一种声音信号分离方法、系统、介质及设备与流程

本技术涉及广播信号监测，具体涉及一种声音信号分离方法、系统、介质及设备。

背景技术：

1、在无线电广播领域，对目标声音信号的提取一直是一项重要的技术课题。目前，无线电接收设备能够捕获各种信号，但是所接收到的信号常常是多种信号的混合，其中既包含我们关注的目标声音信号，也混杂有其他的干扰信号，如何从复杂的混合信号中准确提取出目标声音内容，一直是这个领域亟待解决的难题。

2、为了实现从混合信号中分离目标声音信号，通常采用单声道混合信号，通过频域滤波、时频mask等算法处理直接分离目标声音信号，主要是通过频率滤波器提取目标频带，只保留目标声音所在的特定频率范围，过滤掉其他频率成分。但这样的频域过滤方法存在一个缺陷，在复杂干扰的场景，目标声音信号和干扰信号可能会出现频率重合，采用现有技术无法准确过滤重合信号中的干扰信号，导致分离出目标声音信号的效果较差。

技术实现思路

1、本技术提供了一种声音信号分离方法、系统、介质及设备，可以提高对目标声音信号分离的效果。

2、第一方面，本技术提供了一种声音信号分离方法，所述方法包括：

3、获取参考信号以及开路天线接收的混合信号；

4、将所述参考信号和所述混合信号进行预处理，分别得到所述参考信号对应的多个第一子带信号以及所述混合信号对应的多个第二子带信号；

5、基于各所述第一子带信号以及各所述第二子带信号，确定所述参考信号和所述混合信号的同步位置，并基于所述同步位置调整各所述第二子带信号，得到同步子带信号；

6、计算各所述同步子带信号对应的各对象音，并根据各所述对象音得到目标声音信号。

7、通过采用上述技术方案，将参考信号和混合信号进行子带分割预处理，获得参考信号对应的多个第一子带信号以及混合信号对应的多个第二子带信号，在此基础上确定参考信号和混合信号之间的同步位置关系，并据此调整第二子带信号，实现参考信号和混合信号之间的同步，得到同步后的子带信号，然后针对同步后的各子带信号计算对应的对象音信号，最终综合所有子带中的对象音信号，得到目标声音信号，有效地利用参考信号的频域信息指导混合信号的处理，可以准确定位混合信号中目标声音部分在各个频带子信号上的位置，从而可以有效提高最后获得的目标声音信号的质量，即使目标声音信号与干扰在某些频带存在重合，也可以通过其他子带准确锁定时间对齐关系，避免了仅靠频域滤波时可能出现的对齐不准导致的分离效果不佳。

8、可选的，所述获取参考信号以及开路天线接收的混合信号，包括：获取开路天线接收的混合信号，所述混合信号包括需要分离出的目标声音信号以及干扰信号；基于声音心理学效应，在预设时间内实时动态对预设的参考源信号进行调制，得到与所述参考源信号频谱分布相匹配的增强声音信号；将所述增强声音信号混合成单声道，并进行下采样处理，得到参考信号。

9、通过采用上述技术方案，通过获取开路天线混合信号和经处理得到匹配的参考信号，为后续实现混合信号中目标声音的分离提取奠定基础。其中，采用开路天线可获得包含全部频率成分的混合声音信号，适合作为分离处理的对象信号。参考信号的是针对源信号的调制处理，使其频谱特征可与混合信号中的目标声音相匹配，进一步进行单声道混合和下采样，可使参考信号形式与待处理混合信号一致。

10、可选的，所述将所述参考信号和所述混合信号进行预处理，分别得到所述参考信号对应的多个第一子带信号以及所述混合信号对应的多个第二子带信号，包括：将所述参考信号和所述混合信号分别进行pcm编码，得到参考信号pcm和混合信号pcm；将所述参考信号pcm和所述混合信号pcm输入至子带滤波器组中，分别得到所述参考信号对应的多个第一子带信号以及所述混合信号对应的多个第二子带信号。

11、通过采用上述技术方案，通过对参考信号和混合信号进行pcm编码及子带滤波处理，实现了对两信号的频域特征预处理，为后续信号分析匹配及分离提取目标音频信号奠定基础，进行pcm编码可将模拟信号转化为数字序列，便于在数字信号处理设备上进行后续处理，子带滤波可获得信号在不同频带上的具体信息，利于分析信号频域特征，将pcm编码后信号输入设计的子带滤波器组，可获得在各滤波器频带范围内的对应子带信号，进行该频带预处理可获得更丰富的特征信息，有利于后续精确实现信号的同步、自适应滤波等操作，提高目标声音分离提取的精确度。

12、可选的，所述基于各所述第一子带信号以及各所述第二子带信号，确定所述参考信号和所述混合信号的同步位置，包括：将各所述第一子带信号进行第一预设数量的采样作为所述参考信号的卷积核；将各所述第二子带信号的头部中第二预设数量的采样作为所述混合信号的卷积序列；将所述卷积核和所述卷积序列进行卷积处理，得到多个结果数组；在各所述结果数组中选取最大位作为同步位置。

