本申请涉及人工智能技术领域，具体涉及深度学习以及语音技术领域，尤其涉及声回波消除方法、装置、电子设备和存储介质。
背景技术：
声学回波消除(aec：acousticechocancellation)是音频通讯领域中的一个经典问题。相关技术中，通常采用aec滤波器来消除设备本声播放出来的“内噪”。“内噪”消除的效果会很大程度上影响音频通话的用户体验。
理想情况下，声学回波是可以通过一个线性自适应滤波器完全消除的，然而，不过由于aec滤波器长度不足、扬声器的非线性、不佳的腔体设计、信号截幅以及传递函数变化等问题，实际应用时，单一的线性aec滤波器并不能很好满足需求。这一点在手机、笔记本电脑等小型设备上尤为明显，因此，广泛应用的声学回波消系统除往往由线性自适应滤波器和残留回波抑制(residualechosuppression，英文简称：res)器两部分组成。然而，相关技术中，基于信号处理的res往往无法很好的平衡回波消除量和近讲语音失真。
技术实现要素：
本申请提供了一种用于声回波消除方法、装置、电子设备和存储介质。
根据本申请的一方面，提供了一种声回波消除方法，包括：获取远端参考信号以及声学回波消除aes模块输出的声音回波消除信号；提取所述远端参考信号之中的远端参考特征，并提取所述声音回波消除信号之中的声音回波消除特征；根据所述远端参考特征和所述声音回波消除特征，确定对所述声音回波消除信号进行回波消除的初始回波抑制因子，并确定所述声音回波消除信号的近讲检测结果；根据所述近讲检测结果，对所述初始回波抑制因子进行调整，以得到回波抑制因子；以及根据所述回波抑制因子，对所述声音回波消除信号进行回波消除。
根据本申请的另一方面，提供了一种声回波消除装置，包括：获取模块，用于获取远端参考信号以及声学回波消除aes模块输出的声音回波消除信号；提取模块，用于提取所述远端参考信号之中的远端参考特征，并提取所述声音回波消除信号之中的声音回波消除特征；确定模块，用于根据所述远端参考特征和所述声音回波消除特征，确定对所述声音回波消除信号进行回波消除的初始回波抑制因子，并确定所述声音回波消除信号的近讲检测结果；调整模块，用于根据所述近讲检测结果，对所述初始回波抑制因子进行调整，以得到回波抑制因子；以及回波消除模块，用于根据所述回波抑制因子，对所述声音回波消除信号进行回波消除。
根据本申请的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请的声回波消除方法。
根据本申请的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本申请实施例公开的电子设备的声回波消除方法。
上述申请中的一个实施例具有如下优点或有益效果：
在对声学回波消除aes模块输出的声音回波消除信号进行残余回波消除的过程中，结合远端参考信号之中的远端参考特征以及声音回波消除信号之中的声音回波消除特征，确定对声音回波消除信号进行回波消除的初始回波抑制因子，并确定声音回波消除信号的近讲检测结果，然后，结合近讲检测结果对初始回波抑制因子进行调整，并根据调整后的回波抑制因子对声音回波消除信号进行回波消除。由此，结合近讲检测结果对初始回波抑制因子进行调整，从而使得不同近讲检测结果，对声音回波消除信号进行回波消除时所采用的回波抑制因子不同，避免了单讲以及双讲进行回波消除时所采集的回波抑制因子相同，从而导致无法平衡回波消除量和近讲语音失真情况的发生，提高了回波消除的效果。
应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是根据本申请第一实施例提供的一种声回波消除方法的流程示意图；
图2是根据本申请第二实施例的一种声回波消除方法的流程示意图；
图3是根据本申请第三实施例的一种声回波消除方法的流程示意图；
图4是根据本申请第四实施例的一种声回波消除方法的流程示意图；
图5是根据本申请第五实施例提供的一种声回波消除方法的流程示意图；
图6是一个残余回波抑制模型以及近讲检测在通讯系统的应用结构框图；
图7是联合res、nvd进行残余回波以及背景噪音抑制的整体结构示意图；
图8是一段语音信号的波形与频谱图的示例图；
图9是图8所示的语音信号经过残余回波抑制模型的处理结果的示例图；
图10是图8所示的语音信号经过残余回波抑制模型和近讲检测联合模型处理后的处理结果的示意图；
图11是根据本申请第六实施例提供的一种声回波消除装置的结构示意图；
图12是根据本申请第七实施例提供的一种声回波消除装置的结构示意图；
图13是用来实现本申请实施例的声回波消除方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
下面参考附图描述本申请实施例的声回波消除方法、装置、电子设备和存储介质。
图1是根据本申请第一实施例提供的一种声回波消除方法的流程示意图。
如图1所示，该声回波消除方法可以包括：
