CN111988704B - 声音信号处理方法、装置以及存储介质 - Google Patents

Abstract

本公开是关于一种声音信号处理方法、装置以及存储介质，属于终端技术领域。所述方法可以通过对本端的声音信号进行信号分离，以得到能够代表本端环境噪音的噪音信号，并通过信号分离以得到通话对端的人声信号，以便可以基于该噪音信号和人声信号的实际情况，自适应地调整放大处理时所应用的增益参数，从而使得本端用户可以通过受话器收听到较高质量的人声信号，能够提高人声信号的清晰度，也即提高了通话质量。

Description

声音信号处理方法、装置以及存储介质

技术领域

本公开涉及终端技术领域，特别涉及一种声音信号处理方法、装置以及存储介质。

背景技术

随着终端技术的发展，人们对移动终端的要求越来越高，尤其是对于移动终端的基本功能也即是通话功能来说，如何提高通话质量是提高移动终端性能的一个重要研究方向。

目前，一些移动终端采用了双麦克风降噪技术来提高通话质量，该双麦克风降噪技术是指：在移动终端除了底部的通话麦克风外，还在顶部开设一个用于收集周围环境噪音的小孔，作为移动终端的第二个麦克风，从而可以通过底部和顶部的麦克风来同时收集信号，对于通话麦克风来说，由于人在说话的时候，其嘴部会更靠近该底部的通话麦克风，则该通话麦克风会接收到较大的人声信号以及环境噪音信号，而顶部的麦克风会接收到较小的人声信号以及环境噪音信号。这两路信号会同时输入话筒处理器，话筒处理器内的差分放大器会把两路信号相减后再放大，这样环境噪音信号就被有效地消除掉了，同时人声信号的清晰度会被大大提高。

然而，上述双麦克风降噪技术在应用时，一旦人嘴距离通话麦克风有一定距离，就会造成采集的人声信号和环境噪音信号大小相差不大的情况，从而在后续处理后，不仅不能够提高人声信号的清晰度，还可能由于错误的信号相减，造成降低通话质量的情形。

