[发明专利]人声增强方法、装置及设备

说明书

本申请提供一种人声增强方法、装置及设备，该方法包括：对第一音频帧的频域信号进行初始音调分量检测、周期性分析和连续性分析；若在所述频域信号中检测到音调分量，则在所述频域信号中确定音调分量所处的频带集合，所述音调分量用于表达人声，所述频带集合中包括N个频带，所述N为大于或等于1的正整数；根据所述N个频带，确定N个增强滤波器；通过所述N个增强滤波器，对所述频域信号进行增强处理，得到频域增强信号；对所述第一音频帧的频域信号和所述频域增强信号进行混音，得到人声增强信号。提高了对人声增强的效果。

技术领域

本申请涉及音频技术领域，尤其涉及一种人声增强方法、装置及设备。

背景技术

人声增强技术用于提高人声清晰度。在使用平板电脑、手机及电视的时候，回放设备、用户本身的听音能力、听音环境及素材内容等因素，均可能导致用户听不清楚对话，降低用户的使用体验。针对该类问题，使用人声增强技术是很有必要的。

在现有技术中，当需要进行人声增强时，通常先提取中置声道，计算当前帧每个子带的中置成分相对环绕成分的比重，得到每个子带的增益值，计算当前帧中置信号与边信号的频谱流量比值，得到当前帧语音检测活动值，利用增益值及语音检测活动值得到增强信号，并与原始信号混音，得到人声增强信号。

然而，只有当人声严格处于声场中间，环境噪声处于声场两侧时，现有技术才能有效的增强人声。但是在实际应用中，除了人声之外，提取出来的中置声道经常会包括环境噪声。在这种情况下，现有技术会将语音及背景噪声一起增强，导致人声增强效果差。

发明内容

本申请提供一种人声增强方法、装置及设备，提高了人声增强效果。

第一方面，本申请提供一种人声增强方法，该方法可以包括：先对第一音频帧的频域信号进行初始音调分量检测、周期性分析和连续性分析，若在频域信号中检测到用于表达人声的音调分量，则在频域信号中确定音调分量所处的频带集合，频带集合中包括N个频带，N为大于或等于1的正整数。根据N个频带，确定N个增强滤波器。通过N个增强滤波器，对频域信号进行增强处理，得到频域增强信号。对第一音频帧的频域信号和频域增强信号进行混音，得到人声增强信号。

在上述过程中，若第一音频帧中存在人声时，则在对第一音频帧的频域进行初始音调分量检测、周期性分析和连续性分析之后，可以在频域信号中检测到用于表达人声的音调分量。可以根据用于表达人声的音调分量的频带设计增强滤波器，这样，根据增强滤波器对频域信号进行处理之后，可以保证仅对人声进行增强，进而提高对人声进行增强的效果。

在一种可能的实施方式中，可以通过如下可行的实现方式对第一音频帧的频域信号进行初始音调分量检测、周期性分析和连续性分析：

先对频域信号进行初始音调分量检测。

若在频域信号中没有检测到初始音调分量，确定得到的频带集合为空，且说明第一音频帧中不存在人声，则对第一音频帧的处理结束。

若在频域信号中检测出M个第一频带处含有初始音调分量，则对处于M个第一频带的初始音调分量进行周期性分析、以及连续性分析。

其中，初始音调分量所处的第一频带的功率密度谱在第一频带范围内为一个极大值，且初始音调分量所处的第一频带的功率密度谱与第二频带范围内的各频带对应的功率密度谱之差大于第一阈值，第一频带为第一频带范围的子集，第二频带范围为第一频带范围的子集，M为大于或等于1的整数。

在上述过程中，先对第一音频帧中的频域信号进行初始音调检测，若频域信号中不存在初始音调分量，则确定第一音频帧中不包括人声。当检测到频域信号中存在初始音调分量时，由于初始音调分量可能为人声，也可能不是人声，再对初始音调分量进行周期性分析和连续性分析，以在初始音调分量中筛选得到用于表达人声的周期性音调分量和连续性音调分量。通过对频域信号进行逐步处理，不但可以使得处理效率较高，还可以使得准确性较高。