一种降噪方法、装置、电子设备以及存储介质与流程

本申请涉及通信技术领域，尤其涉及一种降噪方法、装置、电子设备以及存储介质。

背景技术：

现有的主动降噪系统(anc：activenoisecontrol)中，外部噪声首先被参考麦克风拾取，得到参考噪声信号。参考噪声信号经过anc滤波器滤波后产生反相噪声来抵消外部噪声，未抵消的外部噪声作为残余噪声，被误差麦克风拾取，得到误差噪声信号，进而被自适应控制器用来更新anc滤波器的系数，从而使得反相噪声更好地抵消外部噪声在耳机内部的影响。

在候车室候机厅等场合下，用户在使用耳机时既要抑制外部噪声，又需要时刻注意车站机场的广播通告和工作人员的通知。现有的anc滤波器会把广播和工作人员的声音等有用声音作为噪声消除。采用全透传模式又达不到消噪的效果，部分耳机通过手动设置对人声进行透传，但也无法解决周围人声引起的噪声问题。因此，目前的降噪耳机无法识别有用语音和无用噪声，从而导致对有用语音完全过滤，或者无用噪声太大引起用户使用体验较差。

技术实现要素：

本申请实施例提供一种降噪方法、装置、电子设备以及存储介质，以解决相关技术存在的问题，技术方案如下：

第一方面，本申请实施例提供了一种降噪方法，包括：

拾取外部噪声，生成参考噪声信号；

识别参考噪声信号中的关键字，根据识别到的关键字确定有用语音的方向；

在有用语音的方向上提取有用语音信号，将有用语音信号从参考噪声信号中滤除，得到无用噪声信号；

对无用噪声信号进行滤波，生成反相噪声，以抵消外部噪声。

在一种实施方式中，识别参考噪声信号中的关键字，包括：

利用高斯混合模型和隐马尔可夫模型组成的语音识别模型，或卷积神经网络模型识别参考噪声信号中的关键字。

在一种实施方式中，根据识别到的关键字确定有用语音的方向，包括：

波束成形器获取参考噪声信号，并根据识别到的关键字将参考噪声信号进行处理，确定有用语音的方向。

在一种实施方式中，在有用语音的方向上提取有用语音信号，包括：

滤波器获取有用语音的方向上的参考噪声信号，滤除大于预设频率值的参考噪声信号；

将保留的参考噪声信号作为有用语音信号。

在一种实施方式中，在有用语音的方向上提取有用语音信号，包括：

利用主成分分析算法对保留的参考噪声信号进行特征分解，得到n个特征值di(i＝1,2,……n)以及对应的n组奇异向量ui和vi，n为误差麦克风数量；

选择大于预设特征值的特征值dj，计算有用语音信号s＝uj*dj*vj。

在一种实施方式中，对无用噪声信号进行滤波，生成反相噪声，包括：

拾取残余噪声，生成误差噪声信号；

利用误差噪声信号和无用噪声信号更新滤波参数；

利用更新后的滤波参数对无用噪声信号进行滤波，生成反相噪声。

第二方面，本申请实施例提供了一种降噪装置，包括：

参考噪声生成模块，用于拾取外部噪声，生成参考噪声信号；

语音方向确定模块，用于识别参考噪声信号中的关键字，根据识别到的关键字确定有用语音的方向；

有用语音提取模块，用于在有用语音的方向上提取有用语音信号；

无用噪声获取模块，用于将有用语音信号从参考噪声信号中滤除，得到无用噪声信号；

无用噪声滤波模块，用于对无用噪声信号进行滤波，生成反相噪声，以抵消外部噪声。

在一种实施方式中，语音方向确定模块，包括：

波束成形子模块，用于波束成形器获取参考噪声信号，并根据识别到的关键字将参考噪声信号进行处理，确定有用语音的方向。

在一种实施方式，有用语音提取模块，包括：

滤波子模块，用于滤波器获取有用语音的方向上的参考噪声信号，滤除大于预设频率值的参考噪声信号；

有用语音信号提取子模块，用于将保留的参考噪声信号作为有用语音信号。

在一种实施方式，有用语音提取模块，包括：

特征分解子模块，用于利用主成分分析算法对保留的参考噪声信号进行特征分解，得到n个特征值di(i＝1,2,……n)以及对应的n组奇异向量ui和vi，n为误差麦克风数量；

