CN109788400A - 一种用于数字助听器的神经网络啸叫抑制方法、系统及存储介质 - Google Patents

一种用于数字助听器的神经网络啸叫抑制方法、系统及存储介质 Download PDF

Info

Publication number
CN109788400A
CN109788400A CN201910167801.XA CN201910167801A CN109788400A CN 109788400 A CN109788400 A CN 109788400A CN 201910167801 A CN201910167801 A CN 201910167801A CN 109788400 A CN109788400 A CN 109788400A
Authority
CN
China
Prior art keywords
pitched sounds
frame
long
neural network
uttering long
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910167801.XA
Other languages
English (en)
Other versions
CN109788400B (zh
Inventor
张禄
王明江
张啟权
孙凤娇
轩晓光
张馨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Graduate School Harbin Institute of Technology
Original Assignee
Shenzhen Graduate School Harbin Institute of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Graduate School Harbin Institute of Technology filed Critical Shenzhen Graduate School Harbin Institute of Technology
Priority to CN201910167801.XA priority Critical patent/CN109788400B/zh
Publication of CN109788400A publication Critical patent/CN109788400A/zh
Priority to PCT/CN2019/117077 priority patent/WO2020177373A1/zh
Application granted granted Critical
Publication of CN109788400B publication Critical patent/CN109788400B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R25/00—Deaf-aid sets, i.e. electro-acoustic or electro-mechanical hearing aids; Electric tinnitus maskers providing an auditory perception
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R3/00—Circuits for transducers, loudspeakers or microphones
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R3/00—Circuits for transducers, loudspeakers or microphones
    • H04R3/02—Circuits for transducers, loudspeakers or microphones for preventing acoustic reaction, i.e. acoustic oscillatory feedback

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Acoustics & Sound (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Otolaryngology (AREA)
  • Neurosurgery (AREA)
  • Circuit For Audible Band Transducer (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种用于数字助听器的神经网络啸叫抑制方法，包括依次执行如下步骤：预处理步骤：接收语音信号，将语音信号经过采样分帧后传输至啸叫检测模块；啸叫检测步骤：啸叫检测模块接收语音帧，由啸叫检测模块检测是否是啸叫帧，如果不是啸叫帧，直接让语音信号通过，继续后面的处理；如果是啸叫帧，则进入缓冲抑制模块；缓冲抑制步骤：由缓冲抑制模块对啸叫帧进行抑制。本发明的有益效果是：1.可以实时地追踪抑制啸叫帧，抑制效果更好，且算法运算复杂度不高；2.采用神经网络进行啸叫检测的准确率更高，对正常语音的损失更小；3.缓冲抑制策略可以防止啸叫在短时间内复发，降低了啸叫的复发几率。

