CN115798502A - 一种用于蓝牙耳机的音频去噪方法 - Google Patents
一种用于蓝牙耳机的音频去噪方法 Download PDFInfo
- Publication number
- CN115798502A CN115798502A CN202310043255.5A CN202310043255A CN115798502A CN 115798502 A CN115798502 A CN 115798502A CN 202310043255 A CN202310043255 A CN 202310043255A CN 115798502 A CN115798502 A CN 115798502A
- Authority
- CN
- China
- Prior art keywords
- audio
- value
- deviation value
- fitting
- obtaining
- 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.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明涉及语音处理技术领域,具体涉及一种用于蓝牙耳机的音频去噪方法。该方法通过对获取的音频信号进行幅值拟合得到趋势项曲线,根据趋势项曲线划分音频段落,根据音频段落中的幅值差异获得拟合偏差值,分析音频段落的拟合偏差值的差异性获得第一采样密度,分析音频段落的不同类拟合偏差值在整个音频信号的概率密度分布情况获得第二采样密度,根据第一采样密度和第二采样密度得到的采样密度系数,获得音频段落的采样点数量,根据采样点数量对音频进行采样并去噪。本发明通过对音频数据分析,实现了对每个音频段落投放采样点时,基于最低采样点数量的自适应增加,最大程度的减少了采样点数量,提高了音频去噪的质量和效率。
Description
技术领域
本发明涉及语音处理技术领域,具体涉及一种用于蓝牙耳机的音频去噪方法。
背景技术
蓝牙耳机虽然携带和使用方便,但它同样也有弊端,不管蓝牙技术如何先进,它的传输性能永远弱于有线传输,在传输的过程中经常会出现音频数据的丢失、损坏、噪声等问题,导致音频数据失真,并且手机的解码芯片在解析音频过程中也同样会产生的轻微底噪。而如果用户所处的环境比较复杂,例如外界存在较强的电磁干扰,甚至导致蓝牙耳机出现滋滋响的噪音。对于外界环境的影响无法完全避免,但可以通过优化音频的传输方式来减少音频数据的失真问题,由于音频信号在时序上任意时刻都可以精确确定信号取值,因此现有对于音频的有线、无线传输均利用采样编码的方式来实现,所以一般提升音频质量的方法多在编码传输时考虑如何科学、合理的调整采样点的分布密度,既保证信号还原度的同时,也能控制传输时间减少噪声干扰。
音频信号的质量一定程度上取决于采样频率的大小,采样频率越高,信号还原度越高,但相应会增大音频数据的传输时间,传输时间越长则噪声的干扰越密集。在现有针对采样点进行音频去噪的方法中,多是对采样点进行分析以减少采样点的数量,从而去除冗余的噪声点,而这种音频处理方法并没有最大程度的减少采样点数量,导致精简编码效率降低,传输时间增长,传输时噪声附着率较大。
发明内容
为了解决现有技术中在音频处理时并没有最大程度的减少采样点数量,导致精简编码效率降低,传输时间增长,传输时噪声附着率较大的技术问题,本发明的目的在于提供一种用于蓝牙耳机的音频去噪方法,所采用的技术方案具体如下:
本发明提出了一种用于蓝牙耳机的音频去噪方法,所述方法包括:
获取音频信号,根据音频信号幅值拟合获得的趋势项曲线划分音频段落;根据音频信号和趋势项曲线获得每个音频段落的拟合偏差值;
根据拟合偏差值的分布获得每个音频段落中由拟合偏差值组成的偏差值集合,根据偏差值集合中拟合偏差值的差异获得每个音频段落的第一采样密度;
根据音频信号中所有拟合偏差值的类型密度分布情况获得每类拟合偏差值的概率密度分布;取任意一个音频段落的偏差值集合中的任意一类拟合偏差值作为参考拟合偏差值,通过参考拟合偏差值的占比和对应的概率密度分布获取参考拟合偏差值的类型影响值,根据所有类的拟合偏差值的类型影响值得到音频段落的第二采样密度;
根据第一采样密度和第二采样密度获得采样密度系数,根据音频信号中每个音频段落的占比和采样密度系数获得每个音频段落的采样点数量;根据采样点数量对音频进行采样并去噪。
进一步地,所述偏差值集合的获取包括:
将音频段落中的拟合偏差值根据正态分布方式排列,获得偏差值集合以及偏差值集合中每个拟合偏差值的序号。
进一步地,所述第一采样密度的获取包括:
获得偏差值集合中的最大拟合偏差值及对应的最大序号;在偏差值集合中,获得在最大拟合偏差值左侧的最小拟合偏差值记为左最小拟合偏差值,将左最小拟合偏差值对应的序号记为左最小序号,获得在最大拟合偏差值右侧的最小拟合偏差值记为右最小拟合偏差值,将右最小拟合偏差值对应的序号记为右最小序号;
将左最小拟合偏差值和右最小拟合偏差值的均值作为平均最小偏差值,将最大拟合偏差值与平均最小偏差值的差值作为偏差极差值;将最大序号和左最小序号的差值绝对值作为左序列差异,将最大序号和右最小序号的差值绝对值作为右序列差异,将左序列差异和右序列差异的均值作为序列差异值;
