一种基于芯片实现的语音降噪优化方法及装置与流程

1.本发明涉及语音降噪技术领域，特别涉及一种基于芯片实现的语音降噪优化方法及装置。


背景技术：

2.随着人们使用电子设备的场合越来越广泛，不可避免的进行语音通话的场景也日益增多，但是在一些比较嘈杂喧嚣的环境中，会给语音里掺杂过多的噪音，使语音传递不完整或不清晰，很大程度上影响了对语音的接收，因此，去除音频中的噪音就尤为重要，现有的消噪方法一般都是调整信噪比使噪声降低，但是对于复杂的音频信息无法判断音频信号进行有效降噪，于是，后来又提出了自适应降噪窗口，但是现有的自适应降噪窗口都是固定不变的，导致降噪效果达不到理想效果。
3.因此，本发明提出一种基于芯片实现的语音降噪优化方法及装置。


技术实现要素：

4.针对上述所显示出来的问题，本发明提供了一种基于芯片实现的语音降噪优化方法，通过将芯片本身的噪音信息以及语音中的噪音信息进行结合，来确定消噪条件，来对降噪窗口进行优化，提高降噪效率。
5.本发明提出一种基于芯片实现的语音降噪优化方法，包括：步骤1：获取音频信息的目标场景；步骤2：确定所述目标场景下的芯片处于降噪工作状态的本身噪音信息以及语音降噪过程中所述音频信息的自带噪音信息；步骤3：获取所述音频信息中所有语音段的语音情况，并基于语音-条件预测模型，预测得到所述芯片的消噪条件；步骤4：根据所述消噪条件对所述音频信息的自适应降噪窗口进行优化；步骤5：采用优化后的自适应降噪窗口对所述芯片的本身噪音信息以及自带噪音信息进行噪声消除。
6.优选的，获取所述音频信息中所有语音段的语音情况，包括：按照语音波动周期对所述音频信息进行划分；对每个语音段进行解析剖离，并获取同个语音段包含的所有分离语音层；确定同个语音段对应的每个分离语音层的语音能量，若每个分离语音层的语音能量都为0，判定所述同个语音段为静音段；若存在语音能量不为0的分离语音层，根据层属性，判断对应分离语音层是否为噪声层；若是，按照所述噪声层中每个时刻帧的第一能量向对应时刻帧设置第一标签；否则，按照有效语音层中每个时刻帧的第二能量向对应时刻帧设置第二标签；根据第一标签结果以及第二标签结果，构建每个时刻帧对应的标签组合，并将对
应同个语音段拆分为纯语音子段、混合子段以及纯噪声子段。
7.优选的，将对应同个语音段拆分为纯语音子段、混合子段以及纯噪声子段之后，还包括：确定混合子段中对应噪声子层的每个时刻帧的第一能量值，并对第一能量值大于预设能量阈值的时刻帧进行标定；按照标定时刻帧与未标定时刻帧中每个时刻帧的位置关系，对需要归到标定时刻帧中的未标定帧进行再次标定，并得到所述噪声子层的标定噪声帧以及非标定噪声帧，并向所述标定噪声帧设置第二噪声标签，向所述非标定噪声帧设置第三噪声标签；确定混合子段中对应有效语音子层中每个时刻帧的第二能量值，并按照所述第二能量值向对应帧设置有效语音标签；将标签设置结果作为所述混合子段的预测基础。
8.优选的，按照所述噪声层中每个时刻帧的第一能量向对应时刻帧设置第一标签，包括：获取每个时刻帧的第一能量，同时，确定所述目标场景下的预设能量；根据每个时刻帧的第一能量与预设能量，向对应时刻帧设置第一标签。
9.优选的，还包括：采集混合子段的音频数据，从所述音频数据中提取第一音频特征参数，所述第一音频特征参数包括频谱系数和声音强度；将所述第一音频特征参数与对应同个语音段中的纯语音子段的第二音频特征参数进行第一对比，同时，将所述第一音频特征参数与对应同个语音段中的纯噪声子段的第三音频特征参数进行第二对比；根据第一对比结果以及第二对比结果，确定所述混合子段中噪声子层的第四音频特征参数；根据混合子段每一时刻帧的语音特征信息和所述第四音频特征参数，判断对应混合子段的当前信噪比是否符合噪音提取条件；若符合，无需进行后续操作，若不符合，由芯片发出调整当前信噪比的指令，将调整后的目标信噪比作为噪音提取条件参考信噪比。
