一种多设备交互音频降噪方法、系统、设备、存储介质技术方案

本发明专利技术公开了一种多设备交互音频降噪方法、系统、设备、存储介质，应用于通信连接多个设备中的智能终端，本方法包括以下步骤：步骤S1、接收到音频信号时，通过扬声器播放所述音频信号；步骤S2、将接收到的音频信号作为第一音频信号，由远端麦克风接收到所述扬声器播放的音频信号作为第二音频信号，根据所述第一音频信号与第二音频信号确定神经网络模型的损失函数，训练神经网络模型；步骤S3、通过所述神经网络模型对第一音频信号进行降噪，得到目标音频信号；基于目标音频信号，进行语音交互。本发明专利技术降低音频的噪音，在播放及使用过程中拥有良好的使用体验。良好的使用体验。良好的使用体验。

【技术实现步骤摘要】
一种多设备交互音频降噪方法、系统、设备、存储介质


[0001]本专利技术涉及音频处理
，尤其涉及一种多设备交互音频降噪方法、系统、设备、存储介质。

技术介绍

[0002]在同一片区域内，存在较多的设备均有麦克风与扬声器，形成分布式麦克风阵列。在该情况下，扬声器播放声音，麦克风拾音后，由于麦克风灵敏度高，容易出现回声啸叫等噪音。噪音会直接影响到交互的良好体验，因此在进行交互时，对环境降噪功能就会相对较差，播放的音频效果较差。