Description

一种用于数字助听器的神经网络啸叫抑制方法、系统及存储 介质
技术领域
本发明涉及软件技术领域，尤其涉及一种用于数字助听器的神经网络啸叫抑制方法、系统及存储介质。
背景技术
目前，市面上的助听器产品主要分成三大类：盒式助听器、耳挂式助听器和耳道式助听器。其中使用最广泛，市场前景最好的是耳挂式助听器，相较于其他两类助听器，它更方便携带，随戴随用，性能也比较好。但是，耳挂式助听器的结构缺陷使其特别容易产生啸叫，这就使得助听器佩戴者的佩戴体验不佳，突如其来的啸叫甚至还会对患者的听觉系统造成二次损害。虽然，市面有些高性能的数字助听器已经配备了啸叫抑制的功能，但是其啸叫的抑制速度和强度均有欠缺，仍然会残留部分扰人的啸叫噪音。
发明内容
本发明提供了一种用于数字助听器的神经网络啸叫抑制方法，包括依次执行如下步骤：
预处理步骤：接收语音信号，将语音信号经过采样分帧后传输至啸叫检测模块；
啸叫检测步骤：啸叫检测模块接收语音帧，由啸叫检测模块检测是否是啸叫帧，如果不是啸叫帧，直接让语音信号通过，继续后面的处理；如果是啸叫帧，则进入缓冲抑制模块；
缓冲抑制步骤：由缓冲抑制模块对啸叫帧进行抑制。
作为本发明的进一步改进，所述啸叫检测模块对接收的语音帧依次执行以下处理步骤：
特征提取步骤：分帧以后，缓存过去的9帧数据，进行特征提取；提取的特征包含频域最大幅值、频点位置、频域相关性系数；
神经网络分类步骤：由神经网络对提取的特征进行分类。
作为本发明的进一步改进，在所述神经网络分类步骤中，为了让神经网络具备分辨啸叫的能力，需要利用提取的特征对其进行训练，训练数据集中的啸叫音频是由从不同的位置，调节不同的音量录得的实际助听器音频，训练数据集中的正常语音采用纯净语音数据。
作为本发明的进一步改进，神经网络结构包括输入层、隐藏层、输出层，所述输入层、所述隐藏层、所述输出层分别包括神经元，其中隐藏层神经元采用ReLU激活函数，输出层神经元采用Sigmoid激活函数，并且利用Adam的优化算法对整个网络进行反向传播的训练，其代价函数计算公式如下：
其中和y分别为预测分类概率和正确的分类标签。
作为本发明的进一步改进，在所述神经网络分类步骤中，为了进一步消除啸叫检测中误判所带来的语音损失，我们采用0.7作为输出层单元的分类阈值，也就是说，当Sigmoid函数的输出大于0.7时，才判断当前帧存在啸叫，否则判断为不存在啸叫。
作为本发明的进一步改进，在所述特征提取步骤中，其中提取的特征包含：10帧数据的频域最大幅值，10帧数据频域最大幅值所对应的频点位置，还有9个当前帧与过去帧之间的频域相关性系数，一共是29维的特征向量。
作为本发明的进一步改进，在所述缓冲抑制步骤中，所述缓冲抑制模块中的缓冲抑制区，类似一个感应器，当有一帧啸叫出现时，就开始计数，从当前帧开始持续抑制200帧；并且在这200帧期间，这个感应器会对啸叫帧异常敏感，只要有一帧啸叫出现，就会重新开始计数，再持续抑制200帧，其抑制强度计算公式如下：
其中G表示抑制强度。
作为本发明的进一步改进，在所述预处理步骤中，麦克风拾取到的语音信号经过16000Hz的采样以后，将进行分帧处理，每帧的帧长为256点，也就是16ms的时长。
本发明还公开了一种用于数字助听器的神经网络啸叫抑制系统，包括：存储器、处理器以及存储在所述存储器上的计算机程序，所述计算机程序配置为由所述处理器调用时实现权利要求所述的方法的步骤。
本发明还公开了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序配置为由处理器调用时实现权利要求所述的方法的步骤
本发明的有益效果是：1.可以实时地追踪抑制啸叫帧，抑制效果更好，且算法运算复杂度不高；2.采用神经网络进行啸叫检测的准确率更高，对正常语音的损失更小；3.缓冲抑制策略可以防止啸叫在短时间内复发，降低了啸叫的复发几率。
附图说明
图1是本发明神经网络啸叫抑制算法框图；
图2是本发明啸叫检测模块原理图；
图3是本发明啸叫缓冲抑制模块原理图；
图4是本发明数字助听器内算法处理前后的时域音频波形图。
具体实施方式
本发明的一种用于数字助听器的神经网络啸叫抑制方法，采用神经网络实时地对每一帧语音进行啸叫检测，实现一个二分类问题，即当前帧有啸叫存在时，网络输出为1，无啸叫存在时，网络的输出为0；对于存在啸叫的语音帧，需要采用缓冲抑制的策略进行抑制，使得啸叫在形成过程中被抑制住，不至于发展成刺耳的尖啸声，整套啸叫检测和抑制的算法框图如图1所示。
