CN111741406B - 音频信号调整方法、装置、计算机设备及存储介质 - Google Patents

Abstract

本发明实施例公开了一种音频信号调整方法，通过获取待输入微型扬声器的激励信号，并预测激励信号输入微型扬声器产生的振膜振幅；判断振膜振幅是否超过预设振幅阈值；当振膜振幅超过预设振幅阈值时，根据振膜振幅和预设振幅阈值，确定激励信号的振膜振幅降低至小于预设振幅阈值时的目标调整增益；利用均衡器算法按照目标调整增益对激励信号进行调整，得到目标音频信号，避免了目标音频信号中出现气流杂音，且能够最大程度的避免忽大忽小的现象被主观感知到，提高了音频信号调整的自由度和音频信号调整效果和效率。此外，还提出一种音频信号调整装置、计算机设备及存储介质。

Description

音频信号调整方法、装置、计算机设备及存储介质

【技术领域】

本发明涉及计算机技术领域，尤其涉及一种音频信号调整方法、装置、计算机设备及存储介质。

【背景技术】

微型扬声器腔体内部结构复杂、空间狭小，振膜振动造成的气流湍流在某些频率下导致“沙沙”、“嘶嘶”的噪声，这种情况在大电压下播放音乐时显得尤为严重。

目前常用的音频信号调整方法，一方面是通过对扬声器腔体结构或内部材质进行改进部分解决，但这种方法工艺成本较高、周期较长，且通用性受到限制。另一方面是采用动态范围压缩技术来控制激励电压，避免过高电压值下出现气流杂音。但这种方法容易导致声音忽大忽小，影响听觉感受。鉴于此，亟需提供一种新的音频信号调整方法。

【发明内容】

有鉴于此，本发明提供了一种音频信号调整方法、装置、计算机设备及存储介质，用于解决现有技术中音频信号调整效果不佳以及调整自由度不高的问题。

本发明实施例的具体技术方案为：

第一方面，本发明实施例提供一种音频信号调整方法，微型扬声器，包括：

获取待输入所述微型扬声器的激励信号，并预测所述激励信号输入所述微型扬声器产生的振膜振幅；

判断所述振膜振幅是否超过预设振幅阈值；

当所述振膜振幅超过预设振幅阈值时，根据所述振膜振幅和所述预设振幅阈值，确定所述激励信号的振膜振幅降低至小于所述预设振幅阈值时的目标调整增益；

利用均衡器算法按照所述目标调整增益对所述激励信号进行调整，得到目标音频信号。

第二方面，本发明实施例还提供一种音频信号调整装置，所述装置包括：

振幅预测模块，用于获取待输入所述微型扬声器的激励信号，并预测所述激励信号输入所述微型扬声器产生的振膜振幅；

判断模块，用于判断所述振膜振幅是否超过预设振幅阈值；

增益确定模块，用于当所述振膜振幅超过预设振幅阈值时，根据所述振膜振幅和所述预设振幅阈值，确定所述激励信号的振膜振幅降低至小于所述预设振幅阈值时的目标调整增益；

信号调整模块，用于利用均衡器算法按照所述目标调整增益对所述激励信号进行调整，得到目标音频信号。

第三方面，本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述音频信号调整方法的步骤。

第四方面，本发明实施例还提供一种计算机可读存储介质，包括计算机指令，当所述计算机指令在计算机上运行时，使得计算机执行如上所述音频信号调整方法的步骤。

实施本发明实施例，将具有如下有益效果：

采用了上述音频信号调整方法、装置、计算机设备及存储介质之后，激励信号获取待输入微型扬声器中的激励信号，并计算所述激励信号的振膜振幅；判断所述振膜振幅是否超过预设振幅阈值；当所述振膜振幅超过预设振幅阈值时，激励信号则根据所述振膜振幅和所述预设振幅阈值确定所述激励信号的目标调整增益；利用均衡器算法按照所述目标调整增益对所述激励信号进行调整，得到目标音频信号。通过采用动态均衡器算法实现了对音频信号的调整，并且在调整音频信号时，由于只针对会产生气流噪声的窄频段的音频信号进行处理，对总体音量影响有限，从而最大程度的避免忽大忽小的现象被主观感知到，同时，由于根据预设阈值确定是否进行音频信号调整，提高了音频信号调整的自由度。