有用语音信号计算子模块，用于选择大于预设特征值的特征值dj(j＝1,2,……n)，计算有用语音信号s＝uj*dj*vj。

在一种实施方式，无用噪声滤波模块包括：

误差噪声生成子模块，用于拾取残余噪声，生成误差噪声信号；

滤波参数更新子模块，用于利用误差噪声信号和无用噪声信号更新滤波参数；

无用噪声滤波子模块，用于利用更新后的滤波参数对无用噪声信号进行滤波，生成反相噪声。

第三方面，提供了一种降噪耳机，包括：

至少一个处理器；以及与至少一个处理器通信连接的存储器；

其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述任一项的方法。

第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行上述任一项的方法。

上述申请中的一个实施例具有如下优点或有益效果：通过识别有用语音源发出的关键字，触发耳机的麦克风阵列拾取各个方向的外部噪声，根据识别到的关键字确定有用语音源的方向，然后通过人声提取器提取有用语音源方向的有用语音。没有识别到关键字时滤除无用噪声信号，消除了和有用语音无关的人声引起的无用噪声。不仅有效提取了有用语音，便于用户接收有用语音，同时还消除了无用噪声，提高了降噪效果。

上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是现有技术提供的一种主动降噪系统结构示意图；

图2是根据本申请一实施例的一种降噪方法的示意图；

图3是根据本申请一实施例的一种降噪系统的结构示意图；

图4是根据本申请一实施例的降噪装置的结构图；

图5是用来实现本申请实施例的一种降噪方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1示出现有的主动降噪系统(anc：activenoisecontrol)的结构示意图。为了解决现有技术中主动降噪系统无法识别有用语音和无用噪声，从而导致对有用语音完全过滤，或者无用噪声太大引起用户使用体验较差的技术问题。本实施例提出一种降噪方法，如图2所示，包括如下步骤：

步骤s110：拾取外部噪声，生成参考噪声信号；

步骤s120：识别参考噪声信号中的关键字，根据识别到的关键字确定有用语音的方向；

步骤s130：在有用语音的方向上提取有用语音信号，将有用语音信号从参考噪声信号中滤除，得到无用噪声信号；

步骤s140：对无用噪声信号进行滤波，生成反相噪声，以抵消外部噪声。

在一种示例中，如图3所示，提供一种设置在耳机外壳上的主动降噪系统(anc：activenoisecontrol)，anc包括n个按特定位置排列的麦克风阵列、参考麦克风(rm)、误差麦克风(em)、关键字识别器、波束成形器、人声提取器、减法器、自适应控制器以及anc滤波器。1～n麦克风阵列拾取外部噪声，外部噪声可能包括有用语音和无用噪声。距离参考麦克风(rm)距离最近的阵列麦克风(图3中为阵列麦克风1)拾取的噪声信号，输入至关键字识别器。关键字识别器对阵列麦克风1拾取的噪声信号进行关键字识别。关键字可以预先设置，是根据有用语音进行确定。例如，有用语音为“请旅客带好身份证进行验票”中关键字可以为“身份证”和“验票”；或者有用语音为“飞机将在十五分钟后起飞，请未登机的乘客在c口登机”中的关键字可以为“飞机起飞”和“c口”等。根据关键字“身份证”定位有用语音的方向有两个，一个方向上的语音为“请旅客带好身份证进行验票”和“捡到一位乘客的身份证，请到失物招领处领取”，因此，关键字的选取尽量覆盖较多的语音所要表达的实际内容，提高识别准确性，以及方向确定的准确性，有效避免误触发。关键字可以自动设置，无需手动设置。没有识别到关键字的时候，阵列麦克风不启动，如果关键字识别成功，阵列麦克风启动，同时波束成形器根据识别到的关键字确定有用语音的方向。由于阵列麦克风n拾取的是全方位的噪声信号，将全方位的噪声信号输入至波束成形器中，生成有用语音方向的波束。有用语音方向的波束输入至人声提取器中，来提取有用语音信号。如果关键字识别成功，同时，控制开关闭合，使得人声提取器提取到的有用语音信号输入至减法器。参考麦克风拾取的外部噪声，生成参考噪声信号，利用减法器将参考噪声信号中的有用语音信号滤除，得到无用噪声信号。有用语音信号保留，被用户接收，无用噪声信号输入至自适应控制器，同时，自适应控制器获取误差麦克风拾取残余噪声生成的误差噪声信号，利用误差噪声信号和无用噪声信号更新滤波参数。更新后的滤波参数发送至anc滤波器中，anc滤波器利用更新后的滤波参数对无用噪声信号进行滤波，生成反相噪声信号，通过扬声器成为反相噪声，和主声道输出的外部噪声进行叠加，来抵消外部噪声，抵消后的残余噪声再次被误差麦克风拾取，进行下一轮的降噪过程。