发明内容

本公开提供一种声音信号处理方法、装置以及存储介质，能够提高人声信号的清晰度，以提高通话质量。

根据本公开提供的一方面，提供了一种声音信号处理方法，应用于第一终端，所述方法包括：

在与第二终端的通话过程中，对所述第一终端的麦克风所采集的第一声音信号进行信号分离，得到所述第一声音信号的噪音信号；

当接收到所述第二终端发送的第二声音信号时，对所述第二声音信号进行信号分离，得到所述第二声音信号的人声信号；

根据所述第一声音信号的噪音信号、所述第二声音信号的人声信号和目标音量，确定目标增益参数；

按照所述目标增益参数对所述第二声音信号的人声信号进行放大处理。

在一种可能实现方式中，所述对所述第一终端的麦克风所采集的第一声音信号进行信号分离，得到所述第一声音信号的噪音信号包括：

将所述第一声音信号输入信号分离模型，通过所述信号分离模型根据人声信号的声音特征和噪音信号的声音特征，识别出所述第一声音信号中的噪音信号；

所述对所述第二声音信号进行信号分离，得到所述第二声音信号的人声信号包括：

将所述第二声音信号输入所述信号分离模型，通过所述信号分离模型根据人声信号的声音特征和噪音信号的声音特征，识别出所述第二声音信号中的人声信号。

在一种可能实现方式中，所述根据所述第一声音信号的噪音信号、所述第二声音信号的人声信号和目标音量，确定目标增益参数包括：

确定所述第二声音信号的人声信号与所述第一声音信号的噪音信号之间的第一音量差；

确定所述目标音量和所述第一音量差之间的第二音量差；

根据所述第二音量差，确定所述目标增益参数。

在一种可能实现方式中，所述确定所述第二声音信号的人声信号与所述第一声音信号的噪音信号之间的第一音量差包括：

确定所述第一声音信号的噪音信号在第一时间段内的第一平均音量；

确定所述第二声音信号的人声信号在所述第一时间段内的第二平均音量；

将所述第一平均音量和所述第二平均音量之间的音量差作为所述第一音量差。

在一种可能实现方式中，所述确定所述第二声音信号的人声信号与所述第一声音信号的噪音信号之间的第一音量差包括：

确定所述第一声音信号的噪音信号在第二时间段内的最大音量；

确定所述第二声音信号的人声信号在所述第二时间段内的最小音量；

将所述最大音量和所述最小音量之间的音量差作为所述第一音量差。

在一种可能实现方式中，所述目标音量基于所述第一终端的用户听觉习惯确定。

在一种可能实现方式中，所述目标音量的确定过程包括：

获取所述第一终端的用户在使用任一音频播放应用时的音量，根据所获取的音量进行分析，得到所述目标音量；

获取所述第一终端的用户在历史通话过程中用户耳朵与所述第一终端之间的距离和所述历史通话过程中所设置的音量，根据所获取的距离和音量进行分析，得到所述目标音量。

在一种可能实现方式中，所述第一终端包括至少两个麦克风。

在本公开实施例提供的又一方面，提供了一种声音信号处理装置，应用于第一终端，所述装置包括：

信号分离模块，被配置为在与第二终端的通话过程中，对所述第一终端的麦克风所采集的第一声音信号进行信号分离，得到所述第一声音信号的噪音信号；

所述信号分离模块，还被配置为当接收到所述第二终端发送的第二声音信号时，对所述第二声音信号进行信号分离，得到所述第二声音信号的人声信号；

参数确定模块，被配置为根据所述第一声音信号的噪音信号、所述第二声音信号的人声信号和目标音量，确定目标增益参数；

放大模块，被配置为按照所述目标增益参数对所述第二声音信号的人声信号进行放大处理。

在一种可能实现方式中，所述信号分离模块被配置为将所述第一声音信号输入信号分离模型，通过所述信号分离模型根据人声信号的声音特征和噪音信号的声音特征，识别出所述第一声音信号中的噪音信号；

所述信号分离模块还被配置为将所述第二声音信号输入所述信号分离模型，通过所述信号分离模型根据人声信号的声音特征和噪音信号的声音特征，识别出所述第二声音信号中的人声信号。

在一种可能实现方式中，所述参数确定模块包括：

第一确定单元，被配置为确定所述第二声音信号的人声信号与所述第一声音信号的噪音信号之间的第一音量差；

第二确定单元，被配置为确定所述目标音量和所述第一音量差之间的第二音量差；

第三确定单元，被配置为根据所述第二音量差，确定所述目标增益参数。

在一种可能实现方式中，所述第一确定单元被配置为确定所述第一声音信号的噪音信号在第一时间段内的第一平均音量；确定所述第二声音信号的人声信号在所述第一时间段内的第二平均音量；将所述第一平均音量和所述第二平均音量之间的音量差作为所述第一音量差。

在一种可能实现方式中，所述第一确定单元被配置为确定所述第一声音信号的噪音信号在第二时间段内的最大音量；

确定所述第二声音信号的人声信号在所述第二时间段内的最小音量；

将所述最大音量和所述最小音量之间的音量差作为所述第一音量差。

在一种可能实现方式中，所述目标音量基于所述第一终端的用户听觉习惯确定。

在一种可能实现方式中，所述装置还包括目标音量确定模块，被配置为执行下述任一步骤：

获取所述第一终端的用户在使用任一音频播放应用时的音量，根据所获取的音量进行分析，得到所述目标音量；

获取所述第一终端的用户在历史通话过程中用户耳朵与所述第一终端之间的距离和所述历史通话过程中所设置的音量，根据所获取的距离和音量进行分析，得到所述目标音量。

在本公开实施例提供的再一方面，提供了一种声音信号处理装置，包括：

一个或多个处理器；

用于存储所述一个或多个处理器可执行指令的易失性或非易失性存储器；

其中，所述一个或多个处理器被配置为执行所述指令，以实现如上述的声音信号处理方法。

在本公开实施例提供的另一方面，提供了一种计算机可读存储介质，当所述计算机可读存储介质中的指令由终端的处理器执行时，使得所述终端能够执行如上述的声音信号处理方法。

本公开的实施例提供的技术方案可以包括以下有益效果：通过对本端的声音信号进行信号分离，以得到能够代表本端环境噪音的噪音信号，并通过信号分离以得到通话对端的人声信号，以便可以基于该噪音信号和人声信号的实际情况，自适应地调整放大处理时所应用的增益参数，从而使得本端用户可以通过受话器收听到较高质量的人声信号，能够提高人声信号的清晰度，也即提高了通话质量。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是根据一示例性实施例示出的一种声音信号处理方法的流程图。

图2是根据一示例性实施例示出的一种声音信号处理方法的流程图。

图3是根据一示例性实施例示出的终端结构图。

图4是根据一示例性实施例示出的一种声音信号处理装置的框图。

图5是根据一示例性实施例示出的一种声音信号处理装置500的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

