CN113362838B - 信号处理***及其信号降噪的判定方法与信号补偿方法 - Google Patents
信号处理***及其信号降噪的判定方法与信号补偿方法 Download PDFInfo
- Publication number
- CN113362838B CN113362838B CN202010240424.0A CN202010240424A CN113362838B CN 113362838 B CN113362838 B CN 113362838B CN 202010240424 A CN202010240424 A CN 202010240424A CN 113362838 B CN113362838 B CN 113362838B
- Authority
- CN
- China
- Prior art keywords
- signal
- noise
- frequency spectrum
- noise reduction
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000009467 reduction Effects 0.000 title claims abstract description 31
- 238000001228 spectrum Methods 0.000 claims abstract description 49
- 230000008859 change Effects 0.000 claims abstract description 28
- 230000005236 sound signal Effects 0.000 claims description 21
- 239000000654 additive Substances 0.000 claims description 5
- 230000000996 additive effect Effects 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 2
- 230000007547 defect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 206010011469 Crying Diseases 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
- G10L21/0216—Noise filtering characterised by the method used for estimating noise
- G10L21/0232—Processing in the frequency domain
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L13/00—Speech synthesis; Text to speech systems
- G10L13/02—Methods for producing synthetic speech; Speech synthesisers
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/06—Transformation of speech into a non-audible representation, e.g. speech visualisation or speech processing for tactile aids
- G10L21/10—Transforming into visible information
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Circuit For Audible Band Transducer (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Radar Systems Or Details Thereof (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明涉及有关信号处理,特别是关于一种信号处理***及其信号降噪的判定方法与信号补偿方法,其中信号降噪的判定方法包含转换信号以产生时频谱;判断所述时频谱当中每一行的频谱是否具急剧变化;及计数具急剧变化的行数目,并与预设值做比较。若具急剧变化的行数目大于预设值,表示信号经过降噪。通过本发明实施例的方法及***,可以避免传统网络监视器的缺失,提高声音辨识率。
Description
技术领域
本发明涉及有关信号处理,特别是关于一种信号处理***及其信号降噪的判定方法与信号补偿方法。
背景技术
网络监视器(Internet protocol camera或IP cam)是数字摄影机的一种,藉由因特网以传送影像数据,可用于监视或其他应用。网络监视器除了传送影像数据,也可同时传送声音数据。
网络监视器的声音数据可用以提供额外的服务,例如用于侦测婴儿的哭声。在一应用例中,使用深层类神经网络(例如卷积神经网络(convolutional neural network,CNN))训练一个声音的模型(model),据以后续进行声音辨识。作为训练用的数据集(dataset),通常是未经过降噪(noise reduction)处理的。然而,当进行声音辨识时,很多麦克风在撷取声音时则会进行降噪。因此,使用这类麦克风的网络监视器,其声音辨识率有降低的现象。