13、通过采用上述技术方案，采用基于卷积的方法，实现了参考信号和混合信号在各子带上的同步定位，卷积相关可检测两信号时间轴上最大匹配位置，取适当长度序列进行卷积可保证相关性计算的可靠性，在各子带结果数组中取最大值点，可准确获得其同步位置。

14、可选的，所述基于所述同步位置调整各所述第二子带信号，得到同步子带信号，包括：基于所述同步位置，确定各所述第二子带信号与对应所述第一子带信号之间的延迟信息；基于所述延迟信息，调整各所述第二子带信号，得到同步子带信号。

15、通过采用上述技术方案，通过确定子带信号延迟信息并进行调整，实现了参考信号和混合信号在时间轴上的准确对齐，为后续的信号分离提取得到最佳效果，取得同步位置后，计算子带信号间具体的延迟差值，可精确获得混合信号相对参考信号的时移参数，根据该延迟信息进行混合信号子带的调整，可准确实现两信号的时间对齐。

16、可选的，所述计算各所述同步子带信号对应的各对象音，包括：基于预设的梯度下降算法计算各所述同步子带信号对应的各对象音；所述梯度下降算法为：y=x-k*y，所述y为对象音，所述x为混合音，所述k为当所述对象音的能量最小时的梯度系数。

17、通过采用上述技术方案，通过构建能量最小的目标函数，采用梯度下降算法，实现了在各子带内准确获得对应的对象音信号，为后续合并提取目标声音信号奠定基础，梯度下降算法可以快速求解信号分离问题，提取目标成分，定义能量最小的目标函数，可有效滤除非目标噪声，迭代搜索最小梯度，可逼近提取对象音，相比简单滤波该算法可利用梯度信息，实现更精确的自适应提取，在每段频带独立进行，可以减少不同频率成分的相互干扰，提高提取精度。

18、可选的，所述根据各所述对象音得到目标声音信号，包括：将各所述对象音进行叠加，得到分离后的对象音；基于谱减法对所述分离后的对象音进行去噪处理，得到目标声音信号。

19、通过采用上述技术方案，首先通过叠加各频带对象音获得完整的分离信号，然后采用谱减法去噪技术，实现了从混合信号中准确提取目标声音信号，获得了最佳的分离效果，对象音叠加可以重新构建完整的目标音频信号，但直接叠加会引入一定杂散噪声，采用谱减法可以有效消除残余噪声，它通过比较分离音和参考音谱特征，替换不匹配成分，可提纯分离音质。

20、在本技术的第二方面提供了一种声音信号分离系统，所述系统包括：

21、声音信号获取模块，用于获取参考信号以及开路天线接收的混合信号；

22、信号预处理模块，用于将所述参考信号和所述混合信号进行预处理，分别得到所述参考信号对应的多个第一子带信号以及所述混合信号对应的多个第二子带信号；

23、同步信号确定模块，用于基于各所述第一子带信号以及各所述第二子带信号，确定所述参考信号和所述混合信号的同步位置，并基于所述同步位置调整各所述第二子带信号，得到同步子带信号；

24、目标信号确定模块，用于计算各所述同步子带信号对应的各对象音，并根据各所述对象音得到目标声音信号。

25、在本技术的第三方面提供了一种计算机存储介质，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行上述的方法步骤。

26、在本技术的第四方面提供了一种电子设备，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行上述的方法步骤。

27、综上所述，本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

28、1、本技术将参考信号和混合信号进行子带分割预处理，获得参考信号对应的多个第一子带信号以及混合信号对应的多个第二子带信号，在此基础上确定参考信号和混合信号之间的同步位置关系，并据此调整第二子带信号，实现参考信号和混合信号之间的同步，得到同步后的子带信号，然后针对同步后的各子带信号计算对应的对象音信号，最终综合所有子带中的对象音信号，得到目标声音信号，有效地利用参考信号的频域信息指导混合信号的处理，可以准确定位混合信号中目标声音部分在各个频带子信号上的位置，从而可以有效提高最后获得的目标声音信号的质量，即使目标声音信号与干扰在某些频带存在重合，也可以通过其他子带准确锁定时间对齐关系，避免了仅靠频域滤波时可能出现的对齐不准导致的分离效果不佳；

29、2、本技术通过对参考信号和混合信号进行pcm编码及子带滤波处理，实现了对两信号的频域特征预处理，为后续信号分析匹配及分离提取目标音频信号奠定基础，进行pcm编码可将模拟信号转化为数字序列，便于在数字信号处理设备上进行后续处理，子带滤波可获得信号在不同频带上的具体信息，利于分析信号频域特征，将pcm编码后信号输入设计的子带滤波器组，可获得在各滤波器频带范围内的对应子带信号，进行该频带预处理可获得更丰富的特征信息，有利于后续精确实现信号的同步、自适应滤波等操作，提高目标声音分离提取的精确度；

30、3、本技术通过构建能量最小的目标函数，采用梯度下降算法，实现了在各子带内准确获得对应的对象音信号，为后续合并提取目标声音信号奠定基础，梯度下降算法可以快速求解信号分离问题，提取目标成分，定义能量最小的目标函数，可有效滤除非目标噪声，迭代搜索最小梯度，可逼近提取对象音，相比简单滤波该算法可利用梯度信息，实现更精确的自适应提取，在每段频带独立进行，可以减少不同频率成分的相互干扰，提高提取精度。