图1是根据一示例性实施例示出的一种声音信号处理方法的流程图，如图1所示，该声音信号处理方法用于任一终端中，本公开实施例仅以作为其中一个通话终端的第一终端为例进行说明，包括以下步骤。

在步骤101中，在与第二终端的通话过程中，对该第一终端的麦克风所采集的第一声音信号进行信号分离，得到该第一声音信号的噪音信号。

在步骤102中，当接收到该第二终端发送的第二声音信号时，对该第二声音信号进行信号分离，得到该第二声音信号的人声信号。

在步骤103中，根据该第一声音信号的噪音信号、该第二声音信号的人声信号和目标音量，确定目标增益参数。

在步骤104中，按照该目标增益参数对该第二声音信号的人声信号进行放大处理。

本公开实施例提供的方法，可以通过对本端的声音信号进行信号分离，以得到能够代表本端环境噪音的噪音信号，并通过信号分离以得到通话对端的人声信号，以便可以基于该噪音信号和人声信号的实际情况，自适应地调整放大处理时所应用的增益参数，从而使得本端用户可以通过受话器收听到较高质量的人声信号，能够提高人声信号的清晰度，也即提高了通话质量。

在一种可能实现方式中，所述对所述第一终端的麦克风所采集的第一声音信号进行信号分离，得到所述第一声音信号的噪音信号包括：

将所述第一声音信号输入信号分离模型，通过所述信号分离模型根据人声信号的声音特征和噪音信号的声音特征，识别出所述第一声音信号中的噪音信号；

所述对所述第二声音信号进行信号分离，得到所述第二声音信号的人声信号包括：

将所述第二声音信号输入所述信号分离模型，通过所述信号分离模型根据人声信号的声音特征和噪音信号的声音特征，识别出所述第二声音信号中的人声信号。

在一种可能实现方式中，所述根据所述第一声音信号的噪音信号、所述第二声音信号的人声信号和目标音量，确定目标增益参数包括：

确定所述第二声音信号的人声信号与所述第一声音信号的噪音信号之间的第一音量差；

确定所述目标音量和所述第一音量差之间的第二音量差；

根据所述第二音量差，确定所述目标增益参数。

在一种可能实现方式中，所述确定所述第二声音信号的人声信号与所述第一声音信号的噪音信号之间的第一音量差包括：

确定所述第一声音信号的噪音信号在第一时间段内的第一平均音量；

确定所述第二声音信号的人声信号在所述第一时间段内的第二平均音量；

将所述第一平均音量和所述第二平均音量之间的音量差作为所述第一音量差。

在一种可能实现方式中，所述确定所述第二声音信号的人声信号与所述第一声音信号的噪音信号之间的第一音量差包括：

确定所述第一声音信号的噪音信号在第二时间段内的最大音量；

确定所述第二声音信号的人声信号在所述第二时间段内的最小音量；

将所述最大音量和所述最小音量之间的音量差作为所述第一音量差。

在一种可能实现方式中，所述目标音量基于所述第一终端的用户听觉习惯确定。

在一种可能实现方式中，所述目标音量的确定过程包括：

获取所述第一终端的用户在使用任一音频播放应用时的音量，根据所获取的音量进行分析，得到所述目标音量；

获取所述第一终端的用户在历史通话过程中用户耳朵与所述第一终端之间的距离和所述历史通话过程中所设置的音量，根据所获取的距离和音量进行分析，得到所述目标音量。

在一种可能实现方式中，所述第一终端包括至少两个麦克风。

图2是根据一示例性实施例示出的一种声音信号处理方法的流程图，如图2所示，该声音信号处理方法仍以第一终端的处理过程为例进行说明，包括以下步骤。

在步骤201中，第一终端在与第二终端的通话过程中，对该第一终端的麦克风所采集的第一声音信号输入信号分离模型，通过该信号分离模型根据人声信号的声音特征和噪音信号的声音特征，识别出所述第一声音信号中的噪音信号和人声信号。

上述步骤201可以通过预先训练得到的信号分离模型对第一声音信号进行信号分离，得到该第一声音信号的噪音信号和人声信号。

需要说明的是，该信号分离模型可以基于多个包括人声信号和噪音信号的声音信号通过深度学习以得到，该信号分离模型掌握了人声区别于环境噪声的声音特征，其具体可以采用卷积神经网络训练得到。在训练过程中，可以通过提取人声信号和噪音信号的声纹特征来作为训练用的特征，通过上述训练所得到的模型，还可以任意定制环境噪声的大小，甚至环境噪声大于人声。

