CN110379440A - 语音降噪方法、装置、语音空调及计算机可读存储介质 - Google Patents
语音降噪方法、装置、语音空调及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110379440A CN110379440A CN201910654545.7A CN201910654545A CN110379440A CN 110379440 A CN110379440 A CN 110379440A CN 201910654545 A CN201910654545 A CN 201910654545A CN 110379440 A CN110379440 A CN 110379440A
- Authority
- CN
- China
- Prior art keywords
- voice
- noise
- signal
- module
- voice signal
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000009466 transformation Effects 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 21
- 230000009467 reduction Effects 0.000 claims description 23
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 230000005236 sound signal Effects 0.000 claims description 2
- 238000004378 air conditioning Methods 0.000 abstract description 10
- 238000011946 reduction process Methods 0.000 abstract description 5
- 230000004044 response Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004989 laser desorption mass spectroscopy Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
- F24F11/56—Remote control
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
- F24F11/63—Electronic processing
- F24F11/64—Electronic processing using pre-stored data
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/20—Speech recognition techniques specially adapted for robustness in adverse environments, e.g. in noise, of stress induced speech
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/02—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders
- G10L19/0212—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders using orthogonal transformation
- G10L19/0216—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders using orthogonal transformation using wavelet decomposition
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
- G10L21/0216—Noise filtering characterised by the method used for estimating noise
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Soundproofing, Sound Blocking, And Sound Damping (AREA)
Abstract
