[發明專利]基于自適應濾波器和神經網絡的聲學回聲消除方法及系統在審
| 申請號： | 202110654926.2 | 申請日： | 2021-06-11 |
| 公開（公告）號： | CN113436636A | 公開（公告）日： | 2021-09-24 |
| 發明（設計）人： | 胡程遠 | 申請（專利權）人： | 深圳波洛斯科技有限公司 |
| 主分類號： | G10L21/0208 | 分類號： | G10L21/0208;G10L21/0216;G10L25/30 |
| 代理公司： | 北京酷愛智慧知識產權代理有限公司 11514 | 代理人： | 盧蓉 |
| 地址： | 518000 廣東省深圳市龍華區龍華街*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 自適應 濾波器 神經網絡 聲學 回聲 消除 方法 系統 | ||
1.一種基于自適應濾波器和神經網絡的聲學回聲消除方法，其特征在于，包括：
獲取待處理的語音信號；所述待處理的語音信號包括遠端語音和近端麥克風語音；
將所述待處理的語音信號輸入自適應濾波器進行處理，得到殘留信號；
采用神經網絡對所述殘留信號進行進行二次處理，以消除所述殘留信號中的非線性部分，得到回聲消除后的近場音頻信號。
2.如權利要求1所述的聲學回聲消除方法，其特征在于，得到回聲消除后的近場音頻信號，具體為：
對所述殘留信號和參考信號進行短時傅里葉變換，以得到頻域信號；
對所述頻域信號進行卷積、濾波及歸一化會處理，得到權重mask；
根據所述殘留信號和權重mask計算回聲消除后的近場音頻信號＝權重mask*殘留信號。
3.如權利要求1所述的聲學回聲消除方法，其特征在于，所述方法還包括對所述神經網絡進行訓練，具體為：
采用Adam優化器對所述神經網絡進行模型實例化，對所述神經網絡進行前向傳播和反向傳播訓練，最終進行模型驗證，根據驗證集的損失和度量對模型的超參數進行調整。
4.如權利要求1所述的聲學回聲消除方法，其特征在于，所述神經網絡的輸出包括權重mask和迭代系數DTD；權重mask用于回聲消除后的近場音頻信號的計算，迭代系數DTD作用于所述自適應濾波器。
5.一種基于自適應濾波器和神經網絡的聲學回聲消除系統，其特征在于，包括處理器、輸入設備、輸出設備和存儲器，所述處理器、輸入設備、輸出設備和存儲器相互連接，其中，所述存儲器用于存儲計算機程序，所述計算機程序包括程序指令，所述處理器被配置用于調用所述程序指令，執行如權利要求1-4任一項所述的方法。
6.一種基于自適應濾波器和神經網絡的聲學回聲消除系統，其特征在于，包括：
自適應濾波器，用于獲取待處理的語音信號，對其進行濾波處理，得到殘留信號；所述待處理的語音信號包括遠端語音和近端麥克風語音；
二次處理模塊，用于采用神經網絡對所述殘留信號進行進行二次處理，以消除所述殘留信號中的非線性部分，得到回聲消除后的近場音頻信號。
7.如權利要求6所述的聲學回聲消除系統，其特征在于，所述二次處理模塊具體用于：
對所述殘留信號和參考信號進行短時傅里葉變換，以得到頻域信號；
對所述頻域信號進行卷積、濾波及歸一化會處理，得到權重mask；
根據所述殘留信號和權重mask計算回聲消除后的近場音頻信號＝權重mask*殘留信號。
8.如權利要求6所述的聲學回聲消除系統，其特征在于，所述系統還包括訓練模塊，用于對所述神經網絡進行訓練，具體為：
采用Adam優化器對所述神經網絡進行模型實例化，對所述神經網絡進行前向傳播和反向傳播訓練，最終進行模型驗證，根據驗證集的損失和度量對模型的超參數進行調整。
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深圳波洛斯科技有限公司，未經深圳波洛斯科技有限公司許可，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/202110654926.2/1.html，轉載請聲明來源鉆瓜專利網。