将偏差极差值与序列差异值的比值作为第一采样密度。
进一步地,所述概率密度分布的获取包括:
统计音频信号中所有拟合偏差值的类型和数量获得拟合偏差值的分布概率直方图,根据分布概率直方图获得每类拟合偏差值的类型分布概率;将每个类型分布概率作为高斯概率密度函数的自变量所得到的结果作为对应类拟合偏差值的概率密度分布。
进一步地,所述类型影响值的获取包括:
将参考拟合偏差值对应的概率密度分布取定积分的结果作为第一参考值;
将参考拟合偏差值在音频段落中的数量与参考拟合偏差值在音频信号中的总数量的比值作为数量占比,将数量占比与第一参考值相乘,获得参考拟合偏差值的类型影响值。
进一步地,所述第二采样密度的获取包括:
对音频段落中的每类拟合偏差值的类型影响值进行归一化,得到对应的归一化类型影响值,将归一化的类型影响值的相加结果作为音频段落的第二采样密度。
进一步地,所述采样密度系数的获取包括:
将第一采样密度与第二采样密度的均值作为采样密度系数。
进一步地,所述每个音频段落的采样点数量的获取包括:
获得音频信号的最低采样点数量,对于任意一个音频段落,将最低采样点数量与音频段落在音频信号中的长度占比相乘,获得音频段落的段落最低采样点数量;根据采样密度系数获得采样分布权重,将段落最低采样点数量与采样分布权重相乘,获得音频段落的采样点数量。
进一步地,所述音频段落的获取包括:
以音频信号的幅值作为数据点,采用最小二乘法进行曲线拟合获得趋势项曲线;获取趋势项曲线中的极值,将每相邻两个极值之间的时序段落划分为一个音频段落,获得音频信号中所有的音频段落。
进一步地,所述拟合偏差值的获取包括:
获得音频信号中每个时刻的信号幅值,获得趋势项曲线上每个时刻的拟合数值,将每个时刻对应的信号幅值和拟合数值的差值作为拟合偏差值。
本发明具有如下有益效果:
本发明主要通过音频信号的幅值拟合的趋势项曲线划分获得的音频段落,其中,每个音频段落内的拟合偏差值可以体现音频信号在该段对应时序上的离散特征。而离散特征反映了该音频段落中的声音特征分布情况,当离散性越大,说明该音频段落的声音特征越密集,需要的采样数量就越多。因此对每个音频段落中的拟合偏差值的差异性以及每个音频段落中不同类拟合偏差值在整个音频信号的概率密度分布进行分析,综合计算获得该音频段落的采样密度系数,即采样点的保留权重,使传输保留的音频信号更完成整。基于采样点数量根据每个音频段落的采样点密度系数自适应增加投放的采样点,最大程度的减少了采样点的数量,既保证了音频的完整性,也极大的提高了采样效率,减少传输时间,进而使得传输中的噪声附着概率减少。
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和优点,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的介绍,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它附图。
图1为本发明一个实施例所提供的一种用于蓝牙耳机的音频去噪方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种用于蓝牙耳机的音频去噪方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种用于蓝牙耳机的音频去噪方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种用于蓝牙耳机的音频去噪方法流程图,该方法包括:
步骤S1:获取音频信号,根据音频信号幅值拟合获得的趋势项曲线划分音频段落;根据音频信号和趋势项曲线获得每个音频段落的拟合偏差值。
在本发明实施例中,蓝牙耳机的音频去噪方法主要在于提高音频数据在无线传输时的质量,音频信号的质量一定程度上取决于采样频率的大小,采样频率越高,信号还原度越高,但相应会增大音频数据的传输时间,传输时间越长,则噪声的附着率越高,噪声干扰越密集。因此本发明实施例重点在于优化音频数据在无线传输时的编码采样数量,无线传输的缺点在于抗干扰能力差,音频文件冗余的采样点会增加噪声的附着概率,所以对采样点的选取采用从最低采样点数量开始,按照每个音频段落的特征需求自适应的增加,在保证音频完整性的同时,最大程度的降低了音频的传输时间,以及在传输过程中受到的电磁干扰所产生的噪声。故对音频信号分析时首先需要获取音频段落,进而根据每个音频段落的拟合偏差值分析增加采样点的需求特征,因此获取音频信号,根据音频信号幅值拟合获得的趋势项曲线划分音频段落,根据音频信号和趋势项曲线获得每个音频段落的拟合偏差值,具体包括:
在本发明实施例中,从多媒体设备中截取一段音频数据,由于声音的本质是振动传递出去的波,且声音经过音频线或话筒传输时,都可以认为其是一系列的模拟信号,因此音频信号的记录形式为时序上连续的波形图,其中波形图的纵轴为声波能量的幅值,横轴为时间,单位时间内的音波数量为频率。需要说明的是,音频信号的获取为本领域技术人员熟知的技术手段,在此不做赘述。
