本發(fā)明涉及音頻，尤其涉及一種適用于會(huì)議系統(tǒng)的無線音頻星閃傳輸噪聲管理方法及系統(tǒng)。

背景技術(shù)：

1、在現(xiàn)代會(huì)議系統(tǒng)中，無線音頻傳輸技術(shù)的廣泛應(yīng)用提供了極大的便利。然而，無線音頻傳輸中不可避免地會(huì)遇到各種噪聲干擾問題，這些噪聲干擾不僅會(huì)影響音頻的傳輸質(zhì)量，還會(huì)對(duì)會(huì)議的整體體驗(yàn)產(chǎn)生負(fù)面影響。常見的無線音頻傳輸噪聲來源主要包括環(huán)境噪聲和人為噪聲。環(huán)境噪聲通常指來自周圍環(huán)境的背景噪聲，如風(fēng)聲、空調(diào)聲等；而人為噪聲則包括由于人員操作、設(shè)備故障等原因引起的雜音。

2、在會(huì)議場景中，演講人員在進(jìn)行演講的過程中，其演講者的聲音存在不可控性，可能會(huì)出現(xiàn)突然間的演講聲音增大的情況，在聲音功放設(shè)備未能及時(shí)控制的情況下，將增大后的演講聲音進(jìn)行播放，在安靜的會(huì)議場景下，會(huì)給其余人員帶來不好的體驗(yàn)，影響會(huì)議效果，從而產(chǎn)生人為噪音。因此，如何更好的對(duì)人為噪音進(jìn)行降噪管理，以提高會(huì)議效果和參會(huì)人員的舒適度，是一個(gè)重要問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明克服了現(xiàn)有技術(shù)的缺陷，提供了一種適用于會(huì)議系統(tǒng)的無線音頻星閃傳輸噪聲管理方法及系統(tǒng)，其重要目的在于提高會(huì)議場景下的噪聲管理能力以及參會(huì)人員的舒適度。

2、為實(shí)現(xiàn)上述目的本發(fā)明第一方面提供了一種適用于會(huì)議系統(tǒng)的無線音頻星閃傳輸噪聲管理方法，包括：

3、獲取目標(biāo)會(huì)議場景的待傳輸音頻信息，對(duì)待傳輸音頻進(jìn)行編碼，基于非負(fù)矩陣分解算法對(duì)待傳輸音頻進(jìn)行初步分離，得到分離音頻信息；

4、構(gòu)建音頻分類模型，根據(jù)所述分離音頻信息進(jìn)行音頻分類，將待傳輸音頻分類為環(huán)境聲音頻和人聲音頻，得到音頻分類信息；

5、根據(jù)所述音頻分類信息獲取環(huán)境聲音頻信息，基于環(huán)境聲音頻的時(shí)序?qū)傩詷?gòu)成環(huán)境聲音頻序列，對(duì)環(huán)境聲音頻進(jìn)行降噪管理；

6、根據(jù)所述音頻分類信息獲取人聲音頻信息，進(jìn)行人聲音頻分析，將人聲音頻劃分為背景人聲音頻和目標(biāo)人聲音頻，對(duì)背景人聲音頻進(jìn)行降噪，對(duì)目標(biāo)人聲音頻進(jìn)行異常檢測；

7、基于異常檢測結(jié)果對(duì)目標(biāo)人聲音頻進(jìn)行舒適度評(píng)估，判斷是否存在人為噪音并進(jìn)行音頻預(yù)測，生成降噪調(diào)控參數(shù)對(duì)目標(biāo)人聲音頻進(jìn)行降噪管理。

8、本方案中，所述獲取目標(biāo)會(huì)議場景的待傳輸音頻信息，對(duì)待傳輸音頻進(jìn)行編碼，基于非負(fù)矩陣分解算法對(duì)待傳輸音頻進(jìn)行初步分離，得到分離音頻信息，具體包括：