本实施方式中，通过识别有用语音源发出的关键字，触发耳机的麦克风阵列拾取各个方向的外部噪声，根据识别到的关键字确定有用语音源的方向，然后通过人声提取器提取有用语音源方向的有用语音。没有识别到关键字时滤除无用噪声信号，消除了和有用语音无关的人声引起的无用噪声。不仅有效提取了有用语音，便于用户接收有用语音，同时还消除了无用噪声，提高了降噪效果。

在一种实施方式中，步骤s120，识别参考噪声信号中的关键字，包括：

步骤s121：利用关高斯混合模型和隐马尔可夫模型组成的语音识别模型，或卷积神经网络模型识别参考噪声信号中的键字。

一种示例中，关键字识别器默认关闭，当语音信号能量超过预设门限，预设门限是调试中的经验值，则唤醒关键字识别器。关键字识别器将收到的语音信号进行预处理，包括预加重实现频谱均衡，重采样实现速率匹配，分帧后加窗，得到以帧为单位的语音数据。然后，对每帧语音数据进行语音特征提取，比如经典的mfcc(melfrequencycepstralcoefficents)特征，mfcc特征是一种在自动语音和说话人识别中广泛使用的特征。用mfcc特征作为输入数据，经过训练好的gmm-hmm(混合高斯hmm)或nn-hmm(神经网络hmm)，得到对应的概率分值，当概率分值高于设定的门限(调试中的经验值)，则认为关键字识别成功。

语音中的关键字识别的步骤可以包括：第一步，利用高斯混合模型(gaussianmixedmodel，gmm)把帧识别成状态；第二步，利用隐马尔可夫模型(hiddenmarkovmodel，hmm)把状态组合成音素，并把音素组合成单词。可以利用训练数据集对卷积神经网络模型进行训练，得到训练好的神经网络模型，利用训练好的神经网络模型识别参考噪声信号中的关键字。其中，gmm属于早期的识别模型，特点是相对简单，但识别率较低。hmm结构稍复杂，但识别率高。两种模式根据实现的硬件资源来选用。

在一种实施方式中，步骤s120，根据识别到的关键字确定有用语音的方向，包括：

步骤s122：波束成形器获取参考噪声信号，并根据识别到的关键字将参考噪声信号进行处理，确定有用语音的方向。

一种示例中，将无线信号(电磁波)只按特定方向传播的技术叫做波束成形(beamforming)。波束成形可以使信号的能量集中在接收端所在的方向，从而改善频谱利用效率。波束成形可以使用经典的mvdr(minimumvariancedistortionlessresponse)算法，或gsc(generalizedsidelobecanceller)等波束成形算法来实现。mvdr是一种基于最大信干噪比(sinr)准则的自适应波束形成算法。mvdr算法可以自适应的使阵列输出在期望方向上功率最小同时信干噪比最大。gsc是广义旁瓣抵消器的自适应波束形成方法，具有高性能和较低的计算量。当然，波束成形器使用的波束成形算法包括但不限于上述两种，还可以利用其它算法，均在本实施例的保护范围内。

在一种实施方式中，步骤s130，在有用语音的方向上提取有用语音信号，包括：

步骤s131：滤波器获取有用语音的方向上的参考噪声信号，滤除大于预设频率值的参考噪声信号；

步骤s132：将保留的参考噪声信号作为有用语音信号。

在一种示例中，人声提取器可以包括滤波器，通过滤波器对有用语音的方向上的参考噪声信号进行均衡滤波，滤除大于预设频率值的参考噪声信号，将保留的参考噪声信号作为有用语音信号。预设频率值可以根据调试经验来进行设置。