10.优选的，从所述音频数据中提取第一音频特征参数，包括：获取所述音频数据对应的第一频谱形状；根据所述目标场景中所设置的设备构造，确定目标设备在采集所述音频数据过程中的声音吸收系数；基于所述声音吸收系数对所述第一频谱形状进行调整，得到第二频谱形状；检测所述第二频谱形状中每个时刻帧的瞬态状况，并获取瞬态值大于第一预设阈值的第一帧以及瞬态值小于第二预设阈值的第二帧；确定除去第一帧的第三频谱形状与第二频谱形状的第一相关系数；确定除去第二帧的第四频谱形状与第二频谱形状的第二相关系数；确定除去第一帧和第二帧的第五频谱形状与第二频谱形状的第三相关系数；基于所述第一相关系数、第二相关系数以及第三相关系数，获取最后保留的频谱形状；
按照所述最后保留的频谱形状的频谱参数内容，获取得到对应音频数据的频谱系数。
11.优选的，根据所述消噪条件对所述音频信息的自适应降噪窗口进行优化，包括：捕捉所述自适应降噪窗口进行降噪工作过程中的降噪工作日志，并对所述降噪工作日志进行时间与降噪的同步分析，确定降噪时间段；根据每个降噪时间段的参考降噪参数分析是否存在冲突情况；若存在，确定对应降噪时间段涉及的冲突参数，并构建冲突组；根据降噪精度要求，将每个参考降噪参数对应的降噪参数偏置范围进行若干次划分，并基于范围-值映射表，向每个划分范围指定特征值；根据预测的消噪条件，确定每个语音段的附加降噪参数，同时，将每个语音段与对应的冲突组进行匹配，并按照附加降噪参数对对应冲突组进行优化；将每个优化后的冲突组分别与所有指定的特征值依次进行匹配比较，获取评估结果；若所述评估结果满足消噪优化标准，则保持附加降噪参数不变，实现对自适应降噪窗口的优化；否则，按照消噪优化标准对所述附加降噪参数进行优化，进而实现对自适应降噪窗口的优化。
12.优选的，按照语音波动周期对所述音频信息进行划分，包括：将所述音频信息转化为波形图，并根据所述波形图确定音频信息的频率波动情况；确定所述音频信息的频率波动情况频率波动小于预设波动，且频率波动持续时长大于预设持续时长的划分时刻段，将所述划分时刻段的初始点以及末尾点作为第一划分点对所述音频信息进行第一划分；对每个第一划分段中高于预设频率的频率时长进行确定，当确定时长大于对应第一划分段的时长的一半时，按照第二预设处理方式对相应第一划分段进行第二划分；否则，按照第一预设处理方式对相应第一划分段进行第三划分；其中，所述语音波动周期与第一预处理方式以及第二预处理方式相关。
13.一种基于芯片实现的语音降噪优化装置，包括：场景获取模块，用于获取音频信息的目标场景；噪音信息确定模块，用于确定所述目标场景下的芯片处于降噪工作状态的本身噪音信息以及语音降噪过程中所述音频信息的自带噪音信息；消噪条件预测模块，用于获取所述音频信息中所有语音段的语音情况，并基于语音-条件预测模型，预测得到所述芯片的消噪条件；窗口优化模块，用于根据所述消噪条件对所述音频信息的自适应降噪窗口进行优化；噪声消除模块，用于采用优化后的自适应降噪窗口对所述芯片的本身噪音信息以及自带噪音信息进行噪声消除。
14.一种基于芯片实现的语音降噪优化装置，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上所述方法
的步骤。
15.本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
16.下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
17.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：图1为本发明实施例中一种基于芯片实现的语音降噪优化方法的流程图；图2为本发明实施例中获取所述音频信息中所有语音段的语音情况的工作流程图；图3为本发明实施例中位置关系的结构图。
具体实施方式
18.以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