技术实现思路

[0003]为了克服现有技术的不足，本专利技术的目的在于提供一种多设备交互音频降噪方法，降低音频的噪音，在播放及使用过程中拥有良好的使用体验。
[0004]本专利技术的目的之二在于提供一种多设备交互音频降噪系统，降低音频的噪音，在播放及使用过程中拥有良好的使用体验。
[0005]本专利技术的目的之三在于提供一种电子设备，执行上述多设备交互音频降噪方法，降低音频的噪音，在播放及使用过程中拥有良好的使用体验。
[0006]本专利技术的目的之三在于提供一种存储介质，执行上述多设备交互音频降噪方法，降低音频的噪音，在播放及使用过程中拥有良好的使用体验。
[0007]本专利技术的目的之一采用如下技术方案实现：
[0008]一种多设备交互音频降噪方法，应用于通信连接多个设备中的智能终端，本方法包括以下步骤：
[0009]步骤S1、接收到音频信号时，通过扬声器播放所述音频信号；
[0010]步骤S2、将接收到的音频信号作为第一音频信号，由远端麦克风接收到所述扬声器播放的音频信号作为第二音频信号，根据所述第一音频信号与第二音频信号确定神经网络模型的损失函数，训练神经网络模型；
[0011]步骤S3、通过所述神经网络模型对第一音频信号进行降噪，得到目标音频信号；基于目标音频信号，进行语音交互。
[0012]进一步地，所述步骤S3中通过神经网络模型对第一音频信号进行降噪，得到目标音频信号，包括以下步骤：
[0013]步骤S31、对所述第一音频信号切割及预处理，得到多个短语音序列；
[0014]步骤S32、通过神经网络模型对第一音频信号的短语音序列进行降噪，得到目标音频信号。
[0015]进一步地，所述步骤S2还包括以下步骤：
[0016]步骤S21、将第一音频信号的短语音序列作为神经网络模型的输入，将第二音频信号与第一音频信号的短语音序列的差值作为神经网络模型的输出；
[0017]步骤S22、确定估计回声，将估计回声与第二音频信号的差值作为神经网络模型的损失函数，训练所述神经网络模型。
[0018]进一步地，所述步骤S22中通过自适应滤波算法最小化损失函数，通过自适应滤波算法对第一音频信号进行处理与学习，优化神经网络模型的权重。
[0019]进一步地，所述步骤S3中基于目标音频信号，进行语音交互包括以下步骤：
[0020]步骤S33、判断所述目标音频信号中是否存在已连接的设备名称，若是存在已连接设备名称，则将所述目标音频信号发送至已连接的设备中，由该设备播放音频信号并接收新的音频信号。
[0021]进一步地，所述智能终端包括智能机器人、智能手机、智能音箱、会议终端的一种或多种。
[0022]进一步地，所述步骤S2中的损失函数为：
[0023][0024]其中，e(n)为损失函数，x(n)为第一音频信号，y(n)为第二音频信号，在n时刻有Q个扬声器播放，h为扬声器到麦克风的回声路径。
[0025]本专利技术的目的之二采用如下技术方案实现：
[0026]一种多设备交互音频降噪系统，包括：
[0027]采集播放模块，接收到音频信号时，通过扬声器播放所述音频信号；
[0028]神经网络训练模块，将接收到的音频信号作为第一音频信号，由远端麦克风接收到所述扬声器播放的音频信号作为第二音频信号，根据所述第一音频信号与第二音频信号确定所述神经网络模型的损失函数，训练神经网络模型；
[0029]降噪交互模块，通过神经网络模型对第一音频信号进行降噪，得到目标音频信号；基于目标音频信号，进行语音交互。
[0030]本专利技术的目的之三采用如下技术方案实现：
[0031]一种电子设备，其包括处理器、存储器及存储于所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上任一所述多设备交互音频降噪方法。
[0032]本专利技术的目的之四采用如下技术方案实现：
[0033]一种存储介质，其上存储有计算机程序，所述计算机程序被执行时实现如上任一所述多设备交互音频降噪方法。
[0034]相比现有技术，本专利技术的有益效果在于：
[0035]本专利技术公开了一种多设备交互音频降噪方法、系统、设备、存储介质，在接收到音频信号时，通过扬声器播放所述音频信号，根据所述第一音频信号与第二音频信号确定所述神经网络模型的损失函数，训练神经网络模型，通过所述神经网络模型对第一音频信号进行降噪，得到目标音频信号，进行语音交互，有效降低多设备交互过程中的噪声，在播放及使用过程中拥有良好的使用体验。
附图说明
[0036]图1为本专利技术所提供实施例一种多设备交互音频降噪方法的流程示意图；
[0037]图2为本专利技术所提供实施例一种多设备交互音频降噪方法的步骤S2流程示意图；
[0038]图3为本专利技术所提供实施例一种多设备交互音频降噪方法的步骤S3流程示意图。
具体实施方式
[0039]下面，结合附图以及具体实施方式，对本专利技术做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
[0040]本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0041]需要说明的是，在本专利技术中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本专利技术要求的保护范围之内。
[0042]如图1所示，本专利技术提供了一种多设备交互音频降噪方法，应用于通信连接多个设备中的智能终端，在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多设备交互音频降噪方法，其特征在于，应用于通信连接多个设备中的智能终端，本方法包括以下步骤：步骤S1、接收到音频信号时，通过扬声器播放所述音频信号；步骤S2、将接收到的音频信号作为第一音频信号，由远端麦克风接收到所述扬声器播放的音频信号作为第二音频信号，根据所述第一音频信号与第二音频信号确定神经网络模型的损失函数，训练神经网络模型；步骤S3、通过所述神经网络模型对第一音频信号进行降噪，得到目标音频信号；基于目标音频信号，进行语音交互。2.如权利要求1所述的一种多设备交互音频降噪方法，其特征在于，所述步骤S3中通过神经网络模型对第一音频信号进行降噪，得到目标音频信号，包括以下步骤：步骤S31、对所述第一音频信号切割及预处理，得到多个短语音序列；步骤S32、通过神经网络模型对第一音频信号的短语音序列进行降噪，得到目标音频信号。3.如权利要求2所述的一种多设备交互音频降噪方法，其特征在于，所述步骤S2还包括以下步骤：步骤S21、将第一音频信号的短语音序列作为神经网络模型的输入，将第二音频信号与第一音频信号的短语音序列的差值作为神经网络模型的输出；步骤S22、确定估计回声，将估计回声与第二音频信号的差值作为神经网络模型的损失函数，训练所述神经网络模型。4.如权利要求3所述的一种多设备交互音频降噪方法，其特征在于，所述步骤S22中通过自适应滤波算法最小化损失函数，通过自适应滤波算法对第一音频信号进行处理与学习，优化神经网络模型的权重。5.如权利要求4所述的一种多设备交互音频降噪方法，其特征在于，所...

【专利技术属性】
技术研发人员：蔡逸群，方名，罗益峰，
申请(专利权)人：长沙朗源电子科技有限公司，
类型：发明
国别省市：