步骤101，获取远端参考信号以及声学回波消除aes模块输出的声音回波消除信号。
其中，需要说明的是，上述声回波消除方法的执行主体为声回波消除装置，该声回波消除装置可以由软件和/或硬件的方式实现，该实施例中的声回波消除装置可以配置在电子设备中，本实施例中的电子设备可以包括终端设备和服务器等设备，该实施例对电子设备不作限定。
在一些实施例中，在当前处于双讲的情况下，上述声音回波消除信号可以包括近端目标语音、背景噪声和回波残留。
在一些实施例中，在当前处于远端单讲的情况下，上述声音回波消除信号可以包括背景噪声和回波残留。
步骤102，提取远端参考信号之中的远端参考特征，并提取声音回波消除信号之中的声音回波消除特征。
其中，可以理解的是，在不同应用场景中，上述步骤102的实现方式有多种，下面举例说明如下：
作为一种可能的实现方式，对远端参考信号进行频域转换以生成远端参考频域信号，并对声音回波消除信号进行频域转换以生成声音回波消除频域信号；根据远端参考频域信号生成远端参考信号的幅度谱，并根据声音回波消除频域信号生成声音回波消除信号的幅度谱，并将远端参考信号的幅度谱作为远端参考特征，以及将声音回波消除信号的幅度谱作为声音回波消除特征。
作为一种可能的实现方式，可通过对上述远端参考信号进行子带分解操作，以将上述远端参考信号转换为远端参考频域信号，并通过对上述声音回波消除信号进行子带分解操作，以将上述声音回波消除信号转换为声音回波消除频域信号。
本实施例中，通过将云端参考信号以及声音回波消除信号进行频域转换，并根据频域转换结果进行特征提取，由此，可以有效地提取特征。
作为另一种可能的实现方式，为了降低后续处理的特征数量，提高处理效率，上述提取远端参考信号之中的远端参考特征，并提取声音回波消除信号之中的声音回波消除特征的具体方式可以为：对远端参考信号进行频域转换以生成远端参考频域信号，并对声音回波消除信号进行频域转换以生成声音回波消除频域信号；根据远端参考频域信号生成远端参考信号的幅度谱，并根据声音回波消除频域信号生成声音回波消除信号的幅度谱；按照预设的多个频带对远端参考信号的幅度谱进行频域合并，以得到远端参考特征；以及按照预设的多个频带对声音回波消除信号的幅度谱进行频域合并，以得到声音回波消除特征。
具体地，在获取远端参考信号的幅度谱以及声音回波消除信号的幅度谱后，可基于预设的多个频带，分别对远端参考信号的幅度谱以及声音回波消除信号的幅度谱中多个相邻的频点进行合并，以得到远端参考特征和声音回波消除特征。
其中，预设的频带的具体数量是预先设置的，例如，预设的频带个数可以为64。可以理解的，在实际应用中，可以根据实际业务需求设置预设的频带的数量，该实施例对此不作具体限定。
步骤103，根据远端参考特征和声音回波消除特征，确定对声音回波消除信号进行回波消除的初始回波抑制因子，并确定声音回波消除信号的近讲检测结果。
其中，近讲检测结果包括存在近讲语音和不存在近讲语音。可以理解的是，存在近讲语音表示当前处于双讲，不存在近讲语音表示当前处于远端单讲。
步骤104，根据近讲检测结果，对初始回波抑制因子进行调整，以得到回波抑制因子。
步骤105，根据回波抑制因子，对声音回波消除信号进行回波消除。
本申请实施例的声回波消除方法，在对声学回波消除aes模块输出的声音回波消除信号进行残余回波消除的过程中，结合远端参考信号之中的远端参考特征以及声音回波消除信号之中的声音回波消除特征，确定对声音回波消除信号进行回波消除的初始回波抑制因子，并确定声音回波消除信号的近讲检测结果，然后，结合近讲检测结果对初始回波抑制因子进行调整，并根据调整后的回波抑制因子对声音回波消除信号进行回波消除。由此，结合近讲检测结果对初始回波抑制因子进行调整，从而使得不同近讲检测结果，对声音回波消除信号进行回波消除时所采用的回波抑制因子不同，避免了单讲以及双讲进行回波消除时所采集的回波抑制因子相同，从而导致无法平衡回波消除量和近讲语音失真情况的发生，提高了回波消除的效果。
基于上述实施例的基础上，在本申请的一个实施例中，为了可以快速确定出用于对声音回波消除信号进行残余回波消除的初始回波抑制因子，可通过残余回波抑制模型结合远端参考特征和声音回波消除特征来确定初始回波抑制因子，下面结合图2所示对上述步骤103的一种可能实现方式进行描述，如图2所示，上述步骤103可以包括：
步骤201，将远端参考特征和声音回波消除特征输入到残余回波抑制模型中，以生成初始回波抑制因子。
步骤202，将声音回波消除特征与初始回波抑制因子进行相乘，以得到处理后的声音回波消除特征。
步骤203，根据远端参考特征和处理后的声音回波消除特征，确定声音回波消除信号的近讲检测结果。
其中，可以理解的是，在不同应用场景中，根据远端参考特征和处理后的声音回波消除特征，确定声音回波消除信号的近讲检测结果可通过多种方式实现，举例说明如下：
作为一种示例性的可能实现方式，可计算远端参考特征和处理后的声音回波消除特征之间的相关性，并根据所计算得到的相关性结果，确定声音回波消除信号的近讲检测结果。