19.实施例1：本发明提供一种基于芯片实现的语音降噪优化方法，如图1所示，该方法包括：步骤1：获取音频信息的目标场景；步骤2：确定所述目标场景下的芯片处于降噪工作状态的本身噪音信息以及语音降噪过程中所述音频信息的自带噪音信息；步骤3：获取所述音频信息中所有语音段的语音情况，并基于语音-条件预测模型，预测得到所述芯片的消噪条件；步骤4：根据所述消噪条件对所述音频信息的自适应降噪窗口进行优化；步骤5：采用优化后的自适应降噪窗口对所述芯片的本身噪音信息以及自带噪音信息进行噪声消除。
20.该实施例中，目标场景可以是开会、上课、施工场地等，可以进行语音的地方即为对应的场景地方。
21.该实施例中，本身噪音信息可以是芯片在工作状态下所产生的噪音，自带噪音信息可以是语音音频中的噪音。
22.该实施例中，不同目标场景对应的降噪工作是不一样的，比如是上课，本身就是比较安静的环境，因此，可以用低功率的降噪方式进行降噪，采用不同方式进行降噪过程中，对应芯片所产生的噪音信息也是不一样的。
23.该实施例中，自带噪音信息比如是在上课过程中除了接收老师讲解的语音信号之外，可能还会接收到悄悄话的相关语音信号等。
24.该实施例中，语音情况是语音里所包含的语音信息是否为纯静音或有其他语音或噪音的出现。
25.该实施例中，消噪条件是根据语音-条件预测模型来判断芯片在不能按照当前的
降噪模式对语音信号进行完全降噪，那么就会根据语音中本身存在的而一些情况，来获取消噪条件，也就是对未能完全降噪达到理想降噪效果的窗口进行优化，相当于，按照当前芯片可以对声音信号中的噪音从1降噪到0.3，但是采用消噪条件之后，可以在0.3的基础上，继续降噪到0.1，此时，也就是从1降噪到0.2。
26.该实施例中，语音-条件预测模型是预先训练好的，是基于不同的语音情况以及与语音情况匹配的消噪条件为样本训练得到的，且训练样本大于10000。
27.该实施例中，自适应降噪窗口是降噪的一种实现方式，对语音中存在的噪声进行主动降噪。
28.该实施例中，优化是对降噪窗口加以改变或选择使其功能上更优良。
29.上述技术方案的有益效果是：通过获取目标场景下的语音，确定目标场景下的芯片处于降噪工作状态的本身噪音信息以及语音降噪过程中所述音频信息的自带噪音信息，根据消噪条件对自适应降噪窗口进行优化，确定消噪条件，来对降噪窗口进行优化，提高降噪效率。
30.实施例2：本发明提供一种基于芯片实现的语音降噪优化方法，如图2所示，获取所述音频信息中所有语音段的语音情况，包括：s201：按照语音波动周期对所述音频信息进行划分；s202：对每个语音段进行解析剖离，并获取同个语音段包含的所有分离语音层；s203：确定同个语音段对应的每个分离语音层的语音能量，若每个分离语音层的语音能量都为0，判定所述同个语音段为静音段；s204：若存在语音能量不为0的分离语音层，根据层属性，判断对应分离语音层是否为噪声层；s205：若是，按照所述噪声层中每个时刻帧的第一能量向对应时刻帧设置第一标签；s206：否则，按照有效语音层中每个时刻帧的第二能量向对应时刻帧设置第二标签；s207：根据第一标签结果以及第二标签结果，构建每个时刻帧对应的标签组合，并将对应同个语音段拆分为纯语音子段、混合子段以及纯噪声子段。
31.该实施例中，语音波动周期可以是确定音频信息中连续时刻的语音能量低于预设能量的时刻段，来对音频信息进行拆分，且每两个连续时刻的语音能量低于预设能量的时刻段构成一个语音段。
32.该实施例中，分离语音层是将语音段分离成多个语音层，针对每一层进行进行判断语音能量，且对语音段进行分离。
33.该实施例中，层属性可以是纯语音与噪声。
34.该实施例中，语音能量是声音的强弱，用来判断语音段是否为静音段或语音段。
35.该实施例中，设置第一标签与第二标签就是为了确定每个时刻帧的能量情况，进而实现对语音段的合理拆分。