图1是神经网络啸叫抑制算法的整体框图，主要由两个模块组成：啸叫检测模块、缓冲抑制模块。啸叫检测模块中集成了训练好的神经网络模型进行啸叫信号的鉴别，也就是说，麦克风拾到的每个语音帧都会首先经过这个模块来检测是否是啸叫帧，如果不是啸叫帧(Y＝0)，直接让语音信号通过，继续后面的处理即可；如果是啸叫帧(Y＝1)，则需要缓冲抑制模块来进行啸叫抑制，通过智能地持续抑制一段时间来破坏啸叫的形成过程。下面将分别对两个模块进行介绍。
啸叫检测模块，需要对输入的语音信号做两步处理，第一步是提取特征，第二步是将特征喂给神经网络进行分类，如图2所示。麦克风拾取到的语音信号经过16000Hz的采样以后，需要进行分帧处理，每帧的帧长为256点，也就是16ms的时长。分帧以后，需要缓存过去的9帧数据，进行特征提取，其中提取的特征包含：10帧数据的频域最大幅值，10帧数据频域最大幅值所对应的频点位置，还有9个当前帧与过去帧之间的频域相关性系数，一共是29维的特征向量。
频谱最大幅值、频谱相位以及相关系数的计算公式如(5)～(7)所示，其中Xi为时域采样值做256点的FFT得到的频点值，i为频点索引，Xt为当前帧的频点值，Xt-n为第过去n帧的频点值，Cov(Xt,Xt-n)为当前帧与过去帧之间的协方差，Var(Xt)和Var(Xt-n)分别为当前帧和过去帧的方差，n为帧数索引。
Xmag-max＝max(|Xi|),i＝1,2,...,256 (5)
Xmax_phase＝i,i为Xmag-max所对应的频点位置索引 (6)
为了让神经网络具备分辨啸叫的能力，需要利用提取的特征对其进行训练，训练数据集中的啸叫音频是由从不同的位置，调节不同的音量录得的实际助听器音频，总计约为1个小时的时长，训练数据集中的正常语音采用的Aishell[1]数据集中的纯净语音数据，随机挑选出1200句话，大约也是1个小时。详细的神经网络结构如图2所示，输入层具有29个神经元，隐藏层512个神经元，输出层1个神经元，用来输出分类的结果。其中，隐藏层神经元采用ReLU(ReLU：一种激活函数，英文名：Rectified linear unit,中文名：整流线性单元)激活函数，输出层神经元采用Sigmoid(Sigmoid：另一种常用的激活函数，输出范围在0-1之间)激活函数，并且利用Adam优化算法(Adam：一种高效的反向传播优化算法，由Adam提出，所以称为Adam优化算法)对整个网络进行反向传播的训练，代价函数如式(8)所示，其中和y分别为预测分类概率和正确的分类标签(0或1)。为了进一步消除啸叫检测中误判所带来的语音损失，我们采用0.7作为输出层单元的分类阈值，也就是说，当Sigmoid函数的输出大于0.7时，才判断当前帧存在啸叫，否则判断为不存在啸叫。
对于存在啸叫的语音帧，会被送到缓冲抑制模块进行处理，缓冲抑制模块的机理如图3所示。缓冲抑制区，类似一个感应器，当有一帧啸叫出现时，就开始计数，从当前帧开始持续抑制200帧；并且在这200帧期间，这个感应器会对啸叫帧异常敏感，只要有一帧啸叫出现，就会重新开始计数，再持续抑制200帧。抑制的增益大小与当前帧神经网络的啸叫概率有关，啸叫概率越大，抑制强度越大，如式(9)所示。
图3所示的这种持续抑制的策略，可以有效地破坏啸叫的形成过程，使得啸叫不会在短时间内复发。此外，抑制强度G不仅考虑了当前帧的啸叫存在情况，还会随着缓冲区计数帧数的增加而逐渐降低抑制强度，这便可以进一步把对语音信号的损失降低。如图4所示，在数字助听器中实测的啸叫抑制效果，上半图是未经算法处理的音频时域波形图，下半图是经过算法处理后的音频时域波形图。对比发现，未进行算法处理的助听器刚开始就出现了啸叫现象，但是等到将助听器完全塞到耳朵里后，由于切断了啸叫形成的回路，啸叫在一段时间后消失，正常的语音出现；而经过算法处理后的助听器，从一开始就将啸叫抑制掉了，直到戴到耳朵里，啸叫都没有复发，并且算法也没有对正常的语音造成任何损坏。
本发明的一种用于数字助听器的神经网络啸叫抑制方法，从分析啸叫的音频特点出发，提取出合适的音频特征，并利用深层神经网络对啸叫音频进行鉴别，通过缓冲抑制的策略，实现对耳挂式助听器中的啸叫检测和抑制。
本发明的有益效果是：1.可以实时地追踪抑制啸叫帧，抑制效果更好，且算法运算复杂度不高；2.采用神经网络进行啸叫检测的准确率更高，对正常语音的损失更小；3.缓冲抑制策略可以防止啸叫在短时间内复发，降低了啸叫的复发几率。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (10)

