信号降噪控制方法、装置及电子设备与流程

本申请主要涉及信号处理技术领域，更具体地说是涉及一种信号降噪控制方法、装置及电子设备。

背景技术：

实际应用中，采集到的原始语音信号通常都会带有噪声，在进一步使用语音信号前(如语音识别前)，往往需要对原始语音信号进行降噪处理，以提高后续处理可靠性。

现有技术中通常是利用多个麦克风定位声源，结合降噪算法实现对原始语音信号的降噪处理，降噪效果差，且由于远场声源信噪比低，降噪算法对这类语音信号处理难度较大，降噪效果也不理想。另外，由于电子设备开机后会一直处于降噪模式下，降噪算法会对采集到的所有语音信号进行处理，增大了电子设备的计算压力和能耗。

技术实现要素：

有鉴于此，本申请提供了一种信号降噪控制方法、装置及电子设备。

为了实现上述发明目的，本申请提供了以下技术方案：

一种信号降噪控制方法，包括：

响应语音控制指令，确定所述语音控制指令所调用的第一应用；

依据所述第一应用的状态变化信息，控制电子设备进入第一降噪模式工作；

其中，在所述第一降噪模式下，所述电子设备基于神经网络算法对原始语音信号进行降噪处理。

优选的，所述依据所述第一应用的状态变化信息，控制电子设备进入第一降噪模式工作，包括：

获取所述第一应用的系统功耗；

如果所述系统功耗大于阈值，控制电子设备进入第一降噪模式工作；

如果所述系统功耗不大于所述阈值，控制所述电子设备进入第二降噪模式工作。

优选的，所述依据所述第一应用的状态变化信息，控制电子设备进入第一降噪模式工作，包括：

获取所述第一应用执行所述语音控制指令后的状态变化信息，所述状态变化信息包括：所述第一应用进入运行状态，或所述第一应用退出运行状态；

基于所述状态变化信息，控制所述电子设备在第一降噪模式和第二降噪模式之间进行切换。

优选的，基于所述状态变化信息，控制所述电子设备在第一降噪模式和第二降噪模式之间进行切换，包括：

检测所述第一应用是否属于特定应用，且所述第一应用执行所述语音控制指令后的状态是否改变；

基于检测结果，控制所述电子设备在第一降噪模式和第二降噪模式之间进行切换。

优选的，所述基于检测结果，控制所述电子设备在第一降噪模式和第二降噪模式之间进行切换，包括：

如果所述第一应用属于特定应用，且所述第一应用进入运行状态，控制所述电子设备从第二降噪模式切换到第一降噪模式工作；

如果所述第一应用不属于所述特定应用，控制所述电子设备维持在所述第二降噪模式工作；

如果所述电子设备中属于特定应用的第一应用均退出运行状态，控制所述电子设备从所述第一降噪模式切换到所述第二降噪模式工作。

一种信号降噪控制方法，包括：

接收控制指令，所述控制指令基于电子设备中特定应用的状态变化信息产生；

响应所述控制指令，进入第一降噪模式，基于神经网络算法对所述电子设备采集到的原始语音信号进行降噪处理。

一种信号降噪控制装置，所述装置包括：

连接声音采集器的降噪处理器，所述降噪处理器用于在第一降噪模式下，基于神经网络算法对所述声音采集器采集到的原始语音信号进行降噪处理，得到目标语音信号；

与所述降噪处理器连接的音频编解码器，所述音频编解码器用于对所述原始语音信号或所述目标语音信号进行模数转换处理；

分别与所述音频编解码器和所述降噪处理器连接的语音控制电路，所述语音控制电路用于响应所述语音控制指令，确定所述语音控制指令所调用的第一应用，并依据所述第一应用的状态变化信息，控制所述降噪处理器进入所述第一降噪模式。

优选的，所述语音控制电路包括：

与所述音频编解码器连接的芯片组，所述芯片组用于响应所述语音控制指令，确定所述语音控制指令所调用的第一应用，并得到所述第一应用执行所述语音控制指令后的状态变化信息；

分别与所述芯片组和所述降噪处理器连接的控制器，所述控制器用于依据所述第一应用的状态变化信息，控制所述降噪处理器进入所述第一降噪模式。

优选的，所述控制器包括状态检测端口和模式控制端口；

所述状态检测端口，用于接收所述芯片组基于所述第一应用的状态变化信息，产生的电平信号；

所述模式控制端口，用于向所述降噪处理器发送与所述电平信号匹配的控制指令，以使得所述降噪处理器响应所述控制指令，在第一降噪模式下，基于神经网络算法对所述声音采集器采集到的原始语音信号进行降噪处理，得到目标语音信号。