36.上述技术方案的有益效果是：通过对音频信息进行划分，获取语音段包含的所有分离语音层，通过确定每个分离语音层的语音能量，将语音段拆分为静音段、纯语音子段、
混合子段以及纯噪声子段，通过拆分语音段，可以快速判断出每个语音段的语音情况，提高了降噪效率。
37.实施例3：本发明提供一种基于芯片实现的语音降噪优化方法，将对应同个语音段拆分为纯语音子段、混合子段以及纯噪声子段之后，还包括：确定混合子段中对应噪声子层的每个时刻帧的第一能量值，并对第一能量值大于预设能量阈值的时刻帧进行标定；按照标定时刻帧与未标定时刻帧中每个时刻帧的位置关系，对需要归到标定时刻帧中的未标定帧进行再次标定，并得到所述噪声子层的标定噪声帧以及非标定噪声帧，并向所述标定噪声帧设置第二噪声标签，向所述非标定噪声帧设置第三噪声标签；确定混合子段中对应有效语音子层中每个时刻帧的第二能量值，并按照所述第二能量值向对应帧设置有效语音标签；将标签设置结果作为所述混合子段的预测基础。
38.该实施例中，噪声子层中的噪音是存在起伏变化的情况，所以需要进行标定，首先确定每个时刻帧的第一能量值，对第一能量值大于预设值的时刻段进行标定，然后根据噪声源的类型对标定部分的余音再次进行标定，将这些标定噪声帧设置第二噪声标签，向非标定噪声帧设置第三噪声标签。
39.该实施例中，噪声源的类型可以是工业噪声、交通噪声（公路、铁路、飞机）、建筑噪声、社会生活噪声。
40.该实施例中，标签可以是噪声能量和噪声类型综合确定的。
41.该实施例中，如图3所示，a1表示标定时刻帧，a2表示未标定时刻帧，此时，a为对应的位置关系，在确定需要归到标定时刻帧中的未标定帧进行再次标定是因为由于噪声源类型的不一样，会产生一定的噪声余音，那么就需要将这部分噪声余音对应的时刻帧进行标定，来得到噪声子层的标定噪声帧与非标定噪声帧，且噪声余音的标定为a3。
42.上述技术方案的有益效果是：得到混合子段中每个时刻帧的第一能量值，对第一能量值大于预设值的时刻进行标定，得到混合子段中对应有效语音子层中每个时刻帧的第二能量值，并对第二能量值向对应帧设置有效语音标签，能够快速标定出语音子段，噪音子段，为后面对噪音进行降噪提供了基础。
43.实施例4：本发明提供一种基于芯片实现的语音降噪优化方法，按照所述噪声层中每个时刻帧的第一能量向对应时刻帧设置第一标签，包括：获取每个时刻帧的第一能量，同时，确定所述目标场景下的预设能量；根据每个时刻帧的第一能量与预设能量，向对应时刻帧设置第一标签。
44.该实施例中，第一标签表示为能量标签。
45.该实施例中，预设能量是预先根据场景确定好的。
46.上述技术方案的有益效果是：可以对每个时刻帧的能量进行快速划分。为后续进行语音情况的判断奠定了基础。
47.实施例5：本发明提供一种基于芯片实现的语音降噪优化方法，还包括：
采集混合子段的音频数据，从所述音频数据中提取第一音频特征参数，所述第一音频特征参数包括频谱系数和声音强度；将所述第一音频特征参数与对应同个语音段中的纯语音子段的第二音频特征参数进行第一对比，同时，将所述第一音频特征参数与对应同个语音段中的纯噪声子段的第三音频特征参数进行第二对比；根据第一对比结果以及第二对比结果，确定所述混合子段中噪声子层的第四音频特征参数；根据混合子段每一时刻帧的语音特征信息和所述第四音频特征参数，判断对应混合子段的当前信噪比是否符合噪音提取条件；若符合，无需进行后续操作，若不符合，由芯片发出调整当前信噪比的指令，将调整后的目标信噪比作为噪音提取条件参考信噪比。
48.该实施例中，第一对比表示为第一音频特征参数与对应同个语音段中的纯语音子段的第二音频特征参数进行声音强度的直接对比和通过频谱系数构建频谱来进行间接对比。
49.该实施例中，在确定出第一音频特征参数与纯语音子段的第一对比结果以及与噪声子层的第二对比结果，可以有效的确定出噪声子层中存在的参数，第一对比结果就是第一音频特征参数与第二音频特征参数的特征差；第二对比结果就是第一音频特征参数与第三音频特征参数的特征差；且依据两种特征差，来确定存在的第四音频特征参数。
