音频数据的增益控制方法及装置制造方法及图纸

本发明专利技术提供一种音频数据的增益控制方法及装置。本发明专利技术实施例通过获取第N帧音频数据和所述第N帧音频数据的VAD信息，以及根据期望幅度数值和所述第N帧音频数据，获得所述第N帧音频数据的期望增益，进而根据所述第N帧音频数据的VAD信息、所述第N帧音频数据之前相邻的M帧音频数据中每帧音频数据的VAD信息、所述第N帧音频数据的期望增益和所述第N帧音频数据之前相邻的M帧音频数据中每帧音频数据的期望增益，获得所述第N帧音频数据的控制增益，使得能够利用所述控制增益，对所述第N帧音频数据进行增益控制处理，从而将待识别音频数据的幅度数值控制在识别阈值之上，能够有效避免语音识别性能的降低。

【技术实现步骤摘要】
【专利说明】
本专利技术涉及音频信号处理技术，尤其涉及一种音频数据的增益控制方法及装置。【
技术介绍
】随着通信技术的发展，终端集成了越来越多的功能，从而使得终端的系统功能列表中包含了越来越多相应的应用程序。有些应用程序中会涉及语音识别服务，例如，微信中的语音输入功能，搜索应用中的语音助手，等。然而，在语音识别服务中，通常要求采集的音频数据的幅度数值大于或等于一定的识别阈值，一旦音频数据的幅度数值小于该识别阈值，则识别性能就会大大降低。因此，亟需提供一种音频数据的增益控制方法及装置，以将待识别音频数据的幅度数值控制在识别阈值之上，避免语音识别性能的降低。【
技术实现思路
】本专利技术从多个方面提供一种音频数据的增益控制方法及装置，用以将待识别音频数据的幅度数值控制在识别阈值之上，避免语音识别性能的降低。本专利技术的一方面，提供一种音频数据的增益控制方法，包括:获取第N帧音频数据和所述第N帧音频数据的VAD信息，N为大于Μ的整数，Μ为大于或等于1的整数；根据期望幅度数值和所述第Ν帧音频数据，获得所述第Ν帧音频数据的期望增益；根据所述第Ν帧音频数据的VAD信息、所述第Ν帧音频数据之前相邻的Μ帧音频数据中每帧音频数据的VAD信息、所述第Ν帧音频数据的期望增益和所述第Ν帧音频数据之前相邻的Μ帧音频数据中每帧音频数据的期望增益，获得所述第Ν帧音频数据的控制增益；利用所述控制增益，对所述第Ν帧音频数据进行增益控制处理。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述第Ν帧音频数据的VAD信息、所述第Ν帧音频数据之前相邻的Μ帧音频数据中每帧音频数据的VAD信息、所述第Ν帧音频数据的期望增益和所述第Ν帧音频数据之前相邻的Μ帧音频数据中每帧音频数据的期望增益，获得所述第Ν帧音频数据的控制增益，包括:根据所述第Ν帧音频数据的VAD信息，确定所述第Ν帧音频数据是否为语音帧；若所述第Ν帧音频数据为语音帧，对所述第Ν帧音频数据的VAD信息和所述第Ν帧音频数据之前相邻的Μ帧音频数据中每帧音频数据的VAD信息进行运算处理，以获得运算结果；若所述运算结果满足预先设置的控制条件，根据所述第Ν帧音频数据的期望增益和所述第Ν帧音频数据之前相邻的Μ帧音频数据中每帧音频数据的期望增益，获得所述第Ν帧音频数据的控制增益。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述第N帧音频数据的期望增益和所述第N帧音频数据之前相邻的Μ帧音频数据中每帧音频数据的期望增益，获得所述第Ν帧音频数据的控制增益，包括:根据所述第Ν帧音频数据的期望增益和所述第Ν帧音频数据之前相邻的Μ帧音频数据中每帧音频数据的期望增益，选择Ρ个最小的期望增益，Ρ为大于1且小于或等于Μ的奇数，对所述Ρ个最小的期望增益进行中值滤波处理，以获得所述第Ν帧音频数据的最小增益；若所述第Ν帧音频数据的最小增益小于最小增益值，利用所述第Ν帧音频数据的最小增益更新所述最小增益值；若所述第Ν帧音频数据的最小增益大于或等于所述最小增益值，维持所述最小增益值，并记录所述最小增益值的持续时间；根据所述最小增益值，获得所述第Ν帧音频数据的控制增益。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述若所述第Ν帧音频数据的最小增益大于或等于所述最小增益值，维持所述最小增益值，并记录所述最小增益值得持续时间之后，还包括:若所述最小增益值的持续时间大于最小增益跟踪窗长的Κ1倍，Κ1为大于0且小于1的数值，且所述第Ν帧音频数据的最小增益小于最小增益暂时值，利用所述第Ν帧音频数据的最小增益更新所述最小增益暂时值；若所述最小增益值的持续时间大于最小增益跟踪窗长的Κ2倍，Κ2为大于Κ1的数值，利用所述最小增益暂时值更新所述最小增益值，并将所述最小增益值的持续时间设置为最小增益跟踪窗长的Κ1倍，将所述最小增益暂时值恢复为初始值。