9、通過音頻錄制設(shè)備對(duì)目標(biāo)會(huì)議場景進(jìn)行音頻采集，獲取目標(biāo)會(huì)議場景的待傳輸音頻信息；

10、預(yù)設(shè)時(shí)間序列，根據(jù)所述待傳輸音頻信息對(duì)待傳輸音頻進(jìn)行編碼，將編碼后的音頻數(shù)據(jù)嵌入至所述時(shí)間序列中，進(jìn)行數(shù)據(jù)預(yù)處理，得到混合音頻信息；

11、引入短時(shí)傅里葉變換算法對(duì)所述混合音頻信息進(jìn)行分幀處理，基于漢寧窗函數(shù)對(duì)每一幀的音頻數(shù)據(jù)進(jìn)行加窗，將每一幀音頻數(shù)據(jù)乘以漢寧窗函數(shù)，得到加窗后音頻信息；

12、根據(jù)所述加窗后音頻信息對(duì)各時(shí)間窗口的混合音頻數(shù)據(jù)進(jìn)行離散傅里葉變化，獲取各時(shí)間窗口混合音頻數(shù)據(jù)對(duì)應(yīng)頻譜，并構(gòu)成時(shí)頻矩陣；

13、基于非負(fù)矩陣分解算法將所述時(shí)頻矩陣進(jìn)行分解，隨機(jī)初始化基底矩陣和激活系數(shù)矩陣，將kl散度作為優(yōu)化目標(biāo)，預(yù)設(shè)損失函數(shù)并采用乘法更新規(guī)則對(duì)基底矩陣和激活系數(shù)矩陣進(jìn)行迭代優(yōu)化；

14、獲取優(yōu)化后的基底矩陣和激活系數(shù)矩陣，分別提取基底向量和激活系數(shù)向量，通過數(shù)據(jù)檢索獲取環(huán)境聲和人聲對(duì)應(yīng)的頻譜特征表示，結(jié)合聚類算法分別將基地向量和激活系數(shù)向量分類為環(huán)境聲向量類別和人聲向量類別；

15、基于分類結(jié)果計(jì)算環(huán)境聲和人聲的時(shí)頻表示矩陣，并進(jìn)行逆短時(shí)傅里葉變換，得到分離音頻信息。

16、本方案中，所述構(gòu)建音頻分類模型，根據(jù)所述分離音頻信息進(jìn)行音頻分類，將待傳輸音頻分類為不同的音頻類型，得到音頻分類信息，具體包括：

17、獲取分離音頻信息，采用梅爾濾波器對(duì)所述分離音頻信息進(jìn)行特征提取，基于梅爾濾波器獲取梅爾頻率，對(duì)所述分離音頻信息進(jìn)行濾波處理；

18、基于濾波處理后的分離音頻信息進(jìn)行對(duì)數(shù)壓縮獲取對(duì)數(shù)壓縮結(jié)果后的分離音頻信息，進(jìn)行離散余弦變換并生成音頻倒譜系數(shù)；

19、將生成的音頻倒譜系數(shù)與預(yù)設(shè)閾值進(jìn)行判斷，選取大于預(yù)設(shè)閾值的音頻倒譜系數(shù)進(jìn)行合并，得到分離音頻特征信息；

20、預(yù)設(shè)分類類別，通過大數(shù)據(jù)檢索獲取各類別對(duì)應(yīng)的語譜圖，并根據(jù)各類別語譜圖的譜熵進(jìn)行劃分，根據(jù)劃分結(jié)果獲取各類別語譜圖對(duì)應(yīng)的聲紋特征并進(jìn)行關(guān)聯(lián)，構(gòu)成第一數(shù)據(jù)集；

21、構(gòu)建音頻分類模型，通過所述第一數(shù)據(jù)集進(jìn)行模型訓(xùn)練獲取符合期望的音頻分類模型，將所述分離音頻特征信息輸入至所述音頻分類模型中進(jìn)行音頻分類；