优选的，所述控制器还包括复位控制端口，所述复位控制端口用于基于所述模式控制端口的状态变化，向所述降噪处理器的复位端口发送复位信号。

一种电子设备，包括：

声音采集器，用于采集原始语音信号；

以及如上述任意一项所述的信号降噪控制装置。

由此可见，与现有技术相比，本申请提供了一种信号降噪控制方法、装置及电子设备，在用户语音控制电子设备的第一应用的情况下，本申请将确定语音控制指令所调用的第一应用，并依据第一应用的状态变化信息，控制电子设备进入第一降噪模式工作，这样，依据第一应用的不同状态，电子设备可以在第一降噪模式下工作或退出第一降噪模式，避免了电子设备始终处于第一降噪模式，增大电子设备的计算压力和能耗，且在电子设备进入第一降噪模式下，本申请将基于神经网络算法对采集到的原始语音信号进行处理，相对于传统的降噪算法，大大提高了降噪效果，尤其是远场语音识别和环境噪声的抑制方面，效果非常好。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1示出了本申请实施例提供的一种信号降噪控制方法的流程示意图；

图2示出了本申请实施例提供的另一种信号降噪控制方法的流程示意图；

图3示出了本申请实施例提供的再一种信号降噪控制方法的流程示意图；

图4示出了本申请实施例提供的再一种信号降噪控制方法的流程示意图；

图5示出了本申请实施例提供的再一种信号降噪控制方法的流程示意图；

图6示出了本申请实施例提供的再一种信号降噪控制方法的流程示意图；

图7示出了本申请实施例提供的再一种信号降噪控制方法的流程示意图；

图8示出了本申请实施例提供的一种AI芯片处理流程示意图；

图9示出了本申请实施例提供的再一种信号降噪控制方法的流程示意图；

图10示出了本申请实施例提供的另一种AI芯片处理流程示意图；

图11示出了本申请实施例提供的再一种信号降噪控制方法的流程示意图；

图12示出了本申请实施例提供的再一种AI芯片处理流程示意图；

图13示出了本申请实施例提供的再一种信号降噪控制方法的流程示意图；

图14示出了本申请实施例提供的一种信号降噪控制装置的结构示意图；

图15示出了本申请实施例提供的另一种信号降噪控制装置的结构示意图；

图16示出了本申请实施例提供的再一种信号降噪控制装置的结构示意图；

图17示出了本申请实施例提供的再一种信号降噪控制装置的结构示意图；

图18示出了本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。

如图1所示的，为本申请提供的一种信号降噪控制方法实施例1的流程图，该方法应用于一电子设备，该方法包括以下步骤：

步骤S11，响应语音控制指令，确定语音控制指令所调用的第一应用；

可以理解的是，语音控制指令可以用于启动电子设备中应用进入运行状态，或控制该应用退出运行状态，即关闭该应用。本实施例中，该语音控制指令可以是用户发出的语音信号，或者是电子设备对用户发出的语音信号进行处理后，产生的相应指令。

第一应用可以理解为：需要调用语音信号的任意应用，也就是电子设备中具有语音识别功能的应用，如即时通信软件、语音识别软件、音视频软件、闹钟等，本申请可以将这些应用记为特定应用，第一应用可以是任一个特定应用，但并不限定该第一应用的类型。

步骤S12，依据第一应用的状态变化信息，控制电子设备进入第一降噪模式工作；

可以理解的是，对于不同内容的语音控制指令，对第一应用的操作内容往往不同，进而在第一应用执行该语音控制指令后的状态可能会发生变化，如进入运行状态或退出运行状态，导致其对接收的语音信号的质量要求可能不同，因此，本实施例可以依据第一应用的状态变化信息，控制电子设备是否进入第一降噪模式工作。

其中，第一降噪模式可以是指基于神经网络算法对采集器采集到的原始语音信号进行降噪处理的工作模式，具体降噪过程本实施例不作限定。

可选的，在实际应用中，在第一应用的状态变化信息为进入运行状态的情况下，第一应用往往需要接收的语音信号中的噪声低于设定值，即对接收的语音信号的质量要求较高，因此，可以控制电子设备进入第一降噪模式工作。

