[发明专利]音频信号处理方法及装置

说明书

本公开关于一种音频信号处理方法及装置，音频信号处理方法包括：获取近端采集音频信号、远端参考音频信号，以及对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；对近端采集音频信号、远端参考音频信号和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；基于频域远端参考音频信号、频域近端采集音频信号、第一频域近端音频信号和第二频域近端音频信号，对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。

技术领域

本公开涉及信号处理技术领域，更具体地说，涉及一种音频信号处理方法及装置。

背景技术

回声消除(Acoustic Echo Cancellation，AEC)是实时通讯中的重要技术之一，是保证音视频体验的关键点。回声消除技术是指将近端麦克风采集到的音频信号中的远端信号消除掉，只保留下近端信号，其中，近端麦克风采集到的音频信号包括近端信号及远端信号通过近端扬声器播放出来的信号。回声消除技术一般包括线性回声消除和非线性回声消除。

相关技术中，一般将回声消除和传统降噪如滤波进行结合，从而达到降噪和回声消除的效果，但是这种方法处理得到的音频信号存在回声消除和降噪效果较差，且音质不佳的问题。

发明内容

本公开提供一种音频信号处理方法及装置，以至少解决上述相关技术中的问题，也可不解决任何上述问题。

根据本公开实施例的第一方面，提供一种音频信号处理方法，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。

可选地，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。

可选地，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。

可选地，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。