一种数据处理方法、装置、设备、存储介质及程序产品与流程

本技术涉及人工智能，尤其涉及一种数据处理方法、装置、设备、存储介质及程序产品。

背景技术：

1、随着移动互联网的大规模普及和人工智能的普及，越来越多的语音通讯业务可以针对某一段音频数据进行回声消除等控制操作，以建立一种稳定的语音通信环境，因此需要对声学中的回声进行消除，传统回声消除技术需要基于特定的预设条件对回声路径进行估计后进行消除，然而在实际对语音进行回声消除时，往往达不到该特定的预设条件，从而导致在对回声路径进行预测时，由于特定的预设条件的不满足，造成对回声路径的预测的偏差，进而导致对语音中的回声消除出现偏差，使得回声消除的准确率下降，从而降低了回声消除的效果及效率。

技术实现思路

1、本技术实施例提供一种数据处理方法、装置、设备、存储介质及程序产品，能够提高回声消除的准确性，以及回声消除的效果及效率。

2、本技术实施例一方面提供了一种数据处理方法，包括：

3、根据第一时刻的播放数据、第一时刻的采集数据及第二时刻的回声预测数据，确定第一时刻的初始消除数据；第一时刻与第二时刻相邻，且第二时刻小于第一时刻；

4、将第一时刻的播放数据、第一时刻的初始消除数据及第二时刻的回声预测数据输入目标滤波模型进行预测，得到第一时刻的增益数据；

5、基于第一时刻的增益数据及第一时刻的初始消除数据，对第二时刻的回声预测数据进行调整，得到第一时刻的回声路径；

6、基于第一时刻的回声路径及第一时刻的播放数据，对第一时刻的采集数据进行回声消除，得到第一时刻的回声消除数据。

7、本技术实施例一方面还提供了一种数据处理方法，包括：

8、根据第一时刻的样本播放数据、第一时刻的样本采集数据及第二时刻的样本预测数据，确定第一时刻的初始样本消除数据；第一时刻与第二时刻相邻，且第二时刻小于第一时刻；

9、将第一时刻的样本播放数据、第一时刻的样本消除数据及第二时刻的样本预测数据输入初始滤波模型进行预测，得到第一时刻的样本增益数据；

10、基于第一时刻的样本增益数据及第一时刻的初始样本消除数据，对第二时刻的样本预测数据进行调整，得到第一时刻的样本路径；

11、基于第一时刻的样本路径及第一时刻的样本播放数据，对第一时刻的样本采集数据进行回声消除，得到第一时刻的样本回声消除数据；

12、根据第一时刻的样本回声消除数据与第一时刻的样本回声消除数据对应的样本标签，对初始滤波模型进行参数调整，得到目标滤波模型。

13、本技术实施例一方面提供了一种数据处理装置，包括：

14、消除数据确定模块，用于根据第一时刻的播放数据、第一时刻的采集数据及第二时刻的回声预测数据，确定第一时刻的初始消除数据；第一时刻与第二时刻相邻，且第二时刻小于第一时刻；

15、目标预测模块，用于将第一时刻的播放数据、第一时刻的初始消除数据及第二时刻的回声预测数据输入目标滤波模型进行预测，得到第一时刻的增益数据；

16、目标调整模块，用于基于第一时刻的增益数据及第一时刻的初始消除数据，对第二时刻的回声预测数据进行调整，得到第一时刻的回声路径；

17、回声消除模块，用于基于第一时刻的回声路径及第一时刻的播放数据，对第一时刻的采集数据进行回声消除，得到第一时刻的回声消除数据。

18、其中，第二时刻的回声预测数据包括第二时刻的回声路径；

19、消除数据确定模块包括：

20、第一数据融合单元，用于将第一时刻的播放数据与第二时刻的回声路径进行数据融合处理，得到第一时刻的初始预测回声数据；

21、第一消除单元，用于基于第一时刻的初始预测回声数据对第一时刻的采集数据进行消除处理，得到第一时刻的初始消除数据。

22、其中，第二时刻的回声预测数据包括第二时刻的回声预测增量；

23、目标预测模块包括：

24、拼接单元，用于将第一时刻的播放数据、第一时刻的初始消除数据与第二时刻的回声预测增量进行拼接处理，得到用于进行预测处理的目标组合数据；

25、预测单元，用于将目标滤波模型在第二时刻的隐状态及目标组合数据，输入目标滤波模型进行预测处理，得到第一时刻的增益数据以及目标滤波模型在第一时刻的隐状态；第一时刻的隐状态用于预测第三时刻的增益数据；第一时刻与第三时刻相邻，且第一时刻小于第三时刻。

