一种车载音频降噪方法、装置、存储介质和电子设备制造方法及图纸

技术编号:37539166 阅读:13 留言:0更新日期:2023-05-12 16:07
本申请公开了一种车载音频降噪方法及装置,其特征在于,包括:获取当前时刻车辆播放的原始音频数据及与原始音频数据对应的带噪音频数据,带噪音频数据的噪音包括车内运行的噪音数据;将原始音频数据和带噪音频数据输入音频增强模型,获得目标音频数据,音频增强模型用于降低带噪音频数据对原始音频数据的干扰;响应于目标音频数据与车内运行的噪音数据的相似度高于第一阈值,则按照预设降噪模型对目标音频数据进行降噪,得到降噪后的音频数据。发明专利技术通过播放音乐实时建立车内音频增强模型并动态调整输出的噪音,模型根据环境更新;同时,结合了预设降噪模型,对音频进一步降噪,大大改善了降噪效果。大改善了降噪效果。大改善了降噪效果。

【技术实现步骤摘要】
一种车载音频降噪方法、装置、存储介质和电子设备


[0001]本专利技术涉及智能语音领域,具体涉及一种车载音频降噪方法、装置、存储介质和电子设备和计算机程序产品。

技术介绍

[0002]现有技术的音频降噪方法都是针对特有汽车型号及空间定制的,该种方法的局限性较大,当车内音频环境较为复杂或者车内环境发生较大的变化时,现有的方法就容易出现降噪效果差、稳定性差的问题,且根据车型或者环境定制的方法成本较高,不具备可复制性,故其不能满足用户对于高质量音频体验的要求。
[0003]所以,如何提供一种更高效、可靠地车载音频降噪方法,是待解决的技术问题。

技术实现思路

[0004]基于此,有必要针对现有的问题,提供一种车载音频降噪方法、装置、存储介质和电子设备。
[0005]第一方面,本申请实施例提供了一种车载音频降噪方法,所述方法包括:获取当前时刻车辆播放的原始音频数据及与所述原始音频数据对应的带噪音频数据,所述带噪音频数据的噪音包括车内运行的噪音数据;将所述原始音频数据和所述带噪音频数据输入音频增强模型,获得目标音频数据,所述音频增强模型用于降低所述带噪音频数据对所述原始音频数据的干扰;确定所述目标音频数据与所述车内运行的噪音数据的相似度是否高于第一阈值;响应于所述目标音频数据与所述车内运行的噪音数据的相似度高于第一阈值,则按照预设降噪模型对所述目标音频数据进行降噪处理,获得降噪处理后的音频数据;其中,所述按照预设降噪模型更新所述目标音频数据,包括:将所述车内运行的噪音数据对应的低频滤波函数、中频滤波函数及高频滤波器函数均作反相操作,获得反相车内运行噪音数据;将所述反相车内运行的噪音数据对应的低频滤波函数、中频滤波函数及高频滤波函数分别与所述目标音频数据对应的低频滤波函数、中频滤波函数及高频滤波函数进行叠加,获得更新后的所述目标音频数据。
[0006]优选地,通过车载拾音器获取所述车内运行的噪音数据。
[0007]优选地,按照下述方式预先训练得到音频增强模型:分别提取所述原始音频数据的第一音频谱特征和所述带噪音频数据的第二音频谱特征;对所述第二音频谱特征进行压缩,生成第一深度音频谱特征;对所述第一深度音频谱特征进行去噪,获得去噪后的第二深度音频谱特征;对所述第二深度音频谱特征进行音频谱恢复,得到所述带噪音频数据的第三音频谱特征;确定所述第一音频谱特征与所述第三音频谱特征的特征均方误差,基于所述特征
均方误差训练所述音频增强模型,直至所述特征均方误差符合第二阈值;所述音频增强模型为卷积