本发明提供了一种语音空调的语音降噪方法,其包括以下步骤:S1、对带噪声的语音信号进行小波变换,将带噪声的语音信号分解为语音信号和噪声信号;S2、将小波变换后分解的所述噪声信号进行自适应滤波器预处理,得到滤波器权向量参数;S3、将所述滤波器权向量参数与小波变换后分解的所述噪声信号相乘,得到经过权系数相乘处理的噪声信号;S4、将经过权系数相乘处理的噪声信号求反,然后将求反后的噪声信号叠加到所述带噪声的语音信号中,得到有用语音信号。本发明通过对输入语音指令进行降噪处理,提高了语音识别准确性,减少了语音识别错误和无法识别的情况,从而提高了空调回应的准确性,优化了用户使用感。
Description
技术领域
本发明涉及空调技术领域,具体而言,涉及一种语音空调的语音降噪方法、装置、语音空调及计算机可读存储介质。
背景技术
随着智能化的不断发展,智能语音空调是智能家居系统中的重要组成成分,是实现空调智能人机交互的重要突破点。
通过大量语音测试发现,当空调处于噪音较大的环境中时,易出现用户的语音指令不被识别,或者识别错误,导致空调接收到错误的指令,执行错误动作,影响用户使用体验。
由此可见,需要对语音空调的语音进行降噪。
发明内容
本发明解决的技术问题是现有的语音空调在噪音的影响下语音识别精度低,影响用户使用体验。
为解决上述问题,本发明提供一种语音空调的语音降噪方法、装置、语音空调及计算机可读存储介质,使用自适应滤波法和小波变换法对语音信号进行降噪,降噪后的语音信号进入语音系统处理后,发送给空调的指令将为更加清晰准确,提升用户体验。本发明所采用的技术方案具体如下:
根据本发明的一个方面,提供了一种语音空调的语音降噪方法,包括以下步骤:
S1、对带噪声的语音信号进行小波变换,将带噪声的语音信号分解为语音信号和噪声信号;
S2、将小波变换后分解的噪声信号进行自适应滤波器预处理,得到滤波器权向量参数;
S3、将滤波器权向量参数与小波变换后分解的噪声信号相乘,得到经过权系数相乘处理的噪声信号;
S4、将经过权系数相乘处理的噪声信号求反,然后将求反后的噪声信号叠加到带噪声的语音信号中,得到有用语音信号。
通过小波变换法和自适应滤波法的降噪算法,提高了语音输入信号的准确性。
在本发明某些实施例中,在步骤S1中,还包括:
经过阈值处理的方法,将语音信号滤除掉,留下噪声信号。
在本发明某些实施例中,在步骤S2中,采用递归最小二乘算法求取滤波器权向量参数。
递归最小二乘(RLS)算法的收敛速度比现有算法(如LIMS算法)快很多,滤波质量更好,提高了降噪速度和效果。
在本发明某些实施例中,递归最小二乘算法的模型为:
①初始化:SD(-1)=δI(δ很小,一般为0.001,I为单位矩阵),X(-1)=W(-1)= [0,0,…,0]T;
②当n≥0时,
e(n)=d(n)-XT(n)W(n-1)
W(n)=W(n-1)+e(n)SD(n)X(n)
其中SD(n)表示确定性自相关矩阵RD(n)的逆,λ为遗忘因子,范围为0<λ<1,用于更新权向量W(n)。
根据本发明的另一个方面,还提供了一种语音空调的语音降噪装置,包括:
小波变换模块,用于对带噪声的语音信号进行小波变换,将带噪声的语音信号分解为语音信号和噪声信号;
预处理模块,用于将小波变换后分解的噪声信号进行自适应滤波器预处理,得到滤波器权向量参数;
权系数相乘模块,用于将滤波器权向量参数与小波变换后分解的噪声信号相乘,得到经过权系数相乘处理的噪声信号;
求反模块,用于将经过权系数相乘处理的噪声信号求反,然后将求反后的噪声信号叠加到带噪声的语音信号中,得到有用语音信号。
在本发明的某些实施例中,小波变换模块包括阈值处理模块,用于将语音信号滤除掉,留下噪声信号。
在本发明的某些实施例中,预处理模块中的自适应滤波器的模型为:
①初始化:SD(-1)=δI(δ很小,一般为0.001,I为单位矩阵),X(-1)=W(-1)= [0,0,…,0]T;
②当n≥0时,
e(n)=d(n)-XT(n)W(n-1)
W(n)=W(n-1)+e(n)SD(n)X(n)
其中SD(n)表示确定性自相关矩阵RD(n)的逆,λ为遗忘因子,范围为0<λ<1,用于更新权向量W(n)。
在本发明的某些实施例中,语音降噪装置还包括:
输入模块,用于接收带噪声的语音信号;
存储模块,用于存储经过阈值处理后留下的噪声信号;
输出模块,用于将有用语音信号输出。
语音降噪装置与上述语音降噪方法相对于现有技术所具有的优势相同,在此不再赘述。
根据本发明的另一个方面,还提供了一种语音空调,包括:
数字信号处理模块DSP,其包括如上所述的语音降噪装置;
语音模块,用于接收有用语音信号并对其进行处理,生成控制指令;
内机控制器,用于接收控制指令并对语音空调进行语音控制。
本发明的语音空调通过对输入语音指令的降噪处理,提高语音识别准确性,减少语音识别错误和无法识别的情况,从而提高语音空调回应的准确性,优化用户使用感。
在本发明某些实施例中,语音空调还包括麦克风,用于采集带噪声的语音信号。
根据本发明的另一个方面,还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的语音降噪方法的步骤。
附图说明
图1为本发明实施例语音降噪方法的步骤图。
图2为本发明实施例基于小波变换和自适应滤波法的降噪原理示意图。