26、其中，第二时刻的回声预测数据包括第二时刻的回声路径；

27、目标调整模型，包括：

28、增量获取单元，用于基于第一时刻的增益数据及第一时刻的初始消除数据，获取第一时刻的回声预测增量；

29、增量调整单元，用于基于第一时刻的回声预测增量，对第二时刻的回声路径进行增量调整，得到第一时刻的回声路径。

30、其中，回声消除模块，包括：

31、第二数据融合单元，用于将第一时刻的回声路径与第一时刻的播放数据进行数据融合处理，得到第一时刻的目标预测回声数据；

32、第二消除单元，用于基于第一时刻的目标预测回声数据对第一时刻的采集数据进行消除处理，得到第一时刻的回声消除数据。

33、其中，数据处理装置，还包括：

34、变换模块，用于获取全量播放数据及全量采集数据，对全量播放数据进行傅里叶变换，得到全量播放数据对应的频域播放数据，对全量采集数据进行傅里叶变换，得到全量采集数据对应的频域采集数据；

35、其中，消除数据确定模块，具体用于从频域播放数据中获取第一时刻的播放数据，从频域采集数据中获取第一时刻的采集数据；根据第一时刻的播放数据、第一时刻的采集数据及第二时刻的回声路径，确定第一时刻的初始消除数据；

36、回声消除模块，具体用于基于第一时刻的回声路径及第一时刻的播放数据，对第一时刻的采集数据进行回声消除，得到第一时刻的频域消除数据；对第一时刻的频域消除数据进行逆傅里叶变换处理，得到第一时刻的回声消除数据。

37、本技术实施例一方面提供了一种数据处理装置，包括：

38、样本数据确定模块，用于根据第一时刻的样本播放数据、第一时刻的样本采集数据及第二时刻的样本预测数据，确定第一时刻的初始样本消除数据；第一时刻与第二时刻相邻，且第二时刻小于第一时刻；

39、初始预测模块，用于将第一时刻的样本播放数据、第一时刻的样本消除数据及第二时刻的样本预测数据输入初始滤波模型进行预测，得到第一时刻的样本增益数据；

40、样本调整模块，用于基于第一时刻的样本增益数据及第一时刻的初始样本消除数据，对第二时刻的样本预测数据进行调整，得到第一时刻的样本路径；

41、样本消除模块，用于基于第一时刻的样本路径及第一时刻的样本播放数据，对第一时刻的样本采集数据进行回声消除，得到第一时刻的样本回声消除数据；

42、模型调整模块，用于根据第一时刻的样本回声消除数据与第一时刻的样本回声消除数据对应的样本标签，对初始滤波模型进行参数调整，得到目标滤波模型。

43、其中，数据处理装置，还包括：

44、语料获取模块，用于获取语料数据，从语料数据中获取全量样本播放数据及全量样本标签；全量样本播放数据包括第一时刻的样本播放数据；全量样本标签包括与第一时刻的样本回声消除数据对应的样本标签；

45、回声生产模块，用于模拟声学传播响应，生成模拟回声数据，从模拟回声数据中获取模拟回声路径；

46、卷积模块，用于将全量样本播放数据与模拟回声路径进行卷积处理，得到全量样本回声数据；

47、混合模块，用于将全量样本回声数据与全量样本播放数据进行混合处理，得到全量样本采集数据；全量样本采集数据包括第一时刻的样本采集数据。

48、本技术一方面提供了一种计算机设备，包括：处理器、存储器、网络接口；

49、上述处理器与上述存储器、上述网络接口相连，其中，上述网络接口用于提供数据通信功能，上述存储器用于存储计算机程序，上述处理器用于调用上述计算机程序，以使得计算机设备执行本技术实施例中的方法。

50、本技术实施例一方面提供了一种计算机可读存储介质，上述计算机可读存储介质中存储有计算机程序，上述计算机程序适于由处理器加载并执行本技术实施例中的方法。

51、本技术实施例一方面提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中；计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行本技术实施例中的方法。

52、本技术实施例中，具有语音通信功能的计算机设备在获取到第一时刻的播放数据、第一时刻的采集数据与第二时刻的回声预测数据时，可以通过目标绿模型进行回声预测，基于回声预测得到的第一时刻的增益数据对第二时刻的回声预测数据进行调整，得到第一时刻的回声路径。根据回声路径可以得到第一时刻的回声消除数据。由此可见，本技术实施例可以通过目标滤波模型，对第一时刻的增益数据进行计算，对第二时刻的回声预测数据进行调整，可以获取第一时刻的回声路径，根据回声路径的预测可以得到第一时刻的回声消除数据。目标滤波模型拥有自适应性，使得本技术实施例具有良好的泛化性能。目标滤波模型与第一时刻的增益数据的结合，可以更加精准的预测第一时刻的回声路径，从而保证在回声路径发生突变时，针对第一时刻的回声消除数据可以比单独使用自适应滤波或神经网络模型更快的速度重收敛，进而快速的消除回声。也减弱了在回声路径预估时的偏差。与此同时，目标滤波模型与第一时刻的增益数据的结合，提升了模型的预测精度，可以降低滤波模型的模型大小，进而可以将本技术实施例应用于对模型大小与运算速度敏感的计算机设备上，总而言之，可以保证本技术实施例可以提升回声消除的准确率，从而提高了回声消除的效果及效率。