其中，电子设备在第一降噪模式下的系统功耗较高，所以，在第一应用的状态变化信息为退出运行状态，即关闭第一应用的情况下，可以控制电子设备退出第一降噪模式。

在本申请中，第一降噪模式可以理解为：AI(人工智能，Artificial Intelligence)降噪模式。在AI降噪模式下，电子设备基于AI降噪算法对采集到的原始语音信号进行处理。优选的，AI降噪算法可以为但不局限于：神经网络算法。

可选的，上述基于神经网络算法对采集到的原始语音信号进行降噪处理，可以理解为：基于预先训练的神经网络模型对采集到的原始语音信号进行降噪处理。其中，可以采用不同类别的语音信号(如，近场语音信号、远场语音信号或环境噪声信号)对神经网络模型进行训练，使得神经网络模型可以对多种不同类别的语音信号进行降噪处理，并输出符合要求的语音信号，提高降噪效果。

在本申请中，在用户语音控制电子设备的第一应用的情况下，本申请可以依据第一应用的状态变化信息，控制电子设备进入第一降噪模式工作，即基于神经网络算法对采集到的原始语音信号进行处理，相对于传统的降噪算法，大大提高了降噪效果，保证第一应用所接收到的语音信号的质量。且由于本申请的电子设备可以不用始终处于第一降噪模式工作，避免了电子设备始终处于第一降噪模式，增大电子设备的计算压力和能耗

作为本申请另一可选实施例，参照图2，为本申请提供的一种信号降噪控制方法实施例2的流程示意图，本实施例主要是对上述实施例1描述的信号降噪控制方法的细化方案，如图2所示，该方法可以包括但并不局限于以下步骤：

步骤S21，响应语音控制指令，确定所述语音控制指令所调用的第一应用；

步骤S21的详细过程可以参见实施例1中步骤S11的相关介绍，在此不再赘述。

步骤S22，获取所述第一应用的系统功耗，判断所述系统功耗是否大于阈值；

可以理解的是，第一应用的状态可能发发生多种变化，如，从关闭状态进入运行状态、从运行状态进入关闭状态或在运行状态下，由低功耗运行模式进入高功耗运行模式。

本实施例中，主要获取第一应用的系统功耗这一变化状态信息，来控制电子设备的降噪模式。

阈值可以理解为：功耗阈值。具体为，针对第一应用的工作状态所设置的阈值。

若是，说明第一应用处于高功耗运行模式，则执行步骤S23；若否，说明第一应用处于低功耗运行模式，则执行步骤S24。

步骤S23，控制电子设备进入第一降噪模式工作；

控制电子设备进入第一降噪模式工作，基于神经网络算法对采集到的原始语音信号进行降噪处理，提高语音信号的质量，以供第一应用调用到高质量的语音信号。

步骤S24，控制所述电子设备进入第二降噪模式工作。

第二降噪模式，可以理解为：非AI降噪模式。在第二降噪模式下，未基于AI降噪算法进行降噪。具体地，在第二降噪模式下，可以基于传统降噪方式(如，采用滤波电路对语音信号进行滤波或采用放大电路对语音信号进行放大)进行降噪。

可以理解的是，电子设备在第二降噪模式下工作，相比于在第一降噪模式下工作，计算压力和能耗较低，因此在电子设备处于低功耗运行模式时，可以控制电子设备进入第二降噪模式工作。

作为本申请另一可选实施例，参照图3，为本申请提供的一种信号降噪控制方法实施例3的流程示意图，本实施例主要是对上述实施例1描述的信号降噪控制方法的细化方案，如图3所示，该方法可以包括但并不局限于以下步骤：