图3为本发明实施例语音降噪装置的结构示意图。
图4为本发明实施例语音空调的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
在本发明实施例中,提供了一种语音空调的语音降噪方法,如图1、2 所示,上述语音降噪方法包括以下步骤:
S1、对带噪声的语音信号进行小波变换,将带噪声的语音信号分解为语音信号和噪声信号。
空调所处的环境中通常都有或大或小的噪音,语音空调上的拾音麦克风采集的语音信号包含有语音信号和噪声信号,两者混合在一起,采用仿生的小波变换法对带噪声的语音信号进行小波分解。需要说明的是,经过小波变换后,并不是机械性地将原始语音信号和环境中的噪音分离开,分解后的噪声信号不仅包含环境中的噪音,还包括原始语音信号中本身自带的噪音。
经过仿生的小波变换后,语音信号被处理为低频信号,而噪声信号被处理为高频信号,然后经过阈值处理的方法,将低频信号滤除掉,留下高频信号即噪声信号X(0)、X(1)…X(n)。
S2、将小波变换后分离出来的上述噪声信号进行自适应滤波器预处理。
在本步骤中,通过递归最小二乘(RLS)自适应滤波算法,得出最佳的滤波器权向量W(0)、W(1)…W(n);
上述递归最小二乘(RLS)自适应滤波算法的模型为:
①初始化:SD(-1)=δI(δ很小,一般为0.001,I为单位矩阵),X(-1)=W(-1)= [0,0,…,0]T;
②当n≥0时,
e(n)=d(n)-XT(n)W(n-1)
W(n)=W(n-1)+e(n)SD(n)X(n)
其中SD(n)表示确定性自相关矩阵RD(n)的逆,λ为遗忘因子,范围为0<λ<1,用于更新权向量W(n),对数据结果影响较小,d(n)为期望响应,可取滤波器的输入,即噪音信号x(n)。e(n)为估计误差,用于带入权向量的计算中。
在本步骤中,自适应滤波器预处理采用递归最小二乘(RLS)算法求取最佳的滤波器权向量,递归最小二乘(RLS)算法的收敛速度比现有算法(如 LIMS算法)快很多,滤波质量更好,提高了降噪速度和效果。
S3、将通过递归最小二乘法计算出来的权向量W(0)、W(1)…W(n)参数,与小波变换后分解的噪声信号相乘,得到经过权系数相乘处理的噪声信号。
在本步骤中,权系数相乘是指将小波变换后分解的噪声信号 X(0)、X(1)…X(n)分别与对应的权向量W(0)、W(1)…W(n)参数相乘,即 X(0)*W(0)、X(1)*W(1)、…、X(n)*W(n)。
S4、将经过权系数相乘处理的噪声信号求反,然后将求反后的噪声信号叠加到拾音麦克风采集的带噪声的语音信号中,得到有用语音信号。
在本步骤中,求反的意思是指取负,在经过叠加处理的噪声信号前面加“-”。叠加是指将求反后的噪声信号与拾音麦克风采集的未经过任何处理的带噪声的语音信号求和。
总的来说,在上述的语音降噪方法中,为了提高语音输入质量,通过使用小波变换法,将本来混合在一起的语音信号和噪声信号区分开来,实现信噪分离;再通过阈值处理方法滤除留下噪声信号,通过自适应滤波法对噪声信号进行自适应滤波器预处理并叠乘滤波器权向量,求反后再叠加到拾音麦克风采集的带噪声的语音信号中,得到有用语音信号,作为语音输入信号,提高了语音输入信号的准确性。
在本发明实施例中,还提供了一种语音空调的语音降噪装置,如图3 所示,其包括:输入模块、小波变换模块、存储模块、预处理模块、权系数相乘模块、取反模块和输出模块。
输入模块接收带噪声的语音信号,小波变换模块对带噪声的语音信号进行小波变换,将带噪声的语音信号分解为语音信号和噪声信号。
语音信号被处理为低频信号,而噪声信号被处理为高频信号,作为一种具体实施方式,小波变换模块中的阈值处理模块将低频信号滤除掉,留下高频信号即噪声信号X(0)、X(1)…X(n)。
存储模块用于存储留下的高频信号即噪声信号X(0)、X(1)…X(n),预处理模块将高频信号即噪声信号进行自适应滤波器预处理,得到最佳的滤波器权向量W(0)、W(1)…W(n)参数。
权系数相乘模块将最佳的滤波器权向量W(0)、W(1)…W(n)参数叠乘到存储模块中存储的噪声信号中,得到经过叠乘处理的噪声信号。
求反模块将经过叠乘处理的噪声信号求反,再将求反后的噪声信号叠加到输入模块接收的带噪声的语音信号中,得到有用语音信号。输出模块将有用语音信号输出。
通过上述语音降噪装置,得到的有用语音信号为较为纯净的有用信号,通过对输入语音信号进行降噪处理,提高了语音识别的准确性。
在本发明实施例中,还提供了一种语音空调,如图4所示,其包括:麦克风、数字信号处理模块DSP、语音模块、内机控制器。
麦克风采集带噪声的语音信号。麦克风与数字信号处理模块DSP连接,麦克风采集到的带噪声的语音信号传输进入数字信号处理模块DSP中,信号中包含的有用语音信号和噪声信号混合在一起,需要提取出有用语音信号,也就是说降低噪声信号对有用语音信号的影响,即降噪。
上述语音降噪装置集成在数字信号处理模块DSP中,即数字信号处理模块DSP能够输出降噪后的有用语音信号至语音模块,语音模块对有用语音信号进行处理,得到相应的控制指令,并将控制指令发送给内机控制器,内机控制器中的内机主控模块接收控制指令并对空调进行控制。
