CN112634930A - 多通道声音增强方法、装置及电子设备 - Google Patents
多通道声音增强方法、装置及电子设备 Download PDFInfo
- Publication number
- CN112634930A CN112634930A CN202011514292.2A CN202011514292A CN112634930A CN 112634930 A CN112634930 A CN 112634930A CN 202011514292 A CN202011514292 A CN 202011514292A CN 112634930 A CN112634930 A CN 112634930A
- Authority
- CN
- China
- Prior art keywords
- sound
- path
- signals
- signal
- target
- 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 60
- 230000005236 sound signal Effects 0.000 claims abstract description 183
- 238000012549 training Methods 0.000 claims description 83
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 10
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 230000000873 masking effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000001228 spectrum Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000003014 reinforcing effect Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
-
- 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
- G10L2021/02161—Number of inputs available containing the signal or the noise to be suppressed
- G10L2021/02166—Microphone arrays; Beamforming
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Circuit For Audible Band Transducer (AREA)
Abstract
本公开公开了一种多通道声音增强方法、装置、电子设备和计算机可读存储介质。其中方法包括：获取多个声音采集设备采集到的声音信号；对所述多个声音采集设备的采集到的声音信号做两路波束信号形成；其中，第一路波束信号中目标声音信号的成份多于第二路波束信号中的目标声音信号的成份，第二路波束信号中噪音信号的成份多于第一路波束信号中的噪音信号的成份；根据所述第一路波束信号和所述第二路波束信号确定增强目标声音信号。本公开实施例通过对多通道声音信号进行波束形成，解决了无法对多通道声音进行加强的技术问题。
Description
技术领域
本公开涉及声音处理技术领域，特别是涉及一种多通道声音增强方法、装置、电子设备和计算机可读存储介质。
背景技术
语音增强的一个主要目标是从带噪语音信号中提取尽可能纯净的原始语音。然而，由于干扰通常都是随机的，从带噪语音中提取语音是信号处理中的一大难点。
语音增强不但与语音信号数字处理理论有关，而且涉及到人的听觉感知和语音学范畴。再者，噪声的来源众多，因应用场合而异，它们的特性也各不相同。所以必须针对不同噪声，采用不同的语音增强对策。某些语音增强算法在实际应用中己经证明是有效的，它们大体上可分为四类：噪声对消法、谐波增强法、基于参数估计的语音再合成法和基于语音短时谱估计的增强算法。经典的语音增强方法包括谱减法、维纳滤波法、最小均方误差法，上述方法基于一些数学假设，在真实环境下难以有效抑制非平稳噪声的干扰。基于盲分离的非负矩阵分解方法也得到了一定关注，但是这类方法计算复杂度相对较高；近年来，基于深度学习的语音增强方法得到了越来越多的关注，并且取得了不错的效果。