22、基于輸入的所述分離音頻特征信息計(jì)算分離音頻的譜熵，根據(jù)分離音頻的譜熵獲取對(duì)應(yīng)類別下的語譜圖及聲紋特征，通過所述分離音頻信息生成分離音頻語譜圖和分離音頻聲紋特征，進(jìn)行相似度計(jì)算獲取相似度值；

23、將計(jì)算得到的相似度值與預(yù)設(shè)閾值進(jìn)行判斷，根據(jù)判斷結(jié)果輸出分離音頻的分類結(jié)果，得到音頻分類信息。

24、本方案中，所述根據(jù)所述音頻分類信息獲取環(huán)境聲音頻信息，基于環(huán)境聲音頻的時(shí)序?qū)傩詷?gòu)成環(huán)境聲音頻序列，對(duì)環(huán)境聲音頻進(jìn)行降噪管理，具體包括：

25、獲取音頻分類信息，根據(jù)所述音頻分類信息提取環(huán)境聲音頻信息，基于環(huán)境聲音頻的時(shí)序?qū)傩詷?gòu)成環(huán)境聲音頻序列，通過所述音頻分類信息提取人聲音頻信息構(gòu)成人聲音頻序列；

26、基于所述環(huán)境聲音頻序列計(jì)算噪聲序列的平均頻譜，作為噪聲頻譜，將所述環(huán)境聲音頻序列與所述人聲音頻序列進(jìn)行時(shí)序?qū)R，標(biāo)記人聲與環(huán)境聲重合的序列，得到標(biāo)記序列；

27、對(duì)所述環(huán)境聲音頻信息進(jìn)行特征提取，獲取頻率、振幅和音頻波形特征，并進(jìn)行周期性分析，得到周期性分析信息；

28、根據(jù)標(biāo)記序列計(jì)算帶噪音頻的頻譜，與所述噪聲頻譜進(jìn)行相減操作，獲取相減后的頻譜，通過所述周期性分析信息生成修正參數(shù)，對(duì)相減后的頻譜進(jìn)行修正獲取修正后頻譜，逆傅里葉變換生成環(huán)境聲音頻降噪結(jié)果信息。

29、本方案中，所述根據(jù)所述音頻分類信息獲取人聲音頻信息，進(jìn)行人聲音頻分析，將人聲音頻劃分為背景人聲音頻和目標(biāo)人聲音頻，對(duì)背景人聲音頻進(jìn)行降噪，對(duì)目標(biāo)人聲音頻進(jìn)行異常檢測，具體包括：

30、基于歷史數(shù)據(jù)檢索獲取混合人聲音頻，根據(jù)獲取的混合人聲音頻獲取混合人聲音頻的聲譜圖，將混合人聲音頻按照頻率進(jìn)行劃分，得到第一劃分信息；

31、通過實(shí)例統(tǒng)計(jì)分析獲取說話場景下的背景人聲和目標(biāo)人聲的頻率及聲音特征，結(jié)合所述第一劃分信息將混合人聲音頻劃分為背景人聲和目標(biāo)人聲，構(gòu)成實(shí)例數(shù)據(jù)集；

32、獲取音頻分類信息，根據(jù)所述音頻分類信息獲取人聲音頻信息，對(duì)所述人聲音頻信息進(jìn)行預(yù)加重濾波，并進(jìn)行特征提取獲取人聲音頻特征信息；

33、基于svm構(gòu)建人聲音頻分析模型，通過所述實(shí)例數(shù)據(jù)集進(jìn)行模型訓(xùn)練獲取符合期望的人聲音頻分析模型，將所述人聲音頻特征信息輸入至所述人聲音頻分析模型中進(jìn)行分析，得到人聲音頻分析信息；

34、所述人聲音頻分析信息將人聲音頻劃分為背景人聲和目標(biāo)人聲，采用頻譜減法進(jìn)行背景人聲降噪；

35、基于人聲音頻分析信息提取目標(biāo)人聲音頻，通過生成對(duì)抗網(wǎng)絡(luò)構(gòu)建異常檢測模型，輸入目標(biāo)人聲音頻并根據(jù)目標(biāo)人聲音頻特征生成原始人聲音頻序列，通過生成器獲取生成人聲音頻序列；

