本申请适用于音频处理技术领域，提供了一种降噪方法、装置、终端和存储介质。其中，上述降噪方法具体包括：获取对环境声进行采集得到的音频信号；获取所述音频信号的频谱在全频带的多个预设频点对应的幅值，并对所述多个预设频点对应的幅值求平均，得到所述音频信号的频谱在所述全频带对应的全频带幅值均值；根据所述全频带幅值均值所处范围的不同，将所述环境声的类别确认为安静噪声、中间噪声和嘈杂噪声中的一种，并对应地分别采用舒适降噪模式、均衡降噪模式或深度降噪模式对所述音频信号进行降噪。本申请的实施例可以在降低运算功耗的同时，提高降噪效果。提高降噪效果。提高降噪效果。
【技术实现步骤摘要】
一种降噪方法、装置、终端和存储介质
[0001]本申请属于音频处理
，尤其涉及一种降噪方法、装置、终端和存储介质。
技术介绍
[0002]目前的噪声场景识别主流算法是采用基于深度神经网络与隐马尔可夫模型(DNN
‑
HMM)的语音识别算法，通过对采集到的环境声音频信号进行加窗、分帧，然后提取分析频谱特征，确定场景类型，并切换至当前场景相匹配的降噪模式进行降噪，从而满足不同场景下的降噪需求。
[0003]由于耳机应用DNN
‑
HMM场景识别算法具有运行时间长和耗电量大等问题，实际市场上耳机常使用同一降噪模式进行主动降噪。由于使用降噪滤波器组固定，不同场景下降噪效果各不相同，在部分场景下的降噪效果明显变差
[0004]因此，需要一种降噪方法，在降低运算功耗的同时，提高降噪效果。
技术实现思路
[0005]本申请实施例提供一种降噪方法、装置、终端和存储介质，可以在降低运算功耗的同时，提高降噪效果。
[0006]本申请实施例第一方面提供一种降噪方法，包括：
[0007]获取对环境声进行采集得到的音频信号；
[0008]获取所述音频信号的频谱在全频带的多个预设频点对应的幅值，并对所述多个预设频点对应的幅值求平均，得到所述音频信号的频谱在所述全频带对应的全频带幅值均值；
[0009]若所述全频带幅值均值小于或等于第一阈值，则将所述环境声的类别确认为安静噪声，并采用舒适降噪模式对所述音频信号进行降噪；
[0010]若所述全频带幅值均值大于所述第一阈值，且小于或等于第二阈值，则将所述环境声的类别确认为中间噪声，并采用均衡降噪模式对所述音频信号进行降噪；
[0011]若所述全频带幅值均值大于所述第二阈值，则将所述环境声的类别确认为嘈杂噪声，并采用深度降噪模式对所述音频信号进行降噪。
[0012]本申请实施例第二方面提供的一种降噪装置，包括：
[0013]获取单元，用于获取对环境声进行采集得到的音频信号；
[0014]计算单元，用于获取所述音频信号的频谱在全频带的多个预设频点对应的幅值，并对所述多个预设频点对应的幅值求平均，得到所述音频信号的频谱在所述全频带对应的全频带幅值均值；
[0015]舒适降噪单元，用于若所述全频带幅值均值小于或等于第一阈值，则将所述环境声的类别确认为安静噪声，并采用舒适降噪模式对所述音频信号进行降噪；
[0016]均衡降噪单元，用于若所述全频带幅值均值大于所述第一阈值，且小于或等于第二阈值，则将所述环境声的类别确认为中间噪声，并采用均衡降噪模式对所述音频信号进
行降噪；
[0017]深度降噪单元，用于若所述全频带幅值均值大于所述第二阈值，则将所述环境声的类别确认为嘈杂噪声，并采用深度降噪模式对所述音频信号进行降噪。
[0018]本申请实施例第三方面提供一种终端，包括存储器、处理器以及存储在所述存储器中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上述方法的步骤。
[0019]本申请实施例第四方面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，所述计算机程序被处理器执行时实现上述方法的步骤。
[0020]本申请实施例第五方面提供了一种计算机程序产品，当计算机程序产品在终端上运行时，使得终端执行时实现方法的步骤。
[0021]本申请的实施方式中，通过获取对环境声进行采集得到的音频信号，并获取音频信号的频谱在全频带的多个预设频点对应的幅值，接着，对多个预设频点对应的幅值求平均，得到音频信号的频谱对应的全频带幅值均值，进而根据全频带幅值均值所处范围的不同，将环境声的类别确认为安静噪声、中间噪声和嘈杂噪声中的一种，并对应地分别采用舒适降噪模式、均衡降噪模式或深度降噪模式对音频信号进行降噪，一方面不需要像DNN
‑
HMM场景识别算法一样进行复杂的音频信号处理，能够降低降噪过程的运算功耗，提高降噪效率，另一方面，能够为不同场景的环境声兼容不同的降噪模式，提升了降噪效果。
附图说明
[0022]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0023]图1是本申请实施例提供的一种降噪方法的实现流程示意图；
[0024]图2是本申请实施例提供的办公室场景环境声的时域和频域图；
