[发明专利]音频信号处理方法及装置

权利要求书

1.一种音频信号处理方法，其特征在于，包括：

获取近端采集音频信号、远端参考音频信号，以及对所述近端采集音频信号进行线性回声消除后得到的第一近端音频信号；

对所述近端采集音频信号、所述远端参考音频信号和所述第一近端音频信号分别进行时频变换，得到频域近端采集音频信号、频域远端参考音频信号和第一频域近端音频信号；

对所述第一频域近端音频信号的幅度进行深度学习降噪，得到第二频域近端音频信号；

基于所述频域远端参考音频信号、所述频域近端采集音频信号、所述第一频域近端音频信号和所述第二频域近端音频信号，对所述第二频域近端音频信号进行非线性回声消除，得到频域近端音频增强信号；

对所述频域近端音频增强信号进行时频逆变换，得到近端音频增强信号。

2.如权利要求1所述的音频信号处理方法，其特征在于，所述对所述第一频域近端音频信号的幅度进行深度学习降噪，得到第二频域近端音频信号，包括：

通过训练好的降噪神经网络模型，对所述第一频域近端音频信号的幅度进行深度学习降噪，得到所述第二频域近端音频信号的幅度；

根据所述第二频域近端音频信号的幅度和所述第一频域近端音频信号的相位，得到所述第二频域近端音频信号。

3.如权利要求2所述的音频信号处理方法，其特征在于，所述通过训练好的降噪神经网络模型，对所述第一频域近端音频信号的幅度进行深度学习降噪，得到所述第二频域近端音频信号的幅度，包括：

将所述第一频域近端音频信号的幅度输入所述训练好的降噪神经网络模型中，得到第一信号幅度比，其中，所述第一信号幅度比为所述第二频域近端音频信号的幅度和所述第一频域近端音频信号的幅度的比值的预测值；

根据所述第一信号幅度比和所述第一频域近端音频信号的幅度，得到所述第二频域近端音频信号的幅度，其中，所述第二频域近端音频信号的幅度是所述第一信号幅度比和所述第一频域近端音频信号的幅度的乘积。

4.如权利要求1所述的音频信号处理方法，其特征在于，所述基于所述频域远端参考音频信号、所述频域近端采集音频信号、所述第一频域近端音频信号和所述第二频域近端音频信号，对所述第二频域近端音频信号进行非线性回声消除，得到频域近端音频增强信号，包括：

将所述频域远端参考音频信号分别与所述频域近端采集音频信号和第二频率近端音频信号在各个频带上进行求相关，得到各个频带的第二信号幅度比；

根据所述第二信号幅度比、所述第一频域近端音频信号和所述第二频域近端音频信号，对所述第二频域近端音频信号进行非线性回声消除，得到频域近端音频增强信号。

5.如权利要求4所述的音频信号处理方法，其特征在于，所述根据所述第二信号幅度比、所述第一频域近端音频信号和所述第二频域近端音频信号，对所述第二频域近端音频信号进行非线性回声消除，得到频域近端音频增强信号，包括：

获取所述第二信号幅度比和所述第一频域近端音频信号的幅度的乘积作为参考幅度；

获取所述参考幅度和所述第二频域近端音频信号的幅度中的最小值，作为所述频域近端音频增强信号的幅度；

根据所述频域近端音频增强信号的幅度和所述第一频域近端音频信号的相位，得到频域近端音频增强信号。

6.如权利要求4或5所述的音频信号处理方法，其特征在于，所述第二信号幅度比通过下式获取：

Mask(n，k)＝min{1-RCr(n，k)，1-RY_pr(n，k)}；

其中，Mask(n，k)为所述第二信号幅度比，RCr(n，k)为所述频域远端参考音频信号和所述频域近端采集音频信号的互相关系数，RY_pr(n，k)为所述频域远端参考音频信号和所述第二频域近端音频信号的互相关系数，n为帧序列数，k为中心频率序列数，0＜n≤N，0＜k≤K，N为总帧数，K为总频带数。