36、計(jì)算原始人聲音頻序列和生成人聲音頻序列之間的重構(gòu)誤差，根據(jù)所述重構(gòu)誤差進(jìn)行異常人聲音頻檢測，得到異常人聲音頻檢測信息。

37、本方案中，所述基于異常檢測結(jié)果對(duì)目標(biāo)人聲音頻進(jìn)行舒適度評(píng)估，判斷是否存在人為噪音并進(jìn)行音頻預(yù)測，生成降噪調(diào)控參數(shù)對(duì)目標(biāo)人聲音頻進(jìn)行降噪管理，具體包括：

38、基于數(shù)據(jù)檢索獲取不同會(huì)議場景下各功放標(biāo)準(zhǔn)下的說話人聲音頻，通過專家分析法對(duì)各說話人聲音頻進(jìn)行舒適度評(píng)估，得到不同舒適度的說話人聲音頻；

39、提取不同舒適度的說話人聲音頻對(duì)應(yīng)的人聲音頻特征構(gòu)建舒適度評(píng)估規(guī)則，獲取異常人聲音頻檢測信息，對(duì)異常人聲音頻進(jìn)行舒適度評(píng)估，得到舒適度評(píng)估信息；

40、若所述舒適度評(píng)估結(jié)果為當(dāng)前時(shí)刻的目標(biāo)人聲音頻為舒適，則對(duì)當(dāng)前時(shí)刻的目標(biāo)人聲音頻進(jìn)行語音增強(qiáng)；

41、若所述舒適度評(píng)估結(jié)果為當(dāng)前時(shí)刻的目標(biāo)人聲音頻為不舒適，則當(dāng)前時(shí)刻的目標(biāo)人聲音頻出現(xiàn)人為噪音，進(jìn)行噪音管理，根據(jù)所述異常人聲音頻檢測信息提取異常人聲音頻特征；

42、根據(jù)所述舒適度評(píng)估規(guī)則獲取舒適音頻基準(zhǔn)，與提取的異常人聲音頻特征進(jìn)行偏差計(jì)算獲取偏差值，基于計(jì)算得到的偏差值對(duì)異常人聲音頻進(jìn)行降噪調(diào)控，生成降噪調(diào)控參數(shù)；

43、引入馬爾可夫算法根據(jù)提取的異常人聲音頻特征進(jìn)行音頻預(yù)測，根據(jù)異常人聲音頻特征設(shè)定初始狀態(tài)，并在預(yù)設(shè)的狀態(tài)空間中進(jìn)行檢索獲取初始狀態(tài)的狀態(tài)轉(zhuǎn)移矩陣；

44、根據(jù)狀態(tài)轉(zhuǎn)移矩陣分析當(dāng)前時(shí)刻的異常人聲音頻下一狀態(tài)的狀態(tài)轉(zhuǎn)移概率，生成當(dāng)前時(shí)刻的異常人聲音頻的狀態(tài)轉(zhuǎn)移動(dòng)態(tài)序列；

45、獲取人聲音頻分析信息，提取目標(biāo)人聲音頻特征并生成目標(biāo)人聲的實(shí)際狀態(tài)變化序列，分析實(shí)際音頻變化的狀態(tài)轉(zhuǎn)移概率，結(jié)合狀態(tài)轉(zhuǎn)移動(dòng)態(tài)序列選取符合實(shí)際音頻變化的狀態(tài)轉(zhuǎn)移序列，得到最終狀態(tài)轉(zhuǎn)移序列；