作为另一种示例性的可能实现方式，可将远端参考特征和处理后的声音回波消除特征输入到近讲语音检测模型中，以得到声音回波消除信号的近讲检测结果。
在本示例中，在获取声音回波消除特征与初始回波抑制因子后，通过将声音回波消除特征与初始回波抑制因子进行相乘，以得到处理后的声音回波消除特征，并通过将远端参考特征和处理后的声音回波消除特征输入到近讲语音检测模型由此，可通过近讲语音检测模型可以快速准确声音回波消除信号的近讲检测结果。
另外，可以理解的是，在本实施例中，上述近讲语音检测模型的输入特征为经过残余回波抑制模型处理后的声音回波消除特征，因此，该输入特征的大部分残余回波已经被压制，这样可以大幅降低近讲语音检测模型的复杂度。
其中，本示例中的近讲语音检测模型是预先训练而得到的。
在本申请的一个实施例中，在通过残余回波抑制模型得到初始回波抑制因子，以及通过近讲语音检测模型得到近讲检测结果的场景中，为了避免前后两个模型不匹配的问题，可以使用同一个目标联合训练残余回波抑制模型和近讲语音检测模型。
另外，在通过残余回波抑制模型得到初始回波抑制因子，以及通过近讲语音检测模型得到近讲检测结果的场景中，残余回波抑制模型和近讲语音检测模型采用了级联的形式，近讲语音检测模型的输入为残余回波抑制模型的输出，该信号的噪声和残留回波已经被大幅的抑制，这降低了近讲检测的难度，从而可通过一个很小的模型即可准确的检测出近讲语音，保证计算复杂度不过多的增加。
在本申请的一个实施例中，为了压缩特征的动态范围，减少模型的数据处理量，在将远端参考特征和声音回波消除特征输入到残余回波抑制模型中，以生成初始回波抑制因子之前，如图3所示，该方法还可以包括：
步骤301，对远端参考特征进行对数处理，以得到远端参考对数谱特征。
步骤302，对声音回波消除特征进行对数处理，以得到声音回波消除对数谱特征。
步骤303，对远端参考对数谱特征进行归一化处理，并对声音回波消除对数谱特征进行归一化处理，以将归一化处理之后的远端参考对数谱特征和声音回波消除对数谱特征输入到残余回波抑制模型中。
在本实施例中，在将远端参考特征以及声音回波消除特征输入到残余回波抑制模型之前，通过对远端参考特征以及声音回波消除特征分别进行对数处理，并对各自的对数处理结果进行归一化处理，从而可大幅度压缩特征的动态范围，继而可降低残余回波抑制模型的计算量，从而使得残余回波抑制模型可以快速输出初始回波抑制因子。
另外，可以理解的是，上述对远端参考特征以及声音回波消除特征分别进行对数处理，并对各自的对数处理结果进行归一化处理的方式，对于残余回波抑制模型的训练也是十分有益的，通过归一化后的特征可以有利于模型的学习，以及模型的收敛速度。
在本申请的一个实施例中，为了准确对声音回波消除信号中的环境操作和残余回波进行抑制，如图4所示，根据回波抑制因子，对声音回波消除信号进行回波消除的一种可能实现方式，可以包括：
步骤401，对声音回波消除信号进行频域转换，以生成声音回波消除频域信号。
步骤402，根据声音回波消除频域信号生成幅度特征以及相位特征。
步骤403，根据回波抑制因子对幅度特征进行加权处理，以得到处理后的幅度特征。
步骤404，根据相位特征和处理后的幅度特征，以得到处理后的声音回波消除频域信号。
步骤405，对处理后的声音回波消除频域信号进行时域转换，以得到处理后的声音回波消除信号。
作为一种可能的实现方式，在获取处理后的声音回波消除频域信号后，可通过子带合并的方式来实现时域转换，以得到处理后的声音回波消除信号。
本实施例中，对声音回波消除信号进行频域转换，以生成声音回波消除频域信号，并根据声音回波消除频域信号确定出幅度特征和相位特征，然后，将回波抑制因子与幅度特征进行相乘，以得到处理后的幅度特征，并结合相位特征和处理后的幅度特征，得到处理后的声音回波消除频域信号，对处理后的声音回波消除频域信号进行时域转换，以得到处理后的声音回波消除信号。由此，通过调整后的回波抑制因子准确实现了对声音回波消除信号进行回波消除。
基于上述实施例的基础上，在本申请的一个实施例中，为了在准确结合近讲检测结果对初始回波抑制因子进行调整，得到回波抑制抑制，上述近讲检测结果可以包括：声音回波消除信号中每一帧的近讲检测概率，初始回波抑制因子可以包括：声音回波消除信号中每一帧在预设的多个频带上的初始回波抑制因子，如图5所示，上述根据近讲检测结果，对初始回波抑制因子进行调整，以得到回波抑制因子可以包括：
步骤501，将每一帧的近讲检测概率与预设的概率阈值进行比较。
步骤502，根据每一帧的比较结果，确定每一帧的二进制概率结果。
在本申请的一个实施例中，为了可以实现对非近讲语音段中的残余回波以及背景噪声进行抑制，在获取声音回波消除信号中每一帧的近讲检测概率后，可将每一帧的近讲检测概率与预设的概率阈值进行大小比较，针对每一帧，在当前帧的近讲检测概率大于或者等于预设的概率阈值的情况下，则确定当前帧的二进制概率结果为1。在当前帧的近讲检测概率小于预设的概率阈值的情况下，则确定当前帧对应的二进制概率结果为0。由此，在当前帧的近讲检测概率小于预设的概率阈值的情况下，通过将当前帧的二进制概率结果设置为零，在后续处理的过程中，可以实现进一步压制单讲段的残余回波。