因此亟需提出一种新颖的机制,用以避免传统网络监视器的缺失,以提高声音辨识率。
发明内容
为解决现有技术中的技术问题,本文实施例提供了一种信号处理***及其信号降噪的判定方法与信号补偿方法。
本发明实施例的目的之一在于提出一种信号降噪的判定方法与信号补偿方法,用以判定信号是否经过降噪处理,并根据判定结果对信号进行补偿。
根据本发明实施例的信号降噪的判定方法,转换信号以产生时频谱。判定时频谱当中每一行的频谱是否具急剧变化。计数具急剧变化的行数目,并与预设值做比较。若具急剧变化的行数目大于预设值,表示信号经过降噪。
本发明实施例的目的之一在于提出一种信号补偿方法,包含:
根据补偿前的信号,以得到补偿前的所述信号的能量直方图,其相应一第一标准偏差;
根据加入噪声的所述信号,以得到加入噪声的所述信号的能量直方图,其相应一第二标准偏差;
比较所述第二标准偏差与所述第一标准偏差,以得到增加比例值;及
若所述增加比例值未介于一预设范围,则调整加入的噪声并得到一新的增加比例值,直到所述新的增加比例值介于所述预设范围。
本发明实施例的目的之一在于提出一种信号处理***,包含:
一换能器,将一物理量转换为信号;
一信号处理器,执行以下步骤:
转换所述信号以产生一时频谱;
判断所述时频谱当中每一行的频谱是否具急剧变化;及
计数具急剧变化的行数目,并与一预设值做比较,其中若具急剧变化的行数目大于所述预设值,表示所述信号经过降噪;
一噪声源,提供一噪声;及
一合成器,将所述噪声加入经过降噪的所述信号,以得到一补偿信号。
通过本发明实施例的方法及***,可以判断不同来源的声音信号各自是否经过降躁处理,并分别对经过降躁处理的声音信号进行补偿,进一步地提高使用单一种声音辨识方法辨识不同音源的声音辨识率。
附图说明
为了更清楚地说明本文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文的一些实施例,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。
图1显示本发明实施例的声音补偿方法的流程图;
图2显示本发明实施例的声音补偿***的框图;
图3A例示声音信号的强度时序图;
图3B例示于声音信号的时序图当中,每隔预设期间取其平均强度;
图3C显示经与预设强度比较后所得到含有声音的区段;
图3D例示声音信号的声谱图;
图4显示图1步骤15的细部流程图;
图5A例示目前行的频谱;
图5B至图5C例示局部放大频谱;
图5D例示波谷点与波峰点的配对;
图5E例示目前行存在有配对,其斜率大于预设斜率值;
图6显示图1步骤17的细部流程图;
图7A例示补偿前的能量直方图;
图7B例示补偿后的能量直方图。
具体实施方式
下面将结合本文实施例中的附图,对本文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文一部分实施例,而不是全部的实施例。基于本文中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本文保护的范围。
图1显示本发明实施例的声音补偿方法100的流程图,可适用于声音辨识(recognition)的应用,例如深层类神经网络(deep neural network)的声音辨识。图2显示本发明实施例的声音补偿***200的框图。本实施例虽以声音补偿作为例示,然而本发明可普遍适用于其他种类(电子)信号(例如影像信号)的补偿。
于步骤11,使用换能器(transducer),将物理量(physical quantity)转换为电子信号。在本实施例中,使用麦克风21,将声波(sound wave)转换为声音信号。在一实施例中,麦克风21设于网络监视器22,用以侦测婴儿哭声。如果已知麦克风21于接收声音时会进行降噪(可为被动降噪或主动降噪),则流程进入步骤17以进行信号补偿,否则执行步骤12~16以进行信号降噪的判定。
于步骤12,使用记录器(recorder)对信号进行取样与模拟-数字转换,以利信号处理器25进行后续处理且能储存于储存装置24。在本实施例中,声音记录器(soundrecorder)23记录麦克风21所转换的声音信号,亦即,对声音信号进行取样与模拟-数字转换。图3A例示声音信号的强度(或振幅)时序图,其纵轴代表信号强度,横轴代表时间。
于步骤13,信号处理器25接收并处理声音信号,以找出含有声音的区段,并舍弃未含有声音的区段。在本说明书中,含有声音的区段指该区段的声音信号的强度大于预设强度。本实施例找出含有声音的区段,有利后续判别麦克风21于接收声音时是否进行降噪。
在一实施例中,于声音信号的时序图当中,每隔预设期间(例如100毫秒)取其平均强度,再与预设强度作比较,强度大于预设强度者判定为含有声音的区段。图3B例示于声音信号的时序图当中,每隔预设期间取其平均强度。在本实施例中,信号强度的单位为全量程相对分贝(decibel relative to full scale,dBFS),0代表最大强度。于图3B所例示时序图当中,预设强度31为-35dBFS,大约相当于一般的交谈声量。图3C显示经与预设强度比较后所得到含有声音的区段32。
