[发明专利]回声消除方法及系统在审
申请号: | 202111625010.0 | 申请日: | 2021-12-28 |
公开(公告)号: | CN114173259A | 公开(公告)日: | 2022-03-11 |
发明(设计)人: | 陶勇 | 申请(专利权)人: | 思必驰科技股份有限公司 |
主分类号: | H04R3/02 | 分类号: | H04R3/02;G10L21/0208;G10L21/0216;G10L25/03 |
代理公司: | 北京商专永信知识产权代理事务所(普通合伙) 11400 | 代理人: | 黄谦;侯晓艳 |
地址: | 215123 江苏省苏州市苏*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 回声 消除 方法 系统 | ||
1.一种回声消除方法,包括:
利用预训练的深度学习滤波模型,对设备播放音频时的场景采集的信号进行特征提取,得到预先估计的回声路径;
对设备播放音频后的场景采集的麦克风信号以及远端信号进行特征提取,确定麦克风信号声学特征以及远端信号声学特征;
利用所述预先估计的回声路径以及所述远端信号声学特征,估计当前远端信号在麦克风信号中的回路分量,以节省估计所述回路分量的时间;
利用所述回路分量对所述麦克风信号声学特征进行回声消除。
2.根据权利要求1所述的方法,其中,所述利用预训练的深度学习滤波模型,对设备播放音频时的场景采集的信号进行特征提取,得到预先估计的回声路径包括:
对设备播放音频时的场景采集的麦克风信号以及远端信号进行特征提取,确定麦克风信号声学特征以及远端信号声学特征;
将所述麦克风信号声学特征以及所述远端信号声学特征输入至预训练的深度学习滤波模型,得到估计的回声路径。
3.根据权利要求1所述的方法,其中,所述深度学习滤波模型由仿真数据预训练,其中,所述仿真数据包括:信回比、信噪比、非线性失真。
4.根据权利要求3所述的方法,其中,所述仿真数据还包括:单双讲数据,用于处理所述深度学习滤波模型预训练的滤波发散。
5.一种回声消除系统,包括:
回声路径预估计程序模块,用于利用预训练的深度学习滤波模型,对设备播放音频时的场景采集的信号进行特征提取,得到预先估计的回声路径;
声学特征确定程序模块,用于对设备播放音频后的场景采集的麦克风信号以及远端信号进行特征提取,确定麦克风信号声学特征以及远端信号声学特征;
回路分量确定程序模块,用于利用所述预先估计的回声路径以及所述远端信号声学特征,估计当前远端信号在麦克风信号中的回路分量,以节省估计所述回路分量的时间;
回声消除程序模块,用于利用所述回路分量对所述麦克风信号声学特征进行回声消除。
6.根据权利要求5所述的系统,其中,所述回声路径预估计程序模块用于:
对设备播放音频时的场景采集的麦克风信号以及远端信号进行特征提取,确定麦克风信号声学特征以及远端信号声学特征;
将所述麦克风信号声学特征以及所述远端信号声学特征输入至预训练的深度学习滤波模型,得到估计的回声路径。
7.根据权利要求5所述的系统,其中,所述深度学习滤波模型由仿真数据预训练,其中,所述仿真数据包括:信回比、信噪比、非线性失真。
8.根据权利要求7所述的系统,其中,所述仿真数据还包括:单双讲数据,用于处理所述深度学习滤波模型预训练的滤波发散。
9.一种电子设备,其包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-4中任一项所述方法的步骤。
10.一种存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-4中任一项所述方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于思必驰科技股份有限公司,未经思必驰科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111625010.0/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种铝合金薄壁管自动焊夹具
- 下一篇:一种高压电缆热熔接头加工设备