[發(fā)明專利]一種語(yǔ)音降噪方法、裝置及電子設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202211565712.9
• 申請(qǐng)日: 2022-12-07
• 公開（公告）號(hào): CN115798501A
• 公開（公告）日: 2023-03-14
• 發(fā)明（設(shè)計(jì)）人: 閻張懿
• 申請(qǐng)（專利權(quán)）人: 深圳市中科藍(lán)訊科技股份有限公司
• 主分類號(hào): G10L21/0208
• 分類號(hào): G10L21/0208;G10L21/0216;G10L25/30
• 代理公司: 深圳市六加知識(shí)產(chǎn)權(quán)代理有限公司 44372
• 代理人: 李于明

本發(fā)明實(shí)施方式公開了一種語(yǔ)音降噪方法、裝置及電子設(shè)備。該方法包括：獲取預(yù)選降噪模型；獲取帶噪信號(hào)；根據(jù)預(yù)選降噪模型對(duì)帶噪信號(hào)進(jìn)行降噪處理，并獲取帶噪信號(hào)的信噪?yún)?shù)；根據(jù)信噪?yún)?shù)估計(jì)先驗(yàn)信噪比實(shí)現(xiàn)降噪。通過上述方式，本發(fā)明實(shí)施方式能夠結(jié)合傳統(tǒng)降噪和人工智能降噪，提升對(duì)于平穩(wěn)噪聲以及非平穩(wěn)噪聲的降噪效果，并且相較于單純的人工智能降噪，降低了對(duì)于終端的算力以及存儲(chǔ)體積的要求，從而能夠應(yīng)用于資源受限的輕型終端。

技術(shù)領(lǐng)域

本發(fā)明實(shí)施方式涉及語(yǔ)音降噪領(lǐng)域，特別是涉及一種語(yǔ)音降噪方法、裝置及電子設(shè)備。

背景技術(shù)

實(shí)際應(yīng)用中，采集到的原始語(yǔ)音信號(hào)通常都會(huì)帶有噪聲，在進(jìn)一步使用語(yǔ)音信號(hào)前(如語(yǔ)音識(shí)別前)，往往需要對(duì)原始語(yǔ)音信號(hào)進(jìn)行降噪處理，以提高后續(xù)處理可靠性。

現(xiàn)有技術(shù)中通常是利用多個(gè)麥克風(fēng)定位聲源，結(jié)合降噪算法實(shí)現(xiàn)對(duì)原始語(yǔ)音信號(hào)的降噪處理，降噪效果差，且由于遠(yuǎn)場(chǎng)聲源信噪比低，降噪算法對(duì)這類語(yǔ)音信號(hào)處理難度較大，降噪效果也不理想。此外，傳統(tǒng)降噪對(duì)于平穩(wěn)噪聲的消除效果很好，但對(duì)于非平穩(wěn)噪聲的消除效果則很一般。除了傳統(tǒng)降噪方法外，目前AI降噪的應(yīng)用也很普遍，并且AI降噪同樣適用于非平穩(wěn)噪聲。但是，AI降噪涉及到大量的機(jī)器訓(xùn)練，因此采用AI降噪對(duì)于終端的算力具有較高的要求。因此AI降噪無(wú)法應(yīng)用于算力資源受限的輕型終端。

發(fā)明內(nèi)容

為解決上述技術(shù)問題，本發(fā)明實(shí)施方式采用的一個(gè)技術(shù)方案是：提供一種語(yǔ)音降噪方法，包括：獲取預(yù)選降噪模型；獲取帶噪信號(hào)；根據(jù)所述預(yù)選降噪模型對(duì)所述帶噪信號(hào)進(jìn)行降噪處理，并獲取所述帶噪信號(hào)的信噪?yún)?shù)；根據(jù)所述信噪?yún)?shù)估計(jì)先驗(yàn)信噪比實(shí)現(xiàn)降噪。