1.一种用于数字助听器的神经网络啸叫抑制方法，其特征在于，包括依次执行如下步骤：
预处理步骤：接收语音信号，将语音信号经过采样分帧后传输至啸叫检测模块；
啸叫检测步骤：啸叫检测模块接收语音帧，由啸叫检测模块检测是否是啸叫帧，如果不是啸叫帧，直接让语音信号通过，继续后面的处理；如果是啸叫帧，则进入缓冲抑制模块；
缓冲抑制步骤：由缓冲抑制模块对啸叫帧进行抑制。
2.根据权利要求1所述的神经网络啸叫抑制方法，其特征在于，所述啸叫检测模块对接收的语音帧依次执行以下处理步骤：
特征提取步骤：分帧以后，缓存过去的9帧数据，进行特征提取；
提取的特征包含频域最大幅值、频点位置、频域相关性系数；
神经网络分类步骤：由神经网络对提取的特征进行分类。
3.根据权利要求2所述的神经网络啸叫抑制方法，其特征在于，在所述神经网络分类步骤中，为了让神经网络具备分辨啸叫的能力，需要利用提取的特征对其进行训练，训练数据集中的啸叫音频是由从不同的位置，调节不同的音量录得的实际助听器音频，训练数据集中的正常语音采用纯净语音数据。
4.根据权利要求3所述的神经网络啸叫抑制方法，其特征在于，神经网络结构包括输入层、隐藏层、输出层，所述输入层、所述隐藏层、所述输出层分别包括神经元，其中隐藏层神经元采用ReLU激活函数，输出层神经元采用Sigmoid激活函数，并且利用Adam的优化算法对整个网络进行反向传播的训练，其代价函数计算公式如下：
其中和y分别为预测分类概率和正确的分类标签。
5.根据权利要求4所述的神经网络啸叫抑制方法，其特征在于，在所述神经网络分类步骤中，为了进一步消除啸叫检测中误判所带来的语音损失，我们采用0.7作为输出层单元的分类阈值，也就是说，当Sigmoid函数的输出大于0.7时，才判断当前帧存在啸叫，否则判断为不存在啸叫。
6.根据权利要求2所述的神经网络啸叫抑制方法，其特征在于，在所述特征提取步骤中，其中提取的特征包含：10帧数据的频域最大幅值，10帧数据频域最大幅值所对应的频点位置，还有9个当前帧与过去帧之间的频域相关性系数，一共是29维的特征向量。
7.根据权利要求1所述的神经网络啸叫抑制方法，其特征在于：在所述缓冲抑制步骤中，所述缓冲抑制模块中的缓冲抑制区，类似一个感应器，当有一帧啸叫出现时，就开始计数，从当前帧开始持续抑制200帧；并且在这200帧期间，这个感应器会对啸叫帧异常敏感，只要有一帧啸叫出现，就会重新开始计数，再持续抑制200帧，其抑制强度计算公式如下：
其中G表示抑制强度。
8.根据权利要求1所述的神经网络啸叫抑制方法，其特征在于：在所述预处理步骤中，麦克风拾取到的语音信号经过16000Hz的采样以后，将进行分帧处理，每帧的帧长为256点，也就是16ms的时长。
9.一种用于数字助听器的神经网络啸叫抑制系统，其特征在于，包括：存储器、处理器以及存储在所述存储器上的计算机程序，所述计算机程序配置为由所述处理器调用时实现权利要求1－8中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质存储有计算机程序，所述计算机程序配置为由处理器调用时实现权利要求1－8中任一项所述的方法的步骤。
CN201910167801.XA 2019-03-06 2019-03-06 一种用于数字助听器的神经网络啸叫抑制方法、系统及存储介质 Expired - Fee Related CN109788400B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910167801.XA CN109788400B (zh) 2019-03-06 2019-03-06 一种用于数字助听器的神经网络啸叫抑制方法、系统及存储介质
PCT/CN2019/117077 WO2020177373A1 (zh) 2019-03-06 2019-11-11 一种用于数字助听器的神经网络啸叫抑制方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910167801.XA CN109788400B (zh) 2019-03-06 2019-03-06 一种用于数字助听器的神经网络啸叫抑制方法、系统及存储介质

