[发明专利]基于深度学习的列车广播语音增强方法和系统

说明书

本发明公开了一种基于深度学习的列车广播语音增强方法和系统，其方法包括获取车载PIS系统的列车运行信息；识别列车运行信息，确定列车实时场景；从预设的数据库中读取列车实时场景所匹配的声学均衡参数；获取车载PIS系统的音频流；以及，基于声学均衡参数，以预设的中控声效算法对音频流处理，同时调整声音感受位置，并发送处理后音频流至车载PIS系统用作播放。本申请具有能结合列车不同运营场景自动切换声场均衡参数，动态增加声场的效果。

技术领域

本申请涉及音频处理技术领域，尤其是涉及一种基于深度学习的列车广播语音增强方法和系统。

背景技术

对于列车而言，其站点播报、消息通知等均需要通过广播进行通知。然而，在列车运行过程中，除了内部乘客发出的噪声外，还有列车外部的风噪、机械噪声等，干扰了语音播报效果。

申请号为CN201710105745.8的专利一种基于ARM+FPGA架构的列车语音放大单元，该列车语音放大单元包括主控制模块、编解码放大模块和通信模块三部分。主控制模块包括主控芯片及外围器件，负责系统的初始化、音频存储与处理，以及运行应用程序和AGC、限幅限频算法。编解码放大模块包括编解码子模块、功放子模块和检测子模块，负责对各种格式的音频信号进行处理与放大，同时实现电流检测以及音频降级功能。通信模块包括两路千兆以太网和RS485及RS232总线，负责音频与噪检信号传输。各功能模块协调工作，构成了完整的语音放大单元。

上述技术方案给出了一种用于列车使用环境的音频芯片，但是其无法结合地铁列车乘客信息系统的相关信息，对不同运营场景自动切换声场均衡参数，动态增加声场，因此本申请提出一种新的技术方案。

发明内容

为了能结合列车不同运营场景自动切换声场均衡参数，动态增加声场，本申请提供一种基于深度学习的列车广播语音增强方法和系统。

第一方面，本申请提供一种基于深度学习的列车广播语音增强方法，采用如下的技术方案：

一种基于深度学习的列车广播语音增强方法，包括：

获取车载PIS系统的列车运行信息；

识别列车运行信息，确定列车实时场景；

从预设的数据库中读取列车实时场景所匹配的声学均衡参数；

获取车载PIS系统的音频流；以及，

基于声学均衡参数，以预设的中控声效算法对音频流处理，同时调整声音感受位置，并发送处理后音频流至车载PIS系统用作播放。

可选的，所述中控声效算法包括：

信号预处理，其包括将音频流做满足FPU计算的归一化处理；

均衡处理，其包括划分10个频率段，以所述声学均衡参数对划分后的10个频率段分别做均衡，调整增益，并进行混音处理；其中，各个频率段的中心频点分别为32、64、128、256、512、1k、2k、4k、8k、16k；

回响处理，其包括对音频中的原始声音衰减复制，复制至相应的音频位置与原后续音频进行混音。

可选的，所述划分10个频率段包括：以IIR带通滤波器对音频流做频率段划分处理。

可选的，所述调整增益包括：每段的调整幅度为-12dBm至12dBm。

可选的，所述识别列车运行信息，确定列车实时场景包括：

当列车运行信息识别为速度信息，且为0-Xkm/H，则判定为启动场景； X-0KM/H，则判定为停靠场景；其他则判定运行场景；其中，X为低速阈值；

当列车运行信息识别为指定识别信息，则判定为预匹配的指定场景。