[发明专利]音频信号处理的方法、装置、存储介质及电子设备

说明书

本公开涉及一种音频信号处理方法、装置、存储介质及电子设备，可以获取至少一个声源发出的待处理音频信号和待处理音频信号对应的预设衰减模型，预设衰减模型表征待处理音频信号在传播过程中声音强度的衰减情况；针对每个声源，获取该声源发出的待处理音频信号对应的预设音频分割参数；根据预设音频分割参数确定至少两个距离区间，所述距离区间为待处理音频信号的声音传播路径中任意两个相邻位置点之间的距离对应的区间；根据至少两个距离区间对预设衰减模型进行基于黎曼积分的等价变换，得到该声源发出的待处理音频信号对应的特征向量；将每个声源对应的特征向量进行合并后，输入目标AI模型，得到目标AI模型对应的目标输出结果。

技术领域

本公开涉及对音频信号处理的领域，具体地，涉及一种音频信号处理的方法、装置、存储介质及电子设备。

背景技术

近年来DRL(Deep Reinforcement Learning，深度强化学习)技术在游戏控制、机器人控制、机器视觉等领域得到了广泛的应用，DRL可以分为环境认知和决策两个阶段，环境认知阶段进行表征学习，然后输出表征学习得到的深层语义信息到决策网络部分，对于较为复杂的环境常常会有声音信息，例如，人类就经常使用声源定位，因此对声音信息的向量化就对表征学习产生极大影响。

相关技术中常用的对声音信息的向量化处理方法是直接认为产生声音的位置(即声源位置)具有全部的音频信号，而其余位置的音频信号均为0，但是实际的声音传播过程中声音会随着与声源距离的增大而逐渐衰减，因此，常用的音频信号向量化的处理办法无法刻画出声音随着距离声源越远，声音强度越小的性质，导致DRL的表征学习出现极大偏差，从而与人的认知相违背。

发明内容

提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

第一方面，提供一种音频信号处理方法，所述方法包括：

获取至少一个声源发出的待处理音频信号和所述待处理音频信号对应的预设衰减模型，所述预设衰减模型表征所述待处理音频信号在传播过程中声音强度的衰减情况；

针对每个所述声源，获取该声源发出的待处理音频信号对应的预设音频分割参数；

根据所述预设音频分割参数确定至少两个距离区间，所述距离区间为所述待处理音频信号的声音传播路径中任意两个相邻位置点之间的距离对应的区间；

根据至少两个所述距离区间对所述预设衰减模型进行基于黎曼积分的等价变换，得到该声源发出的待处理音频信号对应的特征向量；

将每个所述声源对应的所述特征向量进行合并后，输入目标人工智能AI模型，得到所述目标AI模型对应的目标输出结果。

第二方面，提供一种音频信号处理装置，所述装置包括：

第一获取模块，用于获取至少一个声源发出的待处理音频信号和所述待处理音频信号对应的预设衰减模型，所述预设衰减模型表征所述待处理音频信号在传播过程中声音强度的衰减情况；

第二获取模块，用于针对每个所述声源，获取该声源发出的待处理音频信号对应的预设音频分割参数；

确定模块，用于根据所述预设音频分割参数确定至少两个距离区间，所述距离区间为所述待处理音频信号的声音传播路径中任意两个相邻位置点之间的距离对应的区间；

积分模块，用于根据至少两个所述距离区间对所述预设衰减模型进行基于黎曼积分的等价变换，得到该声源发出的待处理音频信号对应的特征向量；

模型应用模块，用于将每个所述声源对应的所述特征向量进行合并后，输入目标人工智能AI模型，得到所述目标AI模型对应的目标输出结果。