Publications (2)

Publication Number Publication Date
CN109788400A true CN109788400A (zh) 2019-05-21
CN109788400B CN109788400B (zh) 2020-12-18

Family

ID=66487400

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910167801.XA Expired - Fee Related CN109788400B (zh) 2019-03-06 2019-03-06 一种用于数字助听器的神经网络啸叫抑制方法、系统及存储介质

Country Status (2)

Country Link
CN (1) CN109788400B (zh)
WO (1) WO2020177373A1 (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110234051A (zh) * 2019-06-27 2019-09-13 中科上声（苏州）电子有限公司 一种基于深度学习的防啸叫扩声方法及系统
CN110536215A (zh) * 2019-09-09 2019-12-03 普联技术有限公司 音频信号处理的方法、装置、计算设置及存储介质
CN110708651A (zh) * 2019-09-25 2020-01-17 天津大学 一种基于分段陷波的助听器啸叫检测与抑制方法及装置
CN111210021A (zh) * 2020-01-09 2020-05-29 腾讯科技（深圳）有限公司 一种音频信号处理方法、模型训练方法以及相关装置
CN111526469A (zh) * 2020-04-30 2020-08-11 成都千立网络科技有限公司 一种基于神经网络的扩声系统啸叫点检测方法
WO2020177373A1 (zh) * 2019-03-06 2020-09-10 哈尔滨工业大学（深圳） 一种用于数字助听器的神经网络啸叫抑制方法、系统及存储介质
CN111883163A (zh) * 2020-04-02 2020-11-03 珠海市杰理科技股份有限公司 音频啸叫抑制方法、设备和系统及神经网络训练方法
CN112291676A (zh) * 2020-05-18 2021-01-29 珠海市杰理科技股份有限公司 抑制音频信号拖尾的方法及系统、芯片、电子设备
CN112669868A (zh) * 2020-12-23 2021-04-16 广州智讯通信系统有限公司 基于指挥调度系统的语音啸叫抑制方法、设备、存储介质
CN112802492A (zh) * 2021-04-14 2021-05-14 展讯通信（上海）有限公司 一种抑制啸叫的方法、装置、芯片及模组设备
CN113921023A (zh) * 2021-12-14 2022-01-11 北京百瑞互联技术有限公司 一种蓝牙音频啸叫抑制方法、装置、介质及蓝牙设备
CN116887160A (zh) * 2023-09-08 2023-10-13 玖益(深圳)医疗科技有限公司 基于神经网络的数字助听器啸叫抑制方法及系统