但是深度学习的语音增强方法大多是针对单通道语音增强进行处理的，在多通道声音增强的工作中，很少将多通道中语音的相干性应用到深度学习中，从而无法实现最佳效果。
发明内容
提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开解决的技术问题是提供一种多通道声音增强方法，以至少部分地解决现有技术中无法实现多通道声音增强的最佳效果的技术问题。此外，还提供一种多通道声音增强模型的训练方法以及对应的装置、电子设备、计算机可读存储介质。
为了实现上述目的，根据本公开的一个方面，提供以下技术方案：
一种多通道声音增强方法，包括：
获取多个声音采集设备采集到的声音信号；其中，所述声音信号由目标声音信号和噪声信号组成，且所述目标声音信号为声源发出的原始声音信号沿路径传输到声音采集设备得到的声音信号；
对所述多个声音采集设备的采集到的声音信号做两路波束信号形成；其中，第一路波束信号中目标声音信号的成份多于第二路波束信号中的目标声音信号的成份，第二路波束信号中噪音信号的成份多于第一路波束信号中的噪音信号的成份；
根据所述第一路波束信号和所述第二路波束信号确定增强目标声音信号。
进一步的，所述根据所述第一路波束信号和所述第二路波束信号确定增强目标声音信号，包括：
将所述第一路波束信号和所述第二路波束信号输入多通道声音增强模型，通过所述多通道声音增强模型输出预测结果；
根据所述预测结果和所述第一路波束信号确定增强声音信号。
进一步的，所述预测结果为时频掩蔽，所述根据所述预测结果和所述第一路波束信号确定增强声音信号，包括：
计算所述时频掩蔽与所述第一路波束信号的乘积得到所述增强目标声音信号。
进一步的，所述对所述多个声音采集设备的采集到的声音信号做两路波束信号形成，包括：
获取第一路波束形成的波束系数和第二路波束形成的波束系数；
根据所述第一路波束形成的波束系数生成第一路波束；
根据所述第二路波束形成的波束系数生成第二路波束。
为了实现上述目的，根据本公开的一个方面，提供以下技术方案：
一种多通道声音增强模型的训练方法，包括：
获取训练集合中的训练样本，其中每个训练样本中包括多个通道中的声音信号，所述声音信号由目标声音信号和噪声信号组成，且所述目标声音信号为声源发出的原始声音信号沿路径传输到声音采集设备得到的声音信号；
对所述多个通道的声音信号做两路波束信号形成；其中，第一路波束信号中目标声音信号的成份多于第二路波束信号中的目标声音信号的成份，第二路波束信号中噪音信号的成份多于第一路波束信号中的噪音信号的成份；
根据所述第一路波束信号计算训练目标；
提取所述第一路波束信号和所述第二路波束信号的特征并输入多通道声音增强模型得到预测目标；
根据所述训练目标和所述预测目标计算损失值；
根据所述损失值更新所述多通道声音增强模型的参数。
进一步的，所述根据所述第一路波束信号计算训练目标，包括：
计算所述第一路波束信号的时频掩蔽作为所述训练目标，其中所述时频掩蔽为所述第一路波束信号中的目标声音成份与所述第一路波束信号的比值。
进一步的，所述计算所述第一路波束信号的时频掩蔽包括：
根据公式
计算所述时频掩蔽，其中Y1(f,t)为所述第一路波束信号，Sn(f,t)表示单个通道内的目标声音信号，n表示通道的数量。
进一步的，所述根据所述训练目标和所述预测目标计算损失值，包括：
根据代价函数
计算损失值；其中，Weight(f,t)为频点(f,t)的权重，O(f,t)为所述预测目标信号。为了实现上述目的，根据本公开的一个方面，提供以下技术方案：
一种多通道声音增强装置，包括：
信号获取模块，用于获取多个声音采集设备采集到的声音信号；其中，所述声音信号由目标声音信号和噪声信号组成，且所述目标声音信号为声源发出的原始声音信号沿路径传输到声音采集设备得到的声音信号；
