音频信号的风噪抑制方法、系统、设备及存储介质与流程

本发明涉及音频，尤其涉及一种音频信号的风噪抑制方法、系统、设备及存储介质。

背景技术：

1、风噪是由麦克风附近的空气湍流产生的噪声，在通过麦克风采集信号时，风噪将对采集的音频信号的质量和信号的处理产生影响。

2、现如今，通常通过频谱质心、线性预测等方式检测噪声，并通过自适应滤波法、频域滤波法、时域滤波法等对音频信号中的噪声进行抑制。但是，由于风噪是非平稳噪声，而传统的噪声检测、抑制算法仅能对平稳的噪声进行抑制，因此，在通过传统的算法对风噪进行抑制时，通常存在风噪抑制后语音失真度较大的技术问题。

技术实现思路

1、本发明提出一种音频信号的风噪抑制方法、系统、设备及存储介质，旨在解决抑制音频信号中的风噪后，音频信号中语音失真度较大的技术问题。

2、在本发明中，所述音频信号的风噪抑制方法包括：

3、获取待处理音频信号，并判断所述待处理音频信号中是否存在风噪；

4、在判断出所述待处理音频信号中存在风噪时，将所述待处理音频信号输入预设的第一降噪模型中，得到第一降噪信号，并将所述待处理音频信号输入预设的第二降噪模型中，得到第二降噪信号，其中，所述第一降噪模型为传统降噪模型，所述第二降噪模型为机器学习模型；

5、对所述第一降噪信号和所述第二降噪信号进行加权，得到风噪抑制后的音频信号。

6、可选地，在所述判断所述待处理音频信号中是否存在风噪的步骤之前，所述方法还包括：

7、根据预设的时间间隔将所述待处理音频信号划分为多个中间信号，并计算多个所述中间信号各自对应的平均能量；

8、在检测到多个所述平均能量中存在大于预设阈值的平均能量时，执行所述判断所述待处理音频信号中是否存在风噪的步骤；

9、在检测到多个所述平均能量中不存在大于所述预设阈值的平均能量时，通过预设的第三降噪模型对所述待处理音频信号进行降噪，其中，所述第三降噪模型为未进行参数调整的所述第一降噪模型。

10、可选地，所述判断所述待处理音频信号中是否存在风噪的步骤，包括：

11、提取所述待处理音频信号中的音频特征，并将所述音频特征输入风噪二分类模型，得到分类结果，其中，所述风噪二分类模型是以信号的声学特征为模型输入数据，以信号的声学特征的真实风噪存在结果的二分类标签为标签数据进行训练得到的；

12、若检测到所述分类结果与预设结果相同，则判定所述待处理音频信号中存在风噪，并对所述分类结果进行平滑处理，其中，所述预设结果为所述风噪二分类模型输出的表征存在风噪的分类结果。

13、可选地，所述将所述待处理音频信号输入预设的第一降噪模型中，得到第一降噪信号的步骤，包括：

14、调整所述第一降噪模型的降噪参数，得到第三降噪模型，并将所述待处理音频信号输入所述第三降噪模型，得到第一降噪信号。

15、可选地，所述降噪参数包括噪声概率、平滑因子、噪声谱更新周期、抑制增益、增益下限中的一种或者多种；

16、所述调整所述第一降噪模型的降噪参数的步骤，包括：

17、增大所述第一降噪模型的噪声概率；

18、和/或，

19、增大所述第一降噪模型的抑制增益；

20、和/或，

21、减小所述第一降噪模型的平滑因子；

22、和/或，

23、减小所述第一降噪模型的噪声谱更新周期；

24、和/或者，

25、对所述待处理音频信号进行分频处理，得到低频信号和中高频信号；

26、降低所述低频信号的增益下限，并提高所述中高频信号的增益下限。

27、可选地，在所述将所述待处理音频信号输入预设的第二降噪模型中，得到第二降噪信号的步骤之前，所述方法还包括：

28、获取样本数据集，其中，所述样本数据集包括多条样本数据，一条样本数据包括一个场景的音频信号，以及所述场景中音频信号的真实降噪结果；

29、根据各条所述样本数据中的真实降噪结果构建标签数据；

30、将各条样本数据作为模型输入数据，以及将各条样本数据对应的所述标签数据作为模型训练标签，对待训练的降噪模型进行训练，得到用于对音频信号中的风噪进行降噪的第二降噪模型。