其中，近讲检测概率用于表示当前帧存在近讲语音的概率，近讲检测概率越大表示当前帧存在近讲语音的概率越大，反之，近讲检测概率越小表示当前帧存在近讲语音的概率越小。
其中，上述预设的概率阈值是根据实际业务需求而预先设置的，该实施例对预设的概率阈值不作具体限定。
在本申请的一个实施例中，为了方便上述结合预设的概率阈值进行比较，即，为了方便结合近讲检测概率进行硬判决，在上述将每一帧的近讲检测概率与预设的概率阈值进行比较之前，还可以对每一帧的近讲检测概率进行后处理，从而使得每一帧的近讲检测概率更接近0或1。
在本实施例中，上述后处理可以通过非线性函数的方式来实现，在实际业务应用中，还可以通过其他方式来实现，只要可以实现大的值越大，小的值越小即可。
步骤503，针对每一帧，将当前帧的二进制概率结果，分别与当前帧在预设的多个频带上的初始回波抑制因子相乘，以得到当前帧在预设的多个频带上的回波抑制因子。
步骤504，对当前帧在预设的多个频带上的回波抑制因子进行频带扩展，以得到当前帧在各个频带上的回波抑制因子。
为了使得本领域的技术人员可以清楚地了解本申请，下面结合图6和图7对该实施例的声回波消除方法进行进一步描述。
图6展示了一个残余回波抑制模型以及近讲检测在通讯系统的应用结构框图，其中res为残余回波抑制模型，nvd(near-fieldvoicedetector)为近讲语音检测模型。s(t)为近端语音，r(t)为远端参考信号，d(t)为远端参考信号经由扬声器播放和空气传播后达到近端传声器的信号，y(t)为近端传声器采集信号含有s(t)和d(t)两部分，sl(t)为aec线性部分的输出，其中含有近端目标声音、回波残留和背景噪声，s^(t)为回波抑制后的联合模型输出，期望系统输出的s^(t)能后够尽量逼近原始目标声音s(t)。
其中：
y(t)＝r(t)*h(t’) z(t) s(t)
其中，上述公式中h^(t‘)为估计得到的线性自适应滤波器的参数，*表示时域卷积操作，r(t)*h(t’)为线性回波分量，z(t)为扬声器非线性引起的非线性回波分量。
其中，需要说明的是，上述图6中res、nvd可以是基于注意力机制的残余回波抑制和近讲检测的联合模型，联合模型主要分为两个部分，其中res输出每个频带上的语音存在概率，nvd输出逐帧的语音存在概率，与单独的res模型相比，nvd的引入可以进一步抑制纯回波段的残余回波分量。
res、nvd两个模型参数通过联合训练得到。
其中，上述联合res、nvd进行残余回波以及背景噪音抑制的整体结构如图7所示。通过图7可以看出，残余回波抑制模型输入的特征有两路分别为：参考路和线性aec输出路频带合并后的幅度谱。近讲语音检测模型的输入特征也有两路分别为：参考和残余回波抑制模型增强后的幅度谱(频带合并后)。在本实施例中，通过频带合并的主要目的是减少模型输入的特征维度，降低模型的参数量。
其中，上述残余回波抑制模型的模型结构可以包括：多层卷积神经网络(cnn：convolutionalneuralnetworks)、多层门控递归单元(gru：gaterecurrentunit)、单层全连接(fc：fullconnect)和输出层，其中，输出层包括sigmoid激活。激活函数的输出即为每个频带上语音存在的概率。
其中，上语音近讲检测模型的模型结构与残余回波抑制模型的模型结构类似，不过由于该模型输出维度为1的整帧的语音存在概率，因此cnn层之间可以进行池化操作以降低模型的输入特征数量，从而降低模型参数量。该架构下，由于nvd模型的输入特征为残余回波模型处理后的幅度谱，该输入特征的大部分残余回波已经被压制，因此模型复杂度可以大幅降低。因此与res模型相比，nvd模型gru和fc层的网络结点数配置的很小。本发明采用的nvd模型大概是res模型参数量的1/10到1/5。
下面结合图7对实施例的声回波消除方法的过程进行进一步阐述，声音回波消除方法的具体处理流程如下：
1).从语音通讯系统中取出两路信号，分别为线性aec的输出信号sl(t))以及远端参考信号r(t)。
2).对上两路信号进行子带分解操作，将时域信号转换为频域。
其中，需要说明的是，上述子带分解会将时域信号转换至频域，在上述aec模块为子带线性aec模块时，上述频域信号可以直接由子带线性aec模块的输出提供。
3).对子带分解后的频域信号求幅度谱，其中线性aec的输出还拆分为幅度分量和相位分量供最后的子带合成模块使用。
4).为了降低模型输入的特征数量，本发明将多个相邻频点进行合并，综合考虑特征建模能力和模型规模，本发明选用的合并后输出的频点数量是64。