第一波束形成模块，用于对所述多个声音采集设备的采集到的声音信号做两路波束信号形成；其中，第一路波束信号中目标声音信号的成份多于第二路波束信号中的目标声音信号的成份，第二路波束信号中噪音信号的成份多于第一路波束信号中的噪音信号的成份；
信号增强模块，用于根据所述第一路波束信号和所述第二路波束信号确定增强目标声音信号。
进一步的，所述信号增强模块，还用于：
将所述第一路波束信号和所述第二路波束信号输入多通道声音增强模型，通过所述多通道声音增强模型输出预测结果；
根据所述预测结果和所述第一路波束信号确定增强声音信号。
进一步的，所述预测结果为时频掩蔽，所述信号增强模块，还用于：
计算所述时频掩蔽与所述第一路波束信号的乘积得到所述增强目标声音信号。
进一步的，所述波束形成模块，还用于：
获取第一路波束形成的波束系数和第二路波束形成的波束系数；
根据所述第一路波束形成的波束系数生成第一路波束；
根据所述第二路波束形成的波束系数生成第二路波束。
为了实现上述目的，根据本公开的一个方面，提供以下技术方案：
一种多通道声音增强模型的训练装置，包括：
样本获取模块，用于获取训练集合中的训练样本，其中每个训练样本中包括多个通道中的声音信号，所述声音信号由目标声音信号和噪声信号组成，且所述目标声音信号为声源发出的原始声音信号沿路径传输到声音采集设备得到的声音信号；
第二波束形成模块，对所述多个通道的声音信号做两路波束信号形成；其中，第一路波束信号中目标声音信号的成份多于第二路波束信号中的目标声音信号的成份，第二路波束信号中噪音信号的成份多于第一路波束信号中的噪音信号的成份；
训练目标计算模块，用于根据所述第一路波束信号计算训练目标；
预测模块，用于提取所述第一路波束信号和所述第二路波束信号的特征并输入多通道声音增强模型得到预测目标；
损失计算模块，用于根据所述训练目标和所述预测目标计算损失值；
参数更新模块，用于根据所述损失值更新所述多通道声音增强模型的参数。
进一步的，所述训练目标计算模块，还用于：
计算所述第一路波束信号的时频掩蔽作为所述训练目标，其中所述时频掩蔽为所述第一路波束信号中的目标声音成份与所述第一路波束信号的比值。
进一步的，所述训练目标计算模块，还用于：
根据公式
计算所述时频掩蔽，其中Y1(f,t)为所述第一路波束信号，Sn(f,t)表示单个通道内的目标声音信号，n表示通道的数量。
进一步的，所述损失计算模块，还用于：
根据代价函数
计算损失值；其中，Weight(f,t)为频点(f,t)的权重，O(f,t)为所述预测目标信号。
为了实现上述目的，根据本公开的一个方面，提供以下技术方案：
一种电子设备，包括：
存储器，用于存储非暂时性计算机可读指令；以及
处理器，用于运行所述计算机可读指令，使得所述处理器执行时实现上述任一项所述的方法。
为了实现上述目的，根据本公开的一个方面，提供以下技术方案：
一种计算机可读存储介质，用于存储非暂时性计算机可读指令，当所述非暂时性计算机可读指令由计算机执行时，使得所述计算机执行上述任一项所述的方法。
为了实现上述目的，根据本公开的又一个方面，还提供以下技术方案：
一种多通道声音增强终端，包括上述任一多通道声音增强装置。本公开一种多通道声音增强方法、装置、电子设备和计算机可读存储介质。其中方法包括：获取多个声音采集设备采集到的声音信号；对所述多个声音采集设备的采集到的声音信号做两路波束信号形成；其中，第一路波束信号中目标声音信号的成份多于第二路波束信号中的目标声音信号的成份，第二路波束信号中噪音信号的成份多于第一路波束信号中的噪音信号的成份；根据所述第一路波束信号和所述第二路波束信号确定增强目标声音信号。。本公开实施例通过对多通道声音信号进行波束形成，解决了无法对多通道声音进行加强的技术问题。
上述说明仅是本公开技术方案的概述，为了能更清楚了解本公开的技术手段，而可依照说明书的内容予以实施，并且为让本公开的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例,并配合附图，详细说明如下。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1为根据本公开一个实施例的多通道声音增强方法的流程示意图；
图2为根据本公开一个实施例的多通道声音增强方法的进一步流程示意图；