以音频信号的幅值作为数据点,采用最小二乘法进行曲线拟合获得趋势项曲线,得到的趋势项曲线可以表征出一段音频中声音在时序上的高低缓急等声音音调的特征,因此在采样点的选取时,需要考虑该趋势项曲线的平滑程度。需要说明的是,最小二乘法拟合是本领域技术人员熟知的技术手段,在此不做赘述。
由于趋势项曲线表征声音特征,因此可以根据趋势项曲线进行音频段落划分,以便后续对每个音频段落进行分析,获得每个音频段落的采样点数量。首先获取趋势项曲线中的极值,将每相邻两个极值之间的时序段落划分为一个音频段落,获得音频信号中所有的音频段落,每个音频段落均具有单调性。在本发明实施例中,极值的获取采用对趋势项曲线进行求导,将导数为零的点作为极值点,需要说明的是,求导以及极值的获取为本领域技术人员熟知的技术手段,在此不做赘述。
在每一个已划分的音频段落中都可能存在或多或少的声音特征,通过原音频信号的幅值和趋势项曲线上对应的数值得到该时刻的拟合偏差值,具体包括:
获得音频信号中每个时刻的信号幅值,获得趋势项曲线上每个时刻的拟合数值,将每个时刻对应的信号幅值和拟合数值的差值作为拟合偏差值,拟合偏差值的表达式为:
利用差值的方法获得趋势项曲线与音频信号幅值的差异,当差异越大,拟合偏差值越大,说明对应时刻具有的声音特征是越明显的,同时对于整个音频段落来说,拟合偏差值可以体现音频数据在该段时序上的离散性,离散性反映了声音特征的分布情况,当数据的离散性越大,说明该音频段落中的声音特征越多,此时需要设置更多的采样点,而离散性越小,说明声音特征的分布是较少的,此时采样点数量也是较少的。
步骤S2:根据拟合偏差值的分布获得每个音频段落中由拟合偏差值组成的偏差值集合,根据偏差值集合中拟合偏差值的差异获得每个音频段落的第一采样密度。
根据步骤S1可知,通过对拟合偏差值的分析,可以得到音频段落中的声音特征分布情况,对于还有较多声音特征的音频段落增加更多的采样点以保证音频的完整性,而声音特征分布较少的音频段落,不需要多余的采样点来保留信号特征,因此在对拟合偏差值分析时,先对每个音频段落中的拟合偏差值的差异性进行分析,根据拟合偏差值的分布获得每个音频段落中由拟合偏差值组成的偏差值集合,根据偏差值集合中拟合偏差值的差异获得每个音频段落的第一采样密度,具体包括:
根据音频信号的波动特征,对于存在拟合偏差值的音频段落,其具有较大拟合偏差值的位置,拟合偏差值的分布具有高斯正态的特点,即音频信号对应的幅值位置与其相邻的幅值呈现中间高、两边低的正态分布状。因此为了更好的对整个音频段落进行分析,将音频段落中的拟合偏差值均根据正态分布方式排列,即由中间最大值向两端依次递减,获得偏差值集合以及偏差值集合中每个拟合偏差值对应的序号,需要说明的是,若存在拟合偏差值为零的情况,说明该时序点不具有明显的声音特征,在此对于为零的拟合偏差值进行筛除。
根据偏差值集合可以对每个音频段落进行整体分析,当其中拟合偏差值的差异性越大,即变化趋势越大,说明该音频段落越需要更多的采样点,因此根据偏差值集合获得每个音频段落的第一采样密度,具体第一采样密度的获取包括:
获得偏差值集合中的最大拟合偏差值及对应的最大序号,根据拟合偏差值正态分布的特征,在此对偏差值集合中最大拟合偏差值的两侧综合分析,对两侧的趋势变化进行综合判断。获得在最大拟合偏差值左侧的最小拟合偏差值记为左最小拟合偏差值,将左最小拟合偏差值对应的序号记为左最小序号,获得在最大拟合偏差值右侧的最小拟合偏差值记为右最小拟合偏差值,将右最小拟合偏差值对应的序号记为右最小序号。
分别获得拟合偏差值的偏差极差值和序列差异值,通过两侧的综合分析,可以得到拟合偏差值的整体变化趋势情况,将左最小拟合偏差值和右最小拟合偏差值的均值作为平均最小偏差值,将最大拟合偏差值与平均最小偏差值的差值作为偏差极差值。将最大序号和左最小序号的差值绝对值作为左序列差异,将最大序号和右最小序号的差值绝对值作为右序列差异,将左序列差异和右序列差异的均值作为序列差异值。
将偏差极差值与序列差异值的比值作为第一采样密度,在本发明实施例中,为了后续计算的准确性,第一采样密度的表达式为:
式中,表示为音频段落的第一采样密度;表示为偏差值集合中的最大拟合
偏差值;表示为最大拟合偏差值对应的最大序号;表示为最大拟合偏差值左侧的
最小拟合偏差值,即左最小拟合偏差值;表示为左最小拟合偏差值对应的左最小序号;表示为在偏差值集合中最大拟合偏差值的左侧;表示为最大拟合偏差值右侧的最小
拟合偏差值,即右最小拟合偏差值;表示为右最小拟合偏差值对应的右最小序号;表
示为在偏差值集合中最大拟合偏差值的右侧。
利用比值的形式对呈正态分布的最大拟合偏差值两侧变化趋势综合分析,表示为对左最小拟合偏差值和右最小拟合偏差值求均值获得的平均最小偏差值,表示为偏差极差值,综合最大拟合偏差值两侧获得偏差值集合的极差,表示为左序列差异,表示为右序列差异,
表示为对左序列差异和右序列差异求均值获得的序列差异值,综合最大拟合偏差值两侧获
得偏差值集合对应的反映变化趋势的序列差异。偏差极差值与序列差异值的比值表示每个
音频段落的拟合偏差值的变化趋势,即第一采样密度,当拟合偏差值的变化趋势越大,说明
拟合偏差值差异性较大,进而说明对应音频段落的声音特征分布较多,此时采样的密度需
要增大即采样点数量增多。
