[发明专利]回声消除方法及装置、计算机可读的存储介质、电子装置在审

专利信息
申请号: 202010693855.2 申请日: 2020-07-17
公开(公告)号: CN111883154A 公开(公告)日: 2020-11-03
发明(设计)人: 马路;赵培;苏腾荣 申请(专利权)人: 海尔优家智能科技(北京)有限公司
主分类号: G10L21/0208 分类号: G10L21/0208;G10L21/0216;G10L25/30
代理公司: 北京康信知识产权代理有限责任公司 11240 代理人: 吕昕炜
地址: 100086 北京市海淀区知春*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 回声 消除 方法 装置 计算机 可读 存储 介质 电子
【权利要求书】:

1.一种回声消除方法,其特征在于,包括:

根据参考信号与回声检测信息对于声源信号中的回声信号进行估计,以得到回声估计信息;其中,所述声源信号为终端的音频输入通道接收到的音频信号,所述参考信号为所述终端的音频输出通道中的音频信号,所述回声检测信息用于指示所述声源信号中存在所述回声信号的概率;

根据所述声源信号、所述回声估计信息与预设的第一神经网络模型以得到输出信息,并根据所述输出信息消除所述声源信号中的回声信号;其中,所述第一神经网络模型是根据样本声源信号、样本回声信号与样本输出信息训练得到的。

2.根据权利要求1所述的方法,其特征在于,所述根据参考信号与回声检测信息对于声源信号中的回声信号进行估计,以得到回声估计信息,包括:

根据所述声源信号、参考信号、回声检测信息与所述第二神经网络模型以得到所述回声估计信息;

其中,所述第二神经网络模型是根据所述样本声源信号、样本参考信号、样本回声检测信息与所述样本回声信号进行训练得到的。

3.根据权利要求2所述的方法,其特征在于,所述根据所述声源信号、参考信号、回声检测信息与所述第二神经网络模型以得到所述回声估计信息之前,还包括:

根据所述声源信号、所述参考信号与预设的第三神经网络模型以得到所述回声检测信息;

其中,所述第三神经网络模型是根据所述样本声源信号、所述样本参考信号与所述样本回声检测信息进行训练得到的。

4.根据权利要求1所述的方法,其特征在于,所述根据所述声源信号、所述回声估计信息与预设的第一神经网络模型以得到输出信息,包括:

根据预设的频段区分方式将所述声源信号区分为多个频段,并根据所述回声估计信息与所述第一神经网络模型,以确定所述声源信号中的每一个所述频段对应的频段增益系数;其中,所述频段增益系数为所述输出信息;

对每一个所述频段中的每一个所述频点对应的声源信号乘以所述频点对应的增益系数进行回声消除处理,以得到消除所述回声信号的声源信号。

5.根据权利要求1所述的方法,其特征在于,所述根据所述声源信号、所述回声估计信息与预设的第一神经网络模型以得到输出信息,包括:

根据预设的频段区分方式将所述声源信号区分为多个频段,并根据所述回声估计信息与所述第一神经网络模型,以确定所述声源信号中的每一个所述频段对应的频段增益系数;

根据所述频段增益系数以确定所述声源信号的每一个所述频段中的每一个频点对应的频点增益系数;其中,所述频点增益系数为所述输出信息;

根据所述频点增益系数对每一个所述频段中的每一个所述频点对应的声源信号进行回声消除处理,以得到消除所述回声信号的声源信号。

6.根据权利要求3所述的方法,其特征在于,所述声源信号包括:近端信号,或者,近端信号与远端信号;其中,所述远端信号用于指示所述声源信号中的所述回声信号;

所述根据所述声源信号、所述参考信号与预设的第三神经网络模型以得到所述回声检测信息之前,还包括:

根据所述声源信号、所述参考信号与所述第三神经网络模型,检测所述声源信号中是否包括远端信号;

在所述声源信号仅包括所述近端信号的情形下,将所述声源信号输出至所述终端的音频输出通道;或者,

在所述声源信号包括所述近端信号与所述远端信号的情形下,根据所述声源信号、所述参考信号与所述第三神经网络模型以得到所述回声检测信息。

7.根据权利要求1所述的方法,其特征在于,所述方法还包括:

获取所述样本声源信号;其中,所述样本声源信号由样本远端信号与样本近端信号叠加得到,所述样本远端信号用于指示样本回声信号;

确定所述样本声源信号的增益系数,并将所述增益系数作为样本输出信息;

根据所述样本声源信号与所述样本输出信息之间的关系,建立所述第一神经网络模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于海尔优家智能科技(北京)有限公司,未经海尔优家智能科技(北京)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010693855.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top