另外,内机控制器中的内机电源模块为数字信号处理模块DSP供电。
在本发明中,对小波变换分解得到的噪声信号进行处理,采用取反再与麦克风采集的初始带噪声的语音信号相加,进行语音信号降噪处理,降噪后的语音信号再进入语音模块处理后,发送给空调的指令将更为清晰准确,提升用户体验。
综上,通过对输入语音指令的降噪处理,提高了语音识别准确性,减少了语音识别错误和无法识别的情况,从而提高了空调回应的准确性,优化了用户使用感。
在本发明实施例中,还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的语音降噪方法的步骤。
虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,均可作各种更动与修改,因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (11)
1.一种语音空调的语音降噪方法,其特征在于,包括以下步骤:
S1、对带噪声的语音信号进行小波变换,将带噪声的语音信号分解为语音信号和噪声信号;
S2、将小波变换后分解的所述噪声信号进行自适应滤波器预处理,得到滤波器权向量参数;
S3、将所述滤波器权向量参数与小波变换后分解的所述噪声信号相乘,得到经过权系数相乘处理的噪声信号;
S4、将经过权系数相乘处理的噪声信号求反,然后将求反后的噪声信号叠加到所述带噪声的语音信号中,得到有用语音信号。
2.根据权利要求1所述的语音降噪方法,其特征在于,在步骤S1中,还包括:
经过阈值处理的方法,将所述语音信号滤除掉,留下所述噪声信号。
3.根据权利要求1所述的语音降噪方法,其特征在于,在步骤S2中,采用递归最小二乘算法求取所述滤波器权向量参数。
4.根据权利要求3所述的语音降噪方法,其特征在于,所述递归最小二乘算法的模型为:
①初始化:SD(-1)=δI(δ很小,一般为0.001,I为单位矩阵),X(-1)=W(-1)=[0,0,…,0]T;
②当n≥0时,
e(n)=d(n)-XT(n)W(n-1)
W(n)=W(n-1)+e(n)SD(n)X(n)
其中SD(n)表示确定性自相关矩阵RD(n)的逆,λ为遗忘因子,范围为0<λ<1,用于更新权向量W(n)。
5.一种语音空调的语音降噪装置,其特征在于,包括:
小波变换模块,用于对带噪声的语音信号进行小波变换,将带噪声的语音信号分解为语音信号和噪声信号;
预处理模块,用于将小波变换后分解的所述噪声信号进行自适应滤波器预处理,得到滤波器权向量参数;
权系数相乘模块,用于将所述滤波器权向量参数与小波变换后分解的所述噪声信号相乘,得到经过权系数相乘处理的噪声信号;
求反模块,用于将经过权系数相乘处理的噪声信号求反,然后将求反后的噪声信号叠加到所述带噪声的语音信号中,得到有用语音信号。
6.根据权利要求5所述的语音降噪装置,其特征在于,所述小波变换模块包括阈值处理模块,用于将所述语音信号滤除掉,留下所述噪声信号。
7.根据权利要求5所述的语音降噪装置,其特征在于,所述预处理模块中的自适应滤波器的模型为:
①初始化:SD(-1)=δI(δ很小,一般为0.001,I为单位矩阵),X(-1)=W(-1)=[0,0,…,0]T;
②当n≥0时,
e(n)=d(n)-XT(n)W(n-1)
W(n)=W(n-1)+e(n)SD(n)X(n)
其中SD(n)表示确定性自相关矩阵RD(n)的逆,λ为遗忘因子,范围为0<λ<1,用于更新权向量W(n)。
8.根据权利要求6所述的语音降噪装置,其特征在于,还包括:
输入模块,用于接收带噪声的语音信号;
存储模块,用于存储经过阈值处理后留下的所述噪声信号;
输出模块,用于将所述有用语音信号输出。
9.一种语音空调,其特征在于,包括:
数字信号处理模块DSP,其包括如权利要求5-8任一项所述的语音降噪装置;
语音模块,用于接收所述有用语音信号并对其进行处理,生成控制指令;
内机控制器,用于接收所述控制指令并对语音空调进行语音控制。
10.根据权利要求9所述的语音空调,其特征在于,还包括麦克风,用于采集带噪声的语音信号。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-4任一项所述的语音降噪方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910654545.7A CN110379440A (zh) | 2019-07-19 | 2019-07-19 | 语音降噪方法、装置、语音空调及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910654545.7A CN110379440A (zh) | 2019-07-19 | 2019-07-19 | 语音降噪方法、装置、语音空调及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110379440A true CN110379440A (zh) | 2019-10-25 |
