[发明专利]语音信号处理方法及装置

说明书

本发明公开一种语音信号处理方法及装置，方法包括：获取并分离出与原始输入语音信号对应的多个源信号；对某一源信号进行预设处理区分出某一源信号中的至少一个第一语音信号和至少一个第一噪音信号；将第一语音信号输入至唤醒引擎中，并获取唤醒引擎输出的第一语音信号的置信度；基于第一语音信号中置信度最大的信号，第一语音信号中未唤醒的信号和至少一个第一噪音信号中能量最大的信号，计算置信度最大的信号和能量最大的信号信噪比；基于与至少一个第一语音信号对应的至少一个信噪比计算与某一源信号中的语音存在概率；基于与各源信号对应的语音存在概率对各源信号进行加权并利用加权后的各源信号计算原始输入信号的波达方向。

技术领域

本发明属于信号处理技术领域，尤其涉及语音信号处理方法及装置。

背景技术

相关技术中，多声源强干扰下声音源定位是一个具有挑战的难题，现在业内主流的方法是估计直达声，从而获得更好的方位估计(DOA，波达方向，Direction Of Arrival)估计精度。还有一些方法，主要是对各个语音段落估计出来的DOA值进行聚类，根据类的个数和均值获得最终的结果。

估计直达声这种方法借鉴了去混响的手段，通过对语音能量进行跟踪和预测，挑选出来正确的直达声时频点，利用这些频点信息进行DOA计算。DOA聚类这类方法主要是对各段语音数据在各个频点上进行简单的DOA估计，主要的算法有MUSIC(MUITILY SIgnalClassification，多重信号分类，是一类空间谱估计算法)和ESPRIT等，然后针对各语音段各个频点估计出来的DOA值进行聚类，根据类的个数和类的均值，确定语音声源对应的DOA。上述两类方法在信噪比低于-5db的场景，进行多个声源定位并不能具有较好的性能。

发明人在实现本申请的过程中发现：直达声估计的算法，存在的缺陷主要是无法做到与内容相关，在大部分强扰场景下，干扰声源的能量远大于目标声源，强干扰声源的直达声和早期反射声会占据大量的时频信息，因此最终获得的多个DOA值并不能得到目标声源信息。DOA聚类这类算法，主要是考虑语音信号具有的稀疏特性，但是在多声源强干扰场景下，稀疏特性会变的较差，单个语音段单个时频点上的估计出来的DOA会不准确，比如music算法在这样的场景下协方差矩阵发生畸变，不能够进行多声源的DOA估计，其次这种聚类方法，不能很好的确定类的个数，无法进行准确有效的声源数目估计。

发明内容

本发明实施例提供一种语音信号处理方法及装置，用于至少解决上述技术问题之一。

第一方面，本发明实施例提供一种语音信号处理方法，包括：

获取并分离出与原始输入语音信号对应的多个源信号；

对某一源信号进行预设处理区分出所述某一源信号中的至少一个第一语音信号和至少一个第一噪音信号；

将所述第一语音信号输入至唤醒引擎中，并获取所述唤醒引擎输出的所述第一语音信号的置信度，其中，所述唤醒引擎能够被置信度大于或等于阈值的唤醒词唤醒；

基于所述第一语音信号中置信度最大的信号，所述第一语音信号中未唤醒的信号和所述至少一个第一噪音信号中能量最大的信号，计算所述置信度最大的信号和所述能量最大的信号信噪比；

基于与所述至少一个第一语音信号对应的至少一个信噪比计算与所述某一源信号中的语音存在概率；

基于与各源信号对应的语音存在概率对所述各源信号进行加权并利用加权后的所述各源信号计算所述原始输入信号的波达方向。

第二方面，本发明实施例提供一种语音信号处理装置，包括：

分离模块，配置为获取并分离出与原始输入语音信号对应的多个源信号；

区分模块，配置为对某一源信号进行预设处理区分出所述某一源信号中的至少一个第一语音信号和至少一个第一噪音信号；