5).合并后频点经过log||处理提取log谱特征，该处理目的是压缩特征的动态范围，同时将log特征谱进行归一化预处理，归一化方法为零均值单位方差归一化，归一化后的特征更加有利于网络的学习，加快网络的收敛速度。
7).归一化后的特征送至残余回波抑制模型,模型最后一层为sigmoid激活函数，激活函数输出(0,1)区间内的语音存在概率，存在概率作为增益因子作用在每个频带上。
其中，需要说明的是，残余回波抑制模型输出为0-1掩膜值，维度与合并后频点数量一致，掩膜值作为增益因子点乘在分带后的幅度谱上，对应频带上残余回波和背景噪声的强度越大，模型估计出来的掩膜值也就越小，因此噪声抑制也就越强。
8).每个频带的语音概率点乘sl(t)通道合并后幅度谱，得到增强后幅度谱。
9).上述增强后的幅度谱和参考通道幅度谱经过特征提取后送至近讲检测模型。
10).近讲检测模型输出维度为1的语音存在概率，经过后处理输出，输出概率信息。后处理方法的目的是让输出概率更接近0或者1，与残余回波抑制模型每帧的输出64个频带的存在语音概率不同，近讲检测模型输出逐帧的语音存在概率。
11).后处理后的近讲检测模型输出概率经过硬判决后得到0或者1的二进制概率，硬判决主要目的是为了进一步压制单讲段的残留回波。
12).结合线性aec输出的相位信息和经过res和nvd增强后的幅度谱进行子带合成，输出增强后的时域信号。
另外，通过训练集加环境背景噪声的方法，上述模型可以同时兼顾背景噪声消除的任务。
图8给出了一段语音信号的波形与频谱图，图8中a框选区为近讲语音，b框选区为残留回波，c框选区为混有非平稳键盘、鼠标的背景噪声。图9为残余回波抑制模型的处理结果。图10为残余回波抑制模型和近讲检测联合模型的处理结果。通过比较图9和图10中的结果，可以看出，残余回波抑制模型可以消除掉大部分的残留回波和环境背景噪声，但仍会有少量的噪声残留。联合模型的输出则更加干净，残留回波抑制模型没有消除掉的少量噪声残留被完全压制掉，此外联合输出模型对近讲语音几乎没有损伤。上述示例表明，本实施例提出的声回波消除方法可以准确的检测出近讲语音，并有效的抑制环境噪声和残余回波。
为了实现上述实施例，本申请实施例还提供一种声回波消除装置。
图11是根据本申请第六实施例提供的一种声回波消除装置。
如图11所示，该声回波消除装置11可以包括：获取模块111、提取模块112、确定模块113、调整模块114和回波消除模块115，其中：
获取模块111，用于获取远端参考信号以及声学回波消除aes模块输出的声音回波消除信号。
提取模块112，用于提取远端参考信号之中的远端参考特征，并提取声音回波消除信号之中的声音回波消除特征。
确定模块113，用于根据远端参考特征和声音回波消除特征，确定对声音回波消除信号进行回波消除的初始回波抑制因子，并确定声音回波消除信号的近讲检测结果。
调整模块114，用于根据近讲检测结果，对初始回波抑制因子进行调整，以得到回波抑制因子。以及
回波消除模块115，用于根据回波抑制因子，对声音回波消除信号进行回波消除。
其中，需要说明的是，前述对声回波消除方法实施例的解释说明也适用于本实施例中的声回波消除装置，此处不再赘述。
本申请实施例提供的声回波消除装置，
在本申请的一个实施例中，在上述图11所示的装置实施例的基础上，如图12所示，上述确定模块113，包括：
第一生成单元1131，用于将远端参考特征和声音回波消除特征输入到残余回波抑制模型中，以生成初始回波抑制因子；
第一处理单元1132，用于将声音回波消除特征与初始回波抑制因子进行相乘，以得到处理后的声音回波消除特征；以及
确定单元1133，用于根据远端参考特征和处理后的声音回波消除特征，确定声音回波消除信号的近讲检测结果。
在本申请的一个实施例中，确定单元1133，具体用于：将远端参考特征和处理后的声音回波消除特征输入到近讲语音检测模型中，以得到声音回波消除信号的近讲检测结果。
在本申请的一个实施例中，如图12所示，上述确定模块113，还可以包括：
第一对数处理单元1134，用于对远端参考特征进行对数处理，以得到远端参考对数谱特征。
第二对数处理单元1135，用于对声音回波消除特征进行对数处理，以得到声音回波消除对数谱特征。
归一化处理单元1136，用于对远端参考对数谱特征进行归一化处理，并对声音回波消除对数谱特征进行归一化处理，以将归一化处理之后的远端参考对数谱特征和声音回波消除对数谱特征输入到残余回波抑制模型中。
在本申请的一个实施例中，如图12所示，上述提取模块112可以包括：
第一频域变换单元1121，用于对远端参考信号进行频域转换以生成远端参考频域信号，并对声音回波消除信号进行频域转换以生成声音回波消除频域信号。
第二生成单元1122，用于根据远端参考频域信号生成远端参考信号的幅度谱，并根据声音回波消除频域信号生成声音回波消除信号的幅度谱。
第一频域合并单元1123，用于按照预设的多个频带对远端参考信号的幅度谱进行频域合并，以得到远端参考特征。