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022225535A1 (en) * 2021-04-23 2022-10-27 Eargo, Inc. Tone detection in hearing device audio signals

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1398054A (zh) * 2001-07-16 2003-02-19 松下电器产业株式会社 啸叫检测和抑制设备、方法和计算机程序产品
JP2009225101A (ja) * 2008-03-17 2009-10-01 Yamaha Corp ハウリング抑制装置
CN108449493A (zh) * 2018-03-12 2018-08-24 广东欧珀移动通信有限公司 语音通话数据处理方法、装置、存储介质及移动终端
CN108449503A (zh) * 2018-03-12 2018-08-24 广东欧珀移动通信有限公司 语音通话数据处理方法、装置、存储介质及移动终端

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102254563A (zh) * 2010-05-19 2011-11-23 上海聪维声学技术有限公司 用于双麦克风数字助听器的风噪声抑制方法
CN105611477B (zh) * 2015-12-27 2018-06-01 北京工业大学 数字助听器中深度和广度神经网络相结合的语音增强算法
CN107507621B (zh) * 2017-07-28 2021-06-22 维沃移动通信有限公司 一种噪声抑制方法及移动终端
CN109218957B (zh) * 2018-10-23 2020-11-27 北京达佳互联信息技术有限公司 啸叫检测方法、装置、电子设备及存储介质
CN109788400B (zh) * 2019-03-06 2020-12-18 哈尔滨工业大学（深圳） 一种用于数字助听器的神经网络啸叫抑制方法、系统及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1398054A (zh) * 2001-07-16 2003-02-19 松下电器产业株式会社 啸叫检测和抑制设备、方法和计算机程序产品
JP2009225101A (ja) * 2008-03-17 2009-10-01 Yamaha Corp ハウリング抑制装置
CN108449493A (zh) * 2018-03-12 2018-08-24 广东欧珀移动通信有限公司 语音通话数据处理方法、装置、存储介质及移动终端
CN108449503A (zh) * 2018-03-12 2018-08-24 广东欧珀移动通信有限公司 语音通话数据处理方法、装置、存储介质及移动终端

