[发明专利]语音处理方法和终端

说明书

本申请提供了一种语音处理方法和终端，该方法应用于终端，能够识别出耳语信号。该方法包括：从多个麦克风接收信号，多个麦克风包括主麦克风和M个辅麦克风；采用相同的采样率对从多个麦克风接收到的多路信号分别进行模数转换，得到多路时域数字信号；对多路时域数字信号分别进行频域转换，得到多路频域信号，多路频域信号包括一路主频域信号和M路辅频域信号，主频域信号与主麦克风对应，M路辅频域信号与M个辅麦克风一一对应；根据主频域信号与M路辅频域信号中的N路辅频域信号中的每路辅频域信号的声压差、主频域信号与N路辅频域信号中的每路辅频域信号的相位差以及主频域信号的频率分布特征中的至少一项，确定主频域信号的信号类型。

技术领域

本申请涉及语音处理领域，并且更具体地，涉及一种语音处理方法和终端。

背景技术

手机已经成为当今最主要的通话设备，手机通话中手持方式是应用最广的通话方式。在某些特定场合中，通话人旁边可能有其他人存在，通话人不方便大声讲话，为了避免打扰其他人，往往刻意压低说话音量，甚至使用耳语(即通常说的悄悄话)方式讲话。在通话时，一般都存在各种干扰音源，比如回声、混响及环境噪声，语音增强技术需要分离目标语音和干扰声，因此需要检测出目标语音段。然而，耳语讲话时人的声带不震动，语音特征和普通语音差别很大，当前的语音检测方式都是针对带谐波的浊音，无法区分耳语语音和干扰声。

因此，如何检测出耳语语音或耳语信号成为一个亟需解决的问题。

发明内容

本申请提供一种语音处理方法和终端，能够在不增加设备成本的前提下，识别出耳语信号，有利于增强耳语通话用户体验。

第一方面，提供了一种语音处理方法，该方法可以应用于终端。该方法包括：从多个麦克风接收信号，该多个麦克风包括主麦克风和M个辅麦克风，M≥1，且M为整数；采用相同的采样率对从该多个麦克风接收到的多路信号分别进行模数转换，得到多路时域数字信号；对多路时域数字信号分别进行频域转换，得到多路频域信号，该多路频域信号包括一路主频域信号和M路辅频域信号，该主频域信号与所述主麦克风对应，M路辅频域信号与所述M个辅麦克风一一对应；根据主频域信号与所述M路辅频域信号中的N路辅频域信号中的每路辅频域信号的声压差、主频域信号与所述N路辅频域信号中的每路辅频域信号的相位差以及所述主频域信号的频率分布特征中的至少一项，确定主频域信号的信号类型，1≤N≤M，且N为整数。

可选地，信号类型包括耳语信号。耳语信号也可以称为耳语语音。确定主频域信号的信号类型，即确定主频域信号，或者说从主麦克风接收到的信号是否为耳语信号。

可选地，在N路辅频域信号为M路辅频域信号中的部分时，N路辅频域信号的选取可以按照以下原则进行：

选取M路辅频域信号中能量最大的N路信号作为该N路辅频域信号；或者

选择M路辅频域信号中所对应的辅麦克风距离主麦克风最近的N路信号作为该N路辅频域信号；或者

从M路辅频域信号中随机选择N路信号作为该N路辅频域信号。

应理解，本申请并不限定如何从M路辅频域信号中选取所述N路辅频域信号。

因此，本申请实施例的语音处理方法，根据主频域信号与M路辅频域信号中的N路辅频域信号中的每路辅频域信号的声压差、主频域信号与N路辅频域信号中的每路辅频域信号的相位差以及主频域信号的频率分布特征中的至少一项，可以确定主频域信号的是否为耳语信号。因本申请实施例的方法不依赖于传感器信息，因此在不增加设备成本的情况下，能够识别耳语信号，进而能够为后续的语音处理提供基础，有利于增强耳语通话用户体验。

在一种可能的实现方式中，信号的类型包括耳语信号。以及，根据主频域信号与M路辅频域信号中的N路辅频域信号中的每路辅频域信号的声压差、主频域信号与N路辅频域信号中的每路辅频域信号的相位差和主频域信号的频率分布特征中的至少一项，确定主频域信号的信号类型，包括：