[發明專利]高頻信號重建模型的訓練方法和高頻信號重建方法及裝置

有效

• 申請號: 202011358584.1
• 申請日: 2020-11-27
• 公開（公告）號: CN112565977B
• 公開（公告）日: 2023-03-07
• 發明（設計）人: 胡鵬;王鶴鳴;閆永杰
• 申請（專利權）人: 大象聲科(深圳)科技有限公司
• 主分類號: H04R3/00
• 分類號: H04R3/00;G06N3/0464;G06N3/049;G06N3/084
• 代理公司: 深圳市君勝知識產權代理事務所(普通合伙) 44268
• 代理人: 王永文

1.一種高頻信號重建模型的訓練方法，其特征在于，應用于骨傳導傳感器，包括：

將用于模型訓練的音頻信號分別進行第一頻率和第二頻率的低通濾波，獲得對應所述第一頻率的樣本信號和對應所述第二頻率的目標信號，其中，所述第一頻率小于所述第二頻率；

根據所述樣本信號獲得樣本特征參數，以及，根據所述目標信號獲得目標特征參數；

將所述樣本特征參數輸入神經網絡，以所述目標特征參數為輸出目標訓練所述神經網絡，直至獲得滿足收斂條件的神經網絡，并將滿足收斂條件的神經網絡作為高頻重建模型，所述神經網絡為有監督學習神經網絡中的卷積遞歸神經網絡；

所述根據所述樣本信號獲得樣本特征參數，以及，根據所述目標信號獲得目標特征參數的步驟，包括：

根據所述樣本信號獲得樣本相位譜，以及，根據所述目標信號獲得目標相位譜；

所述將所述樣本特征參數輸入神經網絡，以所述目標特征參數為輸出目標訓練所述神經網絡，直至獲得滿足收斂條件的神經網絡的步驟，包括：

將所述樣本相位譜輸入所述神經網絡，以所述目標相位譜為輸出目標訓練所述神經網絡，直至獲得滿足相位譜對應收斂條件的神經網絡；

所述根據所述樣本信號獲得樣本特征參數，以及，根據所述目標信號獲得目標特征參數的步驟，還包括：

根據所述樣本信號獲得樣本幅度譜，以及，根據所述目標信號獲得目標幅度譜；

所述將所述樣本特征參數輸入神經網絡，以所述目標特征參數為輸出目標訓練所述神經網絡，直至獲得滿足收斂條件的神經網絡的步驟，包括：

將所述樣本幅度譜輸入所述神經網絡，以所述目標幅度譜為輸出目標訓練所述神經網絡，直至獲得滿足幅度譜對應的收斂條件的神經網絡；

所述將所述樣本相位譜輸入所述神經網絡，以所述目標相位譜為輸出目標訓練所述神經網絡，直至獲得滿足相位譜對應收斂條件的神經網絡的步驟，以及，將所述樣本幅度譜輸入所述神經網絡，以所述目標幅度譜為輸出目標訓練所述神經網絡，直至獲得滿足幅度譜對應的收斂條件的神經網絡的步驟，包括：

將所述樣本相位譜輸入第一神經網絡，以所述目標相位譜為輸出目標訓練所述第一神經網絡，直至獲得滿足相位譜對應收斂條件的第一神經網絡，以及，將所述樣本幅度譜輸入第二神經網絡，以所述目標幅度譜為輸出目標訓練所述第二神經網絡，直至獲得滿足幅度譜對應的收斂條件的第二神經網絡；

所述將所述樣本相位譜輸入第一神經網絡，以所述目標相位譜為輸出目標訓練所述第一神經網絡，直至獲得滿足相位譜對應收斂條件的第一神經網絡的步驟，包括：

計算每次將所述樣本相位譜輸入所述第一神經網絡訓練后輸出的預測相位譜與所述目標相位譜的加權余弦距離；

若所述加權余弦距離大于或者等于預設距離值，利用所述加權余弦距離作為損失函數調整所述第一神經網絡的網絡參數；

若所述加權余弦距離小于所述預設距離值，將此時的所述第一神經網絡作為滿足預設收斂條件的神經網絡；

所述將所述樣本幅度譜輸入第二神經網絡，以所述目標幅度譜為輸出目標訓練所述第二神經網絡，直至獲得滿足幅度譜對應的收斂條件的第二神經網絡的步驟，包括：

計算每次將所述樣本幅度譜輸入所述第二神經網絡訓練后輸出的預測幅度譜與所述目標幅度譜的平均絕對誤差；

若所述平均絕對誤差大于或者等于預設誤差值，利用所述預測幅度譜與所述目標幅度譜的誤差幅度譜調整所述第二神經網絡；

若所述平均絕對誤差小于所述預設誤差值，將此時的所述第二神經網絡作為滿足預設收斂條件的第二神經網絡；

上述高頻信號重建過程進行多步推理，至少兩次高頻擴展。

2.根據權利要求1所述的方法，其特征在于，所述根據所述樣本信號獲得樣本特征參數，以及，根據所述目標信號獲得目標特征參數的步驟，包括：

將所述樣本信號進行短時傅里葉變換，獲得所述樣本幅度譜和所述樣本相位譜；

所述根據所述目標信號獲得目標幅度譜和目標相位譜的步驟，包括：

將所述目標信號進行短時傅里葉變換，獲得所述目標幅度譜和所述目標相位譜。