步骤S3:根据音频信号中所有拟合偏差值的类型密度分布情况获得每类拟合偏差值的概率密度分布;取任意一个音频段落的偏差值集合中的任意一类拟合偏差值作为参考拟合偏差值,通过参考拟合偏差值的占比和对应的概率密度分布获取参考拟合偏差值的类型影响值,根据所有类的拟合偏差值的类型影响值得到音频段落的第二采样密度。
在步骤S2中完成了对每段音频段落的拟合偏差值差异性分析,进一步地对每个音频段落中不同类拟合偏差值在整个音频信号的概率密度分布进行分析。在音频信号中,因为不同类型的拟合偏差值其出现的概率不同,并且每个音频段落中不同类型的拟合偏差值对整个音频信号的拟合偏差值的分布概率影响也不相同,因此对不同类拟合偏差值的概率密度进行分析,通过每个音频段落中不同类的拟合偏差值对整个音频信号的影响情况,获得第二采样密度。因此,首先获得音频信号中各个类型的拟合偏差值对应的概率密度分布情况,根据音频信号中所有拟合偏差值的类型密度分布情况获得每类拟合偏差值的概率密度分布,具体包括:
优选地,统计音频信号中所有拟合偏差值的类型和数量获得拟合偏差值的分布概率直方图,根据分布概率直方图获得每类拟合偏差值的类型分布概率,每个类型分布概率均表示了对应类型的拟合偏差值的分布概率情况。为了进一步更准确地表现出每个音频段落中的每类拟合偏差值的影响,将每个类型分布概率作为高斯概率密度函数的自变量所得到的结果作为对应类拟合偏差值的概率密度分布,概率密度分布值反映了对应类拟合偏差值的类型分布概率在高斯概率密度函数中的概率密度,在本发明实施例中,考虑到后续计算的便捷性,概率密度分布公式为:
式中,表示为第类拟合偏差值的类型分布概率在高斯概率密度函数中的概
率密度分布为,表示为第类拟合偏差值的类型分布概率,表示为拟合偏差值的类
型分布概率的标准差,表示为拟合偏差值的类型分布概率的平均值,表示为圆周率,表示为以自然常数为底的指数函数。需要说明的是,高斯概率密度函数公式的运用为
本领域技术人员熟知的技术手段,因此具体公式的意义不再赘述。
在获得所有类型的拟合偏差值的概率密度分布后,对每个音频段落进行分析,根据每个类型的拟合偏差值对整个音频信号中分布概率的影响不同,对音频段落进行不同数量采样点的选取,因此取任意一个音频段落的偏差值集合中的任意一类拟合偏差值作为参考拟合偏差值,通过参考拟合偏差值的占比和对应的概率密度分布获取参考拟合偏差值的类型影响值,根据所有类的拟合偏差值的类型影响值得到音频段落的第二采样密度,具体包括:
因为需要对每个音频段落中的每类拟合偏差值都进行分析,因此取任意一个音频段落的偏差值集合中的任意一类拟合偏差值作为参考拟合偏差值,将参考拟合偏差值对应的概率密度分布取定积分的结果作为第一参考值,第一参考值反映了在这个音频段落中参考拟合偏差值的分布概率为类型分布概率的可能性,即参考拟合偏差值的类型分布概率在高斯概率密度函数的期望值。
将参考拟合偏差值在音频段落中的数量与其在音频信号中的总数量的比值作为数量占比,数量占比反映了对于该音频段落中的参考拟合偏差值在整个音频信号中参考偏差值的占比情况,当参考拟合偏差值在该音频段落中的占比越大,说明音频段落的参考拟合偏差值影响程度越大,将数量占比与第一参考值相乘,获得参考拟合偏差值的类型影响值,在本发明实施例中,考虑到后续计算的准确性,类型影响值表达式为:
式中,表示为第个音频段落的第类拟合偏差值的类型影响值,表示为第个
音频段落,表示为第类拟合偏差值也即参考拟合偏差值,表示为第个音频段落中的
第类拟合偏差值的数量,表示为第类拟合偏差值在整个音频信号中的数量,表示
为第类拟合偏差值的类型分布概率在高斯概率密度函数中的概率密度分布为,表
示为第类拟合偏差值的类型分布概率,表示为对第类拟合偏差值的类型
分布概率取定积分结果的第一参考值,即表示第类拟合偏差值的类型分布概率在高斯概
率密度函数中的期望值。
采用乘积的形式对数量占比和第一参考值综合分析,表示为第个音频段落中
的第类拟合偏差值在整个音频信号中第类拟合偏差值的数量占比,当数量占比越大,说
明该音频段落中的参考拟合偏差值对整个音频信号的影响越大,因此类型影响值会越大;
当第一参考值越大,说明在第个音频段落中参考拟合偏差值的分布概率越可能为类型分
布概率,此时该音频段落的参考拟合偏差值分布是接近参考拟合偏差值在整个音频信号的
分布,说明此时第个音频段落中参考拟合偏差值的影响是较大的,因此类型影响值会越
大。
类型影响值表征了音频段落中的参考拟合偏差值对整个音频信号中该参考拟合偏差值分布概率的影响,当类型影响值越大,则说明该音频段落中的参考拟合偏差值对整个音频信号中参考拟合偏差值影响大,对于该音频段落需要增加采样点,使整个音频信号更加完整,保留信息更加准确。
获得音频段落中所有类的拟合偏差值的类型影响值,对音频段落中的每类拟合偏差值的类型影响值进行归一化,得到对应的归一化类型影响值,将归一化的类型影响值的相加结果作为音频段落的第二采样密度,第二采样密度综合了每个音频段落中所有类型的拟合偏差值的影响,对影响大的音频段落需要增加采样点以保证整个音频信号的完整性,在本发明实施例中,考虑到后续计算的便捷性,第二采样密度表达式为:
式中,表示为第个音频段落的第二采样密度,表示为第类拟合偏差值,表
示为拟合偏差值类型的总数量,表示为第个音频段落的第类拟合偏差值的类型影响
值,表示为双曲正切函数,需要说明的是,双曲正切函数为本领域技术人员熟知的技术手
