[发明专利]一种音频处理方法和装置

权利要求书

1.一种音频处理方法，其特征在于，包括：

利用定向音频采集设备输出的音频，对全向音频采集设备输出的音频进行自适应增益调节；其中，当定向音频采集设备对应的能量平均值大于预设的能量阈值时，如果定向音频采集设备对应的能量平均值与全向音频采集设备对应的能量平均值的比值小于预设的比例阈值，则对有效音频进行相应的能量抑制处理；当定向音频采集设备对应的能量平均值不大于能量阈值时，如果全向音频采集设备对应的能量平均值大于预设的人耳可接受范围的最大能量阈值，则对有效音频进行相应的能量抑制处理，如果全向音频采集设备对应的能量平均值小于预设的人耳可接受范围的最小能量阈值，则对有效音频进行相应的能量增强处理；其中，所述有效音频为从全向音频采集设备的音频中分离出来的；

对所述自适应增益调节的结果和所述定向音频采集设备的音频进行混音，输出混音结果。

2.根据权利要求1所述的方法，其特征在于，所述对全向音频采集设备输出的音频进行自适应增益调节包括：

利用所述定向音频采集设备输出的音频的能量平均值，对所述全向音频采集设备输出的音频进行自适应增益调节。

3.根据权利要求2所述的方法，其特征在于，所述对全向音频采集设备输出的音频进行自适应增益调节包括：

将所述定向音频采集设备和所述全向音频采集设备输出的音频分别转换为单声道音频；

在每个采样时刻，按照预设的滑动窗口，计算定向音频采集设备的单声道音频和全向音频采集设备的单声道音频分别在当前滑动窗口的能量平均值，并利用神经网络模型，从当前滑动窗口对应的全向音频采集设备的单声道音频中，分离出有效音频；

根据所述能量平均值，对所述有效音频进行增益自适应处理。

4.根据权利要求2所述的方法，其特征在于，所述对全向音频采集设备输出的音频进行自适应增益调节包括：

将所述定向音频采集设备和所述全向音频采集设备输出的音频分别转换为单声道音频；

利用第一语音回传设备输入的音频，作为回声消除的参考音频，分别对定向音频采集设备的所述单声道音频和全向音频采集设备的所述单声道音频进行回声消除；

在每个采样时刻，按照预设的滑动窗口，计算定向音频采集设备的消除回声后的音频在当前滑动窗口的能量平均值，以及全向音频采集设备的消除回声后的音频在当前滑动窗口的能量平均值，并利用神经网络模型，从当前滑动窗口对应的全向音频采集设备的消除回声后的音频中，分离出有效音频；根据所述能量平均值，对所述有效音频进行增益自适应处理。

5.根据权利要求3或4所述的方法，其特征在于，所述分离出有效音频包括：

对于当前滑动窗口对应的全向音频采集设备的单声道音频，或者当前滑动窗口对应的全向音频采集设备的消除回声后的音频，进行耳蜗滤波处理；

从经过所述耳蜗滤波处理后的音频中，提取出时域特征，所述时域特征包括梅尔倒谱系数MFCC、感知线性预测系数PLP以及幅度调制谱；

采用有监督的学习方式，将所述时域特征作为所述神经网络模型的输入，对所述神经网络模型进行训练，得到相应的模型参数；

基于所述模型参数，利用所述神经网络模型估计出时域上的二值掩蔽IBM；

利用所述二值掩蔽，对经过所述耳蜗滤波处理后的音频进行波形重构，提取出所述有效音频。

6.根据权利要求3或4所述的方法，其特征在于，所述神经网络模型为卷积神经网络模型。