第二频域合并单元1124，用于按照预设的多个频带对声音回波消除信号的幅度谱进行频域合并，以得到声音回波消除特征。
在本申请的一个实施例中，如图12所示，上述回波消除模块115可以包括：
第二频域转换单元1151，用于对声音回波消除信号进行频域转换，以生成声音回波消除频域信号。
第三生成单元1152，用于根据声音回波消除频域信号生成幅度特征以及相位特征。
加权处理单元1153，用于根据回波抑制因子对幅度特征进行加权处理，以得到处理后的幅度特征。
第二处理单元1154，用于根据相位特征和处理后的幅度特征，以得到处理后的声音回波消除频域信号。
时域转换单元1155，用于对处理后的声音回波消除频域信号进行时域转换，以得到处理后的声音回波消除信号。
在本申请的一个实施例中，近讲检测结果包括：声音回波消除信号中每一帧的近讲检测概率，初始回波抑制因子包括：声音回波消除信号中每一帧在预设的多个频带上的初始回波抑制因子，如图12所示，上述调整模块114可以包括：
比较单元1141，用于将每一帧的近讲检测概率与预设的概率阈值进行比较。
第三确定单元1142，用于根据每一帧的比较结果，确定每一帧的二进制概率结果。
第三处理单元1143，用于针对每一帧，将当前帧的二进制概率结果，分别与当前帧在预设的多个频带上的初始回波抑制因子相乘，以得到当前帧在预设的多个频带上的回波抑制因子。
频带扩展单元1144，用于对当前帧在预设的多个频带上的回波抑制因子进行频带扩展，以得到当前帧在各个频带上的回波抑制因子。
在本申请的一个实施例中，第三确定单元1143，具体用于：针对每一帧，在当前帧的近讲检测概率大于或者等于预设的概率阈值的情况下，则确定当前帧的二进制概率结果为1；在当前帧的近讲检测概率小于预设的概率阈值的情况下，则确定当前帧对应的二进制概率结果为0。
其中，需要说明的是，前述对声回波消除方法实施例的解释说明也适用于本实施例中的声回波消除装置，此处不再赘述。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图13所示，是根据本申请实施例的声回波消除方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图13所示，该电子设备包括：一个或多个处理器1301、存储器1302，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示gui的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图13中以一个处理器1301为例。
存储器1302即为本申请所提供的非瞬时计算机可读存储介质。其中，存储器存储有可由至少一个处理器执行的指令，以使至少一个处理器执行本申请所提供的声回波消除方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的声回波消除方法。
存储器1302作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的声回波消除方法对应的程序指令/模块(例如，附图11所示的获取模块111、提取模块112、确定模块113、调整模块114和回波消除模块115)。处理器1301通过运行存储在存储器1302中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的声回波消除方法。
存储器1302可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据声回波消除的电子设备的使用所创建的数据等。此外，存储器1302可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器1302可选包括相对于处理器1301远程设置的存储器，这些远程存储器可以通过网络连接至声回波消除的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
声回波消除的方法的电子设备还可以包括：输入装置1303和输出装置1304。处理器1301、存储器1302、输入装置1303和输出装置1304可以通过总线或者其他方式连接，图13中以通过总线连接为例。
输入装置1303可接收输入的数字或字符信息，以及产生与声回波消除的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置1304可以包括显示设备、辅助照明装置(例如，led)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(lcd)、发光二极管(led)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用asic(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(pld))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务("virtualprivateserver"，或简称"vps")中，存在的管理难度大，业务扩展性弱的缺陷。
