[发明专利]音频识别、回声消除方法、装置及设备

权利要求书

1.一种回声消除方法，其特征在于，所述方法包括：

获取音箱数据和麦克风数据；

若所述音箱数据不为空时，将所述音箱数据和所述麦克风数据输入预先生成的种类判断模型，根据判断结果确定所述麦克风数据的种类；

在种类为非双讲型时，调整滤波器系数；在种类为双讲型时，固定滤波器系数，并对所述麦克风数据进行回声消除；

其中，所述种类判断模型的生成步骤包括：

以音箱样本数据、麦克风样本数据作为神经网络的输入参数，并以AEC数据作为神经网络的回归学习目标，预先训练生成降噪网络，所述AEC数据是将输入神经网络的音箱样本数据和麦克风样本数据进行AEC处理后获得的数据；

将音箱样本数据和麦克风样本数据输入所述降噪网络，将所述降噪网络的输出结果作为用于分类的神经网络的输入参数，并以所述麦克风样本数据的种类作为用于分类的神经网络的分类目标，联合训练降噪网络和用于分类的神经网络，生成种类判断模型。

2.根据权利要求1所述的方法，其特征在于，所述神经网络的输入参数还包括AEC数据，所述AEC数据是上一次输入神经网络的音箱样本数据和麦克风样本数据经过AEC处理后获得的数据；

所述种类判断模型的输入参数还包括新AEC数据，所述新AEC数据是上一次输入种类判断模型的音箱数据和麦克风数据经过AEC处理后获得的数据。

3.根据权利要求1所述的方法，其特征在于，所述神经网络的输入参数还包括深瓶颈特征，所述深瓶颈特征是对AEC数据进行静音/非静音判断时，提取的用于表征AEC数据的特征数据；所述AEC数据是上一次输入神经网络的音箱样本数据和麦克风样本数据经过AEC处理后获得的数据；

所述种类判断模型的输入数据还包括新深瓶颈特征，所述新深瓶颈特征是对新AEC数据进行静音/非静音判断时，提取的用于表征新AEC数据的特征数据；所述新AEC数据是上一次输入种类判断模型的音箱数据和麦克风数据经过AEC处理后获得的数据。

4.根据权利要求1所述的方法，其特征在于，

所述麦克风样本数据基于麦克风采集的回音样本数据、语音样本数据、环境噪声样本数据中至少一种数据生成，所述语音样本数据与所述回音样本数据由麦克风在同一个场景下录制生成；

双讲型的麦克风样本数据由回音样本数据、语音样本数据和环境噪声样本数据以不同的信噪比进行线性叠加生成。

5.根据权利要求4所述的方法，其特征在于，

所述回音样本数据由麦克风直接录制音箱播放音箱样本数据获得；

或，所述回音样本数据由冲激响应与音箱样本数据卷积处理生成，所述冲激响应是反演麦克风设备在目标场景下的冲激响应，所述冲激响应包括环境冲激响应和麦克风信道冲激响应。

6.根据权利要求4所述的方法，其特征在于，

所述语音样本数据由冲激响应与近讲语音数据卷积处理生成，所述冲激响应是反演麦克风设备在目标场景下的冲激响应，所述冲激响应包括环境冲激响应和麦克风信道冲激响应，所述近讲语音数据是近距离采集用户说话声的语音数据。

7.一种音频识别方法，其特征在于，所述方法包括：

获取音箱数据和麦克风数据；

将所述音箱数据和所述麦克风数据输入预先生成的种类判断模型，根据判断结果确定所述麦克风数据的种类，所述种类包括双讲型和非双讲型；所述种类判断模型以音箱样本数据、麦克风样本数据作为分类器的输入参数，并以麦克风样本数据的种类作为分类器的分类目标训练生成，所述麦克风样本数据基于音箱样本数据生成；

其中，所述种类判断模型的生成步骤包括：

以音箱样本数据、麦克风样本数据作为神经网络的输入参数，并以AEC数据作为神经网络的回归学习目标，预先训练生成降噪网络，所述AEC数据是将输入神经网络的音箱样本数据和麦克风样本数据进行AEC处理后获得的数据；

将音箱样本数据和麦克风样本数据输入所述降噪网络，将所述降噪网络的输出结果作为用于分类的神经网络的输入参数，并以所述麦克风样本数据的种类作为用于分类的神经网络的分类目标，联合训练降噪网络和用于分类的神经网络，生成种类判断模型。