[發明專利]語音降噪的方法、裝置、電子設備及存儲介質

有效

• 申請號: 201910754269.1
• 申請日: 2019-08-15
• 公開（公告）號: CN110491407B
• 公開（公告）日: 2021-09-21
• 發明（設計）人: 黃杰雄;戴長軍;黃健源
• 申請（專利權）人: 廣州方硅信息技術有限公司
• 主分類號: G10L21/0232
• 分類號: G10L21/0232;G10L25/18;G10L25/30
• 代理公司: 深圳市智圈知識產權代理事務所(普通合伙) 44351
• 代理人: 呂靜

1.一種語音降噪的方法，其特征在于，所述方法包括：

獲取第一音頻，所述第一音頻為混合有語音信號以及背景噪聲信號的音頻；

對所述第一音頻進行預處理，以將所述第一音頻的頻譜能量特征由線性時域轉換到Bark頻域，得到所述第一音頻的Bark特征；

將所述Bark特征輸入預先訓練得到的目標神經網絡模型，獲取所述目標神經網絡模型輸出的Bark特征比例參數，所述目標神經網絡模型包括至少一個分離門卷積層以及至少一個長短期記憶層，所述Bark特征比例參數表征所述語音信號的頻譜幅值特征在所述Bark頻域中所占的比例，所述將所述Bark特征輸入預先訓練得到的目標神經網絡模型，獲取所述目標神經網絡模型輸出的Bark特征比例參數的步驟包括：將所述Bark特征輸入所述分離門卷積層，再將所述分離門卷積層的輸出輸入到所述長短期記憶層，輸出得到所述Bark特征比例參數；

基于所述Bark特征比例參數，計算所述語音信號的幅值參數；

基于所述幅值參數獲取目標語音。

2.根據權利要求1所述的方法，其特征在于，所述將所述Bark特征輸入預先訓練得到的目標神經網絡模型，獲取所述目標神經網絡模型輸出的Bark特征比例參數的步驟包括：

將所述Bark特征輸入預先訓練得到的目標神經網絡模型，得到所述語音信號在所述Bark頻域的頻譜幅值比例；

所述基于所述Bark特征比例參數，計算所述語音信號的幅值參數的步驟包括：

對所述Bark頻域的頻譜幅值比例進行Bark特征逆轉換，得到所述語音信號在線性時域的頻譜幅值比例；

基于所述線性時域的頻譜幅值比例以及所述第一音頻在線性時域的頻譜能量計算所述語音信號的頻譜幅值。

3.根據權利要求2所述的方法，其特征在于，所述方法，還包括：

計算所述第一音頻的相位值；

所述基于所述幅值參數獲取目標語音的步驟包括：

基于所述頻譜幅值以及所述相位值獲取目標語音。

4.根據權利要求3所述的方法，其特征在于，所述基于所述頻譜幅值以及所述相位值獲取目標語音的步驟包括：

對所述相位值以及所述頻譜幅值進行反傅立葉變換，得到目標語音。

5.根據權利要求1所述的方法，其特征在于，所述對所述第一音頻進行預處理的步驟包括：

對第一音頻信號進行分幀加窗；

對每個窗內的所述第一音頻信號進行短時傅立葉變換，以將所述第一音頻的頻譜能量特征由線性時域轉換到Bark頻域，得到所述第一音頻的Bark特征。

6.根據權利要求1所述的方法，其特征在于，所述分離門卷積層包括四個二維卷積層、第一激活函數模塊以及第二激活函數模塊，所述四個二維卷積層包括第一因果卷積層、第二因果卷積層、第三卷積層以及第四卷積層，所述第一激活函數模塊與所述第三卷積層連接，所述第二激活函數模塊與所述第四卷積層連接，所述第一因果卷積層的卷積核尺寸為kw*1，所述第二因果卷積層的卷積核尺寸為1*kh，所述第一因果卷積層與所述第二因果卷積層的卷積核的通道數相同，所述第三卷積層以及第四卷積層的卷積核的尺寸相同，其中，每個所述分離門卷積層的處理步驟包括：

將輸入數據輸入所述第一因果卷積層；

將所述第一因果卷積層的輸出輸入至所述第二因果卷積層；

將所述第二因果卷積層的輸出分別輸入至所述第三卷積層以及所述第四卷積層；

將所述第三卷積層的輸出輸入至所述第一激活函數模塊，并將所述第四卷積層的輸出輸入至所述第二激活函數模塊；

將所述第一激活函數模塊的輸出與所述第二激活函數模塊的輸出相乘，得到所述分離門卷積層的輸出。

7.根據權利要求1或6所述的方法，其特征在于，所述目標神經網絡模型包括三個分離門卷積層以及兩個長短期記憶層。