段,在此不做赘述。
采用累加的方式对音频段落的所有类拟合偏差值综合分析,利用双曲正切函数
将第类拟合偏差值的类型影响值归一化,采用归一化处理目的是为了限制数值的取值范
围,将归一化后的所有类拟合偏差值的类型影响值相加,将获得的累加值作为音频段落的
第二采样密度,当累加值越大,说明对应的音频段落中,各个类型的拟合偏差值在整个音频
信号中的分布影响越大,此时认为该音频段落对整个音频信号的影响是极大的,该音频段
落越需要得到重视以保证整个音频信号的完整性。
步骤S4:根据第一采样密度和第二采样密度获得采样密度系数,根据音频信号中每个音频段落的占比和采样密度系数获得每个音频段落的采样点数量;根据采样点数量对音频进行采样并去噪。
根据步骤S2和步骤S3分别分析了每个音频段落中的拟合偏差值的差异性以及每个音频段落中不同类拟合偏差值在整个音频信号的影响,分别获得了每个音频段落的第一采样密度和第二采样密度,最后通过整合获得最终的采样密度系数。此时最终的采样密度系数可以反映每个音频段落需要增加的采样点数量的程度,先计算获得每个音频段落的理论最低采样点数量,基于最低采样点数量根据采样密度系数自适应增加采样点的数量,以保证音频信号的完整性。因此根据第一采样密度和第二采样密度获得采样密度系数,根据音频信号中每个音频段落的占比和采样密度系数获得每个音频段落的采样点数量,具体包括:
对于获得的每个音频段落的第一采样密度和第二采样密度取均值作为最终的采样密度系数,采样密度系数表达式为:
采用均值的方式将第一采样密度和第二采样密度整合,当第一采样密度和第二采样密度越大时,说明该音频段落需要增加更多的采样点以保证音频信号的完整性,所以采样密度系数会越大。
在音频信号进行储存传输时需要先进行编码过程,而一般编码采样率不能低于音频信号的一半,采样率越高,说明每秒采集数量越多,采样点之间越接近,获得的音频曲线就越平滑,过度越自然。但采样率越高也意味着音频文件储存量越大,传输时间就越长,收到噪声干扰的可能性就越多。因此在采样点选取时,先获得整个音频信号的最低采样点数量,即整个原始音频信号中波的数量的一半。
对于任意一个音频段落进行分析,将最低采样点数量与音频段落在音频信号中的长度占比相乘,获得音频段落的段落最低采样点数量,每个音频段落的段落最低采样点数量表示了每个音频段落中理论上采样点的投放数量,在段落最低采样点数量基础上根据对应的采样密度系数对采样点数量进行增加。根据采样密度系数获得采样分布权重,将段落最低采样点数量与采样分布权重相乘,获得音频段落的采样点数量,在本发明实施例中,考虑到计算的准确性,音频段落采样点数量的获取表达式为:
式中,表示为第个音频段落的采样点数量,表示为整个音频信号的长度,表
示为整个音频信号的原始信号波数量,表示为第个音频段落的长度,表示为第个音
频段落的采样密度系数,表示为最低采样点数量,表示为第个音频段落的长度占整
个音频信号长度的占比,表示为采样分布权重。
对每个音频段落的段落最低采样点数量根据不同的采样分布权重自适应的增加
采样点,最终获得在理论采样点投放数量上自适应增加后的采样点数量,表示为段
落最低采样点,也即音频段落的理论采样点投放数量,表示为采样分布权重,在采
样分布权重中表示为根据段落最低采样点数量需要增加的采样点数量的权重,根据每个
音频段落的影响不同,进行增加,需要说明的是,采样点数量对应的数据类型为整数,因此
对最终计算获得的采样点数量进行向下取整,得到每个音频段落的真实采样点数量。
根据采样点数量对音频信号进行采样并进行去噪处理,完成去噪。在本发明实施例中,采用PCM编码的方法将采样得到的音频数据进行量化、编码和传输。需要说明的是,PCM编码为本领域技术人员熟知的技术手段,在此不做赘述。
至此,对整个音频信号的采样步骤完成,自适应的采样点方法考虑了信号本身的特征和不同音频段落信号的完整度,基于最低标准采样点数量,根据不同音频段落信号的需求进行自适应增加,既保证了信号的完整性,也使音频的编码效率更高,减少了不必要的采样点,最大程度的减少了采样点的数量,使传输交互时间减少,传输时的噪声附着率减少,提高了音频去噪的质量和效率。
综上所述,本发明通过获取音频信号,根据音频信号幅值拟合获得趋势项曲线划分音频段落,根据音频信号和趋势项曲线获得拟合偏差值,对每个音频段落分析拟合偏差值的差异性获得每个音频段落的第一采样密度,对每个音频段落分析音频段落中不同类拟合偏差值在整个音频信号的概率密度分布获得每个音频段落的第二采样密度,根据第一采样密度和第二采样密度获得采样密度系数,根据音频信号中每个音频段落的占比和采样密度系数获得每个音频段落的采样点数量,根据采样点数量对音频进行采样并去噪。本发明通过对音频数据分析,考虑了信号本身的特征和不同音频段落信号的完整度,基于最低标准采样点数量,根据不同音频段落信号的需求进行自适应增加。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
Claims (10)
1.一种用于蓝牙耳机的音频去噪方法,其特征在于,所述方法包括:
获取音频信号,根据音频信号幅值拟合获得的趋势项曲线划分音频段落;根据音频信号和趋势项曲线获得每个音频段落的拟合偏差值;