46、根據(jù)所述最終狀態(tài)轉(zhuǎn)移序列生成音頻預(yù)測結(jié)果，對(duì)音頻預(yù)測結(jié)果進(jìn)行異常檢測和舒適度評(píng)估，并對(duì)評(píng)估結(jié)果為不舒適的音頻預(yù)測結(jié)果進(jìn)行降噪調(diào)控，生成降噪調(diào)控預(yù)測參數(shù)；

47、獲取下一時(shí)刻的目標(biāo)人聲音頻進(jìn)行特征提取并生成下一時(shí)刻的音頻狀態(tài)變化序列，與所述最終狀態(tài)轉(zhuǎn)移序列進(jìn)行對(duì)比分析，根據(jù)對(duì)比分析結(jié)果對(duì)所述降噪調(diào)控預(yù)測參數(shù)進(jìn)行修正。

48、本發(fā)明第二方面提供了一種適用于會(huì)議系統(tǒng)的無線音頻星閃傳輸噪聲管理系統(tǒng)，該系統(tǒng)包括：存儲(chǔ)器、處理器，所述存儲(chǔ)器中包含適用于會(huì)議系統(tǒng)的無線音頻星閃傳輸噪聲管理方法程序，所述適用于會(huì)議系統(tǒng)的無線音頻星閃傳輸噪聲管理方法程序被所述處理器執(zhí)行時(shí)實(shí)現(xiàn)如下步驟：

49、獲取目標(biāo)會(huì)議場景的待傳輸音頻信息，對(duì)待傳輸音頻進(jìn)行編碼，基于非負(fù)矩陣分解算法對(duì)待傳輸音頻進(jìn)行初步分離，得到分離音頻信息；

50、構(gòu)建音頻分類模型，根據(jù)所述分離音頻信息進(jìn)行音頻分類，將待傳輸音頻分類為不同的音頻類型，得到音頻分類信息；

51、根據(jù)所述音頻分類信息獲取環(huán)境聲音頻信息，基于環(huán)境聲音頻的時(shí)序?qū)傩詷?gòu)成環(huán)境聲音頻序列，對(duì)環(huán)境聲音頻進(jìn)行降噪管理；

52、根據(jù)所述音頻分類信息獲取人聲音頻信息，進(jìn)行人聲音頻分析，將人聲音頻劃分為背景人聲音頻和目標(biāo)人聲音頻，對(duì)背景人聲音頻進(jìn)行降噪，對(duì)目標(biāo)人聲音頻進(jìn)行異常檢測；

53、基于異常檢測結(jié)果對(duì)目標(biāo)人聲音頻進(jìn)行舒適度評(píng)估，判斷是否存在人為噪音并進(jìn)行音頻預(yù)測，生成降噪調(diào)控參數(shù)對(duì)目標(biāo)人聲音頻進(jìn)行降噪管理。

54、本發(fā)明公開了一種適用于會(huì)議系統(tǒng)的無線音頻星閃傳輸噪聲管理方法及系統(tǒng)，包括：獲取待傳輸音頻信息，對(duì)待傳輸音頻進(jìn)行編碼，基于非負(fù)矩陣分解算法對(duì)待傳輸音頻進(jìn)行初步分離，得到分離音頻信息；根據(jù)所述分離音頻信息進(jìn)行音頻分類，將待傳輸音頻分類為不同的音頻類型，得到音頻分類信息；根據(jù)音頻分類信息獲取環(huán)境聲音頻信息并構(gòu)成環(huán)境聲音頻序列，進(jìn)行降噪管理；進(jìn)行人聲音頻分析，將人聲音頻劃分為背景人聲音頻和目標(biāo)人聲音頻，對(duì)背景人聲音頻進(jìn)行降噪，對(duì)目標(biāo)人聲音頻進(jìn)行異常檢測；對(duì)目標(biāo)人聲音頻進(jìn)行舒適度評(píng)估，判斷是否存在人為噪音并進(jìn)行音頻預(yù)測，生成降噪調(diào)控參數(shù)。提高會(huì)議場景的音頻傳輸噪聲管理質(zhì)量和參會(huì)人員的舒適度。