根据本申请实施例的技术方案，在对声学回波消除aes模块输出的声音回波消除信号进行残余回波消除的过程中，结合远端参考信号之中的远端参考特征以及声音回波消除信号之中的声音回波消除特征，确定对声音回波消除信号进行回波消除的初始回波抑制因子，并确定声音回波消除信号的近讲检测结果，然后，结合近讲检测结果对初始回波抑制因子进行调整，并根据调整后的回波抑制因子对声音回波消除信号进行回波消除。由此，结合近讲检测结果对初始回波抑制因子进行调整，从而使得不同近讲检测结果，对声音回波消除信号进行回波消除时所采用的回波抑制因子不同，避免了单讲以及双讲进行回波消除时所采集的回波抑制因子相同，从而导致无法平衡回波消除量和近讲语音失真情况的发生，提高了回波消除的效果。
其中，需要说明的是，人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
1.一种声回波消除方法，包括：
获取远端参考信号以及声学回波消除aes模块输出的声音回波消除信号；
提取所述远端参考信号之中的远端参考特征，并提取所述声音回波消除信号之中的声音回波消除特征；
根据所述远端参考特征和所述声音回波消除特征，确定对所述声音回波消除信号进行回波消除的初始回波抑制因子，并确定所述声音回波消除信号的近讲检测结果；
根据所述近讲检测结果，对所述初始回波抑制因子进行调整，以得到回波抑制因子；以及
根据所述回波抑制因子，对所述声音回波消除信号进行回波消除。
2.根据权利要求1所述的方法，其中，所述根据所述远端参考特征和所述声音回波消除特征，确定对所述声音回波消除信号进行回波消除的初始回波抑制因子，并确定所述声音回波消除信号的近讲检测结果，包括：
将所述远端参考特征和所述声音回波消除特征输入到残余回波抑制模型中，以生成所述初始回波抑制因子；
将所述声音回波消除特征与所述初始回波抑制因子进行相乘，以得到处理后的声音回波消除特征；以及
根据所述远端参考特征和所述处理后的声音回波消除特征，确定所述声音回波消除信号的近讲检测结果。
3.根据权利要求2所述的方法，其中，所述根据所述远端参考特征和所述处理后的声音回波消除特征，确定所述声音回波消除信号的近讲检测结果，包括：
将所述远端参考特征和所述处理后的声音回波消除特征输入到近讲语音检测模型中，以得到所述声音回波消除信号的近讲检测结果。
4.根据权利要求2所述的方法，其中，在所述将所述远端参考特征和所述声音回波消除特征输入到残余回波抑制模型中，以生成所述初始回波抑制因子之前，所述方法还包括：
对所述远端参考特征进行对数处理，以得到远端参考对数谱特征；
对所述声音回波消除特征进行对数处理，以得到声音回波消除对数谱特征；
对所述远端参考对数谱特征进行归一化处理，并对所述声音回波消除对数谱特征进行归一化处理，以将归一化处理之后的所述远端参考对数谱特征和所述声音回波消除对数谱特征输入到所述残余回波抑制模型中。
5.根据权利要求1所述的方法，其中，所述提取所述远端参考信号之中的远端参考特征，并提取所述声音回波消除信号之中的声音回波消除特征，包括：
对所述远端参考信号进行频域转换以生成远端参考频域信号，并对所述声音回波消除信号进行频域转换以生成声音回波消除频域信号；
根据所述远端参考频域信号生成所述远端参考信号的幅度谱，并根据所述声音回波消除频域信号生成所述声音回波消除信号的幅度谱；
按照预设的多个频带对所述远端参考信号的幅度谱进行频域合并，以得到所述远端参考特征；以及
按照所述预设的多个频带对所述声音回波消除信号的幅度谱进行频域合并，以得到所述声音回波消除特征。
6.根据权利要求1所述的方法，其中，所述根据所述回波抑制因子，对所述声音回波消除信号进行回波消除，包括：
对所述声音回波消除信号进行频域转换，以生成声音回波消除频域信号；
根据所述声音回波消除频域信号生成幅度特征以及相位特征；
根据所述回波抑制因子对所述幅度特征进行加权处理，以得到处理后的幅度特征；
根据所述相位特征和所述处理后的幅度特征，以得到处理后的声音回波消除频域信号；
对所述处理后的声音回波消除频域信号进行时域转换，以得到处理后的声音回波消除信号。
7.根据权利要求1－6中任一项所述的方法，其中，所述近讲检测结果包括：所述声音回波消除信号中每一帧的近讲检测概率，所述初始回波抑制因子包括：所述声音回波消除信号中每一帧在预设的多个频带上的初始回波抑制因子，所述根据所述近讲检测结果，对所述初始回波抑制因子进行调整，以得到回波抑制因子，包括：
将每一帧的近讲检测概率与预设的概率阈值进行比较；
根据每一帧的比较结果，确定每一帧的二进制概率结果；
针对每一帧，将当前帧的二进制概率结果，分别与所述当前帧在预设的多个频带上的初始回波抑制因子相乘，以得到所述当前帧在预设的多个频带上的回波抑制因子；以及
