[發明專利]一種語音降噪方法

有效

• 申請號: 201811379108.0
• 申請日: 2018-11-19
• 公開（公告）號: CN109378013B
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 郝小龍;韓斌;樊強;彭啟偉;薛依銘;王學廣;賈政;張鐵勛;崔漾
• 申請（專利權）人: 南瑞集團有限公司;南京南瑞信息通信科技有限公司
• 主分類號: G10L21/0264
• 分類號: G10L21/0264;G10L21/0232;G10L25/21;G10L25/87
• 代理公司: 成都弘毅天承知識產權代理有限公司 51230
• 代理人: 馬林中

1.一種語音降噪方法，包括基于神經網絡模型的深度降噪模型，其特征在于：還包括以下步驟：

A、對帶噪語音信號進行預處理得到預處理過的語音信號；

B、使用語音端點檢測技術VAD對步驟A中預處理過的語音信號進行端點檢測，根據信號的短時能量和過零率，確定該段語音信號的有效起點和終點；

C、根據步驟B檢測到語音信號的有效起點和終點，剪裁整個語音信號；

D、將步驟C中裁剪后的語音信號轉換為預定格式的帶噪語音信號；

E、將步驟D中預定格式的帶噪語音信號切片成固定長度；

F、將步驟E中的帶噪語音信號切片作為深度降噪模型的輸入，通過深度降噪模型，得到干凈的語音信號；

所述基于神經網絡模型的深度降噪模型的訓練包括以下步驟：

G1、采集帶噪語音樣本，將帶噪語音樣本依次執行步驟A、B、C后得到干凈語音樣本，根據帶噪樣本的VAD結果剪裁對應的干凈語音樣本；

G2、將步驟G1中的干凈語音樣本和帶噪語音樣本都執行步驟D、E得到干凈語音樣本切片和帶噪語音樣本切片；

G3、將上述處理好的帶噪語音樣本切片作為神經網絡的輸入，將對應干凈語音樣本切片作為神經網絡輸出，訓練神經網絡得到基于神經網絡模型的深度降噪模型。

2.根據權利要求1所述的一種語音降噪方法，其特征在于：所述步驟A中對帶噪語音信號進行預處理的方法包括以下步驟：

A1、對輸入的帶噪語音信號進行加窗處理，將連續的語音信號拆分成語音幀；

A2、對每一幀語音信號進行快速傅里葉變換FFT，將時域信號轉換到頻域；

A3、使用傳統的頻域信號處理方法對每一幀頻域信號進去噪處理；

A4、將步驟A3中進去噪處理結果進行反傅里葉變換，將頻域信號轉換為時域信號得到預處理后的語音幀；

A5、對步驟A4中得到預處理后的語音幀進行合成，得到的信號為預處理過的語音信號。

3.根據權利要求1所述的一種語音降噪方法，其特征在于：所述步驟D中的預定格式包括預定頻率、預定量化級和預定調制方法。

4.根據權利要求1所述的一種語音降噪方法，其特征在于：本方法用于個人或有限數量的用戶時，步驟G1中的帶噪語音樣本采用對應用戶的帶噪語音樣本。

5.根據權利要求1所述的一種語音降噪方法，其特征在于：本方法用于個人或有限數量的用戶時，步驟G1對應用戶的干凈語音樣本，通過合成得到帶噪語音樣本。