【附图说明】

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

其中：

图1为一个实施例中所述音频信号调整方法的流程示意图；

图2为一个实施例中所述振膜振幅预测方法的流程示意图；

图3为另一个实施例中所述振膜振幅预测方法的流程示意图；

图4为一个实施例中所述目标调整增益确定方法的流程示意图；

图5为另一个实施例中所述目标调整增益确定方法的流程示意图；

图6为另一个实施例中所述音频信号调整方法的流程示意图；

图7为一个实施例中所述音频信号调整装置的结构示意图；

图8为一个实施例中运行上述音频信号调整方法的计算机设备的内部结构示意图。

【具体实施方式】

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为解决传统技术中采用对扬声器腔体结构或内部材质进行改进，或者动态范围压缩技术来控制激励电压，避免过高电压值下出现气流杂音，产生的音频信号调整不佳，且提纵横自由度不高的为问题。

基于上述问题，在本实施例中，特提出了一种音频信号调整方法。该方法的实现可依赖于计算机程序，该计算机程序可运行于基于冯诺依曼体系的计算机***之上。

如图1所示，本实施例提供的音频信号调整方法，应用于微型扬声器，该音频信号调整方法具体包括以下步骤：

步骤102：获取待输入微型扬声器的激励信号，并预测激励信号输入微型扬声器产生的振膜振幅。

其中，激励信号是指信号激励源即测试时播放的音乐文件(比如歌曲)，播放出来的音频信号被麦克风录下来的音频信号对应的输入信号。具体地，可以预先从服务器中确定信号激励源，通过模拟信号激励源输入至微型扬声器中产生的音频信号作为激励信号。振膜振幅是用于反映激励信号产生气流杂音强度的指标数据，振膜振幅越大，则激励信号产生气流杂音强度的越大。具体地，可以通过扬声器模型预测激励信号输入微型扬声器产生的振膜振幅，也可以通过基于机器学习的预测模型预测激励信号输入微型扬声器产生的振膜振幅。

步骤104：判断振膜振幅是否超过预设振幅阈值。

其中，预设振幅阈值是指预先设定的用于判断是否产生气流杂音的激励信号的振膜振幅的临界值。具体地，该预设振幅阈值可以通过听音测试结合实验测量来确定，即将听音感受到气流噪声的最低振膜振幅设为该预设振幅阈值，也可以通过大规模测试，由指机器学习算法，如隐马尔科夫模型、神经网络等确定不同频率、不同振膜振幅下出现气流噪声概率，根据出现气流噪声的概率动态改变振幅阈值，将概率超过特定值时的振膜振幅设为振幅阈值，示例性地，概率值取75％，按照概率设置预设振幅阈值的情况下，概率越大，出现气流噪声的风险越大，当把预设振幅阈值设的越小，越能提高对气流噪声预测的准确性。

值得说明的是，作为本实施例中的优选，可以根据出现气流噪声的概率动态改变振幅阈值，从而能够动态地进行后续动态音频信号地调整，提高音频信号调整的准确性和自由度。

步骤106：当振膜振幅超过预设振幅阈值时，根据振膜振幅和预设振幅阈值，确定激励信号的振膜振幅降低至小于预设振幅阈值时的目标调整增益。

其中，目标调整增益是指将激励信号的振膜振幅降低至小于预设振幅阈值时，振膜振幅需要的放大倍数，例如，当激励信号的振膜振幅为A，将激励信号对应的理想振膜振幅为a，则此时的目标调整增益为a/A。可以理解地，由于在振膜振幅超过预设振幅阈值时，将该激励信号输入至微型扬声器时，会出现气流杂音，因此，为了避免气流杂音的出现，需要将激励信号的振膜振幅降低至小于预设振幅阈值，因此，需要确定对应的目标调整增益，以便在微型扬声器播放该激励信号之前，确定激励信号的振膜振幅进行准确的调整，进而避免气流杂音出现。

步骤108：利用均衡器算法按照目标调整增益对激励信号进行调整，得到目标音频信号。

其中，均衡器(Equalizer)算法是一种通过对频域进行频带划分(如划分为5,10,12,15个频带)并对不同的频带施加相应的增益，从而改变原始数据频域能量分布，达到改变主观听感的作用的音频信号处理方法。目标音频信号是指在听感上几乎感受不到气流杂音的音频信号。考虑到实时处理特性，避免FFT(快速傅立叶变换的算法)切换到频域处理，采用时域滤波的方式，因此，本实施例中的均衡器为参数均衡器和时域均衡器。具体地，均衡器在20～20K Hz频率范围内分割为5,10,15,20或30个频带，并对该频带施加与目标调整增益对应大小的增益，实现对激励信号得调整，将调整后的激励信号输入至微型扬声器，通过微型扬声器播放目标音频信号。

