[发明专利]一种基于麦克风阵列的双端讲话状态检测方法及装置

说明书

本发明公开了一种基于麦克风阵列的双端讲话状态检测方法及装置，所述方法包括：通过麦克风采集不同通道对应的语音模拟信号，并将所述语音模拟信号转换为语音数字信号，得到第一通道信号和第二通道信号；采用NLMS算法对所述第一通道信号和所述第二通道信号进行线性回声消除处理；对所述第一通道信号和所述第二通道信号进行GCC运算，通过两个通道信号的广义互相关函数计算时延值后进行峰值检测，得到最大峰值；通过所述最大峰值和预设第一距离阈值进行比较，判断当前麦克风的双端讲话检测状态。本发明对于麦克风和扬声器相对位置固定的硬件终端能够有效判断出双端讲话状态，提高判断双端讲话状态的准确性和适应性。

技术领域

本发明涉及通信音频检测技术领域，尤其是涉及一种基于麦克风阵列的双端讲话状态检测方法及装置。

背景技术

在实时通话中，基于语音场景一般可划分为近端讲话、远端讲话和双端讲话。而在视频会议通话场景中，拾音距离较远(3～5m)，而扬声器和麦克风的距离相比与说话人距离麦克风的位置要靠近很多，导致在麦克风拾音上会存在远端信号远大于近端信号的现象，并且这个差距可以达到20db以上，大大增加了回声消除的难度，尤其是对于双端讲话场景，容易出现近端抑制严重和回声消除不干净的情况。

而在双端讲话场景下，要能够保留近端语音，对于双端讲话场景的检测算法的准确性和鲁棒性要求非常高。对双端讲话检测而言，如果检测错误，会影响自适应滤波算法的收敛速度，严重时甚至会引起发散；另外双端讲话检测还用于指导后续的非线性残差抑制算法。目前，针对双端讲话检测的现有技术包括能量检测方法，以及基于近端信号和去线性回声信号的检测方法。

但是，在对现有技术的研究与实践过程中，本发明的发明人发现，现有技术存在如下缺陷：基于能量检测时，由于能量阈值选取较为固定且粗糙，导致误判率高的问题；而基于近端信号和去线性回声信号，需要进行归一化的互相关处理，从而得到检测参数进行双端讲话检测，由于近端环境噪声干扰性较强，在声学环境不稳定和非线性残差信号较大的情况下，阈值选取适应性较差，从而影响后续的双端讲话检测。因此，亟需一种能够克服现有技术中的缺陷的双端讲话状态检测方法及装置。

发明内容

本发明实施例所要解决的技术问题在于，提供一种基于麦克风阵列的双端讲话状态检测方法及装置，能够有效识别当前麦克风和扬声器的双端讲话状态。

为解决上述问题，本发明的一个实施例提供一种基于麦克风阵列的双端讲话状态检测方法，至少包括如下步骤：

通过麦克风采集不同通道对应的语音模拟信号，并将所述语音模拟信号转换为语音数字信号，得到第一通道信号和第二通道信号；

采用NLMS算法对所述第一通道信号和所述第二通道信号进行线性回声消除处理；

对所述第一通道信号和所述第二通道信号进行GCC运算，通过两个通道信号的广义互相关函数计算时延值后进行峰值检测，得到最大峰值；

通过所述最大峰值和预设第一距离阈值进行比较，判断当前麦克风的双端讲话检测状态。

作为优选方案，所述通过所述最大峰值和预设第一距离阈值进行比较，判断当前麦克风的双端讲话检测状态，具体为：

判断所述最大峰值是否大于预设第一距离阈值，若否，则判定当前麦克风为远端讲话状态；若是，则判定当前麦克风为近端讲话状态或双端讲话状态，进行下一步判断；

判断是否有扬声器播放信号；若是，则判定当前麦克风为双端讲话状态；若否，则判定当前麦克风为近端讲话状态。

作为优选方案，所述基于麦克风阵列的双端讲话状态检测方法，还包括：

根据所述当前麦克风的双端讲话检测状态进行对应的非线性残差抑制处理。

作为优选方案，所述线性回声消除处理包括线性回声部分处理、非残性残留部分处理和滤波器更新策略。