根据拟合偏差值的分布获得每个音频段落中由拟合偏差值组成的偏差值集合,根据偏差值集合中拟合偏差值的差异获得每个音频段落的第一采样密度;
根据音频信号中所有拟合偏差值的类型密度分布情况获得每类拟合偏差值的概率密度分布;取任意一个音频段落的偏差值集合中的任意一类拟合偏差值作为参考拟合偏差值,通过参考拟合偏差值的占比和对应的概率密度分布获取参考拟合偏差值的类型影响值,根据所有类的拟合偏差值的类型影响值得到音频段落的第二采样密度;
根据第一采样密度和第二采样密度获得采样密度系数,根据音频信号中每个音频段落的占比和采样密度系数获得每个音频段落的采样点数量;根据采样点数量对音频进行采样并去噪。
2.根据权利要求1所述的一种用于蓝牙耳机的音频去噪方法,其特征在于,所述偏差值集合的获取包括:
将音频段落中的拟合偏差值根据正态分布方式排列,获得偏差值集合以及偏差值集合中每个拟合偏差值的序号。
3.根据权利要求2所述的一种用于蓝牙耳机的音频去噪方法,其特征在于,所述第一采样密度的获取包括:
获得偏差值集合中的最大拟合偏差值及对应的最大序号;在偏差值集合中,获得在最大拟合偏差值左侧的最小拟合偏差值记为左最小拟合偏差值,将左最小拟合偏差值对应的序号记为左最小序号,获得在最大拟合偏差值右侧的最小拟合偏差值记为右最小拟合偏差值,将右最小拟合偏差值对应的序号记为右最小序号;
将左最小拟合偏差值和右最小拟合偏差值的均值作为平均最小偏差值,将最大拟合偏差值与平均最小偏差值的差值作为偏差极差值;将最大序号和左最小序号的差值绝对值作为左序列差异,将最大序号和右最小序号的差值绝对值作为右序列差异,将左序列差异和右序列差异的均值作为序列差异值;
将偏差极差值与序列差异值的比值作为第一采样密度。
4.根据权利要求1所述的一种用于蓝牙耳机的音频去噪方法,其特征在于,所述概率密度分布的获取包括:
统计音频信号中所有拟合偏差值的类型和数量获得拟合偏差值的分布概率直方图,根据分布概率直方图获得每类拟合偏差值的类型分布概率;将每个类型分布概率作为高斯概率密度函数的自变量所得到的结果作为对应类拟合偏差值的概率密度分布。
5.根据权利要求1所述的一种用于蓝牙耳机的音频去噪方法,其特征在于,所述类型影响值的获取包括:
将参考拟合偏差值对应的概率密度分布取定积分的结果作为第一参考值;
将参考拟合偏差值在音频段落中的数量与参考拟合偏差值在音频信号中的总数量的比值作为数量占比,将数量占比与第一参考值相乘,获得参考拟合偏差值的类型影响值。
6.根据权利要求1所述的一种用于蓝牙耳机的音频去噪方法,其特征在于,所述第二采样密度的获取包括:
对音频段落中的每类拟合偏差值的类型影响值进行归一化,得到对应的归一化类型影响值,将归一化的类型影响值的相加结果作为音频段落的第二采样密度。
7.根据权利要求1所述的一种用于蓝牙耳机的音频去噪方法,其特征在于,所述采样密度系数的获取包括:
将第一采样密度与第二采样密度的均值作为采样密度系数。
8.根据权利要求1所述的一种用于蓝牙耳机的音频去噪方法,其特征在于,所述每个音频段落的采样点数量的获取包括:
获得音频信号的最低采样点数量,对于任意一个音频段落,将最低采样点数量与音频段落在音频信号中的长度占比相乘,获得音频段落的段落最低采样点数量;根据采样密度系数获得采样分布权重,将段落最低采样点数量与采样分布权重相乘,获得音频段落的采样点数量。
9.根据权利要求1所述的一种用于蓝牙耳机的音频去噪方法,其特征在于,所述音频段落的获取包括:
以音频信号的幅值作为数据点,采用最小二乘法进行曲线拟合获得趋势项曲线;获取趋势项曲线中的极值,将每相邻两个极值之间的时序段落划分为一个音频段落,获得音频信号中所有的音频段落。
10.根据权利要求1所述的一种用于蓝牙耳机的音频去噪方法,其特征在于,所述拟合偏差值的获取包括:
获得音频信号中每个时刻的信号幅值,获得趋势项曲线上每个时刻的拟合数值,将每个时刻对应的信号幅值和拟合数值的差值作为拟合偏差值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310043255.5A CN115798502B (zh) | 2023-01-29 | 2023-01-29 | 一种用于蓝牙耳机的音频去噪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310043255.5A CN115798502B (zh) | 2023-01-29 | 2023-01-29 | 一种用于蓝牙耳机的音频去噪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115798502A true CN115798502A (zh) | 2023-03-14 |
CN115798502B CN115798502B (zh) | 2023-04-25 |
Family
ID=85429057