在步骤202中，当接收到该第二终端发送的第二声音信号时，第一终端将所述第二声音信号输入所述信号分离模型，通过所述信号分离模型根据人声信号的声音特征和噪音信号的声音特征，识别出所述第二声音信号中的人声信号和噪音信号。

上述步骤202是对来自通信对端的声音信号进行信号分离，得到该声音信号的人声信号和噪音信号的过程。

在信号分离时所应用的信号分离模型与上述步骤201中的信号分离模型可以是同一个信号分离模型，当然，在上述步骤201中所应用的信号分离模型和该步骤202中的信号分离模型还可以是不同的模型，也即是，步骤201中的信号分离模型可以是基于第一终端的用户的使用过程不断采集第一终端的用户的人声信号进行更新的信号分离模型，以提高人声噪声分离的准确性，而应用在步骤202中的信号分离模型可以是通用的信号分离模型，以避免识别过于有偏向性导致的识别不准确。

在步骤203中，该第一终端确定该第二声音信号的人声信号与该第一声音信号的噪音信号之间的第一音量差。

其中，第一音量差可以表示人声信号中对于用户的听觉有效的部分。由于噪音信号的存在，可能会直接影响到这部分人声信号的听觉感受，因此，可以通过对其音量差进行确定，来排除噪音信号对听觉的影响。

该步骤203的第一音量差确定过程可以包括下述任一种实现方式：

第一种实现方式、基于一段时间内的平均音量来确定第一音量差，从而实现一个较平均的差值，以体现整体之间的差距。

在一种可能实现方式中，该过程可以包括：确定所述第一声音信号的噪音信号在第一时间段内的第一平均音量；确定所述第二声音信号的人声信号在所述第一时间段内的第二平均音量；将所述第一平均音量和所述第二平均音量之间的音量差作为所述第一音量差。其中，第一时间段可以为通话过程的任一时间段，例如以当前时间点为结束时间点的一个固定时间跨度。

第二种实现方式、基于一段时间内的最大和最小音量来确定第一音量差，从而实现一个能够覆盖最差情况的差值，以保证更优质的听觉效果。

在一种可能实现方式中，该过程可以包括：确定所述第一声音信号的噪音信号在第二时间段内的最大音量；确定所述第二声音信号的人声信号在所述第二时间段内的最小音量；将所述最大音量和所述最小音量之间的音量差作为所述第一音量差。其中，第二时间段可以为通话过程的任一时间段，例如以当前时间点为结束时间点的一个固定时间跨度。

在步骤204中，该第一终端确定该目标音量和该第一音量差之间的第二音量差。

在本公开实施例中，目标音量是指适应于第一终端的用户听觉习惯的音量。也即是，该目标音量基于该第一终端的用户听觉习惯确定。

其中，用户听觉***时听任一音频播放应用时的音量设置习惯或者用户在通话过程中的接听音量，相应地，上述该目标音量的确定过程可以包括下述任一种实现方式：

第一种实现方式、获取该第一终端的用户在使用任一音频播放应用时的音量，根据所获取的音量进行分析，得到该目标音量。

第一终端可以在任一音频播放应用进行音频播放的过程中记录其播放的音量，基于所记录的音量进行建模，以确定该目标音量，例如，该目标音量可以为所记录的音量的平均值，或者，该目标音量可以为符合该音量变化趋势的音量。

第二种实现方式、获取该第一终端的用户在历史通话过程中用户耳朵与该终端之间的距离和该历史通话过程中的音量，根据所获取的距离和音量进行分析，得到该目标音量。

第一终端可以在历史通话过程中可以检测用户耳朵与该终端之间的距离，并获取通话过程中受话器的音量，基于所记录的距离和音量进行建模，以确定该目标音量，例如，可以基于该距离和音量进行曲线拟合，以确定距离与音量之间的对应关系，基于这种对应关系，则可以根据当前第一终端和耳朵之间的距离，确定目标音量。在一种实现方式中，如果当前第一终端与用户耳朵之间处于贴合状态，则可以基于上述对应关系，获取对应的目标音量。

