音频放大器的增益控制方法、装置和电子设备与流程

技术特征：
1.一种音频放大器的增益控制方法，其特征在于，包括：获取输入音频放大器的音频信号；从所述音频信号中获取其在时域中各个时间点的幅度值，并将所述各个时间点的幅度值排列为时域向量；对所述音频信号进行傅里叶变换以获得所述各个时间点的幅度值在频域中对应的频率值，并将所述各个时间点的频率值排列为频域向量；基于所述时域向量和所述频域向量，构建用于表示所述音频信号在时域和频域上关联的时
‑
频域关联矩阵；将所述时
‑
频域关联矩阵输入卷积神经网络以获得时频域特征图；计算所述时域向量与所述时频域特征图中的各个位置的特征值之间的第一交叉熵数值，并基于所述时频域特征图中各个位置的特征值对应的第一交叉熵数值对所述时频域特征图中的各个位置的特征值进行聚类，以获得第一聚类结果；基于所述第一聚类结果为所述时频域特征图中各个位置的特征值赋予不同的权重，以获得时域模式特征图；计算所述频域向量与所述时频域特征图中的各个位置的特征值之间的第二交叉熵数值，并基于所述时频域特征图中各个位置的特征值对应的第二交叉熵数值对所述时频域特征图中的各个位置的特征值进行聚类，以获得第二聚类结果；基于所述第二聚类结果为所述时频域特征图中各个位置的特征值赋予不同的权重，以获得频域模式特征图；融合所述时域模式特征图和所述频域模式特征图以获得编码特征图；和将所述编码特征图通过编码器以获得增益控制结果。2.根据权利要求1所述的音频放大器的增益控制方法，其中，基于所述时域向量和所述频域向量构建用于表示所述音频信号在时域和频率上的关联的时
‑
频域关联矩阵，包括：将所述时域向量与所述频域向量的转置进行矩阵相乘以获得所述时
‑
频域关联矩阵。3.根据权利要求1所述的音频放大器的增益控制方法，其中，将所述时
‑
频域关联矩阵输入卷积神经网络以获得时频域特征图，包括：所述卷积神经网络以如下公式从所述时
‑
频域关联矩阵提取出所述音频信号的高维时域
‑
频域关联特征以获得所述时频域特征图；所述公式为：f
i
＝tanh(n
i
×
f
i
‑1 b
i
)其中，f
i
‑1为第i层卷积神经网络的输入，f
i
为第i层卷积神经网络的输出，n
i
为第i层卷积神经网络的卷积核，且b
i
为第i层卷积神经网络的偏置向量，tanh表示非线性激活函数。4.根据权利要求1所述的音频放大器的增益控制方法，其中，基于所述时频域特征图中各个位置的特征值对应的第一交叉熵数值对所述时频域特征图中的各个位置的特征值进行聚类，以获得第一聚类结果，包括：计算所述时频域特征图中各个位置的第一交叉熵数值之间的差值；以及基于所述时频域特征图中各个位置的第一交叉熵数值之间的差值，对所述时频域特征图中的各个位置的特征值进行聚类以获得所述第一聚类结果。5.根据权利要求4所述的音频放大器的增益控制方法，其中，基于所述第一聚类结果为所述时频域特征图中各个位置的特征值赋予不同的权重，以获得时域模式特征图，包括：
为所述第一聚类结果中不同类分别赋予不同权重值，以获得第一权重特征图；以及计算所述第一权重特征图与所述时频域特征图之间的按位置点乘，以获得所述时域模式特征图。6.根据权利要求5所述的音频放大器的增益控制方法，其中，基于所述第二聚类结果为所述时频域特征图中各个位置的特征值赋予不同的权重，以获得频域模式特征图，包括：为所述第二聚类结果中不同类分别赋予不同权重值，以获得第二权重特征图；以及计算所述第二权重特征图与所述时频域特征图之间的按位置点乘，以获得所述频域模式特征图。7.根据权利要求6所述的音频放大器的增益控制方法，其中，融合所述时域模式特征图和所述频域模式特征图以获得编码特征图，包括：计算所述时域模式特征图和所述频域模式特征图之间的按位置加权和，以获得所述编码特征图。8.根据权利要求7所述的音频放大器的增益控制方法，其中，将所述编码特征图通过编码器以获得增益控制结果，包括：使用所述编码器的一个或多个全连接层对所述编码特征图中各个位置的特征值进行编码以获得编码值作为所述增益控制结果。9.一种音频放大器的增益控制装置，其特征在于，包括：音频信号单元，用于获取输入音频放大器的音频信号；时域向量构造单元，用于从所述音频信号中获取其在时域中各个时间点的幅度值，并将所述各个时间点的幅度值排列为时域向量；频域向量构造单元，用于对所述音频信号进行傅里叶变换以获得所述各个时间点的幅度值在频域中对应的频率值，并将所述各个时间点的频率值排列为频域向量；关联单元，用于基于所述时域向量和所述频域向量，构建用于表示所述音频信号在时域和频域上关联的时
‑
频域关联矩阵；神经网络单元，用于将所述时
‑
频域关联矩阵输入卷积神经网络以获得时频域特征图；第一交叉熵聚类单元，用于计算所述时域向量与所述时频域特征图中的各个位置的特征值之间的第一交叉熵数值，并基于所述时频域特征图中各个位置的特征值对应的第一交叉熵数值对所述时频域特征图中的各个位置的特征值进行聚类，以获得第一聚类结果；时域模式特征图生成单元，用于基于所述第一聚类结果为所述时频域特征图中各个位置的特征值赋予不同的权重，以获得时域模式特征图；第二交叉熵聚类单元，用于计算所述频域向量与所述时频域特征图中的各个位置的特征值之间的第二交叉熵数值，并基于所述时频域特征图中各个位置的特征值对应的第二交叉熵数值对所述时频域特征图中的各个位置的特征值进行聚类，以获得第二聚类结果；频域模式特征图生成单元，用于基于所述第二聚类结果为所述时频域特征图中各个位置的特征值赋予不同的权重，以获得频域模式特征图；特征图融合单元，用于融合所述时域模式特征图和所述频域模式特征图以获得编码特征图；和增益控制结果生成单元，用于将所述编码特征图通过编码器以获得增益控制结果。10.一种电子设备，包括：
处理器；以及存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如权利要求1
‑
8中任一项所述的音频放大器的增益控制方法。

技术总结
本申请公开了一种音频放大器的增益控制方法、装置和电子设备。所述方法在确定增益控制结果时不仅考虑音频信号的电平大小，还结合音频信号的具体音频模式，以使得所设置的增益能够与音频模式和电平大小相适配。具体地，通过深度神经网络模型，不仅基于音频放大器的输入信号的电平大小，而且进一步挖掘输入的音频信号中的高维统计特征以识别出音频信号中的预定模式，通过这样的方式提高音频放大器的增益控制准确度。益控制准确度。益控制准确度。


技术研发人员：黄庆龙 刘海雄 李泽健
受保护的技术使用者：深圳远虑科技有限公司
技术研发日：2021.08.11
技术公布日：2021/11/9