步骤S31，响应语音控制指令，确定语音控制指令所调用的第一应用；

步骤S31的详细过程可以参见实施例1中步骤S11的相关介绍，在此不再赘述。

步骤S32，获取所述第一应用执行语音控制指令后的状态变化信息；

在语音控制指令用于控制第一应用运行时，第一应用执行语音控制指令，进入运行状态；

在语音控制指令用于控制第一应用关闭时，第一应用执行语音控制指令，退出运行状态。

对应第一应用执行语音控制指令的状态变化，第一应用的状态变化信息可以包括：所述第一应用进入运行状态，或所述第一应用退出运行状态。

步骤S33，基于所述状态变化信息，控制所述电子设备在第一降噪模式和第二降噪模式之间进行切换，并控制所述电子设备进入切换后的降噪模式工作。

可以理解的是，第一应用处于不同的状态时，对调用的语音信号的要求可能不同，因此可以针对第一应用的不同状态，设置不同的降噪模式对采集到的原始语音信号进行处理。

具体地，可以基于第一应用执行所述语音控制指令后的状态变化信息，控制所述电子设备在第一降噪模式和第二降噪模式之间进行切换。

基于第一应用的状态变化信息，控制电子设备在第二降噪模式和第一降噪模式之间进行切换，这样，对于不需要进行AI降噪处理的应用，能够灵活控制电子设备进入第二降噪模式下运行，避免了电子设备始终处于第一降噪模式，增大电子设备的计算压力和能耗。对于需要进行AI降噪处理的应用，可以在电子设备进入第一降噪模式下，本申请基于神经网络算法对采集到的原始语音信号进行处理，相对于传统的降噪算法，大大提高了降噪效果，尤其是远场语音识别和环境噪声的抑制方面，效果非常好。

作为本申请另一可选实施例，参照图4，为本申请提供的一种信号降噪控制方法实施例4的流程示意图，本实施例主要是对上述实施例3描述的信号降噪控制方法的细化方案，如图4所示，该方法可以包括但并不局限于以下步骤：

步骤S41，响应语音控制指令，确定所述语音控制指令所调用的第一应用；

步骤S42，获取所述第一应用执行所述语音控制指令后的状态变化信息，所述状态变化信息包括：所述第一应用进入运行状态，或所述第一应用退出运行状态；

步骤S41-S42的详细过程可以参见实施例3中步骤S31-S32的相关介绍，在此不再赘述。

步骤S43，检测所述第一应用是否属于特定应用，且所述第一应用执行所述语音控制指令后的状态是否改变；

可以理解的是，不同的第一应用对语音信号的质量要求可能不同，因此第一应用的类型也可以作为控制降噪模式切换的一个因素。同时结合第一应用的状态是否改变，来决定是否进行降噪模式切换。

具体地，可以根据第一应用对语音信号的质量要求，预先对第一应用进行标记。将对语音信号的质量要求高的第一应用标记为特定应用。在划分完成后，可以将特定应用的标识存储，得到目标标识集，通过匹配第一应用的标识是否在目标应用标识集中，来确定第一应用是否属于特定应用。

步骤S44，基于检测结果，控制所述电子设备在第一降噪模式和第二降噪模式之间进行切换，，并控制所述电子设备进入切换后的降噪模式工作。

将检测第一应用是否属于特定应用，且第一应用执行所述语音控制指令后的状态是否改变的结果作为控制电子设备在第一降噪模式和第二降噪模式之间进行切换的触发条件，使降噪模式切换更具针对性，适应不同应用的需求。

作为本申请另一可选实施例，参照图5，为本申请提供的一种信号降噪控制方法实施例5的流程示意图，本实施例主要是对上述实施例4描述的信号降噪控制方法的细化方案，如图5所示，该方法可以包括但并不局限于以下步骤：

步骤S51，响应语音控制指令，确定所述语音控制指令所调用的第一应用；

步骤S52，获取所述第一应用执行所述语音控制指令后的状态变化信息，所述状态变化信息包括：所述第一应用进入运行状态，或所述第一应用退出运行状态；

步骤S53，检测所述第一应用是否属于特定应用，且所述第一应用执行所述语音控制指令后的状态是否改变；

如果第一应用属于特定应用，且第一应用进入运行状态，则执行步骤S54；如果第一应用不属于特定应用，且第一应用的状态改变或未改变，均执行步骤S55；如果所述电子设备中属于特定应用的第一应用均退出运行状态，则执行步骤S56。

步骤S51-S53的详细过程可以参见实施例4中步骤S41-S42的相关介绍，在此不再赘述。

步骤S54、控制所述电子设备从第二降噪模式切换到第一降噪模式工作；

由于特定应用对语音信号的质量要求较高，因此在特定应用进入运行状态时，可以控制电子设备从第二降噪模式切换到第一降噪模式，使电子设备按照第一降噪模式，对采集到的原始语音信号进行降噪处理，保证降噪处理后的语音信号可以满足特定应用的要求。并且，在语音信号会影响特定应用的运行结果的情况下，采用第一降噪模式降噪的方式可以提高特定应用的运行结果。