在步骤205中，该第一终端根据该第二音量差，确定该目标增益参数。

第一声音信号的噪声信号可以体现第一终端当前通话环境的环境噪音，而由于环境噪音的存在，则可能对用户的听觉造成影响，因此，可以基于通信对端的人声信号、本端的噪音信号的音量差异，来衡量通话的质量。而为了使得通话质量更符合第一终端的用户的实际使用需求，则可以根据能够表示用户听觉习惯的目标音量，来确定对第二声音信号应该采用何种增益参数来进行放大处理。其中，该目标增益参数是指放大处理器的参数，该目标增益参数为能够达到目标通话质量所需的增益参数。

上述步骤203至步骤205为该第一终端根据该第一声音信号的噪音信号、该第二声音信号的人声信号和目标音量，确定目标增益参数的过程。对于整个通话过程来说，可以每隔预设时长就进行一次上述的增益参数确定过程，以保证能够根据环境噪音和接收到的声音信号的实时变化情况，来实时改变增益参数，从而达到一致的听觉效果，该预设时长可以为任一时长，具体可以根据对听觉效果的需求设置。

在步骤206中，该第一终端按照该目标增益参数对该第二声音信号的人声信号进行放大处理。

在步骤207中，该第一终端对放大处理后的第二声音信号的人声信号进行播放。

第一终端在对上述人声信号进行了放大处理后，可以将放大处理后的信号传输至终端的受话器，该受话器包括但不限于扬声器SPK、耳机(例如REV、headset)中，从而实现根据环境噪音大小的自适应降噪。

在本公开实施例中，本公开实施例提供的方法，可以通过对本端的声音信号进行信号分离，以得到能够代表本端环境噪音的噪音信号，并通过信号分离以得到通话对端的人声信号，以便可以基于该噪音信号和人声信号的实际情况，自适应地调整放大处理时所应用的增益参数，从而使得本端用户可以通过受话器收听到较高质量的人声信号，能够提高人声信号的清晰度，也即提高了通话质量。进一步地，本公开实施例还可以自动根据用户的听觉习惯来确定用户的舒适音量范围也即是目标音量，从而实现基于目标音量的智能调节，进一步提高了用户的听觉体验。

对于上述过程，可以通过一个简要的示意来提供更进一步的理解，参见图3，该终端可以包括如图3所示的天线模组、应用处理器、音频编解码模组(例如CODEC(编码/解码器)、麦克风模组、受话器模组以及电源管理模块。当然，该终端还包括其他元件，本公开实施例对此不做限定。对于该终端来说，该终端可以通过MIC模组进行本端声音信号的采集，所采集到的声音信号包括了噪声信号以及人声信号，该天线模组将采集到的声音信号传输至应用处理器，由应用处理器传输至音频编解码模组进行初步处理，由音频编解码模组执行上述步骤201的信号分离过程，以得到本端所处环境的噪音信号，而终端可以通过天线模组接收到来自通信对端的声音信号，接收到的声音信号同样也包括了通信对端的人声信号以及噪声信号，而天线模组可以将接收到的声音信号传输至应用处理器，由应用处理器传输至音频编解码模组进行信号分离，以得到通信对端的人声信号，从而再基于目标音量和本端的噪音信号等，来确定增益参数，从而继续对通信对端的人声信号进行处理，并将处理后的人声信号传输至受话器进行播放，以完成自适应降噪的整个过程。需要说明的是，上述终端中可以包括两个以上的麦克风，其中一个为主麦克风，其他可以为降噪麦克风，主麦克风的位置可以靠近于终端底部，而其他麦克风的位置可以靠近于终端顶部，或者分布于其他位置，本公开实施例对此不做限定，具体设置的麦克风个数可以根据对音频要求的精度设置。

在上述过程中，第一终端在对第一声音信号进行信号分离后，可以将噪音信号滤除，仅将第一声音信号的人声信号向第二终端发送，从而提高通话过程中人声的清晰度，当然，对于一些实施例来说，也可以不对噪音信号进行滤除，而是直接发向第二终端，由第二终端执行本公开的处理过程，以便达到相同的通话效果。而对于第二声音信号，该第一终端在对第二声音信号进行信号分离后，可以将分离所得到的噪音信号直接滤除，以得到高清晰度的人声信号。