50.该实施例中，混合子段的当前信噪比是该语音段的一个信噪比情况，且通过第四音频特征参数，可以有效判断是否符合噪声提取条件。
51.该实施例中，噪音提取条件表示为当前信噪比是否可以将噪音子层中的噪音信号进行绝大部分提取。
52.该实施例中，调整当前信噪比的指令指的对信噪比进行调节，提高降噪有效性。
53.上述技术方案的有益效果为：通过获取混合子段中噪音子层的音频特征参数进而判断当前信噪比是否符合噪音提取条件，可以保证后续提取噪音更加精准和完整，避免噪音提取遗漏情况的发生，为后续降噪奠定了条件，提高了降噪稳定性和精度。
54.实施例6：本发明提供一种基于芯片实现的语音降噪优化方法，从所述音频数据中提取第一音频特征参数，包括：获取所述音频数据对应的第一频谱形状；根据所述目标场景中所设置的设备构造，确定目标设备在采集所述音频数据过程中的声音吸收系数；基于所述声音吸收系数对所述第一频谱形状进行调整，得到第二频谱形状；检测所述第二频谱形状中每个时刻帧的瞬态状况，并获取瞬态值大于第一预设阈值的第一帧以及瞬态值小于第二预设阈值的第二帧；确定除去第一帧的第三频谱形状与第二频谱形状的第一相关系数；确定除去第二帧的第四频谱形状与第二频谱形状的第二相关系数；确定除去第一帧和第二帧的第五频谱形状与第二频谱形状的第三相关系数；基于所述第一相关系数、第二相关系数以及第三相关系数，获取最后保留的频谱
形状；按照所述最后保留的频谱形状的频谱参数内容，获取得到对应音频数据的频谱系数。
55.该实施例中，第一频谱形状是通过频谱仪直接得到音频数据的频谱形状；该实施例中，声音吸收系数是表示目标场景中所设置的设备构造吸收声音的量，不同材料设备具有不同的吸声能力。
56.该实施例中，调整是对频谱形状进行整体的放大或缩小，又或者是对其中某些帧进行放大或缩小；该实施例中，第二频谱形状是放大或缩小后的第一频谱形状；该实施例中，瞬态状况是分析设备在极短时间内的工作状况，比如获取频谱形状每个时刻帧的瞬态值。
57.该实施例中，第一预设阈值是300；该实施例中，第二预设阈值是150；该实施例中，第一相关系数是第三频谱形状波形与第二频谱形状波形的相关系数，第二相关系数是第四频谱形状波形与第二频谱形状波形的相关系数，第三相关系数是第五频谱形状波形与第二频谱形状波形的相关系数。
58.该实施例中，最后保留的频谱形状是基于第一相关系数、第二相关系数、第三相关系数来确定需要保留的频谱形状，来形成最后的频谱形状；该实施例中，频谱参数内容是最后保留的频谱形状的频谱系数。
59.上述技术方案的有益效果为：通过获取除去瞬态值大于第一预设阈值的第一帧以及瞬态值小于第二预设阈值的第二帧的音频数据的频谱形状，得到对应音频的频谱系数，能够提高频谱系数的准确性，为后续的噪音提取条件打好了基础，使后面得到的参考噪音比更有参考性。
60.实施例7：本发明提供一种基于芯片实现的语音降噪优化方法，根据所述消噪条件对所述音频信息的自适应降噪窗口进行优化，包括：捕捉所述自适应降噪窗口进行降噪工作过程中的降噪工作日志，并对所述降噪工作日志进行时间与降噪的同步分析，确定降噪时间段；根据每个降噪时间段的参考降噪参数分析是否存在冲突情况；若存在，确定对应降噪时间段涉及的冲突参数，并构建冲突组；根据降噪精度要求，将每个参考降噪参数对应的降噪参数偏置范围进行若干次划分，并基于范围-值映射表，向每个划分范围指定特征值；根据预测的消噪条件，确定每个语音段的附加降噪参数，同时，将每个语音段与对应的冲突组进行匹配，并按照附加降噪参数对对应冲突组进行优化；将每个优化后的冲突组分别与所有指定的特征值依次进行匹配比较，获取评估结果；若所述评估结果满足消噪优化标准，则保持附加降噪参数不变，实现对自适应降噪窗口的优化；否则，按照消噪优化标准对所述附加降噪参数进行优化，进而实现对自适应降噪
窗口的优化。