Family
ID=68254180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910654545.7A Pending CN110379440A (zh) | 2019-07-19 | 2019-07-19 | 语音降噪方法、装置、语音空调及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110379440A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111599234A (zh) * | 2020-05-19 | 2020-08-28 | 黑龙江工业学院 | 一种基于声音识别的英语口语朗读自动评分系统 |
CN112002339A (zh) * | 2020-07-22 | 2020-11-27 | 海尔优家智能科技(北京)有限公司 | 语音降噪方法和装置、计算机可读的存储介质及电子装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101166205A (zh) * | 2007-09-21 | 2008-04-23 | 上海广电(集团)有限公司中央研究院 | 一种消除非相关干扰信号的装置及方法 |
CN101894561A (zh) * | 2010-07-01 | 2010-11-24 | 西北工业大学 | 一种基于小波变换和变步长最小均方算法的语音降噪方法 |
CN104268408A (zh) * | 2014-09-28 | 2015-01-07 | 江南大学 | 一种基于小波系数arma模型的能耗数据宏观预测方法 |
CN105899965A (zh) * | 2014-08-29 | 2016-08-24 | 深圳市大疆创新科技有限公司 | 用于采集音频数据的无人飞行器 |
CN105959874A (zh) * | 2016-05-04 | 2016-09-21 | 上海摩软通讯技术有限公司 | 移动终端及其降低音频噪声的方法 |
CN107274908A (zh) * | 2017-06-13 | 2017-10-20 | 南京邮电大学 | 基于新阈值函数的小波语音去噪方法 |
CN107293305A (zh) * | 2017-06-21 | 2017-10-24 | 惠州Tcl移动通信有限公司 | 一种基于盲源分离算法改善录音质量的方法及其装置 |
CN107340405A (zh) * | 2017-06-12 | 2017-11-10 | 西安理工大学 | 一种气固两相流交流电信号递归最小二乘自适应滤波方法 |
KR20170140461A (ko) * | 2016-06-10 | 2017-12-21 | 경북대학교 산학협력단 | 적응형 잡음제거기, 잡음제거 방법 |
US20190028824A1 (en) * | 2017-07-24 | 2019-01-24 | Bose Corporation | Acoustical method for detecting speaker movement |
-
2019
- 2019-07-19 CN CN201910654545.7A patent/CN110379440A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101166205A (zh) * | 2007-09-21 | 2008-04-23 | 上海广电(集团)有限公司中央研究院 | 一种消除非相关干扰信号的装置及方法 |
CN101894561A (zh) * | 2010-07-01 | 2010-11-24 | 西北工业大学 | 一种基于小波变换和变步长最小均方算法的语音降噪方法 |
CN105899965A (zh) * | 2014-08-29 | 2016-08-24 | 深圳市大疆创新科技有限公司 | 用于采集音频数据的无人飞行器 |
CN104268408A (zh) * | 2014-09-28 | 2015-01-07 | 江南大学 | 一种基于小波系数arma模型的能耗数据宏观预测方法 |
CN105959874A (zh) * | 2016-05-04 | 2016-09-21 | 上海摩软通讯技术有限公司 | 移动终端及其降低音频噪声的方法 |
KR20170140461A (ko) * | 2016-06-10 | 2017-12-21 | 경북대학교 산학협력단 | 적응형 잡음제거기, 잡음제거 방법 |
CN107340405A (zh) * | 2017-06-12 | 2017-11-10 | 西安理工大学 | 一种气固两相流交流电信号递归最小二乘自适应滤波方法 |
