[發明專利]實時將語音進行分離的語音降噪的方法及系統

有效

• 申請號: 201610024317.8
• 申請日: 2016-01-14
• 公開（公告）號: CN106971741B
• 公開（公告）日: 2020-12-01
• 發明（設計）人: 祝銘明
• 申請（專利權）人: 芋頭科技（杭州）有限公司
• 主分類號: G10L21/0208
• 分類號: G10L21/0208;G10L21/0216
• 代理公司: 北京中原華和知識產權代理有限責任公司 11019
• 代理人: 壽寧

1.一種實時將語音進行分離的語音降噪的方法，適用于智能終端，其特征在于，提供一預設的特征模型，包括下述步驟：

步驟S1，采集外部輸入的聲源，并存儲；

步驟S2，將所述聲源根據接收的時間順序分割為復數個預設時間段的語音；

步驟S3，根據所述時間順序提取一所述語音，將所述語音與所述特征模型進行匹配，以獲取與所述特征模型匹配的噪聲，以及與所述特征模型不匹配的攜帶人聲的所述語音，并生成所述語音的匹配標識，所述匹配標識用于表示所述語音與所述特征模型匹配完成；

步驟S4，將所述噪聲追加為所述特征模型的噪聲樣本，并依據所述噪聲樣本對所述特征模型進行更新，以形成新的所述特征模型；

步驟S5，判斷攜帶人聲的所述語音的聲音強度是否高于一預設的強度閾值，并在所述聲音強度高于所述強度閾值時將所述語音確認為待判斷語音，并轉向步驟S6；

步驟S6，根據所述待判斷語音的頻譜，生成對應所述待判斷語音上每個頻帶的估計標識，所述估計標識用于表示所述語音在諧波結構上的顯著性；

步驟S7，將所述噪聲作為參照樣本，根據所述參照樣本及所述待判斷語音生成對應于所述待判斷語音的純語音的概率模型；

步驟S8，以每個所述估計標識作為對應的所述待判斷語音的所述頻帶的權重指標，依據所述概率模型處理得到關聯于所述語音的純語音估計值；

步驟S9，根據所述時間順序提取一未被標識的所述語音，將所述語音與所述特征模型進行匹配，以獲取與新的所述特征模型匹配的所述噪聲，以及與所述特征模型不匹配的攜帶人聲的所述語音，并生成所述語音的匹配標識，返回執行所述步驟S4。

2.如權利要求1所述的實時將語音進行分離的語音降噪的方法，其特征在于，所述步驟S6中生成的所述估計標識包括第一估計標識；或者

所述步驟S6中生成的所述估計標識包括第一估計標識和第二估計標識。

3.如權利要求2所述的實時將語音進行分離的語音降噪的方法，其特征在于，所述步驟S6中，生成所述第一估計標識的步驟具體包括：

步驟S61a，依據所述待判斷語音的所述頻譜，提取對應于所述待判斷語音的所述諧波結構；

步驟S62a，對關聯于所述諧波結構的數譜域上的監控值進行規則化處理，并依據梅爾刻度對經過規則化處理的所述監控值執行平滑處理；

步驟S63a，對經過平滑處理的所述監控值進行進一步的規則化處理，以使所述監控值的均值為1；

步驟S64a，根據所述監控值生成對應所述待判斷語音的每個所述頻帶的所述第一估計標識。

4.如權利要求3所述的實時將語音進行分離的語音降噪的方法，其特征在于，所述步驟S8中，根據所述第一估計標識處理得到所述純語音估計值的方法具體包括：

步驟S81a，處理得到關聯于所述待判斷語音的最小均方誤差估計的后驗概率；

步驟S82a，以每個所述第一估計標識作為對應的所述待判斷語音的所述頻帶的權重指標，依據所述概率模型對關聯于所述待判斷語音的所述后驗概率進行加權計算，以得到所述純語音估計值。

5.如權利要求3所述的實時將語音進行分離的語音降噪的方法，其特征在于，所述步驟S6中，生成所述第二估計標識的步驟具體包括：

步驟S61b，依據所述待判斷語音的所述頻譜，提取對應于所述待判斷語音的所述諧波結構；

步驟S62b，對關聯于所述諧波結構的數譜域上的監控值進行規則化處理，并依據梅爾刻度對經過規則化處理的所述監控值執行平滑處理；

步驟S63b，對經過平滑處理的所述監控值從0到1進行相應的規則化處理；

步驟S64b，根據所述監控值生成對應所述待判斷語音的每個所述頻帶的所述第二估計標識。

6.如權利要求5所述的實時將語音進行分離的語音降噪的方法，其特征在于，執行所述步驟S8之后，還根據所述第二估計標識繼續執行下述步驟：

針對所述待判斷語音的每個頻帶，將每個對應的所述第二估計標識作為權重，以在所述監控值與所述純語音估計值之間執行線性插值并處理得到對應的輸出值。