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310043255.5A Active CN115798502B (zh) | 2023-01-29 | 2023-01-29 | 一种用于蓝牙耳机的音频去噪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115798502B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116405823A (zh) * | 2023-06-01 | 2023-07-07 | 深圳市匠心原创科技有限公司 | 一种骨传导耳机音频智能去噪增强方法 |
CN116991199A (zh) * | 2023-09-25 | 2023-11-03 | 深圳扬兴科技有限公司 | 用于时钟芯片的时钟信号智能降噪方法 |
CN117357094A (zh) * | 2023-11-15 | 2024-01-09 | 读取(北京)科技有限公司 | 应用声音强度和二氧化碳检测的呼吸状态验证*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0386820A1 (en) * | 1989-03-03 | 1990-09-12 | Koninklijke Philips Electronics N.V. | Method and arrangement for probabilistic pitch measuring |
US20080312913A1 (en) * | 2005-04-01 | 2008-12-18 | National Institute of Advanced Industrial Sceince And Technology | Pitch-Estimation Method and System, and Pitch-Estimation Program |
US20140142878A1 (en) * | 2012-11-21 | 2014-05-22 | Horizon Analog, Inc. | Density function centric signal processing |
CN105117537A (zh) * | 2015-08-13 | 2015-12-02 | 电子科技大学 | 一种基于权值比较的粒子滤波***重采样方法 |
CN109102818A (zh) * | 2018-08-29 | 2018-12-28 | 昆明理工大学 | 一种基于信号频率概率密度函数分布的去噪音频采样算法 |
US20190222188A1 (en) * | 2016-10-07 | 2019-07-18 | Sony Corporation | Information processing device, information processing method, and program |
-
2023
- 2023-01-29 CN CN202310043255.5A patent/CN115798502B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0386820A1 (en) * | 1989-03-03 | 1990-09-12 | Koninklijke Philips Electronics N.V. | Method and arrangement for probabilistic pitch measuring |
US20080312913A1 (en) * | 2005-04-01 | 2008-12-18 | National Institute of Advanced Industrial Sceince And Technology | Pitch-Estimation Method and System, and Pitch-Estimation Program |
US20140142878A1 (en) * | 2012-11-21 | 2014-05-22 | Horizon Analog, Inc. | Density function centric signal processing |
CN105117537A (zh) * | 2015-08-13 | 2015-12-02 | 电子科技大学 | 一种基于权值比较的粒子滤波***重采样方法 |
US20190222188A1 (en) * | 2016-10-07 | 2019-07-18 | Sony Corporation | Information processing device, information processing method, and program |
CN109102818A (zh) * | 2018-08-29 | 2018-12-28 | 昆明理工大学 | 一种基于信号频率概率密度函数分布的去噪音频采样算法 |
Non-Patent Citations (2)
Title |
---|
汤显峰;葛泉波;: "基于子带无迹粒子滤波的语音增强算法" * |
郭小华;陈文岳;: "基于压缩感知的资源节约型音频信号采集方法" * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116405823A (zh) * | 2023-06-01 | 2023-07-07 | 深圳市匠心原创科技有限公司 | 一种骨传导耳机音频智能去噪增强方法 |