于步骤14,信号处理器25转换(含有声音区段的)声音信号以产生时频谱(spectrogram),在本实施例中为声谱图(sonograph),其代表声音信号的频谱相对于时间的关系。图3D例示声音信号的声谱图,其纵轴代表频率,横轴代表时间,每一点(pixel)的亮度则相应于能量强度的大小(例如,能量强度愈大则点愈亮)。在本实施例中,声谱图的时间的单位使用行(frame)表示,其根据信号的取样频率而得到。鉴于人耳对赫兹(Hz)频率的感知并非呈线性关系,因此在本实施例中,频率的单位系使用梅尔频率(mel frequency)fmel,使得人耳对频率的感知可呈线性关系。梅尔频率f-mel与赫兹(Hz)频率fHz的关系可表示为:fmel=2595xlog10(1+fHz/700)。
于步骤15,信号处理器25判断声谱图当中每一行(frame)的频谱是否具急剧变化(sharp change),用以判别麦克风21于接收声音时是否进行降噪。在本实施例中,每一行的频谱若具有至少一信号斜率大于预设斜率值,则该行判定为具急剧变化。在另一实施例中,每一行的频谱若具有至少二信号斜率大于预设斜率值,则该行判定为具急剧变化。概括而言,对于每一行的频谱,若信号斜率大于预设斜率值的数目等于或大于预设阀值,则该行判定为具急剧变化。
图4显示图1的步骤15的细部流程图。于步骤151,根据目前行(frame)的频谱,将能量强度予以排序。图5A例示目前行的频谱,其纵轴代表能量强度,横轴代表频率。例如,将能量强度由小至大排序后可得到[-80,-80,-78.5,…,-21,-20,-16]。图5A中的频谱为时频谱(图3D)的其中一行(frame)的频谱。
接着,于步骤152,根据复数个(例如排序后的前10%)最小能量强度,取其平均值作为波谷阀值51(图5A);根据复数个(例如排序后的后20%)最大能量强度,取其平均值作为波峰阀值52(图5A)。
于步骤153,根据波谷阀值51,于频谱(如图5A所示)当中决定波谷点。如图5B所示局部放大频谱,于波谷阀值51转折处,最后一个小于波谷阀值51者为波谷点53。根据波峰阀值52,于频谱当中决定波峰点。如图5C所示局部放大频谱,于波峰阀值52转折处,第一个大于波峰阀值52者为波峰点54。
于步骤154,将相邻波谷点53与波峰点54配对。图5D例示波谷点53与波峰点54的配对55,其中波谷点53位波峰点54的左侧。
于步骤155,判定每一配对55当中波谷点53与波峰点54连线的斜率。接着,于步骤156,判断目前行中斜率大于预设斜率值的配对55数目是否等于或大于预设阀值。如果步骤156的判断为肯定,则表示目前行具急剧变化(步骤157),否则表示目前行不具急剧变化(步骤158)。图5E例示目前行存在有一配对55,其斜率大于预设斜率值(其相当于75度)。对于声谱图的每一行(或部分行),重复执行上述步骤151至157。
回到图1,于步骤16,计数具急剧变化的行(frame)数目,并与预设值作比较。如果具急剧变化的行数目大于预设值(例如大于全部的二分之一),表示麦克风21于接收声音时确实进行降噪,则流程进入步骤17,用以对声音信号进行补偿。
于步骤17,使用合成器26将麦克风21所转换的声音信号与噪声源27所提供的噪声予以相加,以得到补偿信号。在本实施例中,噪声源27提供加成性高斯白噪声(additivewhite Gaussian noise,AWGN),其能量密度在整个频域内均匀分布。在本实施例中,根据信噪比(SNR)以决定所加入噪声的比例。信噪比愈高,表示加入的噪声能量愈低;反之,信噪比愈低,表示加入的噪声能量愈高。
图6显示图1的步骤17的细部流程图。首先,于步骤171,根据补偿前的声谱图(如图3D所例示)以得到补偿前的相应能量直方图。图7A例示补偿前的能量直方图,其横轴代表能量强度,纵轴代表点(pixel)数。在一实施例中,根据声谱图,于每一个能量区间(例如5dB),计数其相应点的数目,据以得到能量直方图。于步骤172,根据加入噪声后的声谱图,以得到相应的能量直方图。
于步骤173,比较补偿前的能量直方图的标准偏差与加入噪声后的能量直方图的标准偏差。如果加入噪声后的(第二)标准偏差相较于补偿前的(第一)标准偏差的增加比例值(percentage increase)介于预设范围(例如7-13%)内,则结束声音信号的补偿;否则,调整噪声源27的噪声(步骤174),回到步骤172,重新得到相应能量直方图及标准偏差。
图7B例示补偿后的能量直方图,其标准偏差为2515。相较于图7A所示补偿前的能量直方图(其标准偏差为2277),补偿后的标准偏差相较于补偿前的标准偏差的增加比例值为10.4%,其介于预设范围(7-13%)内。
以上所述仅为本发明的较佳实施例而已,并非用以限定本发明的申请专利范围;凡其它未脱离发明所揭示的精神下所完成的等效改变或修饰,均应包含在申请专利范围内。
【符号说明】
100:声音补偿方法
11:判断麦克风是否降噪
12:记录声音信号
13:找出含有声音的区段
14:产生声谱图
15:判断声谱图每一行的频谱是否具急剧变化
151:将目前行的能量强度予以排序
152:得到波谷阀值与波峰阀值
153:根据阀值以决定波谷点与波峰点
154:将相邻波谷点与波峰点配对
155:判定配对的斜率
156:判断斜率大于预设斜率值的配对数目是否等于或大于预设阀值
157:具急剧变化
158:不具急剧变化
16:判断具急剧变化的行数是否大于预设值
17:对声音信号进行补偿
171:得到补偿前的能量直方图
172:得到加入噪声后的能量直方图
173:判断标准偏差增加比例值是否介于预设范围
174:调整噪声
200:声音补偿***
21:麦克风
22:网络监视器
23:声音记录器
24:储存装置
25:信号处理器
26:合成器
27:噪声源
31:预设强度
32:含有声音的区段
