[發明專利]一種語音信號處理方法、裝置、設備以及存儲介質在審
| 申請號： | 202010693401.5 | 申請日： | 2020-07-17 |
| 公開（公告）號： | CN111883166A | 公開（公告）日： | 2020-11-03 |
| 發明（設計）人： | 吳曉潭;貢昱洲;羅友;李崢;魏建強 | 申請（專利權）人： | 北京百度網訊科技有限公司 |
| 主分類號： | G10L21/0272 | 分類號： | G10L21/0272;G10L21/0216;G10L21/0232;G10L25/30 |
| 代理公司： | 北京品源專利代理有限公司 11332 | 代理人： | 孟金喆 |
| 地址： | 100085 北京市*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 語音 信號 處理 方法 裝置 設備 以及 存儲 介質 | ||
本申請公開了一種語音信號處理方法、裝置、設備以及存儲介質，涉及自然語言處理、深度學習和語音交互技術領域。具體實現方案為：對麥克風陣列所采集到的至少兩個候選聲源的原始語音信號進行波束形成，得到至少兩路語音信號；根據所述至少兩路語音信號，確定目標聲源的掩碼；根據所述目標聲源的掩碼和所述原始語音信號，得到目標聲源的語音信號。以高質量從多個聲源的原始語音信號中提取出目標聲源的語音信號。
技術領域
本申請涉及信號處理技術領域，尤其自然語言處理、深度學習和語音交互技術，具體涉及一種語音信號處理方法、裝置、設備以及存儲介質。
背景技術
在語音交互場景中，多聲源(例如多人說話，或者人聲和非人聲等)場景十分常見，例如智能家居語音交互場景和車載語音交互場景等。如何從多個聲源的原始語音信號中提取目標聲源的語音信號十分重要，因此亟需一種能夠很好提取出目標聲源的語音信號的方法。
發明內容
本公開實施例提供了一種語音信號處理方法、裝置、設備以及存儲介質，以高質量從多個聲源的原始語音信號中提取出目標聲源的語音信號。
根據本公開的一方面，提供了一種語音信號處理方法，該方法包括：
對麥克風陣列所采集到的至少兩個候選聲源的原始語音信號進行波束形成，得到至少兩路語音信號；
根據所述至少兩路語音信號，確定目標聲源的掩碼；
根據所述目標聲源的掩碼和所述原始語音信號，得到目標聲源的語音信號。
根據本公開的另一方面，提供了一種語音信號處理裝置，該裝置包括：
波束形成模塊，用于對麥克風陣列所采集到的至少兩個候選聲源的原始語音信號進行波束形成，得到至少兩路語音信號；
掩碼確定模塊，用于根據所述至少兩路語音信號，確定目標聲源的掩碼；
目標信號確定模塊，用于根據所述目標聲源的掩碼和所述原始語音信號，得到目標聲源的語音信號。
根據本公開的另一方面，提供了一種電子設備，該電子設備包括：
至少一個處理器；以及
與所述至少一個處理器通信連接的存儲器；其中，
所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行本申請任一實施例所述的語音信號處理方法。
根據本公開的另一方面，提供了一種存儲有計算機指令的非瞬時計算機可讀存儲介質，其中，所述計算機指令用于使所述計算機執行本申請任一實施例所述的語音信號處理方法。
根據本申請的技術解決了現有實數網絡無法恢復目標聲源的相位特征等的問題，可高質量的從多個聲源的原始語音信號中提取目標聲源的語音信號，提升了系統的整理性能，為高質量提取目標聲源的語音信號提供了一種可選方案。
應當理解，本部分所描述的內容并非旨在標識本公開的實施例的關鍵或重要特征，也不用于限制本公開的范圍。本公開的其它特征將通過以下的說明書而變得容易理解。
附圖說明
附圖用于更好地理解本方案，不構成對本申請的限定。其中：
圖1是根據本申請實施例提供的一種語音信號處理方法的流程圖；
圖2是根據本申請實施例提供的另一種語音信號處理方法的流程圖；
圖3A是根據本申請實施例提供的一種語音信號處理流程示意圖；
圖3B是根據本申請實施例提供的一種采用IVA算法在車載高噪聲數據下的處理效果示意圖；
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于北京百度網訊科技有限公司，未經北京百度網訊科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010693401.5/2.html，轉載請聲明來源鉆瓜專利網。
