[发明专利]时延估计方法、装置、终端设备和计算机可读存储介质

权利要求书

1.一种时延估计方法，其特征在于，所述方法包括：

获取麦克风采集的近端音频数据和缓存的远端音频数据，并对所述近端音频数据和所述缓存的远端音频数据进行预处理生成对应的近端频域信号和远端频域信号；其中所述近端频域信号和所述远端频域信号包括多帧；

分别计算当前帧近端频域信号的平滑功率谱、各帧远端频域信号的平滑功率谱以及所述当前帧近端频域信号与各帧所述远端频域信号的互功率谱，并计算所述当前帧近端频域信号与各帧所述远端频域信号的相似系数；

选择最大的所述相似系数对应时延瞬时值记为所述当前帧近端频域信号的初始时延估计值；其中，所述时延瞬时值是采用记录的远端音频数据与近端音频数据的帧数差值对实际时延估计值进行校正得到的；

根据缓存的历史时延瞬时值来对所述初始时延估计值进行评估判断，并根据评估判断结果得到更新时延估计值；

根据所述更新时延估计值、记录的远端音频数据与近端音频数据的帧数差值确定最终时延估计值。

2.根据权利要求1所述的方法，其特征在于，在对所述近端音频数据和所述缓存的远端音频数据进行预处理生成对应的近端频域信号和缓存的远端频域信号的步骤中，包括：

分别对所述近端音频数据和所述缓存的远端音频数据进行重采样、分帧、快速傅里叶变换以及加窗处理生成对应的近端频域信号和缓存的远端频域信号。

3.根据权利要求1所述的方法，其特征在于，在分别计算当前帧近端频域信号的功率谱、各帧远端频域信号的功率谱的步骤中，包括：

采用以下表达式来计算所述当前帧近端频域信号的平滑功率谱、当前帧远端频域信号的平滑功率谱：

Φxx(k，0)＝a*Φxx0+(1-a)*Φxx(k,1)

Φyy(k,0)＝a*Φyy0+(1-a)*Φyy(k，1)

Φxx0＝|X0(k)|²

Φyy0＝|Y0(k)|²

其中，Φxx(k,0)表示当前帧远端频域信号的平滑功率谱，k表示第k频点，Φxx0表示当前帧远端频域信号的瞬时功率谱；Φyy(k,0)表示所述当前帧近端频域信号的平滑功率谱；Φxx(k,1)表示当前帧远端频域信号的上一帧远端频域信号的平滑功率谱，Φyy0表示当前帧近端频域信号的瞬时功率谱，Φyy(k,1)表示当前帧近端频域信号的上一帧近端频域信号的平滑功率谱，X0(k)表示当前帧远端频域信号，Y0(k)表示当前帧近端频域信号，a表示平滑系数；

更新所述当前帧远端频域信号的平滑功率谱，直至计算出各帧所述远端频域信号的平滑功率谱。

4.根据权利要求3所述的方法，其特征在于，在计算所述当前帧近端频域信号与各帧所述远端频域信号的互功率谱的步骤中，包括：

通过以下表达式来计算所述互功率谱：

Φ_XY(k,l)＝a·Φ_XY0(k,l)+(1-a)·Φ^t-1_XY(k，l)

Φ_XY0(k,l)＝X^*(k，l)·Y0(k)

其中，Φ_XY(k,l)表示所述当前帧近端频域信号与第l帧所述远端频域信号的互功率谱平滑值，Φ_XY0(k，l)表示所述当前帧近端频域信号与第l帧所述远端频域信号的互功率谱瞬时值；Φ^t-1_XY(k,l)表示所述当前帧近端频域信号的上一帧所述近端频域信号与对应的第l帧所述远端频域信号的互功率谱平滑值；X^*(k，l)表示第l帧所述远端频域信号的卷积算子。

5.根据权利要求4所述的方法，其特征在于，在并计算所述当前帧近端频域信号与各帧所述远端频域信号的相似系数的步骤中，包括：

通过以下表达式来计算所述相似系数：

其中，C(l)表示所述当前帧近端频域信号与第l帧所述远端频域信号的相似系数，M表示所述远端频域信号的帧数最大值；C_XY(k,l)表示幅度相关函数。