[发明专利]一种音频中节拍器噪声抑制方法及系统

说明书

本发明公开了一种音频中节拍器噪声抑制方法及系统，所述方法包括：获取节拍器空响音频，对获取的所述音频进行短时傅里叶变换和时频谱矩阵处理得到节拍器词典和节拍器词典的激活权重；获取待处理的音频信号并进行短时傅里叶变换，得到第t帧信号的幅度谱和相位谱并对幅度谱进行归一化；对待处理的音频信号进行声源分离，利用得到的幅度谱和相位谱分别重建得到节拍器时域信号和乐器音频时域信号。本发明实现了对节拍器噪声的抑制，提高了降噪的效果，在降噪的同时保证乐器演奏音频的音质，从而可以提升各类算法在包含节拍器噪声下的运行效果。

技术领域

本发明涉及音频信号处理技术领域，更具体地，涉及一种音频中节拍器噪声抑制方法及系统。

背景技术

近年来越来越多的信息技术应用于音乐教育领域，给人们在音乐学习的过程中带来了很大的便利，例如：远程视频上课、旋律检索、练琴时长统计、乐器智能陪练等。

在学习/练习乐器的过程中节拍器扮演着非常重要的角色，它能帮助人们很好地建立节奏感提升演奏效果，几乎所有学习过乐器的人都使用过它。节拍器的种类主要包含电子节拍器和机械节拍器，节拍器的音色千差万别，例如：带重拍的机械节拍器、人声节拍器、带音高的电子节拍器等等。

然而在基于信号处理或深度学习算法的智能评测或其他场景中，节拍器是一种噪声，它的存在会严重影响这些算法的性能，例如：乐谱跟随算法、音高估计算法、音视频通话的回声消除/降噪算法等，受到强节拍器噪声的影响会导致乐谱跟随的光标在乐谱上乱跳，音高估计不准，音视频通话中音质失真等严重问题。尤其在开启同一部终端设备自带的节拍器进行智能评测的时候，由于固体传声能量远大于空气传声，导致终端设备的麦克风收到的节拍器噪声更大，通常比乐器演奏音频的能量高出几十dB；而人们通常喜欢把节拍器开到最大音量，这又会在节拍器信号通过扬声器播放的时候由于超出功率放大器的线性工作区间或麦克风扬声器声学腔体设计缺陷等原因引入非线性失真。因此节拍器噪声具有非线性、高功率、非平稳等特性，这表明基于传统信号处理的自适应滤波和各类降噪方法并不适用于此场景；同时由于节拍器噪声种类五花八门，加上各式各样的房间冲击响应、麦克风的频率响应和使用环境下的背景噪声，导致很难获得如此多的节拍器数据，因此通过数据驱动方式训练的深度神经网络模型的声源分离方法在此场景的应用效果并不理想，模型泛化能力有限。

现有技术中，公开号为：CN111370019A中国发明专利于2020年7月3日公开了一种声源分离方法及装置、神经网络的模型训练方法及装置，方法包括：获取混合音频；确定与混合音频对应的声源标签组；根据声源标签组，确定条件向量组；将条件向量组和混合音频输入至第一神经网络进行声源分离处理以得到目标声源组，其中，目标声源组中的目标声源与条件向量组的条件向量一一对应。该方案利用神经网络进行声源分离，模型泛化能力有限。

发明内容

本发明为克服上述现有的在音频中去除节拍器噪声方法效果不理想的缺陷，提供一种音频中节拍器噪声抑制方法及系统。

本发明的首要目的是为解决上述技术问题，本发明的技术方案如下：

本发明第一方面提供了一种音频中节拍器噪声抑制方法，包括以下步骤：

S1：获取节拍器空响音频，对获取的所述音频进行短时傅里叶变换和时频谱矩阵处理得到节拍器词典和节拍器词典的激活权重；

S2：获取待处理的音频信号并进行短时傅里叶变换，得到第t帧信号的幅度谱和相位谱并对幅度谱进行归一化；

S3：对待处理的音频信号进行声源分离，利用得到的幅度谱和相位谱分别重建得到节拍器时域信号和乐器音频时域信号。

进一步地，步骤S1的具体过程为：

S101，获取节拍器空响音频，将节拍器的空响音频分帧加窗处理并进行短时傅里叶变换；

S102，将傅里叶变换得到的信号序列归一化处理得到时频谱矩阵；