CN116405823B (zh) * | 2023-06-01 | 2023-08-29 | 深圳市匠心原创科技有限公司 | 一种骨传导耳机音频智能去噪增强方法 |
CN116991199A (zh) * | 2023-09-25 | 2023-11-03 | 深圳扬兴科技有限公司 | 用于时钟芯片的时钟信号智能降噪方法 |
CN116991199B (zh) * | 2023-09-25 | 2024-01-02 | 深圳扬兴科技有限公司 | 用于时钟芯片的时钟信号智能降噪方法 |
CN117357094A (zh) * | 2023-11-15 | 2024-01-09 | 读取(北京)科技有限公司 | 应用声音强度和二氧化碳检测的呼吸状态验证*** |
CN117357094B (zh) * | 2023-11-15 | 2024-06-21 | 读取(北京)科技有限公司 | 应用声音强度和二氧化碳检测的呼吸状态验证*** |
Also Published As
Publication number | Publication date |
---|---|
CN115798502B (zh) | 2023-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115798502A (zh) | 一种用于蓝牙耳机的音频去噪方法 | |
JP5089772B2 (ja) | 音声活動を検出するための装置および方法 | |
KR100896737B1 (ko) | 오디오 신호의 견고한 분류를 위한 장치 및 방법, 오디오신호 데이터베이스를 설정 및 운영하는 방법, 및 컴퓨터프로그램 | |
US20210074312A1 (en) | Method and Apparatus for Detecting a Voice Activity in an Input Audio Signal | |
US8571231B2 (en) | Suppressing noise in an audio signal | |
CN102918588B (zh) | 基于声输入信号提供空间参数的空间音频处理器和方法 | |
CN106409310B (zh) | 一种音频信号分类方法和装置 | |
JP5127754B2 (ja) | 信号処理装置 | |
CN111312290B (zh) | 音频数据音质检测方法及装置 | |
CN103247298B (zh) | 一种灵敏度校准方法和音频设备 | |
JP2012522255A (ja) | オーディオ信号分類の方法および装置 | |
CN104981870B (zh) | 声音增强装置 | |
CN103544957B (zh) | 音频信号的比特分配的方法和装置 | |
CN115472153A (zh) | 语音增强***、方法、装置及设备 | |
US9398387B2 (en) | Sound processing device, sound processing method, and program | |
CN105632523A (zh) | 调节音频数据的音量输出值的方法和装置及终端 | |
CN113113049A (zh) | 一种联合语音增强的语音活动检测方法 | |
CN113327589A (zh) | 一种基于姿态传感器的语音活动检测方法 | |
CN117542370B (zh) | 一种用于智能客服机器人的语音信号智能处理方法及*** | |
EP4193357A1 (en) | Maintaining invariance of sensory dissonance and sound localization cues in audio codecs | |
Pham et al. | Performance analysis of wavelet subband based voice activity detection in cocktail party environment | |
WO2023138252A1 (zh) | 音频信号处理方法及装置、耳机设备、存储介质 | |
CN117198312B (zh) | 一种用于智能眼镜的语音交互处理方法 | |
Srinivasarao | An efficient recurrent Rats function network (Rrfn) based speech enhancement through noise reduction | |
US20240274143A1 (en) | Speech encoding and decoding methods and apparatuses, computer device, and storage medium |
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 |