[發明專利]用于轉換輸入音頻信號的音頻信號處理系統及方法

在審

• 申請號: 201980025148.1
• 申請日: 2019-03-07
• 公開（公告）號: CN111954904A
• 公開（公告）日: 2020-11-17
• 發明（設計）人: J·勒魯克斯;J·R·赫爾歇;王中秋;G·P·維歇恩
• 申請（專利權）人: 三菱電機株式會社
• 主分類號: G10L21/0272
• 分類號: G10L21/0272;G10L25/30
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 張美芹;劉久亮

1.一種用于轉換輸入音頻信號的音頻信號處理系統，其中，所述輸入音頻信號包括混合的一個或多個目標音頻信號，所述系統包括：

存儲器，所述存儲器包括存儲的可執行指令和存儲的模塊，使得所述模塊轉換輸入音頻信號以獲得目標音頻信號估計；

處理器，所述處理器與所述存儲器通信，其中所述處理器通過以下來實現所述模塊的步驟：

將所述輸入音頻信號輸入到頻譜圖估計器中以提取音頻特征序列，并對所述音頻特征序列進行處理，以輸出估計頻譜圖集合，其中，所述估計頻譜圖集合包括每個目標音頻信號的估計頻譜圖；

使用頻譜圖細化模塊處理所述估計頻譜圖集合和所述音頻特征序列，以輸出細化頻譜圖集合，使得所述細化頻譜圖集合包括每個目標音頻信號的細化頻譜圖，并且其中所述頻譜圖細化模塊的所述處理是基于迭代重構算法的；

使用信號細化模塊處理所述一個或多個目標音頻信號的所述細化頻譜圖集合，以獲得所述目標音頻信號估計，使得每個目標音頻信號均存在目標音頻信號估計；以及

輸出接口，所述輸出接口用于輸出所述優化的目標音頻信號估計，

其中，通過使用存儲在所述存儲器中的優化器使誤差最小化來優化所述模塊，其中，所述誤差包括關于所述估計頻譜圖集合的誤差、關于所述細化頻譜圖集合的誤差、包括所述細化頻譜圖集合的一致性度量的誤差、關于所述目標音頻信號估計的誤差以及它們的某一組合中的一者。

2.根據權利要求1所述的音頻信號處理系統，其中，所述頻譜圖估計器使用深度神經網絡。

3.根據權利要求1所述的音頻信號處理系統，其中，所述頻譜圖估計器包括：掩碼估計模塊，所述掩碼估計模塊輸出每個目標音頻信號的掩碼估計值；以及頻譜圖估計輸出模塊，所述頻譜圖估計輸出模塊使用所述一個或多個目標音頻信號的所述掩碼估計值以及所述輸入音頻信號以輸出每個目標音頻信號的所述估計頻譜圖。

4.根據權利要求3所述的音頻信號處理系統，其中，至少一個掩碼估計值大于1。

5.根據權利要求1所述的音頻信號處理系統，其中，所述頻譜圖細化模塊的所述處理包括：

定義作用于所述估計頻譜圖集合和所述輸入音頻特征序列的迭代過程；

將所述迭代過程展開為層集合，以使得對于所述過程的每次迭代都有一個層，并且其中每個層均包括固定網絡參數集合；

使用來自先前迭代層的所述固定網絡參數集合的一些固定網絡參數作為待訓練變量來形成神經網絡，并在每個變量單獨應用于它們相應的層時通過將所述變量視為單獨變量來跨所述先前迭代層求解這些變量；

訓練所述神經網絡以獲得訓練的神經網絡；以及

使用所述訓練的神經網絡來轉換所述估計頻譜圖集合和所述音頻特征序列，以獲得所述細化頻譜圖集合。

6.根據權利要求1所述的音頻信號處理系統，其中，所述迭代重構算法是迭代相位重構算法。

7.根據權利要求6所述的音頻信號處理系統，其中，所述迭代相位重構算法是多輸入頻譜圖反演MISI算法。

8.根據權利要求6所述的音頻信號處理系統，其中，所述迭代相位重構算法是Griffin-Lim算法。

9.根據權利要求1所述的音頻信號處理系統，其中，關于所述目標音頻信號估計的誤差包括所述目標音頻信號估計與所述參考目標音頻信號之間的距離。

10.根據權利要求1所述的音頻信號處理系統，其中，關于所述目標音頻信號估計的誤差包括目標音頻信號估計的所述頻譜圖與所述參考目標音頻信號的所述頻譜圖之間的距離。

11.根據權利要求1所述的音頻信號處理系統，其中，通過頻譜圖估計器進行的所述提取包括特征提取模塊，使得所述特征提取模塊從所述輸入音頻信號提取所述輸入音頻信號。