长短时记忆网络

反卷积结构的模型,其中,所述音频增强模型的输入为带噪音频数据,输出为目标音频数据。
[0008]优选地,所述第一深度音频谱特征通过卷积神经网络对所述第二音频谱特征进行压缩来获取。
[0009]优选地,所述第二音频谱特征通过长短时记忆网络对所述第一音频谱特征进行逐帧去噪来获取。
[0010]优选地,所述第三音频谱特征通过反卷积神经网络对所述第二音频谱特征进行音频恢复来获取。
[0011]第二方面,本申请实施例提供了一种车载音频降噪装置,所述装置包括:获取模块,用于获取当前时刻车辆播放的原始音频数据及与所述原始音频数据对应的带噪音频数据,所述带噪音频数据的噪音包括车内运行的噪音数据;处理模块,用于将所述原始音频数据和所述带噪音频数据输入音频增强模型,获得目标音频数据,所述音频增强模型用于降低所述带噪音频数据对原始音频数据的干扰;确定模块,用于确定所述目标音频数据与所述车内运行的噪音数据的相似度是否高于第一阈值;更新模块,响应于所述目标音频数据与所述车内运行的噪音数据的相似度高于第一阈值,则按照预设降噪模型对所述目标音频数据进行降噪处理,获得降噪处理后的音频数据;其中,所述按照预设降噪模型更新所述目标音频数据,包括:将所述车内运行的噪音数据对应的低频滤波函数、中频滤波函数及高频滤波器函数均作反相操作,获得反相车内运行噪音数据;将所述反相车内运行的噪音数据对应的低频滤波函数、中频滤波函数及高频滤波函数分别与所述目标音频数据对应的低频滤波函数、中频滤波函数及高频滤波函数进行叠加,获得更新后的所述目标音频数据。
[0012]第三方面,本申请实施例提供一种电子设备,所述电子设备包括:处理器;用于存储所述处理器可执行指令的存储器;所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述可执行指令以实现上述的方法步骤。
[0013]第四方面,本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序用于执行上述的方法步骤。
[0014]在本申请实施例中,利用了深度学习技术,通过播放音乐实时动态建立车内音频增强模型,并根据车内音频增强模型实时调整输出目标音乐的噪音,本专利技术的车内环境模型是根据环境不断更新的,用户使用时间越长,车载音频的降噪效果就越好,实现了智能降噪效果;同时,方法结合了预设降噪模型,对车内环境模型输出的音频数据进一步实现降噪,本专利技术的方法采用了深度学习技术和动态调整技术,大大改善了车载的降噪效果。
附图说明
[0015]通过参考下面的附图,可以更为完整地理解本专利技术的示例性实施方式。附图用来提供对本申请实施例的进一步理解,并且构成说明书的一部分,与本申请实施例一起用于
解释本专利技术,并不构成对本专利技术的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
[0016]图1为根据本申请一示例性实施例提供的方法的流程图;图2为根据本申请一示例性实施例提供的装置的结构示意图;图3示出了本申请一示例性实施例提供的一种电子设备的示意图;图4示出了本申请一示例性实施例提供的一种计算机可读介质的示意图。
具体实施方式
[0017]下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
[0018]需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本申请所属领域技术人员所理解的通常意义。
[0019]另外,术语“第一”和“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,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、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0020]本申请实施例提供一种车载音频降噪方法、装置、存储介质和电子设备,下面结合附图进行说明。
[0021]请参考图1,其示出了本申请的一些实施方式所提供的一种车载音频降噪方法的流程图,如图所示,方法可以包括以下步骤:S101:获取当前时刻车辆播放的原始音频数据及与原始音本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种车载音频降噪方法,其特征在于,包括:获取当前时刻车辆播放的原始音频数据及与所述原始音频数据对应的带噪音频数据,所述带噪音频数据的噪音包括车内运行的噪音数据;将所述原始音频数据和所述带噪音频数据输入音频增强模型,获得目标音频数据,所述音频增强模型用于降低所述带噪音频数据对所述原始音频数据的干扰;确定所述目标音频数据与所述车内运行的噪音数据的相似度是否高于第一阈值;响应于所述目标音频数据与所述车内运行的噪音数据的相似度高于第一阈值,则按照预设降噪模型对所述目标音频数据进行降噪处理,获得降噪处理后的音频数据;其中,所述按照预设降噪模型更新所述目标音频数据,包括:将所述车内运行的噪音数据对应的低频滤波函数、中频滤波函数及高频滤波器函数均作反相操作,获得反相车内运行噪音数据;将所述反相车内运行的噪音数据对应的低频滤波函数、中频滤波函数及高频滤波函数分别与所述目标音频数据对应的低频滤波函数、中频滤波函数及高频滤波函数进行叠加,获得更新后的所述目标音频数据。2.根据权利要求1所述的方法,其特征在于,通过车载拾音器获取所述车内运行的噪音数据。3.根据权利要求1所述的方法,其特征在于,按照下述方式预先训练得到音频增强模型:分别提取所述原始音频数据的第一音频谱特征和所述带噪音频数据的第二音频谱特征;对所述第二音频谱特征进行压缩,生成第一深度音频谱特征;对所述第一深度音频谱特征进行去噪,获得去噪后的第二深度音频谱特征;对所述第二深度音频谱特征进行音频谱恢复,得到所述带噪音频数据的第三音频谱特征;确定所述第一音频谱特征与所述第三音频谱特征的特征均方误差,基于所述特征均方误差训练所述音频增强模型,直至所述特征均方误差符合第二阈值;所述音频增强模型为卷积

长短时记忆网络

反卷积结构的模型,其中,所述音频增强模型的输入为带噪音频数据,输出为目标音频数据。4.根据权利...

【专利技术属性】
技术研发人员:杨良志白琳汪志新邸昌国简锐
申请(专利权)人:彩讯科技股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1