图4是根据一示例性实施例示出的一种声音信号处理装置的框图。参照图4，该装置包括信号分离模块401，参数确定模块402和放大模块403。

信号分离模块401，被配置为在与第二终端的通话过程中，对所述第一终端的麦克风所采集的第一声音信号进行信号分离，得到所述第一声音信号的噪音信号；

所述信号分离模块401，还被配置为当接收到所述第二终端发送的第二声音信号时，对所述第二声音信号进行信号分离，得到所述第二声音信号的人声信号；

参数确定模块402，被配置为根据所述第一声音信号的噪音信号、所述第二声音信号的人声信号和目标音量，确定目标增益参数；

放大模块403，被配置为按照所述目标增益参数对所述第二声音信号的人声信号进行放大处理。

在一种可能实现方式中，所述信号分离模块被配置为将所述第一声音信号输入信号分离模型，通过所述信号分离模型根据人声信号的声音特征和噪音信号的声音特征，识别出所述第一声音信号中的噪音信号；

所述信号分离模块还被配置为将所述第二声音信号输入所述信号分离模型，通过所述信号分离模型根据人声信号的声音特征和噪音信号的声音特征，识别出所述第二声音信号中的人声信号。

在一种可能实现方式中，所述参数确定模块包括：

第一确定单元，被配置为确定所述第二声音信号的人声信号与所述第一声音信号的噪音信号之间的第一音量差；

第二确定单元，被配置为确定所述目标音量和所述第一音量差之间的第二音量差；

第三确定单元，被配置为根据所述第二音量差，确定所述目标增益参数。

在一种可能实现方式中，所述第一确定单元被配置为确定所述第一声音信号的噪音信号在第一时间段内的第一平均音量；确定所述第二声音信号的人声信号在所述第一时间段内的第二平均音量；将所述第一平均音量和所述第二平均音量之间的音量差作为所述第一音量差。

在一种可能实现方式中，所述第一确定单元被配置为确定所述第一声音信号的噪音信号在第二时间段内的最大音量；

确定所述第二声音信号的人声信号在所述第二时间段内的最小音量；

将所述最大音量和所述最小音量之间的音量差作为所述第一音量差。

在一种可能实现方式中，所述目标音量基于所述第一终端的用户听觉习惯确定。

在一种可能实现方式中，所述装置还包括目标音量确定模块，被配置为执行下述任一步骤：

获取所述第一终端的用户在使用任一音频播放应用时的音量，根据所获取的音量进行分析，得到所述目标音量；

获取所述第一终端的用户在历史通话过程中用户耳朵与所述第一终端之间的距离和所述历史通话过程中所设置的音量，根据所获取的距离和音量进行分析，得到所述目标音量。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

本公开实施例提供的装置，通过对本端的声音信号进行信号分离，以得到能够代表本端环境噪音的噪音信号，并通过信号分离以得到通话对端的人声信号，以便可以基于该噪音信号和人声信号的实际情况，自适应地调整放大处理时所应用的增益参数，从而使得本端用户可以通过受话器收听到较高质量的人声信号，能够提高人声信号的清晰度，也即提高了通话质量。

图5是根据一示例性实施例示出的一种声音信号处理装置500的框图。例如，装置500可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图5，装置500可以包括以下一个或多个组件：处理组件502，存储器504，电源组件506，多媒体组件508，音频组件510，I/O(Input/Output，输入/输出)的接口512，传感器组件514，以及通信组件516。

处理组件502通常控制装置500的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件502可以包括一个或多个处理器520来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件502可以包括一个或多个模块，便于处理组件502和其他组件之间的交互。例如，处理组件502可以包括多媒体模块，以方便多媒体组件508和处理组件502之间的交互。

存储器504被配置为存储各种类型的数据以支持在装置500的操作。这些数据的示例包括用于在装置500上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器504可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如SRAM(Static Random Access Memory,静态随机存取存储器)，EEPROM(Electrically-Erasable Programmable Read-Only Memory,电可擦除可编程只读存储器)，EPROM(Erasable Programmable Read Only Memory,可擦除可编程只读存储器)，PROM(Programmable Read-Only Memory,可编程只读存储器)，ROM(Read-Only Memory,只读存储器)，磁存储器，快闪存储器，磁盘或光盘。

电源组件506为装置500的各种组件提供电力。电源组件506可以包括电源管理***，一个或多个电源，及其他与为装置500生成、管理和分配电力相关联的组件。

多媒体组件508包括在所述装置500和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括LCD(Liquid Crystal Display，液晶显示器)和TP(TouchPanel，触摸面板)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件508包括一个前置摄像头和/或后置摄像头。当装置500处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。

