[发明专利]一种音频信号的处理方法、装置、设备及介质

权利要求书

1.一种音频信号的处理方法，其特征在于，所述方法包括：

获取多路音频信号，所述多路音频信号是利用设置在同一场景中的多个音频采集设备同时采集的，且每路音频信号中包含多个对象的语音信号；

基于预先确定的每路音频信号中各帧音频信号在多个预设频率的幅值，确定各帧音频信号的幅值矩阵；

根据所述各帧音频信号的幅值矩阵、预先确定的各帧音频信号的解混矩阵，确定对象数量以及每个对象的各帧语音信号在所述多个预设频率的幅值；

根据所述每个对象的各帧语音信号在所述多个预设频率的幅值，确定每个对象的语音音频；

所述各帧音频信号的解混矩阵，采用如下步骤确定：

确定每路音频信号中首帧音频信号的中间解混矩阵，并基于所述每路音频信号中首帧音频信号的中间解混矩阵，确定所述首帧音频信号的解混矩阵；

确定每路音频信号中非首帧音频信号的中间解混矩阵，并基于所述每路音频信号中非首帧音频信号的中间解混矩阵，确定所述非首帧音频信号的解混矩阵。

2.根据权利要求1所述的方法，其特征在于，所述确定每路音频信号中首帧音频信号的中间解混矩阵，包括：

针对每路音频信号，将预设矩阵确定为该路音频信号中首帧音频信号的中间解混矩阵。

3.根据权利要求2所述的方法，其特征在于，所述确定每路音频信号中非首帧音频信号的中间解混矩阵，包括：

针对每路音频信号中非首帧音频信号：

根据当前帧音频信号在所述多个预设频率的幅值以及前一帧音频信号的解混矩阵，确定当前帧音频信号的信号能量；

基于当前帧音频信号的信号能量、当前帧音频信号在所述多个预设频率的幅值、以及前一帧音频信号的协方差矩阵，确定当前帧音频信号的协方差矩阵；

依据当前帧音频信号的协方差矩阵以及前一帧音频信号的解混矩阵，确定当前帧音频信号的中间解混矩阵；

其中，各路首帧音频信号的协方差矩阵是基于所述预设矩阵以及各路音频信号中首帧音频信号在所述多个预设频率的幅值确定的。

4.根据权利要求1所述的方法，其特征在于，所述根据所述各帧音频信号的幅值矩阵、预先确定的各帧音频信号的解混矩阵，确定对象数量以及每个对象的各帧语音信号在所述多个预设频率的幅值，包括：

根据所述各帧音频信号的幅值矩阵、预先确定的各帧音频信号的解混矩阵，确定各帧语音信号幅值矩阵；

依据所述各帧语音信号的幅值矩阵的维数以及所述多个预设频率的数量，确定对象数量；

基于所述各帧语音信号的幅值矩阵、所述对象数量，确定每个对象的各帧语音信号在所述多个预设频率的幅值。

5.根据权利要求1所述的方法，其特征在于，所述根据所述每个对象的各帧语音信号在所述多个预设频率的幅值，确定每个对象的语音音频，包括：

基于预设转换关系，将所述每个对象的各帧语音信号在所述多个预设频率的幅值，转换为每个对象的各帧语音信号；

根据所述每个对象的各帧语音信号，确定每个对象的语音音频。

6.一种音频信号的处理装置，其特征在于，所述装置包括：

获取单元，用于获取多路音频信号，所述多路音频信号是利用设置在同一场景中的多个音频采集设备同时采集的，且每路音频信号中包含多个对象的语音信号；

矩阵确定单元，用于基于预先确定的每路音频信号中各帧音频信号在多个预设频率的幅值，确定各帧音频信号的幅值矩阵；

处理单元，用于根据所述各帧音频信号的幅值矩阵、预先确定的各帧音频信号的解混矩阵，确定对象数量以及每个对象的各帧语音信号在所述多个预设频率的幅值；

语音音频确定单元，用于根据所述每个对象的各帧语音信号在所述多个预设频率的幅值，确定每个对象的语音音频；

所述处理单元具体用于：

采用如下步骤确定所述各帧音频信号的解混矩阵：

确定每路音频信号中首帧音频信号的中间解混矩阵，并基于所述每路音频信号中首帧音频信号的中间解混矩阵，确定所述首帧音频信号的解混矩阵；

确定每路音频信号中非首帧音频信号的中间解混矩阵，并基于所述每路音频信号中非首帧音频信号的中间解混矩阵，确定所述非首帧音频信号的解混矩阵。