[發明專利]基于改進GAN網絡的語音去噪方法、裝置、設備及介質

有效

• 申請號: 201810985896.1
• 申請日: 2018-08-28
• 公開（公告）號: CN108986835B
• 公開（公告）日: 2019-11-26
• 發明（設計）人: 成學軍
• 申請（專利權）人: 百度在線網絡技術(北京)有限公司
• 主分類號: G10L21/0208
• 分類號: G10L21/0208;G10L21/02
• 代理公司: 11205 北京同立鈞成知識產權代理有限公司
• 代理人: 吳會英;劉芳<國際申請>=<國際公布>=

本申請實施例提供了一種基于改進GAN網絡的語音去噪方法、裝置、設備及介質。該方法包括：獲取待處理的語音數據；對待處理的語音數據進行特征提取，形成待處理語音的特征數據；計算待處理語音的特征數據的均值方差歸一化處理值；將待處理語音的特征數據的均值方差歸一化處理值輸入到改進GAN網絡的生成器中，輸出待處理的語音數據對應的去噪語音特征數據的理想掩膜值；根據去噪語音特征數據的理想掩膜值確定待處理的語音數據的去噪語音數據；其中，待處理的語音數據對應的去噪語音特征數據的理想掩膜值為待處理的語音數據對應的去噪語音特征數據和待處理語音特征數據的比值。能夠對復雜分布的噪聲信號也具有明顯的去噪效果，有效提高了去噪效果。

技術領域

本申請實施例涉及語音增強技術領域，尤其涉及一種基于改進GAN網絡的語音去噪方法、裝置、設備及介質。

背景技術

語音增強是指當語音信號被各種各樣的噪聲打擾甚至淹沒后，從噪聲背景中提取有用的語音信號，抑制、降低噪聲干擾的技術。語音增強很重要的一點是，針對帶噪的語音進行噪聲過濾，提高語句的清晰度與語音識別的準確率。

現有技術中，對語音進行去噪的方法主要有兩種：傳統的給予信號處理的方法，和先進的使用深度學習模型的方法。現有的先進的使用深度學習模型的方法普遍采用深度神經網絡模型，長短期記憶網絡模型，卷積神經網絡模型的方法。

但現有技術中對語音進行去噪的方法只能對簡單分布的噪聲進行去除,對于復雜分布的噪聲信號,無法有效去噪,并且有可能去除掉有價值的語音,導致去噪結果并不理想。

發明內容

本申請實施例提供一種基于改進GAN網絡的語音去噪方法、裝置、設備及介質，解決了現有技術中的對語音進行去噪的方法只能對簡單分布的噪聲進行去除,對于復雜分布的噪聲信號,無法有效去噪,并且有可能去除掉有價值的語音,導致去噪結果并不理想的技術問題。

本申請實施例第一方面提供一種基于改進GAN網絡的語音去噪方法，包括：獲取待處理的語音數據；對所述待處理的語音數據進行特征提取，形成待處理語音的特征數據；計算所述待處理語音的特征數據的均值方差歸一化處理值；將所述待處理語音的特征數據的均值方差歸一化處理值輸入到改進GAN網絡的生成器中，輸出所述待處理的語音數據對應的去噪語音特征數據的理想掩膜值；根據所述去噪語音特征數據的理想掩膜值確定待處理的語音數據的去噪語音數據；其中，所述待處理的語音數據對應的去噪語音特征數據的理想掩膜值為所述待處理的語音數據對應的去噪語音特征數據和待處理語音特征數據的比值。

本申請實施例第二方面提供一種基于改進GAN網絡的語音去噪裝置，包括：數據獲取模塊，用于獲取待處理的語音數據；特征提取模塊，用于對所述待處理的語音數據進行特征提取，形成待處理語音的特征數據；處理值計算模塊，用于計算所述待處理語音的特征數據的均值方差歸一化處理值；語音去噪模塊，用于將所述待處理語音的特征數據的均值方差歸一化處理值輸入到改進GAN網絡的生成器中，輸出所述待處理的語音數據對應的去噪語音特征數據的理想掩膜值；去噪數據確定模塊，用于根據所述去噪語音特征數據的理想掩膜值確定待處理的語音數據的去噪語音數據；其中，所述待處理的語音數據對應的去噪語音特征數據的理想掩膜值為所述待處理的語音數據對應的去噪語音特征數據和待處理語音特征數據的比值。

本申請實施例第三方面提供一種終端設備，包括：一個或多個處理器；存儲器，用于存儲一個或多個程序；當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如上述第一方面所述的方法。

本申請實施例第四方面提供一種計算機可讀存儲介質，其上存儲有計算機程序，該程序被處理器執行如上述第一方面所述的方法。