音频组件510被配置为输出和/或输入音频信号。例如，音频组件510包括一个MIC(Microphone,麦克风)，当装置500处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器504或经由通信组件516发送。在一些实施例中，音频组件510还包括一个扬声器，用于输出音频信号。

I/O接口512为处理组件502和***接口模块之间提供接口，上述***接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件514包括一个或多个传感器，用于为装置500提供各个方面的状态评估。例如，传感器组件514可以检测到设备500的打开/关闭状态，组件的相对定位，例如组件为装置500的显示器和小键盘，传感器组件514还可以检测装置500或装置500一个组件的位置改变，用户与装置500接触的存在或不存在，装置500方位或加速/减速和装置500的温度变化。传感器组件514可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件514还可以包括光传感器，如CMOS(Complementary Metal OxideSemiconductor，互补金属氧化物)或CCD(Charge-coupled Device，电荷耦合元件)图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件514还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件516被配置为便于装置500和其他设备之间有线或无线方式的通信。装置500可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件516经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件516还包括NFC(Near Field Communication,近场通信)模块，以促进短程通信。

在示例性实施例中，装置500可以被一个或多个ASIC(Application SpecificIntegrated Circuit,应用专用集成电路)、DSP(Digital signal Processor,数字信号处理器)、DSPD(Digital signal Processor Device，数字信号处理设备)、PLD(ProgrammableLogic Device,可编程逻辑器件)、FPGA)(Field Programmable Gate Array,现场可编程门阵列)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述声音信号处理方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器504，上述指令可由装置500的处理器520执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、RAM(Random Access Memory,随机存取存储器)、CD-ROM(Compact Disc Read-Only Memory,光盘只读存储器)、磁带、软盘和光数据存储设备等。

本公开实施例还提供了一种计算机可读存储介质，当所述存储介质中的指令由终端的处理器执行时，使得终端能够执行一种声音信号处理方法，所述方法包括：在与第二终端的通话过程中，对所述第一终端的麦克风所采集的第一声音信号进行信号分离，得到所述第一声音信号的噪音信号；当接收到所述第二终端发送的第二声音信号时，对所述第二声音信号进行信号分离，得到所述第二声音信号的人声信号；根据所述第一声音信号的噪音信号、所述第二声音信号的人声信号和目标音量，确定目标增益参数；按照所述目标增益参数对所述第二声音信号的人声信号进行放大处理。

本公开实施例提供的计算机可读存储介质，通过对本端的声音信号进行信号分离，以得到能够代表本端环境噪音的噪音信号，并通过信号分离以得到通话对端的人声信号，以便可以基于该噪音信号和人声信号的实际情况，自适应地调整放大处理时所应用的增益参数，从而使得本端用户可以通过受话器收听到较高质量的人声信号，能够提高人声信号的清晰度，也即提高了通话质量。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (15)

