[发明专利]一种音频信号处理方法、装置、终端及存储介质

权利要求书

1.一种音频信号处理方法，其特征在于，所述方法包括：

由至少两个麦克风获取至少两个声源各自发出的音频信号，以获得所述至少两个麦克风各自在时域上的多帧原始带噪信号；

对于时域上的每一帧，根据所述至少两个麦克风各自的所述原始带噪信号，获取所述至少两个声源各自的频域估计信号；

对于所述至少两个声源中的每个声源，将所述频域估计信号在频域上划分为多个频域估计分量，其中，每个频域估计分量对应一个频域子带并且包含多个频点数据；

对于每一个声源，将各频域估计分量的相关矩阵分别进行特征分解，以获得各所述频域估计分量对应的目标特征向量；

基于每个声源的各所述目标特征向量和所述频域估计信号，获得每个频点的分离矩阵；其中，所述基于每个声源的各所述目标特征向量和所述频域估计信号，获得每个频点的分离矩阵，包括：对于每一个声源，基于第c个频域估计分量的所述目标特征向量的转置矩阵与所述第c个频域估计分量的乘积，获得所述第c个频域估计分量映射到预设空间内的映射数据；基于所述映射数据，以及第1至第N帧的所述原始带噪信号的迭代运算，获得所述分离矩阵；其中，所述N为所述原始带噪信号的帧数；所述c为小于或等于C的正整数，所述C为所述频域子带的个数；

基于所述分离矩阵及所述原始带噪信号，获得至少两个声源各自发出的声音的音频信号。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对于每一个声源，基于所述第c个频域估计分量、与所述第c个频域估计分量的共轭转置的乘积，获得所述第c个频域估计分量的第一矩阵；

基于第1至第N帧的所述第c个频域估计分量的所述第一矩阵，获取所述第c个频域估计分量的相关矩阵。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

按照对数函数对所述映射数据进行非线性变换，以获得更新后的映射数据。

4.根据权利要求3所述的方法，其特征在于，所述基于所述映射数据，以及第1至第N帧的所述原始带噪信号的迭代运算，获得所述分离矩阵，包括：

将所述第c个频域估计分量的所述更新后的映射数据、所述频域估计信号、所述原始带噪信号以及第x-1个备选矩阵进行梯度迭代，得到第x个备选矩阵；其中，第1个备选矩阵为已知的单位矩阵；其中，所述x为大于或等于2的正整数；

当所述第x个备选矩阵满足迭代停止条件时，基于所述第x个备选矩阵，确定第c个所述分离矩阵。

5.根据所述权利要求4所述的方法，其特征在于，所述将所述第c个频域估计分量的所述更新后的映射数据、所述频域估计信号、所述原始带噪信号以及第x-1个备选矩阵进行梯度迭代，得到第x个备选矩阵，包括：

对所述第c个频域估计分量的所述更新后的映射数据进行一阶求导，以获得一阶导数；

对所述第c个频域估计分量的所述更新后的映射数据进行二阶求导，以获得二阶导数；

将所述一阶导数、所述二阶导数、所述频域估计信号、所述原始带噪信号及所述第x-1个备选矩阵进行梯度迭代，获得第x个备选矩阵。

6.根据权利要求1所述的方法，其特征在于，所述基于所述分离矩阵及所述原始带噪信号，获得至少两个声源各自发出的声音的音频信号，包括：

基于第1个所述分离矩阵至第C个所述分离矩阵，对一个所述频域估计信号对应的第n帧所述原始带噪信号进行分离，获得一个所述频域估计信号对应的第n帧所述原始带噪信号中不同所述声源的音频信号；其中，所述n为小于N的正整数；

组合各所述频域估计信号对应的第n帧所述原始带噪信号中第p个所述声源的音频信号，得到第p个所述声源的所述第n帧音频信号；其中，所述p为小于或等于P的正整数，所述P为声源的个数。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

按照时间先后顺序，组合第p个所述声源的第1帧音频信号至第N帧音频信号，得到N帧所述原始带噪信号包含的第p个所述声源的音频信号。