步骤S55、控制所述电子设备维持在所述第二降噪模式工作；

对于不属于特定应用的第一应用，对语音信号的质量要求相比于特定应用较低，可以不需要采用第一降噪模式对语音信号进行降噪处理，因此可以控制电子设备维持在第二降噪模式，以使电子设备按照第二降噪模式，对采集到的原始信号进行降噪处理，可以避免电子设备始终处于第一降噪模式下造成的高计算压力和高能耗。

步骤S56、控制所述电子设备从所述第一降噪模式切换到所述第二降噪模式工作。

在电子设备中属于特定应用的第一应用均退出运行状态的情况下，电子设备不需要满足特定应用对语音信号质量的要求，因此可以不采用第一降噪模式对采集到的原始信号进行降噪处理，具体控制电子设备从第一降噪模式切换到第二降噪模式工作，使电子设备按照第二降噪模式，对采集到的原始信号进行降噪处理，可以避免电子设备始终处于第一降噪模式下造成的高计算压力和高能耗。

如图6所示的，为本申请提供的一种信号降噪控制方法实施例6的流程图，该方法应用于一电子设备中的AI芯片，该方法包括以下步骤：

步骤S61，接收控制指令，所述控制指令基于电子设备中第一应用的状态变化信息产生；

本实施例中，可以由电子设备中的控制电路获取应用控制指令，并响应应用控制指令，确定所述应用控制指令所调用的第一应用，第一应用执行应用控制指令后，状态发生变化。基于第一应用执行应用控制指令后的状态变化信息产生控制指令。控制电路向AI芯片发送产生的控制指令。

如，在第一应用的状态变化信息为进入运行状态时，产生用于控制电子设备进入第一降噪模式的指令。

步骤S62，响应所述控制指令，进入第一降噪模式，基于神经网络算法对所述电子设备采集到的原始语音信号进行降噪处理。

在控制指令为基于第一应用进入运行状态或进入高功耗运行模式产生的指令时，AI芯片响应控制指令进入第一降噪模式，并在第一降噪模式下，基于神经网络算法对所述电子设备采集到的原始语音信号进行降噪处理，满足第一应用对语音信号的质量要求。

基于神经网络算法对所述原始语音信号进行降噪处理的过程，可以包括：

B11，对所述原始语音信号进行特征提取；

对原始语音信号进行特征提取，可以理解为：对原始语音信号进行语音特征信号提取。

B12，将提取出的特征信号输入音频降噪模型，得到降噪后的语音信号；

可以理解的是，音频降噪模式为神经网络模型。

将步骤B11提取出的语音特征信号输入音频降噪模型，音频降噪模型输出的信号为降噪后的语音信号。

音频降噪模型的训练过程可以为：

获取包含噪声的语音信号作为输入训练样本，不包含噪声的语音信号作为输出训练样本；利用输入训练样本和输出训练样本，对神经网络模型进行训练，训练后的神经网络模型为音频降噪模型。

B13；利用所述特征信号和所述降噪后的语音信号进行波形重构处理，得到目标语音信号，并将所述目标语音信号发送至所述电子设备的音频编解码器。

利用所述特征信号和所述降噪后的语音信号进行波形重构处理，将波形重构处理得到的语音信号作为目标语音信号，提高目标语音信号的可靠性。

作为本申请另一可选实施例，参照图7，为本申请提供的一种信号降噪控制方法实施例7的流程示意图，本实施例主要是对上述实施例6描述的信号降噪控制方法的细化方案，如图7所示，该方法可以包括但并不局限于以下步骤：

步骤S71，接收第一控制指令，所述第一控制指令基于电子设备中第一应用进入运行状态或进入高功耗运行模式的变化信息产生；

步骤S72，响应所述第一控制指令，进入第一降噪模式，基于神经网络算法对所述电子设备采集到的原始语音信号进行降噪处理；

步骤S73，将降噪处理后的语音信号发送至电子设备中的音频编解码器。

本实施例中，请参见图8，对AI芯片的处理过程进行说明。如图8所示，AI芯片的输入端与声音采集器相连，用于接收声音采集器采集到的语音信号，AI芯片在接收到控制器EC输出的第一控制指令时，基于神经网络算法对语音信号进行降噪处理，并输出降噪处理后的语音信号至音频编解码器。