在一些實(shí)施例中，在獲取帶噪信號(hào)之后，所述方法還包括：獲取訓(xùn)練帶噪信號(hào)樣本；根據(jù)標(biāo)簽對(duì)所述訓(xùn)練帶噪信號(hào)樣本進(jìn)行處理。

在一些實(shí)施例中，所述獲取預(yù)選降噪模型，包括：獲取若干個(gè)降噪模型；在交互界面中呈現(xiàn)所述若干個(gè)降噪模型的選項(xiàng)；響應(yīng)于所述交互界面的選項(xiàng)的選擇，將與所述選項(xiàng)對(duì)應(yīng)的降噪模型作為所述預(yù)選降噪模型。

在一些實(shí)施例中，所述根據(jù)所述預(yù)選降噪模型對(duì)所述帶噪信號(hào)進(jìn)行降噪處理，包括：從所述帶噪信號(hào)中獲取信號(hào)特征，所述信號(hào)特征為所述帶噪信號(hào)的幅度譜；運(yùn)用所述信號(hào)特征對(duì)所述預(yù)選降噪模型進(jìn)行訓(xùn)練；根據(jù)訓(xùn)練后的預(yù)選降噪模型獲取所述帶噪信號(hào)的信噪?yún)?shù)。

在一些實(shí)施例中，所述根據(jù)所述信噪?yún)?shù)估計(jì)先驗(yàn)信噪比實(shí)現(xiàn)降噪，包括：根據(jù)所述信噪?yún)?shù)獲取信噪比增益函數(shù)；根據(jù)所述信噪比增益函數(shù)估計(jì)所述先驗(yàn)信噪比。

在一些實(shí)施例中，所述根據(jù)標(biāo)簽對(duì)所述訓(xùn)練帶噪信號(hào)樣本進(jìn)行處理，包括：采用特殊歸一化后的先驗(yàn)信噪比對(duì)所述訓(xùn)練帶噪信號(hào)樣本進(jìn)行標(biāo)簽處理；或采用特殊歸一化后的后驗(yàn)信噪比對(duì)所述訓(xùn)練帶噪信號(hào)樣本進(jìn)行標(biāo)簽處理。

在一些實(shí)施例中，所述若干個(gè)降噪模型包括帶有高斯掩碼和自注意機(jī)制的深度神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)。

為解決上述技術(shù)問題，本發(fā)明實(shí)施方式采用的另一個(gè)技術(shù)方案是：提供一種語(yǔ)音降噪裝置，包括：模型獲取模塊，用于獲取預(yù)選降噪模型；信號(hào)獲取模塊，用于獲取帶噪信號(hào)；樣本獲取模塊，用于獲取訓(xùn)練帶噪信號(hào)樣本；標(biāo)簽處理模塊，用于根據(jù)標(biāo)簽對(duì)所述訓(xùn)練帶噪信號(hào)樣本進(jìn)行處理；信號(hào)處理模塊，用于根據(jù)所述預(yù)選降噪模型對(duì)所述帶噪信號(hào)進(jìn)行降噪處理，并獲取所述帶噪信號(hào)的信噪?yún)?shù)；參數(shù)估計(jì)模塊，用于根據(jù)所述信噪?yún)?shù)估計(jì)先驗(yàn)信噪比實(shí)現(xiàn)降噪。

為解決上述技術(shù)問題，本發(fā)明實(shí)施方式采用的另一個(gè)技術(shù)方案是：提供一種電子設(shè)備，包括：至少一個(gè)處理器；以及，與所述至少一個(gè)處理器通信連接的存儲(chǔ)器；其中，所述存儲(chǔ)器存儲(chǔ)有可被所述至少一個(gè)處理器執(zhí)行的指令，所述指令被所述至少一個(gè)處理器執(zhí)行，以使所述至少一個(gè)處理器能夠執(zhí)行如上所述的語(yǔ)音降噪方法。