进一步地，本实施例中，由于只对振膜振幅超过预设振幅阈值的激励信号的振膜振幅进行调整，对于小于或者等于振膜振幅超过预设振幅阈值的激励信号的振膜振幅不做调整，即只针对会产生气流噪声的窄频段的激励信号进行处理，对总体音量影响有限，因此，可以最大程度的避免忽大忽小的现象被主观感知到。提高了音频信号调整效果和效率。并且由于本实施例中的预设振膜振幅是动态确定的，进而对激励信号的调整也是通过动态均衡器进行动态调整，得到目标音频信号，从而提高了音频信号调整的自由度。

上述音频信号调整方法，获取待输入微型扬声器的激励信号，并预测激励信号输入微型扬声器产生的振膜振幅；判断振膜振幅是否超过预设振幅阈值；当振膜振幅超过预设振幅阈值时，根据振膜振幅和预设振幅阈值，确定激励信号的振膜振幅降低至小于预设振幅阈值时的目标调整增益；利用均衡器算法按照目标调整增益对激励信号进行调整，得到目标音频信号，避免了目标音频信号中出现气流杂音，通过采用动态均衡器算法实现了对音频信号的调整，并且在调整音频信号时，由于只针对会产生气流噪声的窄频段的音频信号进行处理，对总体音量影响有限，从而最大程度的避免忽大忽小的现象被主观感知到，同时，由于根据预设阈值确定是否进行音频信号调整，提高了音频信号调整的自由度和音频信号调整效果及效率。

如图2所示，在一个实施例中，预测激励信号输入微型扬声器产生的振膜振幅，包括：

步骤102A：提取激励信号的音频参数；

步骤102B：将音频参数输入到预设的扬声器模型中进行预测，得到振膜振幅。

其中，音频参数是指激励信号中与振膜振幅相关的信号参数，如频率、振膜速度或者振膜加速度等，具体地，可以通过信号源及信号分析***提取激励信号的音频参数。然后，将音频参数输入到预设的扬声器模型中，通过预设的扬声器模型对音频参数直接计算，振膜振幅。可以理解地，通过采用预设的扬声器模型，方便快速地预测了激励信号的振膜振幅。

如图3所示，在一个实施例中，预测激励信号输入微型扬声器产生的振膜振幅，包括：

步骤102C：提取激励信号的音频参数；

步骤102D：通过预设的基于机器学习算法训练得到的振幅预测模型并根据音频参数，得到振膜振幅。

在这个实施例中，音频参数与步骤102A中的音频参数一致，此处还不再赘述。振幅预测模型是基于预置的机器学习算法，如隐马尔科夫模型、神经网络等，该算法建立了音频参数与振膜振幅大小之间的关系，将音频参数作为振幅预测模型的输入，该振幅预测模型输出即为激励信号的振膜振幅。

如图4所示，在一个实施例中，根据振膜振幅和预设振幅阈值，确定激励信号的振膜振幅降低至小于预设振幅阈值时的目标调整增益，包括：

步骤106A：根据振膜振幅和预设振幅阈值确定目标振幅，目标振幅小于预设振幅阈值；

步骤106B：通过预设的扬声器模型中内置的增益曲线确定与目标振幅对应的目标调整增益。

其中，目标振幅是指能够避免气流杂音出现的激励信号的振膜振幅，且该目标振幅小于预设振幅阈值。具体地，可以预先根据激励信号的振膜振幅确定对应的修正值，然后将预设振幅阈值与该修正值的差值确定为目标振幅。预设的扬声器模型中内置的增益曲线是指预先设置的用于描述振膜振幅与增益之间关系变化的曲线。在该增益曲线中，查找目标振幅对应的增益即为目标调整增益。

如图5所示，在一个实施例中，根据振膜振幅和预设振幅阈值，确定激励信号的振膜振幅降低至小于预设振幅阈值时的目标调整增益，包括：

步骤106C：根据振膜振幅和预设振幅阈值确定目标振幅，目标振幅小于预设振幅阈值；

步骤106D：通过预设的基于机器学习的增益计算模型并根据目标振幅计算得到目标调整增益。

本实施例中的目标振幅与步骤106A步骤中目标振幅一致，此处不再赘述。增益计算模型是基于预置的机器学习算法，如隐马尔科夫模型、神经网络等，该算法建立了增益与振膜振幅大小之间的关系，将目标振幅作为增益计算模型的输入，该增益计算模型输出即为目标调整增益。