1.一种声音信号处理方法，其特征在于，应用于第一终端，所述方法包括：

在与第二终端的通话过程中，对所述第一终端的麦克风所采集的第一声音信号进行信号分离，得到所述第一声音信号的噪音信号；

当接收到所述第二终端发送的第二声音信号时，对所述第二声音信号进行信号分离，得到所述第二声音信号的人声信号；

根据所述第一声音信号的噪音信号、所述第二声音信号的人声信号和目标音量，确定目标增益参数；

按照所述目标增益参数对所述第二声音信号的人声信号进行放大处理；

所述根据所述第一声音信号的噪音信号、所述第二声音信号的人声信号和目标音量，确定目标增益参数包括：

确定所述第二声音信号的人声信号与所述第一声音信号的噪音信号之间的第一音量差；

确定所述目标音量和所述第一音量差之间的第二音量差；

根据所述第二音量差，确定所述目标增益参数。

2.根据权利要求1所述的方法，其特征在于，所述对所述第一终端的麦克风所采集的第一声音信号进行信号分离，得到所述第一声音信号的噪音信号包括：

将所述第一声音信号输入信号分离模型，通过所述信号分离模型根据人声信号的声音特征和噪音信号的声音特征，识别出所述第一声音信号中的噪音信号；

所述对所述第二声音信号进行信号分离，得到所述第二声音信号的人声信号包括：

将所述第二声音信号输入所述信号分离模型，通过所述信号分离模型根据人声信号的声音特征和噪音信号的声音特征，识别出所述第二声音信号中的人声信号。

3.根据权利要求1所述的方法，其特征在于，所述确定所述第二声音信号的人声信号与所述第一声音信号的噪音信号之间的第一音量差包括：

确定所述第一声音信号的噪音信号在第一时间段内的第一平均音量；

确定所述第二声音信号的人声信号在所述第一时间段内的第二平均音量；

将所述第一平均音量和所述第二平均音量之间的音量差作为所述第一音量差。

4.根据权利要求1所述的方法，其特征在于，所述确定所述第二声音信号的人声信号与所述第一声音信号的噪音信号之间的第一音量差包括：

确定所述第一声音信号的噪音信号在第二时间段内的最大音量；

确定所述第二声音信号的人声信号在所述第二时间段内的最小音量；

将所述最大音量和所述最小音量之间的音量差作为所述第一音量差。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述目标音量基于所述第一终端的用户听觉习惯确定。

6.根据权利要求5所述的方法，其特征在于，所述目标音量的确定过程包括：

获取所述第一终端的用户在使用任一音频播放应用时的音量，根据所获取的音量进行分析，得到所述目标音量；

获取所述第一终端的用户在历史通话过程中用户耳朵与所述第一终端之间的距离和所述历史通话过程中所设置的音量，根据所获取的距离和音量进行分析，得到所述目标音量。

7.根据权利要求1所述的方法，其特征在于，所述第一终端包括至少两个麦克风。

8.一种声音信号处理装置，其特征在于，应用于第一终端，所述装置包括：

信号分离模块，被配置为在与第二终端的通话过程中，对所述第一终端的麦克风所采集的第一声音信号进行信号分离，得到所述第一声音信号的噪音信号；

所述信号分离模块，还被配置为当接收到所述第二终端发送的第二声音信号时，对所述第二声音信号进行信号分离，得到所述第二声音信号的人声信号；

参数确定模块，被配置为根据所述第一声音信号的噪音信号、所述第二声音信号的人声信号和目标音量，确定目标增益参数；

放大模块，被配置为按照所述目标增益参数对所述第二声音信号的人声信号进行放大处理；

其中，所述参数确定模块包括：

第一确定单元，被配置为确定所述第二声音信号的人声信号与所述第一声音信号的噪音信号之间的第一音量差；

第二确定单元，被配置为确定所述目标音量和所述第一音量差之间的第二音量差；

第三确定单元，被配置为根据所述第二音量差，确定所述目标增益参数。

9.根据权利要求8所述的装置，其特征在于，所述信号分离模块被配置为将所述第一声音信号输入信号分离模型，通过所述信号分离模型根据人声信号的声音特征和噪音信号的声音特征，识别出所述第一声音信号中的噪音信号；

所述信号分离模块还被配置为将所述第二声音信号输入所述信号分离模型，通过所述信号分离模型根据人声信号的声音特征和噪音信号的声音特征，识别出所述第二声音信号中的人声信号。

10.根据权利要求8所述的装置，其特征在于，所述第一确定单元被配置为确定所述第一声音信号的噪音信号在第一时间段内的第一平均音量；确定所述第二声音信号的人声信号在所述第一时间段内的第二平均音量；将所述第一平均音量和所述第二平均音量之间的音量差作为所述第一音量差。

11.根据权利要求8所述的装置，其特征在于，所述第一确定单元被配置为确定所述第一声音信号的噪音信号在第二时间段内的最大音量；

确定所述第二声音信号的人声信号在所述第二时间段内的最小音量；

将所述最大音量和所述最小音量之间的音量差作为所述第一音量差。

12.根据权利要求8至11任一项所述的装置，其特征在于，所述目标音量基于所述第一终端的用户听觉习惯确定。

13.根据权利要求12所述的装置，其特征在于，所述装置还包括目标音量确定模块，被配置为执行下述任一步骤：

获取所述第一终端的用户在使用任一音频播放应用时的音量，根据所获取的音量进行分析，得到所述目标音量；

获取所述第一终端的用户在历史通话过程中用户耳朵与所述第一终端之间的距离和所述历史通话过程中所设置的音量，根据所获取的距离和音量进行分析，得到所述目标音量。

14.一种声音信号处理装置，其特征在于，包括：

一个或多个处理器；

用于存储所述一个或多个处理器可执行指令的易失性或非易失性存储器;

其中，所述一个或多个处理器被配置为执行所述指令，以实现如权利要求1至7中任一项所述的声音信号处理方法。

15.一种计算机可读存储介质，当所述计算机可读存储介质中的指令由第一终端的处理器执行时，使得所述第一终端能够执行如权利要求1至7中任一项所述的声音信号处理方法。

Images