31、可选地，所述对所述第一降噪信号和所述第二降噪信号进行加权，得到风噪抑制后的音频信号的步骤，包括：

32、将所述第一降噪信号对应预设的第一权重与所述第一降噪信号相乘，得到第一中间信号，并将所述第二降噪信号对应预设的第二权重与所述第二降噪信号相乘，得到第二中间信号；

33、叠加所述第一中间信号和所述第二中间信号，得到风噪抑制后的音频信号。

34、此外，为解决上述问题，本发明还提出一种音频信号的风噪抑制系统，所述音频信号的风噪抑制系统包括：

35、风噪判断模块，用于获取待处理音频信号，并判断所述待处理音频信号中是否存在风噪；

36、降噪模块，用于在判断出所述待处理音频信号中存在风噪时，将所述待处理音频信号输入预设的第一降噪模型中，得到第一降噪信号，并将所述待处理音频信号输入预设的第二降噪模型中，得到第二降噪信号，其中，所述第一降噪模型为传统降噪模型，所述第二降噪模型为机器学习模型；

37、信号叠加模型，用于对所述第一降噪信号和所述第二降噪信号进行加权，得到风噪抑制后的音频信号。

38、此外，为解决上述问题，本发明还提出一种音频信号的风噪抑制设备，所述音频信号的风噪抑制设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的音频信号的风噪抑制程序，所述音频信号的风噪抑制程序被所述处理器执行时实现如上所述的音频信号的风噪抑制方法的步骤。

39、此外，本发明还提出一种存储介质，所述存储介质上存储有音频信号的风噪抑制程序，所述音频信号的风噪抑制程序被处理器执行时实现如上所述的音频信号的风噪抑制方法的步骤。

40、在本发明实施例中，本发明通过获取待处理音频信号，并判断待处理音频信号中是否存在风噪，能够仅对存在风噪的音频信号进行处理，从而避免了对不存在风噪的音频信号进行处理，造成处理资源的浪费和过度损伤音质的问题；通过在判断出待处理音频信号中存在风噪时，将待处理音频信号输入预设的第一降噪模型中，得到第一降噪信号，并将待处理音频信号输入预设的第二降噪模型中，得到第二降噪信号，其中，第一降噪模型为传统降噪模型，传统降噪模型包括自适应滤波模型、频域滤波模型、时域滤波模型，第二降噪模型包括循环神经网络模型、双信号变换长短时记忆网络模型中的一种或多种，能够通过传统的降噪算法对音频信号进行降噪，得到语音失真度较高但降噪效果较好的第一降噪信号，通过针对风噪降噪进行训练的循环神经网络模型等深度学习模型对音频信号进行降噪，得到语音失真度较低的第二降噪信号；然后按照预设权重对第一降噪信号和第二降噪信号进行加权，得到风噪抑制后的音频信号，其中，调整参数后的传统降噪效果可以更大程度抑制低频风噪，也就是风噪能量占比最大的频段，对中高频语音的保留更好，失真更小，但是低频段的语音保留不足，失真较大；机器学习模型对低频端语音保留更好，失真更小，同时低频段也能较好抑制风噪，但中高频的语音保留稍弱于调整参数后的传统算法；两者加权以后可以取长补短。从而，本技术技术方案在保证音频失真小，同时降低风噪，提高音频质量的前提下，解决了风噪抑制后语音失真度较大的技术问题。