作为本申请另一可选实施例，参照图9，为本申请提供的一种信号降噪控制方法实施例8的流程示意图，本实施例主要是对上述实施例6描述的信号降噪控制方法的细化方案，如图9所示，该方法可以包括但并不局限于以下步骤：

步骤S81，接收第二控制指令，所述第二控制指令基于电子设备中第一应用退出运行状态或进入低功耗运行模式的变化信息产生；

步骤S82，响应所述第二控制指令，进入第二降噪模式，将采集到的原始语音信号发送至音频编解码器。

在第二降噪模式下，AI芯片不对采集到的原始语音信号进行降噪处理，直接将原始语音信号发送至音频编解码器。具体可以由音频编解码器或电子设备中的其它元件采用传统降噪方式(如，滤波、放大)对原始语音信号进行降噪。

本实施例中，请参见图10，对AI芯片的处理过程进行说明。如图10所示，AI芯片的输入端与声音采集器相连，用于接收声音采集器采集到的语音信号，AI芯片在接收到控制器EC输出的第二控制指令时，直接将采集到的原始语音信号发送至音频编解码器。

作为本申请另一可选实施例，参照图11，为本申请提供的一种信号降噪控制方法实施例9的流程示意图，本实施例主要是对上述实施例6描述的信号降噪控制方法的细化方案，如图11所示，该方法可以包括但并不局限于以下步骤：

步骤S91，接收第二控制指令，所述第二控制指令基于电子设备中第一应用退出运行状态或进入低功耗运行模式的变化信息产生；

步骤S92，响应所述第二控制指令，进入第二降噪模式，基于传统降噪方法对所述电子设备采集到的原始语音信号进行降噪处理，将降噪处理后的语音信号发送至音频编解码器。

优选的，AI芯片中可以集成降噪电路，在第二降噪模式下，基于降噪电路对电子设备采集到的原始语音信号进行降噪处理。

本实施例中，请参见图12，对AI芯片的处理过程进行说明。如图12所示，AI芯片的输入端与声音采集器相连，用于接收声音采集器采集到的语音信号，AI芯片在接收到控制器EC输出的第二控制指令时，基于传统降噪方法对采集到的原始语音信号进行降噪处理，并发送降噪处理的语音信号至音频编解码器。

由实施例7和本实施例介绍的信号降噪控制方法，可以确定的是，AI芯片可以在第一降噪模式和第二降噪模式下进行切换，并且在第一降噪模式下，基于神经网络网络算法对采集到的语音信号进行降噪处理，在第二降噪模式下，基于传统降噪方法对采集到的语音信号进行降噪处理，满足不同的语音信号质量要求。

作为本申请另一可选实施例，参照图13，为本申请提供的一种信号降噪控制方法实施例10的流程示意图，本实施例主要是对上述实施例6描述的信号降噪控制方法的细化方案，如图13所示，该方法可以包括但并不局限于以下步骤：

步骤S101，接收控制指令，所述控制指令基于电子设备中特定应用的状态变化信息产生；

本实施例中的特定应用与前述各个实施例介绍的特定应用相同，在此不再赘述。

本实施例中，可以由电子设备中的控制电路获取语音控制指令，并响应语音控制指令，确定语音控制指令所调用的特定应用，并基于特定应用的状态变化信息产生控制指令。

基于特定应用的状态变化信息产生控制指令的过程，可以包括：

A11、检测第一应用是否属于特定应用；

A12、若第一应用属于特定应用，则检测特定应用的状态变化信息；

A13、基于特定应用的状态变化信息产生控制指令。

步骤S102，响应所述控制指令，进入第一降噪模式，基于神经网络算法对所述电子设备采集到的原始语音信号进行降噪处理。

在控制指令为基于特定应用进入运行状态或处于高功耗运行模式时产生的指令时，AI芯片响应控制指令，进入第一降噪模式，基于神经网络算法对所述电子设备采集到的原始语音信号进行降噪处理，满足特定应用对语音信号的质量要求。

与上述本申请提供的一种信号降噪控制方法实施例相对应的，本申请还提供了应用该信号降噪控制方法的信号降噪控制装置实施例。

如图14所示的为本申请提供的一种信号降噪控制装置实施例1的结构示意图，该信号降噪控制装置可以包括以下结构：

降噪处理器11、音频编辑码器12、语音控制电路13。

降噪处理器11的一端与声音采集器连接，降噪处理器11的另一端与音频编解码器12连接，语音控制电路13分别与音频编解码器12和降噪处理器11连接。

降噪处理器11用于在第一降噪模式下，基于神经网络算法对所述声音采集器采集到的原始语音信号进行降噪处理，得到目标语音信号。

当然，降噪处理器11也可以在第二降噪模式下，发送声音采集器采集到的原始语音信号至音频编解码器；或者，基于传统降噪方法对声音采集器采集到的原始语音信号进行降噪处理，将降噪处理后的语音信号发送至音频编解码器。

降噪处理器11可以包括但不局限于：AI芯片。

所述音频编解码器用于对接收到的所述原始语音信号或所述目标语音信号进行模数转换处理。

所述语音控制电路13用于响应所述语音控制指令，确定所述语音控制指令所调用的第一应用，并依据所述第一应用的状态变化信息，控制所述降噪处理器11进入所述第一降噪模式。

当然，语音控制电路13也可以用于响应语音控制指令，确定语音控制指令所调用的第一应用，并依据所述第一应用的状态变化信息，控制降噪处理器11进入第二降噪模式。

作为本申请另一可选实施例，参照图15，为本申请提供的一种信号降噪控制装置实施例2的流程示意图，本实施例主要是对上述实施例1描述的信号降噪控制装置的细化方案，如图15所示，该信号降噪控制装置可以包括：降噪处理器11、音频编辑码器12、芯片组131和控制器132。

芯片组131和控制器132为语音控制电路13的一种具体实施结构。

芯片组131与所述音频编解码器12连接，所述芯片组131用于响应所述语音控制指令，确定所述语音控制指令所调用的第一应用，并得到所述第一应用执行所述语音控制指令后的状态变化信息；

控制器132分别与所述芯片组131和所述降噪处理器11连接，所述控制器132用于依据所述第一应用的状态变化信息，控制所述降噪处理器11进入所述第一降噪模式。

优选的，芯片组131可以包括但不局限于PCH(主板上的intel集成南桥，Platform Controller Hub)，控制器132可以包括但不局限于EC(Embed Controller,嵌入式控制器)。

作为本申请另一可选实施例，参照图16，为本申请提供的一种信号降噪控制装置实施例3的流程示意图，本实施例主要是对上述实施例1描述的信号降噪控制装置的细化方案，如图16所示，该信号降噪控制装置可以包括：降噪处理器11、音频编辑码器12、芯片组131和控制器132。

控制器132可以包括：状态检测端口TP和模式控制端口CP。

所述状态检测端口TP，用于接收所述芯片组131基于所述第一应用的状态变化信息，产生的电平信号；

所述模式控制端口CP，用于向所述降噪处理器11发送与所述电平信号匹配的控制指令，以使得所述降噪处理器11响应所述控制指令，在第一降噪模式下，基于神经网络算法对所述声音采集器采集到的原始语音信号进行降噪处理，得到目标语音信号。

作为本申请另一可选实施例，参照图17，为本申请提供的一种信号降噪控制装置实施例4的流程示意图，本实施例主要是对上述实施例1描述的信号降噪控制装置的细化方案，如图17所示，该信号降噪控制装置可以包括：降噪处理器11、音频编辑码器12、芯片组131和控制器132。

控制器132可以包括：状态检测端口TP、模式控制端口CP和复位控制端口RP。

复位控制端口RP，所述复位控制端口用于基于所述模式控制端口的状态变化，向所述降噪处理器11的复位端口发送复位信号。

与上述本申请提供的一种信号降噪控制方法实施例相对应的，本申请还提供了应用该信号降噪控制方法的电子设备实施例。

如图18所示的为本申请提供的一种电子设备实施例1的结构示意图，该电子设备可以包括以下结构：

声音采集器21和信号降噪控制装置22。

声音采集器21，用于采集原始语音信号。

信号降噪控制装置22的结构及功能可以参见前述各个实施例介绍的信号降噪控制装置，在此不再赘述。

本申请还提供了一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行，实现上述信号降噪控制方法的各步骤，具体实现过程可以参照上述方法实施例的描述，本实施例不做赘述。

另外，需要说明的是，关于上述各实施例中，诸如第一、第二等之类的关系术语仅仅用来将一个操作、单元或模块与另一个操作、单元或模块区分开来，而不一定要求或者暗示这些单元、操作或模块之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法或者系统中还存在另外的相同要素。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置、电子设备而言，由于其与实施例公开的方法对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。