图3为根据本公开一个实施例的多通道声音增强模型的训练方法的流程示意图；
图4为根据本公开一个实施例的多通道声音增强装置的结构示意图；
图5为根据本公开一个实施例的多通道声音增强模型的训练装置的结构示意图；
图6为根据本公开一个实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
图1为本公开实施例提供的多通道声音增强方法实施例的流程图，本实施例提供的该多通道声音增强方法可以由一多通道声音增强装置来执行，该多通道声音增强装置可以实现为软件，或者实现为软件和硬件的组合，该多通道声音增强装置可以集成设置在多通道声音增强系统中的某设备中，比如多通道声音增强服务器或者多通道声音增强终端设备中。如图1所示，该方法包括如下步骤：
步骤S101：获取多个声音采集设备采集到的声音信号；其中，所述声音信号由目标声音信号和噪声信号组成，且所述目标声音信号为声源发出的原始声音信号沿路径传输到声音采集设备得到的声音信号。
其中，所述声音采集设备可以为麦克风、智能手机话筒等设备。该多个声音采集设备组成一个声音采集系统，用于采集同一声源发出的声音信号即原始声音信号。该原始声音信号沿不同的路径到达每个声音采集设备。
其中，噪声信号由干扰源发出的信号和/或背景噪声信号组成。
具体的，第i个声音采集设备采集到的声音信号可以采用下述公式表示：Xi(f,t)＝Si(f,t)+Ii(f,t)+Ni(f,t)，其中，Si(f,t)为第i个声音采集设备采集到的目标声音信号，Ii(f,t)为第i个声音采集设备采集到的干扰源发出的信号，Ni(f,t)为第i个声音采集设备采集到的背景噪声信号，其中，Ii(f,t)和Ni(f,t)组成所述噪声信号。
其中，目标声音信号为拾音范围内的单声源生成，即有
其中，S(f,t)为原始声音信号，
为原始声音信号沿路径传输到第i个声音采集设备的传递函数。
其中，干扰源为噪声区域范围内的多个声源组成，即有
其中，I(k)(f,t)为第k个干扰源发出的信号。
在本实施例中，不对背景噪声信号做声源数和方向假设。
步骤S102：对所述多个声音采集设备的采集到的声音信号做两路波束信号形成；其中，第一路波束信号中目标声音信号的成份多于第二路波束信号中的目标声音信号的成份，第二路波束信号中噪音信号的成份多于第一路波束信号中的噪音信号的成份。
对于所述多个声音采集设备的声音信号做两路波束形成，得到波束输出。
可选的，所述步骤S102包括：
获取第一路波束形成的波束系数和第二路波束形成的波束系数；
根据所述第一路波束形成的波束系数生成第一路波束；
根据所述第二路波束形成的波束系数生成第二路波束。
波束形成包括固定波束形成和自适应波束形成，其中固定波束形成的波束系数是固定的，自适应波束形成的波束系数是变化的，本公开以固定波束形成为例，可以理解的是，自适应波束形成也可以应用于本公开的方案中，在此不做限制。在得到所述波束系数之后，根据以下公式得到第一路波束信号和第二路波束信号：
其中，Y1(f,t)为第一路波束信号，W1,i(f,t)为第一路波束信号中第i个声音信号对应的波束信号系数，Y2(f,t)为第二路波束信号，W2,i(f,t)为第二路波束信号中第i个声音信号对应的波束信号系数，其中n为声音通道的个数。
将上述两路波束信号表示为“信号-干扰-噪声”的关系式为
其中，第一路波束信号中目标声音信号的成份多于第二路波束信号中的目标声音信号的成份，第二路波束信号中噪音信号的成份多于第一路波束信号中的噪音信号的成份。在使用上，第一路波束信号可以用于增强目标声音信号，第二路波束信号用于消除目标声音信号而保留干扰和噪声，即满足
步骤S103：根据所述第一路波束信号和所述第二路波束信号确定增强目标声音信号。
本实施例通过获取多个声音采集设备采集到的声音信号，并对所述多个声音采集设备的声音信号做两路波束信号形成，其中，第一路波束信号可以用于增强所述目标声音信号，第二路波束信号用于消除所述目标声音信号且保留所述噪声信号，由此可以实现多通道声音信号中的目标声音信号的增强，并可以达到较好的效果。
在一个可选的实施例中，步骤S103具体包括：
步骤S201，将所述第一路波束信号和所述第二路波束信号输入多通道声音增强模型，通过所述多通道声音增强模型输出预测结果；