51:波谷阀值
52:波峰阀值
53:波谷点
54:波峰点
55:配对
Claims (17)
1.一种信号降噪的判定方法,其特征在于包含:
转换信号以产生一时频谱;
判断所述时频谱当中每一行的频谱是否具急剧变化,其中,判断所述时频谱当中每一行的频谱是否具急剧变化中进一步包含: 根据一波谷阈值,在所述频谱当中决定至少一波谷点,且根据一波峰阈值,在所述频谱当中决定至少一波峰点;将相邻的所述波谷点与所述波峰点配对; 判定每一行中配对的斜率,若斜率大于一预设斜率值的配对数目等于或大于一预设阈值,则相应行的频谱具急剧变化;及
计数具急剧变化的行数目,并与一预设值做比较;
其中若具急剧变化的行数目大于所述预设值,表示所述信号经过降噪。
2.根据权利要求1所述的信号降噪的判定方法,其特征在于还包含以下步骤:
对经过降噪的所述信号进行补偿。
3.根据权利要求2所述的信号降噪的判定方法,其特征在于,对经过降噪的所述信号进行补偿进一步包含:
加入一噪声至所述经过降噪的所述信号。
4.根据权利要求3所述的信号降噪的判定方法,其特征在于,所述加入的噪声包含加成性高斯白噪声。
5.根据权利要求1所述的信号降噪的判定方法,其特征在于,判断所述时频谱当中每一行的频谱是否具急剧变化中进一步包含:
根据所述频谱当中复数个最小能量强度,取其平均值作为所述波谷阈值,且根据所述频谱当中复数个最大能量强度,取其平均值作为所述波峰阈值。
6.根据权利要求1所述的信号降噪的判定方法,其特征在于还包含:
将一物理量转换为所述信号。
7.根据权利要求6所述的信号降噪的判定方法,其特征在于还包含:
处理所述信号以找出含有所述物理量的区段,并舍弃未含有所述物理量的区段。
8.根据权利要求1所述的信号降噪的判定方法,其特征在于所述信号为声音信号。
9.根据权利要求8所述的信号降噪的判定方法,其特征在于所述时频谱的频率单位为梅尔频率。
10.一种信号补偿方法,其特征在于包含:
根据补偿前的信号,以得到补偿前的所述信号的能量直方图,其相应一第一标准偏差;
根据加入噪声的所述信号,以得到加入噪声的所述信号的能量直方图,其相应一第二标准偏差;
比较所述第二标准偏差与所述第一标准偏差,以得到增加比例值;及
若所述增加比例值未介于一预设范围,则调整加入的噪声并得到一新的增加比例值,直到所述新的增加比例值介于所述预设范围。
11.根据权利要求10所述的信号补偿方法,其特征在于所述噪声包含加成性高斯白噪声。
12.根据权利要求10所述的信号补偿方法,其特征在于所述信号为声音信号。
13.一种信号处理***,其特征在于包含:
一换能器,将一物理量转换为信号;
一信号处理器,执行以下步骤:
转换所述信号以产生一时频谱;
判断所述时频谱当中每一行的频谱是否具急剧变化,其中,判断所述时频谱当中每一行的频谱是否具急剧变化中进一步包含: 根据一波谷阈值,在所述频谱当中决定至少一波谷点,且根据一波峰阈值,在所述频谱当中决定至少一波峰点;将相邻的所述波谷点与所述波峰点配对; 判定每一行中配对的斜率,若斜率大于一预设斜率值的配对数目等于或大于一预设阈值,则相应行的频谱具急剧变化;及
计数具急剧变化的行数目,并与一预设值做比较,其中若具急剧变化的行数目大于所述预设值,表示所述信号经过降噪;
一噪声源,提供一噪声;及
一合成器,将所述噪声加入经过降噪的所述信号,以得到一补偿信号。
14.根据权利要求13所述的信号处理***,其特征在于所述噪声包含加成性高斯白噪声。
15.根据权利要求13所述的信号处理***,其特征在于还包含:
一记录器,对所述信号进行取样与模拟-数字转换,以记录所述信号;及
一储存装置,用以储存所述记录的信号。
16.根据权利要求13所述的信号处理***,其特征在于所述信号为声音信号。
17.根据权利要求16所述的信号处理***,其特征在于所述时频谱的频率单位为梅尔频率。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109107165 | 2020-03-05 | ||
TW109107165A TWI783215B (zh) | 2020-03-05 | 2020-03-05 | 信號處理系統及其信號降噪的判定方法與信號補償方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113362838A CN113362838A (zh) | 2021-09-07 |
CN113362838B true CN113362838B (zh) | 2023-10-24 |
Family
ID=77524368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010240424.0A Active CN113362838B (zh) | 2020-03-05 | 2020-03-31 | 信号处理***及其信号降噪的判定方法与信号补偿方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11380346B2 (zh) |
CN (1) | CN113362838B (zh) |
TW (1) | TWI783215B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010146711A1 (ja) * | 2009-06-19 | 2010-12-23 | 富士通株式会社 | 音声信号処理装置及び音声信号処理方法 |