61.该实施例中，降噪时间段通过降噪工作日志来确定哪些部分是需要降噪来确定的；该实施例中，冲突情况降噪过程中的实际降噪参数的参数异常情况，也就是相比较参考降噪参数的差异。
62.该实施例中，冲突参数是降噪时间段的降噪参数与参考降噪参数的差值超过预设值的参数；该实施例中，冲突组是参考降噪参数与对应时间段的降噪参数相冲突的一组数据。
63.该实施例中，范围-值映射表偏置范围和特征值的映射表；该实施例中，附加降噪参数是除参考降噪参数以外的根据消噪条件确定的降噪参数，能够对冲突组冲突的降噪参数进行优化，确定最终的降噪参数，比如，附加降噪参数是将降噪窗口缩小的参数。
64.该实施例中，评估结果也就是指的匹配度，匹配度越高的情况下，也是能满足消噪优化条件，且消噪优化条件是预设优化后的参考值，是为了判断优化后的冲突组是否合格。
65.该实施例中，对所述附加降噪参数进行优化是对降噪参数值进行调整。
66.上述技术方案的有益效果为：将优化后的冲突组与每个降噪时间段的参考降噪参数划分后的范围指定特征值进行匹配比较，获取评估结果，实现对自适应降噪窗口的优化，将优化后的窗口用到降噪过程中，能够更匹配降噪过程，提高降噪效果和效率。
67.实施例8：本发明提供一种基于芯片实现的语音降噪优化方法，按照语音波动周期对所述音频信息进行划分，包括：将所述音频信息转化为波形图，并根据所述波形图确定音频信息的频率波动情况；确定所述音频信息的频率波动情况频率波动小于预设波动，且频率波动持续时长大于预设持续时长的划分时刻段，将所述划分时刻段的初始点以及末尾点作为第一划分点对所述音频信息进行第一划分；对每个第一划分段中高于预设频率的频率时长进行确定，当确定时长大于对应第一划分段的时长的一半时，按照第二预设处理方式对相应第一划分段进行第二划分；否则，按照第一预设处理方式对相应第一划分段进行第三划分；其中，所述语音波动周期与第一预处理方式以及第二预处理方式相关。
68.该实施例中，频率波动情况是由于所述音频信息里的声音强度、声音高度不同，所以频率波动会有起伏变化的情况。
69.该实施例中，第一预设处理方式是当频率波动持续时长大于预设持续时长的划分时刻段时，对时刻段进行第一间隔帧划分。
70.该实施例中，预设波动是大于50hz小于500hz的频率波动；该实施例中，预设持续时长可以为3秒；该实施例中，第二预设处理方式是对频率时长进行确定，对时刻段进行第二间隔帧划分。
71.上述技术方案的有益效果为：根据音频信息的频率波动情况对所述音频信息进行划分，能够将语音按类进行划分处理，为后面解析剖离语音段提供了便捷，使后续工作效率得到提升。
72.实施例9：一种基于芯片实现的语音降噪优化装置，包括：场景获取模块，用于获取音频信息的目标场景；噪音信息确定模块，用于确定所述目标场景下的芯片处于降噪工作状态的本身噪音信息以及语音降噪过程中所述音频信息的自带噪音信息；消噪条件预测模块，用于获取所述音频信息中所有语音段的语音情况，并基于语音-条件预测模型，预测得到所述芯片的消噪条件；窗口优化模块，用于根据所述消噪条件对所述音频信息的自适应降噪窗口进行优化；噪声消除模块，用于采用优化后的自适应降噪窗口对所述芯片的本身噪音信息以及自带噪音信息进行噪声消除。
73.实施例10：一种基于芯片实现的语音降噪优化装置，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：步骤1：获取音频信息的目标场景；步骤2：确定所述目标场景下的芯片处于降噪工作状态的本身噪音信息以及语音降噪过程中所述音频信息的自带噪音信息；步骤3：获取所述音频信息中所有语音段的语音情况，并基于语音-条件预测模型，预测得到所述芯片的消噪条件；步骤4：根据所述消噪条件对所述音频信息的自适应降噪窗口进行优化；步骤5：采用优化后的自适应降噪窗口对所述芯片的本身噪音信息以及自带噪音信息进行噪声消除。
74.显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。