去混响方法、电子设备和存储介质技术

本发明专利技术公开了一种去混响方法，包括：获取具有混响的语音信号。在频域内，将语音信号划分为高频段信号、中频段信号和低频段信号。通过WPE加权预测误差算法去除中频段和低频段混响。汇合处理后的中频段信号、低频段信号和高频段信号，生成去混响音频。本发明专利技术通过对低、中和高频段的分别处理更能体现信号在频域的变化趋势，提高算法效果。同时，分频处理方式在提高算法效果的基础上也降低了计算复杂度，适用于通话视频会议等注重听感的场景。于通话视频会议等注重听感的场景。于通话视频会议等注重听感的场景。

【技术实现步骤摘要】
去混响方法、电子设备和存储介质


[0001]本专利技术属于语音处理
，尤其涉及去混响方法、电子设备和存储介质。

技术介绍

[0002]目前去混响方法大体上分为三种，分别是传统方法，神经网络方法以及二者结合的方法。传统方法指的是利用信号处理理论，从带混响的语音中计算出干净语音的过程，如谱减法，MCLP，导向滤波等；神经网络方式指通过训练网络，直接映射得到干净音频的过程，如DNN,FSMN等；最后就是二者结合的方法，如基于DNN的MCLP算法等。
[0003]传统方法基于信号处理学科，理论复杂，且计算复杂度往往随着去混响效果的提高而增加，算法落地可行性随着计算复杂度的提高而降低；神经网络方法，得益于成熟的深度学习框架，搭建模型较为容易，但训练结果依赖于训练数据，当测试场景和训练场景不同时，效果难以保证。且训练数据量对训练结果产生重要影响，当数据量小时，会造成模型泛化能力差。而去混响的公开数据集少，训练数据的收集也较为困难。
[0004]传统方法想要得到较好的效果，一般有两个思路：一是使得理论依据更加符合真实情况，如在已有的数学模型基础上引入噪声，突发性的干扰等，二是要参考更多的信息，如更长的历史信息等。这两种都会导致算法处理更多的数据，从而增加了计算复杂度。神经网络方式让模型学习输入数据特征，训练一系列权重参数，输入特征与参数经过计算后，得到我们期望的音频信号。因此模型效果非常依赖于输入数据，输入什么学习什么，模型学习不到没有输入的特征，导致当测试输入不同于训练场景的音频，模型效果便大打折扣。/>[0005]专利技术人发现：传统方法根据应用场景，常对计算复杂度和算法效果进行取舍。在算力吃紧的平台上，牺牲一些算法效果，降低计算复杂度，在更注重算法效果的场景下，增加计算复杂度，得到更有效的去混响效果。神经网络方法为了增加模型通用性，一般会收集包含更多场景的数据，让测试场景尽可能包含在训练数据中，这样测试效果较训练效果不会相差很多；为了模型对训练数据的学习更详尽，收集尽可能多的数据量，搭建更多层网络，调整考虑更多信息的更有效的网络结构，数据量越大，模型学到的东西越多，网络层数越多，学习越深入，模型也就越能体现训练数据的规律，但同时网络越多层，考虑越多信息计算复杂度也随之提高。

技术实现思路

[0006]本专利技术实施例旨在至少解决上述技术问题之一。
[0007]第一方面，本专利技术实施例提供一种去混响方法，包括：获取具有混响的语音信号。预处理语音信号，获取处理后的语音信号。对处理后语音信号实施短时傅里叶变换，获取语音的频域信号。并将语音信号划分为高频段信号、中频段信号和低频段信号。
[0008]通过WPE加权预测误差算法去除中频段信号和低频段信号中的混响。汇合中频段信号、低频段信号和高频段信号，得到处理后的合成音频。对合成音频实施逆傅里叶变换，获取处理后音频的时域信号。时域信号即为去混响音频。
[0009]第二方面，本专利技术实施例提供一种电子设备，其包括：至少一个处理器，以及与至少一个处理器通信连接的存储器，其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本专利技术上述任一项去混响方法。
[0010]第三方面，本专利技术实施例提供一种存储介质，存储介质中存储有一个或多个包括执行指令的程序，执行指令能够被电子设备(包括但不限于计算机，服务器，或者网络设备等)读取并执行，以用于执行本专利技术上述任一项去混响方法。
[0011]第四方面，本专利技术实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述任一项去混响方法。
[0012]本专利技术实施例基于传统WPE(Weighted Prediction Error)，通过分频段处理方法，对不同频段独立更新滤波器，更能体现音频在频域的变化趋势，提高算法效果。同时，分频处理方式在提高算法效果的基础上也降低了计算复杂度，适用于通话视频会议等注重听感的场景。
附图说明
[0013]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0014]图1为本专利技术的去混响方法的一实施例的流程图；
[0015]图2为本专利技术的去混响方法的另一实施例的流程图；
[0016]图3为本专利技术的去混响方法的又一实施例的流程；
[0017]图4为本专利技术的电子设备的一实施例的结构示意图。
具体实施方式
[0018]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0019]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
[0020]本专利技术可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、元件、数据结构等等。也可以在分布式计算环境中实践本专利技术，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
[0021]在本专利技术中，“模块”、“装置”、“系统”等指应用于计算机的相关实体，如硬件、硬件和软件的组合、软件或执行中的软件等。详细地说，例如，元件可以、但不限于是运行于处理器的过程、处理器、对象、可执行元件、执行线程、程序和/或计算机。还有，运行于服务器上的应用程序或脚本程序、服务器都可以是元件。一个或多个元件可在执行的过程和/或线程
中，并且元件可以在一台计算机上本地化和/或分布在两台或多台计算机之间，并可以由各种计算机可读介质运行。元件还可以根据具有一个或多个数据包的信号，例如，来自一个与本地系统、分布式系统中另一元件交互的，和/或在因特网的网络通过信号与其它系统交互的数据的信号通过本地和/或远程过程来进行通信。
[0022]最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”，不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括
……”
限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。...

【技术保护点】

【技术特征摘要】
1.一种去混响方法，包括：获取具有混响的语音信号；预处理所述语音信号，获取处理后的语音信号；对所述处理后语音信号实施短时傅里叶变换，获取语音的频域信号；根据所述语音的频域信号将所述语音信号划分为高频段信号、中频段信号和低频段信号；通过WPE加权预测误差算法去除所述中频段信号和低频段信号中的混响；汇合所述中频段信号、低频段信号和所述高频段信号，得到处理后的合成音频；对所述合成音频实施逆傅里叶变换，获取处理后音频的时域信号；所述时域信号即为去混响音频。2.根据权利要求1所述的去混响方法，其中，所述预处理所述语音信号的步骤包括：分帧、加窗所述语音信号。3.根据权利要求1所述的去混响方法，其中，所述根据所述语音的频域信号将所述语音信号划分为高频段信号、中频段信号和低频段信号的步骤包括：获取所述语音频域信号的频点范围；平分所述频点范围获取高频段范围、中频段范围和低频段范围；根据所述高频段范围、中频段范围和低频段范围将所述处理后语音信号划分为高频段信号、中频段信号和低频段信号。4.根据权利要求1所述的去混响方法，所述汇合所述中频段信号、低频段信号和所述高频段信号，获...

【专利技术属性】
技术研发人员：任云，
申请(专利权)人：思必驰科技股份有限公司，
类型：发明
国别省市：