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述最小增益值，获得所述第Ν帧音频数据的控制增益，包括:根据增益平滑因子、所述第Ν-l帧音频数据的控制增益和所述最小增益值，获得所述第Ν帧音频数据的控制增益。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述第Ν帧音频数据的期望增益和所述第Ν帧音频数据之前相邻的Μ帧音频数据中每帧音频数据的期望增益，获得所述第Ν帧音频数据的控制增益，还包括:若所述第Ν帧音频数据的最小增益大于或等于所述最小增益值的Κ3倍，Κ3为指定数值，将所述最小增益值，作为所述第Ν帧音频数据的控制增益。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述利用所述控制增益，对所述第Ν帧音频数据进行增益控制处理，包括:若所述第Ν帧音频数据的控制增益小于或等于所述第Ν帧音频数据的期望增益和所述第Ν帧音频数据之前相邻的Μ帧音频数据中每帧音频数据的期望增益中最小期望增益，利用所述控制增益，对所述第Ν帧音频数据进行增益控制处理；若所述第Ν帧音频数据的控制增益大于所述第Ν帧音频数据的期望增益和所述第Ν帧音频数据之前相邻的Μ帧音频数据中每帧音频数据的期望增益中最小期望增益，利用所述最小期望增益，对所述第Ν帧音频数据进行增益控制处理。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述第N帧音频数据的VAD信息、所述第N帧音频数据之前相邻的Μ帧音频数据中每帧音频数据的VAD信息、所述第Ν帧音频数据的期望增益和所述第Ν帧音频数据之前相邻的Μ帧音频数据中每帧音频数据的期望增益，获得所述第Ν帧音频数据的控制增益，还包括:若所述第Ν帧音频数据为噪声帧，利用对所述第Ν-l帧音频数据进行增益控制处理的增益，对所述第Ν帧音频数据进行增益控制处理。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述第Ν帧音频数据的VAD信息、所述第Ν帧音频数据之前相邻的Μ帧音频数据中每帧音频数据的VAD信息、所述第Ν帧音频数据的期望增益和所述第Ν帧音频数据之前相邻的Μ帧音频数据中每帧音频数据的期望增益，获得所述第Ν帧音频数据的控制增益，还包括:若所述运算结果不满足预先设置的控制条件，利用对所述第Ν-l帧音频数据进行增益控制处理的增益，对所述第Ν帧音频数据进行增益控制处理。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述方法还包括:获取第Q帧音频数据和所述第Q帧音频数据的VAD信息，Q为小于或等于Μ的整数；利用增益初始值，对所述第Q帧音频数据进行增益控制处理。本专利技术的另一方面，提供一种音频数据的增益控制装置，包括:获取单元，用于获取第Ν帧音频数据和所述第Ν帧音频数据的VAD信息，Ν为大于Μ的整数，Μ为大于或等于1的整数；期望增益获得单元，用于根据期望幅度数值和所述第Ν帧音频数据，获得所述第Ν帧音频数据的期望增益；控制增益获得单元，用于根据所述第Ν帧音频数据的VAD信息、所述第Ν帧音频数据之前相邻的Μ帧音频数据中每帧音频数据的VAD信息、所述第Ν帧音频数据的期望增益和所述第Ν帧音频数据之前相邻的Μ帧音频数据中每帧音频数据的期望增益，获得所述第Ν帧音频数据的控制增益；控制单元，用于利用所述控制增益，对所述第Ν帧音频数据进行增益控制处理。如上所述的方面和任一可能的实现方本文档来自技高网...

【技术保护点】
一种音频数据的增益控制方法，其特征在于，包括：获取第N帧音频数据和所述第N帧音频数据的VAD信息，N为大于M的整数，M为大于或等于1的整数；根据期望幅度数值和所述第N帧音频数据，获得所述第N帧音频数据的期望增益；根据所述第N帧音频数据的VAD信息、所述第N帧音频数据之前相邻的M帧音频数据中每帧音频数据的VAD信息、所述第N帧音频数据的期望增益和所述第N帧音频数据之前相邻的M帧音频数据中每帧音频数据的期望增益，获得所述第N帧音频数据的控制增益；利用所述控制增益，对所述第N帧音频数据进行增益控制处理。

【技术特征摘要】

【专利技术属性】
技术研发人员：徐杨飞，魏建强，崔玮玮，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京;11