[发明专利]音频放大器在待机状态下的降噪方法、装置和电子设备

说明书

本申请公开了一种音频放大器在待机状态下的降噪方法、装置和电子设备，其通过使用第一卷积神经网络提取时域特征和第二卷积神经网络提取频域特征并融合，实现了充分利用音频信号在时域和频域上的高维统计信息来对音频信号进行分类，保证了音频信号的分类的准确性。另外，通过分类损失函数值+余弦损失函数值+最大似然估计项的损失函数值训练第一卷积神经网络和第二卷积神经网络，保证了在同时以第一卷积神经网络和第二卷积神经网络提取时域特征和频域特征的情况下，所提取出的特征在高维特征空间中的分布的一致性，从而使得融合后的分类特征图能够以彼此相符合的方式准确地表达时域信息和频域信息，进一步提高了分类的准确性。

技术领域

本申请涉及音频放大器降噪的领域，且更为具体地，涉及一种音频放大器在待机状态下的降噪方法、装置和电子设备。

背景技术

音频放大器是多媒体产品的重要组件之一，其广泛应用于消费类电子领域。线性音频功放因失真小、音质好，在传统的音频放大器市场上一直占主导地位。音频放大器是一种在产生声音的输出元件上重建输入的音频信号的设备，其重建的信号音量和功率级都要理想，因此，在其使用的过程中，降噪是必须要考虑的问题。

现有的音频放大器由于不具有降噪识别功能，前级在没有音频信号输入时，音响端会接收到来自前级设备的噪声。同样地，在前级有音频信号输入的情况下，噪音会在音频放大器中放大而影响最终的音效。

现有一些用于降噪的方案，例如，通过诸如傅里叶变换之类的频谱分析手段来进行降噪。但这种降噪手段无法准确地识别噪声和有效的信号，导致最终的降噪效果不佳，尤其是在噪声分布和有效信号分布相似的时候。

因此，需要一种在前级没有音频信号的情况下，自动识别前级噪声，并运用算法进行降噪，使音响端不具有底噪声的解决方案。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种音频放大器在待机状态下的降噪方法、音频放大器在待机状态下的降噪装置和电子设备，其通过使用第一卷积神经网络提取时域特征和第二卷积神经网络提取频域特征并融合，实现了充分利用音频信号在时域和频域上的高维统计信息来对音频信号进行分类，保证了音频信号的分类的准确性。另外，通过分类损失函数值+余弦损失函数值+最大似然估计项的损失函数值训练第一卷积神经网络和第二卷积神经网络，保证了在同时以第一卷积神经网络和第二卷积神经网络提取时域特征和频域特征的情况下，所提取出的特征在高维特征空间中的分布的一致性，从而使得融合后的分类特征图能够以彼此相符合的方式准确地表达时域信息和频域信息，进一步提高了分类的准确性。

根据本申请的一个方面，提供了一种音频放大器在待机状态下的降噪方法，其包括：

训练阶段，包括：

获取到达音频放大器的音频信号作为训练数据；

使用第一卷积神经网络对所述音频信号的波形图像进行空间卷积处理以提取出所述音频信号的波形图像的高维时域关联特征，以获得训练时域特征图；

对所述音频信号进行傅里叶变换后以获得所述音频信号的频域分量；

使用第二卷积神经网络对所述音频信号的频域分量进行空间卷积处理以提取出所述音频信号的频域分量之间的高维频域关联特征，以获得训练频域特征图；

将所述训练频域特征图映射到所述训练时域特征图的特征空间中，以获得训练融合特征图；

计算所述训练融合特征图与所述训练时域特征图之间的加权和以获得训练分类特征图；

将所述训练分类特征图通过分类器以获得分类损失函数值；以及计算所述训练融合特征图与所述训练频域特征图之间的余弦距离以获得余弦距离损失函数值；