如图6所示，在一个实施例中，利用均衡器算法按照目标调整增益对激励信号进行调整，得到目标音频信号，包括：

步骤108A：获取均衡器算法中包含的多个滤波器及相应的频率和能量；

步骤108B：根据每个滤波器级频率和能量，以及目标调整增益，计算每个滤波器的品质因数；

步骤108C：根据每个滤波器的品质因数，对激励信号进行滤波处理，得到目标音频信。

其中，品质因数是指截止频率对应处的增益的模与通带增益的模的比值，用于反映低通滤波器在截止频率处幅频特性的形状。品质因数越大，滤波频带越窄，在频带内的滤波效果就越好。具体地，根据每个滤波器级频率和能量，以及目标调整增益，计算每个滤波器的品质因数，其计算过程可以通过内置算法，形式如Q＝f(频率，能量、增益)的函数，其中，Q表示品质因数，f为内置算算法的函数名，该动态确定Q的内置算法是基于扬声器模型的算法或基于统计模型的算法。根据频率、能量和增益，可以计算出对应的品质因数，根据每个滤波器的品质因数，对激励信号进行滤波处理，得到目标音频信，实现了对激励信号中会产生气流噪声的窄频段的激励信号进行滤波处理，进而实现音频信号的调整，且对总体音量影响有限，最大程度的避免音频信号忽大忽小的现象被主观感知到，提高了音频信号调整的效果和效率。且由于根据每个滤波器的品质因数，对激励信号进行了动态滤波处理，提高了对音频信号调整的自由度。

在一个实施例中，滤波器为IIR滤波器或FIR滤波器。

其中，IIR滤波器为无限冲激响应滤波器，FIR滤波器为有限冲激响应滤波器。通过滤波器为IIR滤波器或FIR滤波器对激励信号进行处理，可以得到激励信号的时域特征，从而提高了对音频信号调整的实时性。

值得说明的是，本实施例中的滤波器阶数不超过6阶，从而在保证调节效果的基础上节省成本。

基于同一发明构思，本发明实施例提供一种音频信号调整装置700，如图7所示，包括：振幅预测模块702，用于获取待输入所述微型扬声器的激励信号，并预测所述激励信号输入所述微型扬声器产生的振膜振幅；判断模块704，用于判断所述振膜振幅是否超过预设振幅阈值；增益确定模块706，用于当所述振膜振幅超过预设振幅阈值时，根据所述振膜振幅和所述预设振幅阈值，确定所述激励信号的振膜振幅降低至小于所述预设振幅阈值时的目标调整增益；信号调整模块708，用于利用均衡器算法按照所述目标调整增益对所述激励信号进行调整，得到目标音频信号。

具体地，本实施例的音频信号调整装置700，如图7所示，包括：振幅预测模块702，用于获取待输入所述微型扬声器的激励信号，并预测所述激励信号输入所述微型扬声器产生的振膜振幅；判断模块704，用于判断所述振膜振幅是否超过预设振幅阈值；增益确定模块706，用于当所述振膜振幅超过预设振幅阈值时，根据所述振膜振幅和所述预设振幅阈值，确定所述激励信号的振膜振幅降低至小于所述预设振幅阈值时的目标调整增益；信号调整模块708，用于利用均衡器算法按照所述目标调整增益对所述激励信号进行调整，得到目标音频信号。由于只针对会产生气流噪声的窄频段的音频信号进行处理，对总体音量影响有限，从而最大程度的避免忽大忽小的现象被主观感知到，同时，由于根据预设阈值确定是否进行音频信号调整，提高了音频信号调整的自由度和音频信号调整效果及效率。

需要说明的是，本实施例中音频信号调整的装置的实现与上述音频信号调整的方法的实现思想一致，其实现原理在此不再进行赘述，可具体参阅上述方法中对应内容。

图8示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是服务器，也可以是终端。如图8所示，该计算机设备800包括通过***总线连接的处理器810、存储器820和网络接口830。其中，存储器820包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作***，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现音频信号调整的方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行音频信号调整的方法。本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图8中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，本申请提供的音频信号调整的方法可以实现为一种计算机程序的形式，计算机程序可在如图8所示的计算机设备上运行。计算机设备的存储器中可存储组成所述音频信号调整的装置的各个程序模块。比如，振幅预测模块702，判断模块704，增益确定模块706，信号调整模块708。