JP2013168856A (ja) * | 2012-02-16 | 2013-08-29 | Jvc Kenwood Corp | ノイズ低減装置、音声入力装置、無線通信装置、ノイズ低減方法、およびノイズ低減プログラム |
CN103426433A (zh) * | 2012-05-14 | 2013-12-04 | 宏达国际电子股份有限公司 | 噪声消除方法 |
CN104715771A (zh) * | 2013-12-12 | 2015-06-17 | 展讯通信(上海)有限公司 | 信号降噪 |
CN106340303A (zh) * | 2016-09-20 | 2017-01-18 | 南京朗逸锐科电子科技有限公司 | 一种基于时间频率域的语音降噪方法 |
JP2018074382A (ja) * | 2016-10-28 | 2018-05-10 | パイオニア株式会社 | ノイズ検出装置及びノイズ検出方法 |
CN109720288A (zh) * | 2017-10-27 | 2019-05-07 | 比亚迪股份有限公司 | 一种主动降噪方法、***及新能源车 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5483000B2 (ja) * | 2007-09-19 | 2014-05-07 | 日本電気株式会社 | 雑音抑圧装置、その方法及びプログラム |
WO2009059300A2 (en) * | 2007-11-02 | 2009-05-07 | Melodis Corporation | Pitch selection, voicing detection and vibrato detection modules in a system for automatic transcription of sung or hummed melodies |
US9724016B1 (en) * | 2009-10-16 | 2017-08-08 | Masimo Corp. | Respiration processor |
US9721580B2 (en) * | 2014-03-31 | 2017-08-01 | Google Inc. | Situation dependent transient suppression |
EP3220386A1 (en) * | 2016-03-18 | 2017-09-20 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Apparatus and method for harmonic-percussive-residual sound separation using a structure tensor on spectrograms |
US10269375B2 (en) * | 2016-04-22 | 2019-04-23 | Conduent Business Services, Llc | Methods and systems for classifying audio segments of an audio signal |
CN108241846B (zh) * | 2016-12-26 | 2021-03-05 | 同方威视技术股份有限公司 | 用于识别拉曼谱图的方法 |
US10802572B2 (en) * | 2017-02-02 | 2020-10-13 | Stmicroelectronics, Inc. | System and method of determining whether an electronic device is in contact with a human body |
EP3382700A1 (en) * | 2017-03-31 | 2018-10-03 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Apparatus and method for post-processing an audio signal using a transient location detection |
CN107822607B (zh) * | 2017-09-22 | 2021-03-16 | 广东乐心医疗电子股份有限公司 | 一种估计心血管特性参数的方法、装置及其存储介质 |
US10860647B2 (en) * | 2018-09-06 | 2020-12-08 | Gracenote, Inc. | Systems, methods, and apparatus to improve media identification |
US11410667B2 (en) * | 2019-06-28 | 2022-08-09 | Ford Global Technologies, Llc | Hierarchical encoder for speech conversion system |
-
2020
- 2020-03-05 TW TW109107165A patent/TWI783215B/zh active
- 2020-03-31 CN CN202010240424.0A patent/CN113362838B/zh active Active