步骤S202，根据所述预测结果和所述第一路波束信号确定增强声音信号。
在该可选实施例中，将所述第一路波束信号和所述第二路波束信号作为输入信号输入预先训练好的多通道声音增强模型。其中，在输入所述多通道声音增强模型之前，先对所述第一路波束信号和所述第二路波束信号进行特征提取，并将提取出来的特征输入所述多通道声音增强模型。
具体的，可以采用谱特征方法，对每一帧波束信号的时域采样点进行短时傅里叶变换(Short Time Fourier Transform，STFT)，求得其功率谱|Y1(f,t)|^2，对功率谱取对数得到log功率谱特征。提取的所有log功率谱特征，都进行标准化处理，将其均值归到0，方差归到1。即采用公式表示如下：
Fea＝(Fuc(|Y1(f,t)|),Fuc(|Y2(f,t)|)
其中，Fuc(|Y1(f,t)|)＝log(|Y1(f,t)|^2)；
其中，Fuc(|Y2(f,t)|)＝log(|Y2(f,t)|^2)。
将Fea作为上述多通道声音增强模型的输入。
之后得到所述多通道声音增强模型输出的预测结果，其中为了多通道声音增强模型能够更加容易收敛，在训练阶段所述多通道声音增强模型通常不会直接预测目标声音信号，而是预测一个系数，通过这个系数可以计算出目标语音信号。可选的，所述预测结果为时频掩蔽，所述步骤S202包括：
计算所述时频掩蔽与所述第一路波束信号的乘积得到所述增强目标声音信号。
所述时频掩蔽表示带噪声音信号中，目标声音信号与所述带噪声音信号的比值，由于这个比值的取值范围为(0,1)，因此模型更加容易收敛，计算更快。
在得到时频掩蔽之后，根据其定义，只需要将其与所述第一路波束信号相乘即可得到所述增强目标声音信号。
实施例二
图3为本公开实施例提供的多通道声音增强模型的训练方法实施例的流程图，本实施例提供的该多通道声音增强模型的训练方法可以由一多通道声音增强模型的训练装置来执行，该多通道声音增强模型的训练装置可以实现为软件，或者实现为软件和硬件的组合，该多通道声音增强模型的训练装置可以集成设置在多通道声音增强模型的训练系统中的某设备中，比如多通道声音增强模型的训练服务器或者多通道声音增强模型的训练终端设备中。如图3所示，该方法包括如下步骤：
步骤S301:获取训练集合中的训练样本，其中每个训练样本中包括多个通道中的声音信号，所述声音信号由目标声音信号和噪声信号组成，且所述目标声音信号为声源发出的原始声音信号沿路径传输到声音采集设备得到的声音信号。
其中，所述训练集合中的训练样本中多个通道中的声音信号的定义与上述步骤S101中的相同，在此不再赘述，区别仅在于训练样本中的声音信号为提前录制好用于模型训练。另外，训练样本中的声音信号中的目标声音信号和噪声信号均为已知的值，示例性的，所述训练样本中的声音信号可以是通过目标声音信号和噪声信号合成的，在此不再赘述。
步骤S302，对所述多个通道的声音信号做两路波束信号形成；其中，第一路波束信号中目标声音信号的成份多于第二路波束信号中的目标声音信号的成份，第二路波束信号中噪音信号的成份多于第一路波束信号中的噪音信号的成份。
该步骤中的波束形成过程与步骤S102中相同，在此不再赘述。
步骤S303，根据所述第一路波束信号计算训练目标；
由于训练样本中的声音信号的目标声音信号和噪声信号均为已知信号，又由于训练的目的是对目标语音进行增强，因此可以通过第一路波束信号计算训练目标。
可选的，所述步骤S303包括：计算所述第一路波束信号的时频掩蔽作为所述训练目标，其中所述时频掩蔽为所述第一路波束信号中的目标声音成份与所述第一路波束信号的比值。具体的，可以根据如下公式计算所述时频掩蔽：
其中Y1(f,t)为所述第一路波束信号，Si(f,t)表示单个通道内的目标声音信号，n表示通道的数量。
步骤S304，提取所述第一路波束信号和所述第二路波束信号的特征并输入多通道声音增强模型得到预测目标。
该步骤中，提取特征的过程与步骤S201中描述的相同，在此不再赘述。而步骤S304是训练过程中的步骤，因此得到的是训练过程中的预测目标，而不是预测结果。
所述预测目标是与上述训练目标具有相同格式的数据，如与Mask(f,t)相同格式的比值。
步骤S305，根据所述训练目标和所述预测目标计算损失值；
