(y_est)之间的差值信号；/n提取回声估计信号(y_est)的特征参数作为第一特征；/n提取误差信号(e)的特征参数作为第二特征；/n将所述第一特征和所述第二特征输入至预先训练好的神经网络模型中，由所...
【技术特征摘要】
1.一种回声消除方法，其特征在于，包括以下步骤：
获取第一音频信号(x)和第二音频信号(d)，所述第一音频信号(x)为输入至扬声器的信号，所述第二音频信号(d)为麦克风拾取的信号；
根据第一音频信号(x)和误差信号(e)，采用线性自适应滤波算法对第一音频信号(x)导致的回声信号进行估计，得到回声估计信号(y_est)；所述误差信号(e)为第二音频信号(d)和回声估计信号(y_est)之间的差值信号；
提取回声估计信号(y_est)的特征参数作为第一特征；
提取误差信号(e)的特征参数作为第二特征；
将所述第一特征和所述第二特征输入至预先训练好的神经网络模型中，由所述神经网络输出用户语音信号的增益(g)；
计算误差信号(e)和增益(g)的乘积，以得到用户语音信号。
2.根据权利要求1所述的方法，所述用户语音信号的增益(g)为子带增益；所述计算误差信号(e)和增益(g)的乘积，以得到用户语音信号，包括：
对误差信号(e)进行频域变换；
对经过频域变换的误差信号(e)和子带增益进行频域相乘，对相乘的结果进行频域到时域的反变换得到用户声音信号。
3.根据权利要求2所述的方法，所述神经网络模型的训练过程包括：
获取样本数据，所述样本数据包括回声估计样本信号(y_est_sample)、用户语音样本信号(s__sample)、麦克风混合样本信号(d__sample)，其中，所述回声估计样本信号(y_est_sample)为在第一场景下，通过所述线性自适应滤波算法估计出的回声估计信号；所述用户语音样本信号(s__sample)为第二场景下，通过所述麦克风拾取的信号；所述麦克风混合样本信号为第三场景下，通过所述麦克风拾取的信号；所述第一场景是测试环境中没有用户语音，只有所述扬声器播放第一测试音频信号的场景，所述第二场景是所述扬声器停止工作，测试环境中只存在第一测试用户语音的场景，所述第三场景是测试环境中存在所述第一测试用户语音，并且所述扬声器播放所述第一测试音频信号的场景；
对用户语音样本信号(s__sample)和麦克风混合样本信号(d__sample)进行频域变换，得到用户语音样本频域信号和麦克风混合样本频域信号；
对用户语音样本频域信号和麦克风混合样本频域信号按照多个预设子带进行划分；
计算各个子带上的用户语音样本频域信号的能量；
计算各个子带上的麦克风混合样本频域信号的能量；
根据子带上的用户语音样本频域信号的能量和该子带上的麦克风混合样本频域信号的能量的比值，确定该子带的子带增益；
提取回声估计样本信号(y_est_sample)的特征参数；
提取用户语...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。