[發明專利]一種語音信號的降噪處理方法、裝置以及存儲介質

在審

• 申請號: 202210088712.8
• 申請日: 2022-01-25
• 公開（公告）號: CN114360566A
• 公開（公告）日: 2022-04-15
• 發明（設計）人: 趙明宇;徐存樹
• 申請（專利權）人: 杭州涂鴉信息技術有限公司
• 主分類號: G10L21/0208
• 分類號: G10L21/0208;G10L21/0216;G10L19/26
• 代理公司: 廣東君龍律師事務所 44470
• 代理人: 丁建春

本申請涉及語音降噪技術領域，公開了一種語音信號的降噪處理方法、裝置以及計算機可讀存儲介質。該方法包括：對待處理語音信號進行預處理，以得到第一特征數據；采用預設降噪算法對第一特征數據進行處理，以過濾待處理語音信號中的平穩噪聲，并得到第二特征數據；將第一特征數據和第二特征數據輸入至預設降噪網絡，以過濾待處理語音信號中的瞬態噪聲，并得到第三特征數據；根據第一特征數據、第二特征數據和第三特征數據，確定降噪處理后的語音信號。通過上述方法，利用預設降噪算法過濾待處理語音信號中的平穩噪聲，利用預設降噪網絡過濾待處理語音信號中的瞬態噪聲，能夠結合傳統降噪和深度學習降噪的優勢，取得良好的降噪效果。

技術領域

本申請涉及語音降噪技術領域，特別涉及一種語音信號的降噪處理方法、裝置以及計算機可讀存儲介質。

背景技術

語音降噪是指當語音信號被各種各樣的背景噪聲干擾、甚至淹沒后，盡可能地從帶噪語音信號中提取有用語音信號(或純凈語音信號)，抑制或降低噪聲干擾的技術。為了提高手機、耳機等設備的通話質量，通常會對麥克風采集的原始數據進行降噪處理。

按研究思路的不同劃分，目前的降噪方法主要包括傳統信號處理算法和深度學習算法。其中，傳統信號處理算法大多基于物理和數學原理推導，這類算法無法消除非穩態的噪聲，低信噪比時語音損傷大；而深度學習算法更多是利用大量的語音數據或噪聲數據，訓練網絡學習相關的特征從而實現降噪，這類算法存在著網絡結構參數大，計算量大、延時大和泛化性差的缺點，不能很好的在小資源下取得好的效果。

發明內容

本申請主要解決的技術問題是提供一種語音信號的降噪處理方法、裝置以及計算機可讀存儲介質，能夠解決現有降噪方法中的傳統信號處理算法、深度學習算法分別單獨使用時降噪效果不佳的問題。

為解決上述技術問題，本申請采用的一個技術方案是：提供一種語音信號的降噪處理方法，該方法包括：

對待處理語音信號進行預處理，以得到第一特征數據；采用預設降噪算法對第一特征數據進行處理，以過濾待處理語音信號中的平穩噪聲，并得到第二特征數據；將第一特征數據和第二特征數據輸入至預設降噪網絡，以過濾待處理語音信號中的瞬態噪聲，并得到第三特征數據；根據第一特征數據、第二特征數據和第三特征數據，確定降噪處理后的語音信號。

可選地，在上述方法中，對待處理語音信號進行預處理，以得到第一特征數據，包括：

對待處理語音信號進行預處理，以得到第一幅度數據和相位數據。

可選地，在上述方法中，采用預設降噪算法對第一特征數據進行處理，以過濾待處理語音信號中的平穩噪聲，并得到第二特征數據，包括：

采用預設降噪算法對第一幅度數據進行處理，以過濾待處理語音信號中的平穩噪聲，并得到第二幅度數據和語音存在概率。

可選地，在上述方法中，將第一特征數據和第二特征數據輸入至預設降噪網絡，以過濾待處理語音信號中的瞬態噪聲，并得到第三特征數據，包括：

將第一幅度數據和第二幅度數據輸入至預設降噪網絡，以過濾待處理語音信號中的瞬態噪聲，并得到第一時頻掩碼。

可選地，在上述方法中，根據第一特征數據、第二特征數據和第三特征數據，確定降噪處理后的語音信號，包括：

根據第一幅度數據、相位數據、語音存在概率、第一時頻掩碼，確定降噪處理后的語音信號。

可選地，在上述方法中，根據第一幅度數據、相位數據、語音存在概率、第一時頻掩碼，確定降噪處理后的語音信號，包括：

根據語音存在概率對第一時頻掩碼進行處理，以得到第二時頻掩碼；根據第二時頻掩碼對第一幅度數據進行處理，以得到第三幅度數據；根據第三幅度數據和相位數據，確定降噪處理后的語音信號。