CN107274908A (zh) * | 2017-06-13 | 2017-10-20 | 南京邮电大学 | 基于新阈值函数的小波语音去噪方法 |
CN107293305A (zh) * | 2017-06-21 | 2017-10-24 | 惠州Tcl移动通信有限公司 | 一种基于盲源分离算法改善录音质量的方法及其装置 |
US20190028824A1 (en) * | 2017-07-24 | 2019-01-24 | Bose Corporation | Acoustical method for detecting speaker movement |
Non-Patent Citations (1)
Title |
---|
赵春晖 等: "《自适应信号处理技术》", 31 August 2009 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111599234A (zh) * | 2020-05-19 | 2020-08-28 | 黑龙江工业学院 | 一种基于声音识别的英语口语朗读自动评分系统 |
CN112002339A (zh) * | 2020-07-22 | 2020-11-27 | 海尔优家智能科技(北京)有限公司 | 语音降噪方法和装置、计算机可读的存储介质及电子装置 |
CN112002339B (zh) * | 2020-07-22 | 2024-01-26 | 海尔优家智能科技(北京)有限公司 | 语音降噪方法和装置、计算机可读的存储介质及电子装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107845389A (zh) | 一种基于多分辨率听觉倒谱系数和深度卷积神经网络的语音增强方法 | |
EP1638084B1 (en) | Method and apparatus for multi-sensory speech enhancement | |
CN110867181A (zh) | 基于scnn和tcnn联合估计的多目标语音增强方法 | |
JP7218391B2 (ja) | 車載環境のノイズ低減方法、装置、電子デバイス、記憶媒体、及びプログラム | |
CN110164465B (zh) | 一种基于深层循环神经网络的语音增强方法及装置 | |
EP1891627B1 (en) | Multi-sensory speech enhancement using a clean speech prior | |
CN109643554A (zh) | 自适应语音增强方法和电子设备 | |
CN112201273B (zh) | 一种噪声功率谱密度计算方法、系统、设备及介质 | |
CN110379440A (zh) | 语音降噪方法、装置、语音空调及计算机可读存储介质 | |
CN111429932A (zh) | 语音降噪方法、装置、设备及介质 | |
WO2007001821A2 (en) | Multi-sensory speech enhancement using a speech-state model | |
CN104427144B (zh) | 一种线性回声消除方法及其装置 | |
CN102820036A (zh) | 一种自适应消除噪声的方法和装置 | |
WO2014065342A1 (en) | Method for transforming input signal | |
CN109409206A (zh) | 一种基于一维小波变换的雷声去噪方法 | |
CN113314147B (zh) | 音频处理模型的训练方法及装置、音频处理方法及装置 | |
CN105355199A (zh) | 一种基于gmm噪声估计的模型组合语音识别方法 | |
CN111048061A (zh) | 回声消除滤波器的步长获取方法、装置及设备 | |
JP5344251B2 (ja) | 雑音除去システム、雑音除去方法および雑音除去プログラム | |
CN107360497B (zh) | 估算混响分量的计算方法及装置 | |
CN111883154A (zh) | 回声消除方法及装置、计算机可读的存储介质、电子装置 | |
JP2003271166A (ja) | 入力信号処理方法および入力信号処理装置 | |
CN111933172B (zh) | 人声分离提取方法、装置、计算机设备及存储介质 | |
CN115691535A (zh) | 基于rnn的高信噪比语音降噪方法、装置、设备及介质 | |
CN110648681B (zh) | 语音增强的方法、装置、电子设备及计算机可读存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191025 |
|
RJ01 | Rejection of invention patent application after publication |