[0025]图3是本申请实施例提供的车内场景环境声的时域和频域图；
[0026]图4是本申请实施例提供的幼儿园场景环境声的时域和频域图；
[0027]图5是本申请实施例提供的马路场景环境声的时域和频域图；
[0028]图6是本申请实施例提供的田野场景环境声的时域和频域图；
[0029]图7是本申请实施例提供的钻孔场景环境声的时域和频域图；
[0030]图8是本申请实施例提供的方案一的幅值分析结果图；
[0031]图9是本申请实施例提供的方案二的幅值分析结果图；
[0032]图10是本申请实施例提供的均方差MES分析结果图；
[0033]图11是本申请实施例提供的同一能量水平时幅值分析结果图；
[0034]图12是本申请实施例提供的一种降噪装置的结构示意图；
[0035]图13是本申请实施例提供的终端的结构示意图。
具体实施方式
[0036]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对
本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护。
[0037]由于耳机应用DNN
‑
HMM场景识别算法具有运行时间长和耗电量大等问题，实际市场上耳机常使用同一降噪模式进行主动降噪。由于使用降噪滤波器组固定，不同场景下降噪效果各不相同，在部分场景下的降噪效果明显变差
[0038]因此，本申请提出了一种降噪方法，可以基于环境声频谱幅值均值确定环境声场景类别，并采取对应的降噪模式进行降噪，不需要像DNN
‑
HMM场景识别算法一样进行复杂的音频信号处理，降低降噪过程的运算功耗，提高了降噪效率，并且能够兼容不同的降噪模式，提升降噪效果。
[0039]为了说明本申请的技术方案，下面通过具体实施例来进行说明。
[0040]图1示出了本申请实施例提供的一种降噪方法的实现流程示意图，该方法可以应用于终端上，可适用于需在降低运算功耗的同时，提高降噪效果的情形。
[0041]在本申请的一些实施方式中，上述终端可以为耳机、音响、手机、智能手表等具有音频处理能力的设备，也可本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种降噪方法，其特征在于，包括：获取对环境声进行采集得到的音频信号；获取所述音频信号的频谱在全频带的多个预设频点对应的幅值，并对所述多个预设频点对应的幅值求平均，得到所述音频信号的频谱在所述全频带对应的全频带幅值均值；若所述全频带幅值均值小于或等于第一阈值，则将所述环境声的类别确认为安静噪声，并采用舒适降噪模式对所述音频信号进行降噪；若所述全频带幅值均值大于所述第一阈值，且小于或等于第二阈值，则将所述环境声的类别确认为中间噪声，并采用均衡降噪模式对所述音频信号进行降噪；若所述全频带幅值均值大于所述第二阈值，则将所述环境声的类别确认为嘈杂噪声，并采用深度降噪模式对所述音频信号进行降噪。2.如权利要求1所述的降噪方法，其特征在于，所述全频带包含频率互不重叠的多个子频带，每个所述子频带中包含一个或多个预设子频点；所述降噪方法还包括：获取每个所述预设子频点对应的幅值，并分别对每个所述子频带上预设子频点对应的幅值求平均，得到所述音频信号的频谱在每个所述子频带对应的子频带幅值均值；根据所述全频带幅值均值和每个所述子频带对应的子频带幅值均值，确定所述环境声的类别，并采用与所述环境声的类别对应的降噪模式对所述音频信号进行降噪。3.如权利要求2所述的降噪方法，其特征在于，根据所述全频带幅值均值和每个所述子频带对应的子频带幅值均值，确定所述环境声的类别，并采用与所述环境声的类别对应的降噪模式对所述音频信号进行降噪，包括：计算所述音频信号的频谱在所述全频带的多个预设频点对应的幅值的均方差；根据所述全频带幅值均值、每个所述子频带对应的子频带幅值均值和所述均方差，确定所述环境声的类别，并采用与所述环境声的类别对应的降噪模式对所述音频信号进行降噪。4.如权利要求3所述的降噪方法，其特征在于，根据所述全频带幅值均值、每个所述子频带对应的子频带幅值均值和所述均方差，确定所述环境声的类别，并采用与所述环境声的类别对应的降噪模式对所述音频信号进行降噪，包括：若所述全频带幅值均值大于第一阈值且小于或等于第二阈值、各个所述子频带对应的子频带幅值均值两两之间差值的绝对值均小于第三阈值，且所述均方差小于第四阈值，则将所述环境声的类别确认为第一中间噪声，并采用第一均衡降噪模式对所述音频信号进行降噪。5.如权利要求2所述的降噪方法，其特征在于，所述子频带包括高频频带、中频频带和低频频带，所述高频频带对应的子频带幅值均值为高频均...
【专利技术属性】
技术研发人员：谢冠宏，邱士嘉，张立朋，傅光辉，徐曌，
申请(专利权)人：万魔声学股份有限公司，
类型：发明
国别省市：
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。