一种计算机设备，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以下步骤：获取待输入所述微型扬声器的激励信号，并预测所述激励信号输入所述微型扬声器产生的振膜振幅；判断所述振膜振幅是否超过预设振幅阈值；当所述振膜振幅超过预设振幅阈值时，根据所述振膜振幅和所述预设振幅阈值，确定所述激励信号的振膜振幅降低至小于所述预设振幅阈值时的目标调整增益；利用均衡器算法按照所述目标调整增益对所述激励信号进行调整，得到目标音频信号。

在一个实施例中，预测所述激励信号输入所述微型扬声器产生的振膜振幅，包括：提取所述激励信号的音频参数；将所述音频参数输入到预设的扬声器模型中进行预测，得到所述振膜振幅。

在一个实施例中，预测所述激励信号输入所述微型扬声器产生的振膜振幅，包括：提取所述激励信号的音频参数；通过预设的基于机器学习算法训练得到的振幅预测模型并根据所述音频参数，得到所述振膜振幅。

在一个实施例中，根据所述振膜振幅和所述预设振幅阈值，确定所述激励信号的振膜振幅降低至小于所述预设振幅阈值时的目标调整增益，包括：根据所述振膜振幅和所述预设振幅阈值确定目标振幅，所述目标振幅小于所述预设振幅阈值；通过预设的扬声器模型中内置的增益曲线确定与所述目标振幅对应的所述目标调整增益。

在一个实施例中，根据所述振膜振幅和所述预设振幅阈值，确定所述激励信号的振膜振幅降低至小于所述预设振幅阈值时的目标调整增益，包括：根据所述振膜振幅和所述预设振幅阈值确定目标振幅，所述目标振幅小于所述预设振幅阈值；通过预设的基于机器学习的增益计算模型并根据所述目标振幅计算得到所述目标调整增益。

在一个实施例中，利用均衡器算法按照所述目标调整增益对所述激励信号进行调整，得到目标音频信号，包括：获取所述均衡器算法中包含的多个滤波器及相应的频率和能量；根据每个滤波器级频率和能量，以及所述目标调整增益，计算每个滤波器的品质因数；根据每个滤波器的品质因数，对所述激励信号进行滤波处理，得到目标音频信。

在一个实施例中，滤波器为IIR滤波器或FIR滤波器。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如下步骤：获取待输入所述微型扬声器的激励信号，并预测所述激励信号输入所述微型扬声器产生的振膜振幅；判断所述振膜振幅是否超过预设振幅阈值；当所述振膜振幅超过预设振幅阈值时，根据所述振膜振幅和所述预设振幅阈值，确定所述激励信号的振膜振幅降低至小于所述预设振幅阈值时的目标调整增益；利用均衡器算法按照所述目标调整增益对所述激励信号进行调整，得到目标音频信号。

在一个实施例中，预测所述激励信号输入所述微型扬声器产生的振膜振幅，包括：提取所述激励信号的音频参数；将所述音频参数输入到预设的扬声器模型中进行预测，得到所述振膜振幅。

在一个实施例中，预测所述激励信号输入所述微型扬声器产生的振膜振幅，包括：提取所述激励信号的音频参数；通过预设的基于机器学习算法训练得到的振幅预测模型并根据所述音频参数，得到所述振膜振幅。

在一个实施例中，根据所述振膜振幅和所述预设振幅阈值，确定所述激励信号的振膜振幅降低至小于所述预设振幅阈值时的目标调整增益，包括：根据所述振膜振幅和所述预设振幅阈值确定目标振幅，所述目标振幅小于所述预设振幅阈值；通过预设的扬声器模型中内置的增益曲线确定与所述目标振幅对应的所述目标调整增益。

在一个实施例中，根据所述振膜振幅和所述预设振幅阈值，确定所述激励信号的振膜振幅降低至小于所述预设振幅阈值时的目标调整增益，包括：根据所述振膜振幅和所述预设振幅阈值确定目标振幅，所述目标振幅小于所述预设振幅阈值；通过预设的基于机器学习的增益计算模型并根据所述目标振幅计算得到所述目标调整增益。

在一个实施例中，利用均衡器算法按照所述目标调整增益对所述激励信号进行调整，得到目标音频信号，包括：获取所述均衡器算法中包含的多个滤波器及相应的频率和能量；根据每个滤波器级频率和能量，以及所述目标调整增益，计算每个滤波器的品质因数；根据每个滤波器的品质因数，对所述激励信号进行滤波处理，得到目标音频信。

