[发明专利]音频数据的增益控制方法及装置

说明书

【技术领域】

本发明涉及音频信号处理技术，尤其涉及一种音频数据的增益控制方法及装置。

【背景技术】

随着通信技术的发展，终端集成了越来越多的功能，从而使得终端的系统功能列表中包含了越来越多相应的应用程序。有些应用程序中会涉及语音识别服务，例如，微信中的语音输入功能，搜索应用中的语音助手，等。

然而，在语音识别服务中，通常要求采集的音频数据的幅度数值大于或等于一定的识别阈值，一旦音频数据的幅度数值小于该识别阈值，则识别性能就会大大降低。因此，亟需提供一种音频数据的增益控制方法及装置，以将待识别音频数据的幅度数值控制在识别阈值之上，避免语音识别性能的降低。

【发明内容】

本发明从多个方面提供一种音频数据的增益控制方法及装置，用以将待识别音频数据的幅度数值控制在识别阈值之上，避免语音识别性能的降低。

本发明的一方面，提供一种音频数据的增益控制方法，包括：

获取第N帧音频数据和所述第N帧音频数据的VAD信息，N为大于M的整数，M为大于或等于1的整数；

根据期望幅度数值和所述第N帧音频数据，获得所述第N帧音频数据的期望增益；

根据所述第N帧音频数据的VAD信息、所述第N帧音频数据之前相邻的M帧音频数据中每帧音频数据的VAD信息、所述第N帧音频数据的期望增益和所述第N帧音频数据之前相邻的M帧音频数据中每帧音频数据的期望增益，获得所述第N帧音频数据的控制增益；

利用所述控制增益，对所述第N帧音频数据进行增益控制处理。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述第N帧音频数据的VAD信息、所述第N帧音频数据之前相邻的M帧音频数据中每帧音频数据的VAD信息、所述第N帧音频数据的期望增益和所述第N帧音频数据之前相邻的M帧音频数据中每帧音频数据的期望增益，获得所述第N帧音频数据的控制增益，包括：

根据所述第N帧音频数据的VAD信息，确定所述第N帧音频数据是否为语音帧；

若所述第N帧音频数据为语音帧，对所述第N帧音频数据的VAD信息和所述第N帧音频数据之前相邻的M帧音频数据中每帧音频数据的VAD信息进行运算处理，以获得运算结果；

若所述运算结果满足预先设置的控制条件，根据所述第N帧音频数据的期望增益和所述第N帧音频数据之前相邻的M帧音频数据中每帧音频数据的期望增益，获得所述第N帧音频数据的控制增益。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述第N帧音频数据的期望增益和所述第N帧音频数据之前相邻的M帧音频数据中每帧音频数据的期望增益，获得所述第N帧音频数据的控制增益，包括：

根据所述第N帧音频数据的期望增益和所述第N帧音频数据之前相邻的M帧音频数据中每帧音频数据的期望增益，选择P个最小的期望增益，P为大于1且小于或等于M的奇数，对所述P个最小的期望增益进行中值滤波处理，以获得所述第N帧音频数据的最小增益；

若所述第N帧音频数据的最小增益小于最小增益值，利用所述第N帧音频数据的最小增益更新所述最小增益值；

若所述第N帧音频数据的最小增益大于或等于所述最小增益值，维持所述最小增益值，并记录所述最小增益值的持续时间；

根据所述最小增益值，获得所述第N帧音频数据的控制增益。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述若所述第N帧音频数据的最小增益大于或等于所述最小增益值，维持所述最小增益值，并记录所述最小增益值得持续时间之后，还包括：

若所述最小增益值的持续时间大于最小增益跟踪窗长的K1倍，K1为大于0且小于1的数值，且所述第N帧音频数据的最小增益小于最小增益暂时值，利用所述第N帧音频数据的最小增益更新所述最小增益暂时值；

若所述最小增益值的持续时间大于最小增益跟踪窗长的K2倍，K2为大于K1的数值，利用所述最小增益暂时值更新所述最小增益值，并将所述最小增益值的持续时间设置为最小增益跟踪窗长的K1倍，将所述最小增益暂时值恢复为初始值。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述最小增益值，获得所述第N帧音频数据的控制增益，包括：

根据增益平滑因子、所述第N-1帧音频数据的控制增益和所述最小增益值，获得所述第N帧音频数据的控制增益。