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020177373A1 (zh) * 2019-03-06 2020-09-10 哈尔滨工业大学（深圳） 一种用于数字助听器的神经网络啸叫抑制方法、系统及存储介质
CN110234051A (zh) * 2019-06-27 2019-09-13 中科上声（苏州）电子有限公司 一种基于深度学习的防啸叫扩声方法及系统
CN110234051B (zh) * 2019-06-27 2021-08-27 中科上声（苏州）电子有限公司 一种基于深度学习的防啸叫扩声方法及系统
CN110536215A (zh) * 2019-09-09 2019-12-03 普联技术有限公司 音频信号处理的方法、装置、计算设置及存储介质
CN110708651A (zh) * 2019-09-25 2020-01-17 天津大学 一种基于分段陷波的助听器啸叫检测与抑制方法及装置
CN111210021A (zh) * 2020-01-09 2020-05-29 腾讯科技（深圳）有限公司 一种音频信号处理方法、模型训练方法以及相关装置
CN111210021B (zh) * 2020-01-09 2023-04-14 腾讯科技（深圳）有限公司 一种音频信号处理方法、模型训练方法以及相关装置
CN111883163A (zh) * 2020-04-02 2020-11-03 珠海市杰理科技股份有限公司 音频啸叫抑制方法、设备和系统及神经网络训练方法
CN111883163B (zh) * 2020-04-02 2023-11-28 珠海市杰理科技股份有限公司 音频啸叫抑制方法、设备和系统及神经网络训练方法
CN111526469A (zh) * 2020-04-30 2020-08-11 成都千立网络科技有限公司 一种基于神经网络的扩声系统啸叫点检测方法
CN112291676A (zh) * 2020-05-18 2021-01-29 珠海市杰理科技股份有限公司 抑制音频信号拖尾的方法及系统、芯片、电子设备
CN112291676B (zh) * 2020-05-18 2021-10-15 珠海市杰理科技股份有限公司 抑制音频信号拖尾的方法及系统、芯片、电子设备
CN112669868A (zh) * 2020-12-23 2021-04-16 广州智讯通信系统有限公司 基于指挥调度系统的语音啸叫抑制方法、设备、存储介质
CN112669868B (zh) * 2020-12-23 2021-11-26 广州智讯通信系统有限公司 基于指挥调度系统的语音啸叫抑制方法、设备、存储介质
CN112802492B (zh) * 2021-04-14 2021-07-27 展讯通信（上海）有限公司 一种抑制啸叫的方法、装置、芯片及模组设备
CN112802492A (zh) * 2021-04-14 2021-05-14 展讯通信（上海）有限公司 一种抑制啸叫的方法、装置、芯片及模组设备
CN113921023B (zh) * 2021-12-14 2022-04-08 北京百瑞互联技术有限公司 一种蓝牙音频啸叫抑制方法、装置、介质及蓝牙设备
CN113921023A (zh) * 2021-12-14 2022-01-11 北京百瑞互联技术有限公司 一种蓝牙音频啸叫抑制方法、装置、介质及蓝牙设备
CN116887160A (zh) * 2023-09-08 2023-10-13 玖益(深圳)医疗科技有限公司 基于神经网络的数字助听器啸叫抑制方法及系统
CN116887160B (zh) * 2023-09-08 2024-01-12 玖益(深圳)医疗科技有限公司 基于神经网络的数字助听器啸叫抑制方法及系统

Also Published As

Publication number Publication date
WO2020177373A1 (zh) 2020-09-10
CN109788400B (zh) 2020-12-18

Similar Documents

Publication Publication Date Title
CN109788400A (zh) 一种用于数字助听器的神经网络啸叫抑制方法、系统及存储介质
CN100573663C (zh) 基于语音特征判别的静音检测方法
WO2021139425A1 (zh) 语音端点检测方法、装置、设备及存储介质
KR100636317B1 (ko) 분산 음성 인식 시스템 및 그 방법
CN102194452B (zh) 复杂背景噪声中的语音激活检测方法
US20090076814A1 (en) Apparatus and method for determining speech signal
CN103440872B (zh) 瞬态噪声的去噪方法
CN105632512B (zh) 一种基于统计模型的双传感器语音增强方法与装置
CN102254563A (zh) 用于双麦克风数字助听器的风噪声抑制方法
CN105469785A (zh) 通信终端双麦克风消噪系统中的语音活动检测方法及装置
CN110782910A (zh) 一种高检出率的啸叫音频检测系统
US20180025732A1 (en) Audio classifier that includes a first processor and a second processor
CN107564523A (zh) 一种耳机接听方法、装置以及耳机
CN107333018A (zh) 一种回声时延估计及追踪方法
CN109192219B (zh) 基于关键词改进麦克风阵列远场拾音的方法
KR101250668B1 (ko) Ｇｍｍ을 이용한 응급 단어 인식 방법
CN110189746A (zh) 一种应用于地空通信的话音识别方法
CN114627899A (zh) 声音信号检测方法及装置、计算机可读存储介质、终端
CN111128244B (zh) 基于过零率检测的短波通信语音激活检测方法
CN113077784B (zh) 一种角色识别智能语音设备
JP3649032B2 (ja) 音声認識方法
Zhang The algorithm of voiceprint recognition model based DNN-RELIANCE
Sudhakar et al. Automatic speech segmentation to improve speech synthesis performance
Orlandi et al. Maximum likelihood endpoint detection with time-domain features.
Sun et al. Frame selection of interview channel for NIST speaker recognition evaluation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20201218

CF01 Termination of patent right due to non-payment of annual fee