[發(fā)明專利]一種音頻處理方法、裝置、電子設(shè)備和可讀存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 201910344914.2
• 申請日: 2019-04-26
• 公開（公告）號: CN111863014A
• 公開（公告）日: 2020-10-30
• 發(fā)明（設(shè)計(jì)）人: 張毅;宋輝;鄧承韻;沙永濤
• 申請（專利權(quán)）人: 北京嘀嘀無限科技發(fā)展有限公司
• 主分類號: G10L21/0216
• 分類號: G10L21/0216
• 代理公司: 北京超成律師事務(wù)所 11646
• 代理人: 鄧超

本申請?zhí)峁┝艘环N音頻處理方法、裝置、電子設(shè)備和可讀存儲介質(zhì)，該音頻處理方法包括：獲取第一語音信號和第二語音信號，其中，所述第一語音信號中包含目標(biāo)語音信號和噪聲信號，所述第二語音信號中包含所述噪聲信號；利用所述第二語音信號，對所述第一語音信號的時(shí)頻譜進(jìn)行重構(gòu)處理，得到所述第一語音信號的噪聲估計(jì)；基于所述噪聲估計(jì)和所述第一語音信號的時(shí)頻譜，得到所述目標(biāo)語音信號的時(shí)頻譜，通過上述方法可以得到相對純凈的目標(biāo)語音信號的時(shí)頻譜，從而在對目標(biāo)語音信號的時(shí)頻譜進(jìn)行識別時(shí)，有利于提高目標(biāo)語音的識別率。

技術(shù)領(lǐng)域

本申請涉及計(jì)算機(jī)技術(shù)領(lǐng)域，具體而言，涉及一種音頻處理方法、裝置、電子設(shè)備和可讀存儲介質(zhì)。

背景技術(shù)

目前，語音識別技術(shù)被應(yīng)用的場景越來越多，語音識別面臨的環(huán)境越來越復(fù)雜，特別是目標(biāo)聲源(例如：點(diǎn)聲源)和噪聲聲源(例如：擴(kuò)散聲源，擴(kuò)散聲源包含回聲和風(fēng)聲等聲源)混合在一起時(shí)，此時(shí)對目標(biāo)聲源的語音識別難度較大。

由于噪聲聲源對目標(biāo)聲源會產(chǎn)生較大的干擾，因此在對目標(biāo)聲源和噪聲聲源混合在一起的混合聲源進(jìn)行語音識別時(shí)，導(dǎo)致目標(biāo)聲源的識別率較低。

發(fā)明內(nèi)容

有鑒于此，本申請的目的在于提供一種音頻處理方法、裝置、電子設(shè)備和可讀存儲介質(zhì)，以提高目標(biāo)聲源的識別率。

第一方面，本申請實(shí)施例提供了一種音頻處理方法，所述音頻處理方法包括：

獲取第一語音信號和第二語音信號，其中，所述第一語音信號中包含目標(biāo)語音信號和噪聲信號，所述第二語音信號中包含所述噪聲信號；

利用所述第二語音信號，對所述第一語音信號的時(shí)頻譜進(jìn)行重構(gòu)處理，得到所述第一語音信號的噪聲估計(jì)；

基于所述噪聲估計(jì)和所述第一語音信號的時(shí)頻譜，得到所述目標(biāo)語音信號的時(shí)頻譜。

可選地，當(dāng)所述第二語音信號中還包含所述目標(biāo)語音信號，其中，所述目標(biāo)語音信號在所述第一語音信號中的信號強(qiáng)度占比大于第一閾值，所述目標(biāo)語音信號在所述第二語音信號中的信號強(qiáng)度占比小于第二閾值時(shí)，所述利用所述第二語音信號，對所述第一語音信號的時(shí)頻譜進(jìn)行重構(gòu)處理，得到所述第一語音信號的噪聲估計(jì)，包括：

分別對所述第一語音信號的時(shí)域信號和所述第二語音信號的時(shí)域信號進(jìn)行傅里葉變換，得到所述第一語音信號的時(shí)頻譜和所述第二語音信號的時(shí)頻譜；

分別對所述第一語音信號的時(shí)頻譜和所述第二語音信號的時(shí)頻譜進(jìn)行非負(fù)矩陣分解NMF處理，得到所述第一語音信號對應(yīng)的第一NMF基矩陣和所述第二語音信號對應(yīng)的第二NMF基矩陣；

根據(jù)所述第一NMF基矩陣和所述第二NMF基矩陣，得到所述噪聲信號的第三NMF基矩陣；

利用所述第三NMF基矩陣，對所述第一語音信號的時(shí)頻譜進(jìn)行重構(gòu)處理，得到所述噪聲估計(jì)。

可選地，所述根據(jù)所述第一NMF基矩陣和所述第二NMF基矩陣，得到所述噪聲信號的第三NMF基矩陣，包括：

根據(jù)所述第一NMF基矩陣，將所述第二NMF基矩陣中的所述目標(biāo)語音信號對應(yīng)的元素去除掉，以得到所述第三NMF基矩陣。

可選地，所述根據(jù)所述第一NMF基矩陣，將所述第二NMF基矩陣中的所述目標(biāo)語音信號對應(yīng)的元素去除掉，以得到所述第三NMF基矩陣，包括：

使用第三閾值，對所述第一NMF基矩陣中的各元素進(jìn)行比較；

根據(jù)比較結(jié)果，確定所述第一NMF基矩陣中大于或者等于所述第三閾值的元素所在的候選位置，以將所述候選位置作為所述目標(biāo)語音信號對應(yīng)的元素在所述第一NMF基矩陣中的位置；

使用數(shù)字0，對所述第二NMF基矩陣中與所述候選位置相同的目標(biāo)位置上的元素進(jìn)行替換，以將替換后的所述第二NMF基矩陣作為所述第三NMF基矩陣。