对所述当前帧在预设的多个频带上的回波抑制因子进行频带扩展，以得到所述当前帧在各个频带上的回波抑制因子。
8.根据权利要求7所述的方法，其中，所述根据每一帧的比较结果，确定每一帧的二进制概率结果，包括：
针对每一帧，在当前帧的近讲检测概率大于或者等于预设的概率阈值的情况下，则确定所述当前帧的二进制概率结果为1；
在当前帧的近讲检测概率小于预设的概率阈值的情况下，则确定所述当前帧对应的二进制概率结果为0。
9.一种声回波消除装置，包括：
获取模块，用于获取远端参考信号以及声学回波消除aes模块输出的声音回波消除信号；
提取模块，用于提取所述远端参考信号之中的远端参考特征，并提取所述声音回波消除信号之中的声音回波消除特征；
确定模块，用于根据所述远端参考特征和所述声音回波消除特征，确定对所述声音回波消除信号进行回波消除的初始回波抑制因子，并确定所述声音回波消除信号的近讲检测结果；
调整模块，用于根据所述近讲检测结果，对所述初始回波抑制因子进行调整，以得到回波抑制因子；以及
回波消除模块，用于根据所述回波抑制因子，对所述声音回波消除信号进行回波消除。
10.根据权利要求9所述的装置，其中，所述确定模块，包括：
第一生成单元，用于将所述远端参考特征和所述声音回波消除特征输入到残余回波抑制模型中，以生成所述初始回波抑制因子；
第一处理单元，用于将所述声音回波消除特征与所述初始回波抑制因子进行相乘，以得到处理后的声音回波消除特征；以及
确定单元，用于根据所述远端参考特征和所述处理后的声音回波消除特征，确定所述声音回波消除信号的近讲检测结果。
11.根据权利要求10所述的装置，其中，所述确定单元，具体用于：
将所述远端参考特征和所述处理后的声音回波消除特征输入到近讲语音检测模型中，以得到所述声音回波消除信号的近讲检测结果。
12.根据权利要求10所述的装置，其中，所述确定模块，还包括：
第一对数处理单元，用于对所述远端参考特征进行对数处理，以得到远端参考对数谱特征；
第二对数处理单元，用于对所述声音回波消除特征进行对数处理，以得到声音回波消除对数谱特征；
归一化处理单元，用于对所述远端参考对数谱特征进行归一化处理，并对所述声音回波消除对数谱特征进行归一化处理，以将归一化处理之后的所述远端参考对数谱特征和所述声音回波消除对数谱特征输入到所述残余回波抑制模型中。
13.根据权利要求9所述的装置，其中，所述提取模块，包括：
第一频域变换单元，用于对所述远端参考信号进行频域转换以生成远端参考频域信号，并对所述声音回波消除信号进行频域转换以生成声音回波消除频域信号；
第二生成单元，用于根据所述远端参考频域信号生成所述远端参考信号的幅度谱，并根据所述声音回波消除频域信号生成所述声音回波消除信号的幅度谱；
第一频域合并单元，用于按照预设的多个频带对所述远端参考信号的幅度谱进行频域合并，以得到所述远端参考特征；以及
第二频域合并单元，用于按照所述预设的多个频带对所述声音回波消除信号的幅度谱进行频域合并，以得到所述声音回波消除特征。
14.根据权利要求9所述的装置，其中，所述回波消除模块，包括：
第二频域转换单元，用于对所述声音回波消除信号进行频域转换，以生成声音回波消除频域信号；
第三生成单元，用于根据所述声音回波消除频域信号生成幅度特征以及相位特征；
加权处理单元，用于根据所述回波抑制因子对所述幅度特征进行加权处理，以得到处理后的幅度特征；
第二处理单元，用于根据所述相位特征和所述处理后的幅度特征，以得到处理后的声音回波消除频域信号；
时域转换单元，用于对所述处理后的声音回波消除频域信号进行时域转换，以得到处理后的声音回波消除信号。
15.根据权利要求9－14中任一项所述的装置，其中，所述近讲检测结果包括：所述声音回波消除信号中每一帧的近讲检测概率，所述初始回波抑制因子包括：所述声音回波消除信号中每一帧在预设的多个频带上的初始回波抑制因子，所述调整模块，包括：
比较单元，用于将每一帧的近讲检测概率与预设的概率阈值进行比较；
第三确定单元，用于根据每一帧的比较结果，确定每一帧的二进制概率结果；
第三处理单元，用于针对每一帧，将当前帧的二进制概率结果，分别与所述当前帧在预设的多个频带上的初始回波抑制因子相乘，以得到所述当前帧在预设的多个频带上的回波抑制因子；以及
频带扩展单元，用于对所述当前帧在预设的多个频带上的回波抑制因子进行频带扩展，以得到所述当前帧在各个频带上的回波抑制因子。
16.根据权利要求15所述的装置，其中，所述第三确定单元，具体用于：
针对每一帧，在当前帧的近讲检测概率大于或者等于预设的概率阈值的情况下，则确定所述当前帧的二进制概率结果为1；
在当前帧的近讲检测概率小于预设的概率阈值的情况下，则确定所述当前帧对应的二进制概率结果为0。
17.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的方法。
技术总结