【技术实现步骤摘要】
回声消除方法、装置及电子设备
本公开实施例涉及数据处理
,尤其涉及一种回声消除方法、装置及电子设备。
技术介绍
声学回声是由远端信号经过扬声器播放后被近端的传声器采集而得的信号,其与远端信号的区别不仅仅包含近端房间系统的响应,还有扬声器的非线性特性对信号产生的失真,且每个设备自带的音频处理过程也有可能引入非线性的变化,导致远端房间中的说话人将听到自己的回声,严重影响了用户的语音交互体验,因此,声学回声消除是语音交互场景中不可或缺的模块。现有技术中,随着深度学习神经网络的广泛应用,可以通过训练一网络模型来对声学回声进行消除。然而,现有的非线性回声消除的网络模型都是离线训练,即需要先准备大量的训练数据集,然后在高性能服务器上将模型训练到最优,再将该模型嵌入到对应的终端设备上进行前向处理,得到相应的结果。但是非线性回声是与终端设备的参数有关的,如果训练数据集中不包含该设备的回声数据,那么预先训练好的网络模型可能无法对非线性残余回声进行消除,降低了网络模型消除回声的准确性,进而影响了用户的使用体验。
技术实现思路
本公开实施例提供一种回声消除方法、装置及电子设备,以提高网络模型消除回声的准确性。第一方面,本公开实施例提供一种回声消除方法,包括:接收多个待处理信号,其中,每个所述待处理信号中包含远端发送的远端信号和/或近端接收的与所述远端信号对应的第一混合信号;根据所述多个待处理信号对应的远端信号和/或第一混合信号,以及预训练的回声消除模型,得到估计掩蔽值,根据 ...
【技术保护点】
1.一种回声消除方法,所述方法包括:/n接收多个待处理信号,其中,每个所述待处理信号中包含远端发送的远端信号和/或近端接收的与所述远端信号对应的第一混合信号;/n根据所述多个待处理信号对应的远端信号和/或第一混合信号,以及预训练的回声消除模型,得到估计掩蔽值,根据所述估计掩蔽值确定估计近端信号;/n若根据所述估计掩蔽值确定所述预训练的回声消除模型不满足预设条件,则将所述估计近端信号或根据其他传统模型确定的替代估计近端信号发送至所述远端进行播放,并在根据所述估计掩蔽值更新所述预训练的回声消除模型的权重值之后,重新执行接收多个待处理信号的步骤,直至重新训练的回声消除模型满足所述预设条件。/n
【技术特征摘要】
1.一种回声消除方法,所述方法包括:
接收多个待处理信号,其中,每个所述待处理信号中包含远端发送的远端信号和/或近端接收的与所述远端信号对应的第一混合信号;
根据所述多个待处理信号对应的远端信号和/或第一混合信号,以及预训练的回声消除模型,得到估计掩蔽值,根据所述估计掩蔽值确定估计近端信号;
若根据所述估计掩蔽值确定所述预训练的回声消除模型不满足预设条件,则将所述估计近端信号或根据其他传统模型确定的替代估计近端信号发送至所述远端进行播放,并在根据所述估计掩蔽值更新所述预训练的回声消除模型的权重值之后,重新执行接收多个待处理信号的步骤,直至重新训练的回声消除模型满足所述预设条件。
2.根据权利要求1所述的方法,其中,所述根据所述多个待处理信号对应的远端信号和/或第一混合信号,以及预训练的回声消除模型,得到估计掩蔽值,根据所述估计掩蔽值确定估计近端信号,包括:
基于预设筛选规则对所述多个待处理信号对应的远端信号和/或第一混合信号进行筛选,得到纯近端信号和纯回声信号;
将所述纯近端信号和所述纯回声信号进行混合处理,得到第二混合信号;
将所述第二混合信号以及所述远端信号输入至预训练的回声消除模型中进行回声消除处理,得到第一估计掩蔽值,根据第一预设处理规则对所述第一估计掩蔽值和所述第二混合信号的频谱进行处理,得到估计近端信号。
3.根据权利要求2所述的方法,其中,所述基于预设筛选规则对所述多个待处理信号对应的远端信号和/或第一混合信号进行筛选,得到纯近端信号和纯回声信号,包括:
针对每个所述待处理信号,判断所述待处理信号中是否包含远端信号;
若否,则确定所述待处理信号为纯近端信号;
若是,则将所述待处理信号输入至预训练的双向通话探测网络模型中进行识别,确定所述待处理信号为纯回声信号或不可训练信号。