在一种实施方式中，步骤s130，在有用语音的方向上提取有用语音信号，包括：

步骤s133：利用主成分分析算法对保留的参考噪声信号进行特征分解，得到n个特征值di(i＝1,2,……n)以及对应的n组奇异向量ui和vi，n为误差麦克风数量；

步骤s134：选择大于预设特征值的特征值dj，计算有用语音信号s＝uj*dj*vj。

一种示例中，人声提取器可以包括滤波器和信号特征分析器。通过滤波器对有用语音的方向上的参考噪声信号进行均衡滤波，滤除大于预设频率值的参考噪声信号。利用主成分分析算法(principalcomponentanalysis，pca)对保留的参考噪声信号进行特征分解。保留的参考噪声信号是有用语音方向的信号，可以来源于n个参考麦克风输出的n个参考噪声序列xerr。保留的参考噪声信号输入至信号特征分析器，信号特征分析器利用经典pca(principalcomponentsanalysis，主成分分析)算法将信号映射到彼此正交的空间上，获得特征值和特征向量作为特征参数，即n个特征值组成的特征值序列di(i＝1,2,…n)，与n组奇异向量ui和vi(i＝1,2,…n)按序号对应，将特征值序列d与对应的奇异向量集合u和v作为一组特征参数s。特征值的个数和特征向量个数与麦克风的个数相同。选择大于预设特征值的特征值dj，计算有用语音信号s＝uj*dj*vj。例如，j＝1的特征值为最大特征值，利用最大特征值d1和对应的奇异向量集合u1和v1来回复人声信号s。预设特征值可以根据经验进行适应性设置，均在本实施例的保护范围内。

在一种实施方式中，步骤s140，包括：

步骤s141：拾取残余噪声，生成误差噪声信号；

步骤s142：利用误差噪声信号和无用噪声信号更新滤波参数；

步骤s143：利用更新后的滤波参数对无用噪声信号进行滤波，生成反相噪声。

在另一种具体实施方式中，如图4所示，提供了一种降噪装置，包括：

参考噪声生成模块110，用于拾取外部噪声，生成参考噪声信号；

语音方向确定模块120，用于识别所述参考噪声信号中的关键字，根据识别到的关键字确定有用语音的方向；

有用语音提取模块130，用于在所述有用语音的方向上提取有用语音信号；

无用噪声获取模块140，用于将所述有用语音信号从所述参考噪声信号中滤除，得到无用噪声信号；

无用噪声滤波模块150，用于对所述无用噪声信号进行滤波，生成反相噪声，以抵消所述外部噪声。

在一种实施方式中，所述语音方向确定模块，包括：

波束成形子模块，用于波束成形器获取所述参考噪声信号，并根据所述识别到的关键字将所述参考噪声信号进行处理，确定所述有用语音的方向。

在一种实施方式，所述有用语音提取模块，包括：

滤波子模块，用于滤波器获取所述有用语音的方向上的参考噪声信号，滤除大于预设频率值的参考噪声信号；

有用语音信号提取子模块，用于将保留的参考噪声信号作为所述有用语音信号。

在一种实施方式，所述有用语音提取模块，包括：

特征分解子模块，用于利用主成分分析算法对保留的参考噪声信号进行特征分解，得到n个特征值di(i＝1,2,……n)以及对应的n组奇异向量ui和vi，n为误差麦克风数量；

有用语音信号计算子模块，用于选择大于预设特征值的特征值dj(j＝1,2,……n)，计算所述有用语音信号s＝uj*dj*vj。

在一种实施方式，所述无用噪声滤波模块包括：

误差噪声生成子模块，用于拾取残余噪声，生成误差噪声信号；

滤波参数更新子模块，用于利用所述误差噪声信号和所述无用噪声信号更新滤波参数；

无用噪声滤波子模块，用于利用更新后的滤波参数对所述无用噪声信号进行滤波，生成所述反相噪声。

本申请实施例各装置中的各模块的功能可以参见上述方法中的对应描述，在此不再赘述。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图5所示，是根据本申请实施例的一种降噪方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图5所示，该电子设备包括：一个或多个处理器501、存储器502，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示图形用户界面(graphicaluserinterface，gui)的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器501为例。

存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中，存储器存储有可由至少一个处理器执行的指令，以使至少一个处理器执行本申请所提供的一种降噪方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的一种降噪方法。

存储器502作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的一种降噪方法对应的程序指令/模块。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的一种降噪方法。

存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据一种降噪方法的电子设备的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至上述电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

上述电子设备还可以包括：输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图5中以通过总线连接为例。

输入装置503可接收输入的数字或字符信息，以及产生与上述电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如，led)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(liquidcr5staldispla5，lcd)、发光二极管(lightemittingdiode，led)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用集成电路(applicationspecificintegratedcircuits，asic)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(programmablelogicdevice，pld))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(cathoderaytube，阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(localareanetwork，lan)、广域网(wideareanetwork，wan)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。