[发明专利]检测噪声的方法和装置

说明书

本申请公开了一种检测噪声的方法和装置，属于音频处理技术领域。所述方法包括：获取录制的目标人声音频；将目标人声音频划分为多个音频段；获取每个音频段对应的功率信息，基于每个音频段的功率信息和人耳听觉参考信息，在多个音频段中确定待识别音频段，其中，功率信息包括音频段中各音频帧的多个频点的功率值；提取每个待识别音频段的特征信息，将每个待识别音频段对应的特征信息，分别输入到噪声判定模型中，得到每个待识别音频段对应的噪声判定结果；基于每个待识别音频段对应的噪声判定结果，确定目标人声音频对应的噪声判定结果。采用本申请，提供了一种更为精准的音频噪声检测方法，减小了检测的误差。

技术领域

本申请涉及音频处理技术领域，特别涉及一种检测噪声的方法和装置。

背景技术

随着音频技术的发展，人们对于音频的处理越来越完善。很多录制出来的音频可能会存在各种原因产生的噪声，例如，在录制过程中因用户对麦克风的操作不当造成的脉冲声，或因文件损坏产生的噪声等等。音频中噪声的存在降低了人们的听觉体验。

相关技术中，利用噪声的高能量、高频率等特点对音频帧的频谱波形进行分析，以确定是否存在噪声。

但上述噪声检测的方法可能会将一些本身就音量较大或者频率较高的音频帧判定为存在噪声的音频帧，从而使检测结果误差较大。

发明内容

本申请实施例提供了一种检测噪声的方法，能够解决现有技术中噪声检测的结果误差较大的问题。

第一方面，提供了一种检测噪声的方法，所述方法包括：

获取录制的目标人声音频；

将目标人声音频划分为多个音频段；

获取每个音频段对应的功率信息，基于每个音频段的功率信息和人耳听觉参考信息，在所述多个音频段中确定待识别音频段，其中，所述功率信息包括所述音频段中各音频帧的多个频点的功率值，所述人耳听觉参考信息包括多个频点对应的人耳听觉功率阈值；

提取每个待识别音频段的特征信息，将每个待识别音频段对应的特征信息，分别输入到噪声判定模型中，得到每个待识别音频段对应的噪声判定结果，其中，所述待识别音频段的特征信息基于所述待识别音频段的至少一种人耳感知频谱特征确定；

基于每个待识别音频段对应的噪声判定结果，确定所述目标人声音频对应的噪声判定结果。

在一种可能的设计中，所述获取每个音频段对应的功率信息，基于每个音频段的功率信息和人耳听觉参考信息，在所述多个音频段中确定待识别音频段，包括：

对于每个音频段，将所述音频段的各音频帧中各频点的功率值分别与对应的频点的人耳听觉功率阈值进行比较，若存在功率值大于人耳听觉功率阈值的频点，则将所述音频段确定为待识别音频段。

在一种可能的设计中，所述提取每个待识别音频段的特征信息，将每个待识别音频段对应的特征信息，分别输入到噪声判定模型中，得到每个待识别音频段对应的噪声判定结果之前，包括：对每个所述待识别音频段进行淡入处理和淡出处理。

在一种可能的设计中，所述提取每个待识别音频段的特征信息，将每个待识别音频段对应的特征信息，分别输入到噪声判定模型中，得到每个待识别音频段对应的噪声判定结果，包括：

对于每个待识别音频段，提取所述待识别音频段的多个子特征信息，对所述多个子特征信息进行标准化处理，将标准化处理后的多个子特征信息组合成矩阵，作为所述待识别音频段对应的特征信息，其中，所述多个子特征信息包括至少一种人耳感知频谱特征，所述人耳感知频谱特征为RASTA-PLP(Relative Spectral Transform-Perceptual LinearPrediction，相对频谱变换-感知线性预测)特征、PLP(Perceptual Linear Predictive，感知线性预测)系数、PLP一阶差分系数和PLP二阶差分系数。