- 2020-05-22 US US16/881,735 patent/US11380346B2/en active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010146711A1 (ja) * | 2009-06-19 | 2010-12-23 | 富士通株式会社 | 音声信号処理装置及び音声信号処理方法 |
JP2013168856A (ja) * | 2012-02-16 | 2013-08-29 | Jvc Kenwood Corp | ノイズ低減装置、音声入力装置、無線通信装置、ノイズ低減方法、およびノイズ低減プログラム |
CN103426433A (zh) * | 2012-05-14 | 2013-12-04 | 宏达国际电子股份有限公司 | 噪声消除方法 |
CN104715771A (zh) * | 2013-12-12 | 2015-06-17 | 展讯通信(上海)有限公司 | 信号降噪 |
CN106340303A (zh) * | 2016-09-20 | 2017-01-18 | 南京朗逸锐科电子科技有限公司 | 一种基于时间频率域的语音降噪方法 |
JP2018074382A (ja) * | 2016-10-28 | 2018-05-10 | パイオニア株式会社 | ノイズ検出装置及びノイズ検出方法 |
CN109720288A (zh) * | 2017-10-27 | 2019-05-07 | 比亚迪股份有限公司 | 一种主动降噪方法、***及新能源车 |
Also Published As
Publication number | Publication date |
---|---|
TWI783215B (zh) | 2022-11-11 |
US20210280204A1 (en) | 2021-09-09 |
CN113362838A (zh) | 2021-09-07 |
TW202135520A (zh) | 2021-09-16 |
US11380346B2 (en) | 2022-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2017162115A1 (zh) | 一种回声时延检测方法、回声消除芯片及终端设备 | |
CN103827966B (zh) | 处理音频信号 | |
JP2010513974A (ja) | 音声データを処理するシステム | |
JP4940158B2 (ja) | 音補正装置 | |
WO2018072325A1 (zh) | 一种音频信号的自动增益控制方法和装置 | |
CN113362838B (zh) | 信号处理***及其信号降噪的判定方法与信号补偿方法 | |
CN111901621A (zh) | 一种基于直播内容识别的互动直播教学节流装置和方法 | |
US20230367543A1 (en) | Source-based sound quality adjustment tool | |
US10219076B2 (en) | Audio signal processing device, audio signal processing method, and storage medium | |
CN113225646A (zh) | 音视频监控方法、装置、电子设备及存储介质 | |
CN113782043B (zh) | 语音采集方法、装置、电子设备及计算机可读存储介质 | |
CN112235679B (zh) | 适用于耳机的信号均衡方法、处理器及耳机 | |
CN115002618A (zh) | 基于大数据的数字媒体音频智能调节方法 | |
JP2023544253A (ja) | バイノーラル記録を処理するための方法及びデバイス | |
US11601750B2 (en) | Microphone control based on speech direction | |
US8559466B2 (en) | Selecting discard packets in receiver for voice over packet network | |
CN111866522A (zh) | 一种录像数据编码方法及装置 | |
US11206001B2 (en) | Inference and correction of automatic gain compensation | |
JP3316308B2 (ja) | 雑音区間検出装置 | |
CN115967894B (zh) | 一种话筒声音处理方法、***、终端设备及存储介质 | |
US20230290366A1 (en) | Automatic Classification of Audio Content as Either Primarily Speech or Primarily Non-speech, to Facilitate Dynamic Application of Dialogue Enhancement | |
CN108133711B (zh) | 具有降噪模块的数字信号监测设备 | |
TW202226222A (zh) | 外接式智能音訊降噪裝置 | |
CN116778954A (zh) | 一种广播***静音检测方法、音频输出设备及存储介质 | |
CN113436644A (zh) | 音质评估方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |