本发明涉及音频降噪，特别涉及一种模数混合sram存算音频降噪方法及系统。
背景技术：
1、近年来，随着人工智能和物联网技术的快速发展，音频信号处理在智能语音助手、可穿戴设备及通信系统等领域中扮演着越来越重要的角色。传统的数字信号处理方法通常依赖高精度的模数转换器（adc）和高性能处理器，导致功耗和硬件成本大幅增加，难以满足边缘设备对低功耗、小体积的需求。此外，现有降噪算法多基于复杂的软件模型，如深度学习网络，其计算密集型特性进一步加剧了实时性和能效瓶颈。因此，亟需一种能够在硬件层面高效实现音频降噪的方法，以突破传统架构在能效与实时性方面的限制。
技术实现思路
1、本发明的主要目的为提供了一种模数混合sram存算音频降噪方法，解决了传统的数字信号处理方法通常依赖高精度的模数转换器和高性能处理器，导致功耗和硬件成本大幅增加的技术问题。
2、为实现上述目的，本发明提供了一种模数混合sram存算音频降噪方法，包括以下步骤：
3、对输入的音频信号进行差分采样量化处理，得到多位宽数字音频码流；
4、将所述多位宽数字音频码流输入预设的sram存算芯片中进行混合模式写入操作，得到模拟-数字混合存储矩阵；
5、对所述模拟-数字混合存储矩阵进行频域特征提取，得到频域提取特征；
6、基于所述频域提取特征对所述音频信号进行噪声识别及抑制，得到时变噪声抑制系数；
7、对所述时变噪声抑制系数进行音频信号恢复处理，得到降噪后的输出音频信号。
8、优选的，所述对输入的音频信号进行差分采样量化处理，得到多位宽数字音频码流，包括：
9、对所述音频信号进行时域差分采样处理，得到音频采样序列，并提取所述音频采样序列的音频幅值基准；
10、对所述音频幅值基准进行动态阈值分析，获得声学量化序列，并基于所述声学量化序列进行幅值映射计算，得到音频量化参数；
11、基于所述音频量化参数映射所述音频信号中的音频位宽特征序列，并将所述音频位宽特征序列进行多位宽编码转换，得到多位宽数字音频码流。
12、优选的，所述将所述多位宽数字音频码流输入预设的sram存算芯片中进行混合模式写入操作，得到模拟-数字混合存储矩阵，包括：
13、对所述多位宽数字音频码流进行位宽分段映射，获得多级音频存储映射参数，并将所述多级音频存储映射参数进行模拟电压量级转换，形成模拟电压存储序列；
14、将所述模拟电压存储序列输入预设的sram存算芯片中进行混合模式编码写入，得到混合模式存储单元状态，并对所述混合模式存储单元状态进行电压-电流域转换，提取模拟电流特征序列；
15、通过电流域并行计算机制将所述模拟电流特征序列进行位宽自适应合并，生成模拟计算特征向量，并基于所述模拟计算特征向量进行数模混合存储映射，得到模拟-数字混合存储矩阵。
16、优选的，所述对所述模拟-数字混合存储矩阵进行频域特征提取，得到频域提取特征，包括：
17、将所述模拟-数字混合存储矩阵执行分块傅里叶变换操作，生成时频域能量分布，并对所述时频域能量分布进行非线性谱峰检测，得到音频频谱特征序列；
18、基于所述音频频谱特征序列对所述时频域能量分布进行自适应频带划分，得到多尺度频带能量参数，并分析所述多尺度频带能量参数的时域相关性，得到频带间能量流动特征图；
19、通过小波包分解对所述频带间能量流动特征图进行多分辨率分析，得到频域特征多尺度表示，并重构所述频域特征多尺度表示的频域特征空间以输出频域提取特征。
20、优选的，所述基于所述音频频谱特征序列对所述时频域能量分布进行自适应频带划分，得到多尺度频带能量参数，包括：
21、计算所述音频频谱特征序列中的感知重要性因子，得到频带敏感度分布向量，并将所述频带敏感度分布向量进行权重分析，获得动态频带权重；
22、基于所述动态频带权重划分所述时频域能量分布中的非均匀频带，并对所述非均匀频带进行隔离抑制处理，得到隔离频带能量矩阵；
23、多尺度分解所述隔离频带能量矩阵，生成层次化频带能量组，并提取所述层次化频带能量组的熵值特征，得到多尺度频带能量参数。
24、优选的，所述基于所述频域提取特征对所述音频信号进行噪声识别及抑制，得到时变噪声抑制系数，包括：
25、对所述频域提取特征进行子空间分解，得到多维特征子空间组，并将所述多维特征子空间组进行谱峰轨迹识别追踪，输出谱峰特征序列；
26、通过奇异谱分析方法对所述谱峰特征序列进行信噪分量解耦，得到噪声特征分量矩阵，并基于所述噪声特征分量矩阵确定噪声分布特征；
27、基于所述噪声分布特征计算抑制系数，获得频带抑制系数组，并将所述频带抑制系数组进行维度扩展，得到初始抑制系数张量；
28、对所述初始抑制系数张量进行相位保持优化，得到相位补偿特征序列，并基于所述相位补偿特征序列动态校正所述初始抑制系数张量，得到时变噪声抑制系数。
29、优选的，所述对所述时变噪声抑制系数进行音频信号恢复处理，得到降噪后的输出音频信号，包括：
30、对所述时变噪声抑制系数进行位宽转换处理，得到抑制参数序列，并基于所述抑制参数序列对所述音频信号进行动态增益控制，获得初步降噪信号序列；
31、通过离散余弦变换方法将所述初步降噪信号序列执行频域-时域转换，形成时域重构信号，并补偿所述时域重构信号的误差，生成补偿后音频信号；
32、滤波处理所述补偿后音频信号，得到去伪影音频信号，并将所述去伪影音频信号进行动态范围调整增强，得到增强音频信号；
33、将所述增强音频信号执行多通道融合恢复处理，输出音频信号，并将所述音频信号进行格式转换，得到降噪后的输出音频信号。
34、本发明还提供了一种模数混合sram存算音频降噪系统，包括：
35、量化处理模块，用于对输入的音频信号进行差分采样量化处理，得到多位宽数字音频码流；
36、操作模块，用于将所述多位宽数字音频码流输入预设的sram存算芯片中进行混合模式写入操作，得到模拟-数字混合存储矩阵；
37、提取处理模块，用于对所述模拟-数字混合存储矩阵进行频域特征提取，得到频域提取特征；
38、抑制处理模块，用于基于所述频域提取特征对所述音频信号进行噪声识别及抑制，得到时变噪声抑制系数；
39、恢复处理模块，用于对所述时变噪声抑制系数进行音频信号恢复处理，得到降噪后的输出音频信号。
40、本发明还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
41、本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
42、本发明提供的一种模数混合sram存算音频降噪方法，包括以下步骤：对输入的音频信号进行差分采样量化处理，得到多位宽数字音频码流；将所述多位宽数字音频码流输入预设的sram存算芯片中进行混合模式写入操作，得到模拟-数字混合存储矩阵；对所述模拟-数字混合存储矩阵进行频域特征提取，得到频域提取特征；基于所述频域提取特征对所述音频信号进行噪声识别及抑制，得到时变噪声抑制系数；对所述时变噪声抑制系数进行音频信号恢复处理，得到降噪后的输出音频信号，解决了传统的数字信号处理方法通常依赖高精度的模数转换器和高性能处理器，导致功耗和硬件成本大幅增加的技术问题，实现了通过对频域特征张量的智能分析，实现对时变噪声的有效识别与自适应抑制，生成动态噪声抑制系数矩阵，从而在复杂噪声环境下仍能保持良好的音频恢复质量，提升听觉体验的技术效果。