在一个实施例中，滤波器为IIR滤波器或FIR滤波器。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (9)

1.一种音频信号调整方法，其特征在于，应用于微型扬声器，所述方法包括：

获取待输入所述微型扬声器的激励信号，并预测所述激励信号输入所述微型扬声器产生的振膜振幅；

判断所述振膜振幅是否超过预设振幅阈值，其中，预设振幅阈值是指预先设定的用于判断是否产生气流杂音的激励信号的振膜振幅的临界值，所述预设振幅阈值根据出现气流噪声的概率动态调整，从而动态地进行后续动态音频信号的调整；

当所述振膜振幅超过预设振幅阈值时，根据所述振膜振幅和所述预设振幅阈值，确定所述激励信号的振膜振幅降低至小于所述预设振幅阈值时的目标调整增益；

利用均衡器算法按照所述目标调整增益对所述激励信号进行调整，得到目标音频信号，包括：获取所述均衡器算法中包含的多个滤波器及相应的频率和能量；根据每个滤波器的频率和能量，以及所述目标调整增益，计算每个滤波器的品质因数；根据每个滤波器的品质因数，对所述激励信号进行滤波处理，得到目标音频信号；

其中，均衡器在20~20k Hz频率范围内分割为5, 10, 15, 20或30个频带。

2.如权利要求1所述音频信号调整方法，其特征在于，所述预测所述激励信号输入所述微型扬声器产生的振膜振幅，包括：

提取所述激励信号的音频参数；

将所述音频参数输入到预设的扬声器模型中进行预测，得到所述振膜振幅。

3.如权利要求1所述音频信号调整方法，其特征在于，所述预测所述激励信号输入所述微型扬声器产生的振膜振幅，包括：

提取所述激励信号的音频参数；

通过预设的基于机器学习算法训练得到的振幅预测模型并根据所述音频参数，得到所述振膜振幅。

4.如权利要求1所述音频信号调整方法，其特征在于，所述根据所述振膜振幅和所述预设振幅阈值，确定所述激励信号的振膜振幅降低至小于所述预设振幅阈值时的目标调整增益，包括：

根据所述振膜振幅和所述预设振幅阈值确定目标振幅，所述目标振幅小于所述预设振幅阈值；

通过预设的扬声器模型中内置的增益曲线确定与所述目标振幅对应的所述目标调整增益。

5.如权利要求1所述音频信号调整方法，其特征在于，所述根据所述振膜振幅和所述预设振幅阈值，确定所述激励信号的振膜振幅降低至小于所述预设振幅阈值时的目标调整增益，包括：

根据所述振膜振幅和所述预设振幅阈值确定目标振幅，所述目标振幅小于所述预设振幅阈值；

通过预设的基于机器学习的增益计算模型并根据所述目标振幅计算得到所述目标调整增益。

6.如权利要求1所述音频信号调整方法，其特征在于，所述滤波器为IIR滤波器或FIR滤波器。

7.一种音频信号调整装置，其特征在于，所述装置包括：

振幅预测模块，用于获取待输入微型扬声器的激励信号，并预测所述激励信号输入所述微型扬声器产生的振膜振幅；

判断模块，用于判断所述振膜振幅是否超过预设振幅阈值，其中，预设振幅阈值是指预先设定的用于判断是否产生气流杂音的激励信号的振膜振幅的临界值，所述预设振幅阈值根据出现气流噪声的概率动态调整，从而动态地进行后续动态音频信号的调整；

增益确定模块，用于当所述振膜振幅超过预设振幅阈值时，根据所述振膜振幅和所述预设振幅阈值，确定所述激励信号的振膜振幅降低至小于所述预设振幅阈值时的目标调整增益；

信号调整模块，用于利用均衡器算法按照所述目标调整增益对所述激励信号进行调整，得到目标音频信号，包括：获取所述均衡器算法中包含的多个滤波器及相应的频率和能量；根据每个滤波器级频率和能量，以及所述目标调整增益，计算每个滤波器的品质因数；根据每个滤波器的品质因数，对所述激励信号进行滤波处理，得到目标音频信号；其中，均衡器在20~20k Hz频率范围内分割为5, 10, 15, 20或30个频带。

8.一种计算机设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述音频信号调整方法的步骤。

9.一种计算机可读存储介质，其特征在于，包括计算机指令，当所述计算机指令在计算机上运行时，使得计算机执行如权利要求1至6中任一项所述的音频信号调整方法的步骤。

Images