4.根据权利要求2所述的方法,其中,所述基于预设筛选规则对所述多个待处理信号对应的远端信号和/或第一混合信号进行筛选,得到纯近端信号和纯回声信号,包括:
针对每个所述待处理信号,判断所述待处理信号中是否包含远端信号;
若否,则确定所述待处理信号为纯近端信号;
若是,则基于预设非线性回声处理规则对所述待处理信号进行处理,确定所述待处理信号对应的掩蔽值;
若所述待处理信号对应的掩蔽值为0,则所述待处理信号为纯回声信号。
5.根据权利要求2所述的方法,其中,在所述将所述纯近端信号和所述纯回声信号进行混合处理,得到第二混合信号之后,还包括:
基于预设消除规则对所述第二混合信号进行线性回声消除处理,得到残留非线性回声的第二混合信号;
则所述将所述第二混合信号以及所述远端信号输入至预训练的回声消除模型中进行回声消除处理,得到第一估计掩蔽值,根据第一预设处理规则对所述第一估计掩蔽值和所述第二混合信号的频谱进行处理,得到估计近端信号,包括:
将所述残留非线性回声的第二混合信号以及所述远端信号输入至预训练的回声消除模型中进行回声消除处理,得到第二估计掩蔽值,根据第二预设处理规则对所述第二估计掩蔽值和所述残留非线性回声的第二混合信号的频谱进行处理,得到估计近端信号。
6.根据权利要求5所述的方法,其中,所述基于预设消除规则对所述第二混合信号进行线性回声消除处理,得到残留非线性回声的第二混合信号,包括:
通过自适应线性滤波器对所述第二混合信号进行线性回声消除处理,得到残留非线性回声的第二混合信号,其中,所述自适应线性滤波器为最小均方自适应滤波器方法、分块延时频域自适应算法或递归最小均方滤波器。
7.根据权利要求5所述的方法,其中,所述若根据所述估计掩蔽值确定所述预训练的回声消除模型不满足预设条件,则将所述估计近端信号或根据其他模型确定的替代估计近端信号发送至所述远端进行播放,并在根据所述估计掩蔽值更新所述预训练的回声消除模型的权重之后,重新执行接收多个待处理信号的步骤,直至重新训练的回声消除模型满足所述预设条件,包括:
根据所述残留非线性回声的第二混合信号以及所述纯近端信号来提取标签,确定第一目标掩蔽值;
确定所述第一目标掩蔽值以及所述第二估计掩蔽值之间的第一差值,并基于所述第一差值确定所述预训练的回声消除模型的消除准确率;
根据所述消除准确率确定所述预训练的回声消除模型是否满足预设条件;
若根据所述消除准确率确定所述预训练的回声消除模型不满足预设条件,则将所述估计近端信号或根据其他模型确定的替代估计近端信号发送至所述远端进行播放,并在根据所述估计掩蔽值更新所述预训练的回声消除模型的权重之后,重新执行接收多个待处理信号的步骤,直至重新训练的回声消除模型满足所述预设条件。
8.根据权利要求2所述的方法,其中,所述若根据所述估计掩蔽值确定所述预训练的回声消除模型不满足预设条件,则将所述估计近端信号或根据其他模型确定的替代估计近端信号发送至所述远端进行播放,并在根据所述估计掩蔽值更新所述预训练的回声消除模型的权重之后,重新执行接收多个待处理信号的步骤,直至重新训练的回声消除模型满足所述预设条件,包括:
根据所述第二混合信号以及所述纯近端信号来提取标签,确定第二目标掩蔽值;
确定所述第二目标掩蔽值以及所述第一估计掩蔽值之间的第二差值,并基于所述第二差值确定所述预训练的回声消除模型的消除准确率;
根据所述消除准确率确定所述预训练的回声消除模型是否满足预设条件;
若根据所述消除准确率确定所述预训练的回声消除模型不满足预设条件,则将所述估计近端信号或根据其他模型确定的替代估计近端信号发送至所述远端进行播放,并在根据所述估计掩蔽值更新所述预训练的回声消除模型的权重之后,重新执行接收多个待处理信号的步骤,直至重新训练的回...
【专利技术属性】
技术研发人员:冷艳宏,周新权,
申请(专利权)人:北京字节跳动网络技术有限公司,
类型:发明
国别省市:北京;11
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。