具体的，可以根据预设的代价函数计算所述损失值，示例性的，以如下公式计算损失值：
其中，Weight(f,t)为频点(f,t)的权重，O(f,t)为所述预测目标信号。其中，所述Weight(f,t)可以根据不同的需求进行调整，如需要增强目标语音或者需要弱化噪音等等，其中，所述Weight(f,t)的值可以通过对Mask(f,t)和/或Fea进行平移缩放得到，其中Fea由于是通过第一路波束信号和第二路波束信号得到的，因此保留了声音信号中不同频点的能量的绝对强度，而Mask(f,t)中保留了不同频点的目标声音的相对强度，因此通过对Mask(f,t)和/或Fea进行平移缩放得到权重值，能够使得训练出来的多通道声音增强模型更符合需求。
步骤S306，根据所述损失值更新所述多通道声音增强模型的参数。
该步骤为一个反向传播更新模型参数的过程，可以使用任意反向传播算法实现，在此不再赘述。
上述步骤S301-步骤S306描述了一次模型参数的更新过程，使用不同的训练样本迭代执行上述模型参数的更新过程，直至达到预设的收敛条件，如迭代次数达到预设次数或者损失值小于预设值，得到的多通道声音增强模型即为训练好的多通道声音增强模型。
本领域技术人员应能理解，在上述各个实施例的基础上，还可以进行明显变型(例如，对所列举的模式进行组合)或等同替换。
在上文中，虽然按照上述的顺序描述了多通道声音增强方法实施例中的各个步骤，本领域技术人员应清楚，本公开实施例中的步骤并不必然按照上述顺序执行，其也可以倒序、并行、交叉等其他顺序执行，而且，在上述步骤的基础上，本领域技术人员也可以再加入其他步骤，这些明显变型或等同替换的方式也应包含在本公开的保护范围之内，在此不再赘述。
下面为本公开装置实施例，本公开装置实施例可用于执行本公开方法实施例实现的步骤，为了便于说明，仅示出了与本公开实施例相关的部分，具体技术细节未揭示的，请参照本公开方法实施例。
实施例三
为了解决现有技术中无法实现多通道声音增强的最佳效果的技术问题，本公开实施例提供一种多通道声音增强装置。该装置可以执行上述实施例一所述的多通道声音增强方法实施例中的步骤。如图4所示，该装置400主要包括：信号获取模块401、波束形成模块402和信号增强模块403；其中，
信号获取模块401用于获取多个声音采集设备采集到的声音信号；其中，所述声音信号由目标声音信号和噪声信号组成，且所述目标声音信号为声源发出的原始声音信号沿路径传输到声音采集设备得到的声音信号；
波束形成模块402用于对所述多个声音采集设备的采集到的声音信号做两路波束信号形成；其中，第一路波束信号中目标声音信号的成份多于第二路波束信号中的目标声音信号的成份，第二路波束信号中噪音信号的成份多于第一路波束信号中的噪音信号的成份；
信号增强模块403用于根据所述第一路波束信号和所述第二路波束信号确定增强目标声音信号。
进一步的，所述信号增强模块403，还用于：
将所述第一路波束信号和所述第二路波束信号输入多通道声音增强模型，通过所述多通道声音增强模型输出预测结果；
根据所述预测结果和所述第一路波束信号确定增强声音信号。
进一步的，所述预测结果为时频掩蔽，所述信号增强模块403，还用于：
计算所述时频掩蔽与所述第一路波束信号的乘积得到所述增强目标声音信号。
进一步的，所述波束形成模块402，还用于：
获取第一路波束形成的波束系数和第二路波束形成的波束系数；
根据所述第一路波束形成的波束系数生成第一路波束；
根据所述第二路波束形成的波束系数生成第二路波束。
有关多通道声音增强装置实施例的工作原理、实现的技术效果等详细说明可以参考前述多通道声音增强方法实施例中的相关说明，在此不再赘述。
实施例四
为了解决现有技术中无法实现多通道声音增强的最佳效果的技术问题，本公开实施例提供一种多通道声音增强模型的训练装置。该装置可以执行上述实施例一所述的多通道声音增强模型的训练方法实施例中的步骤。如图5所示，该装置500主要包括：样本获取模块501、第二波束形成模块502、训练目标计算模块503、预测模块504、损失计算模块505和参数更新模块506。其中，
样本获取模块501，用于获取训练集合中的训练样本，其中每个训练样本中包括多个通道中的声音信号，所述声音信号由目标声音信号和噪声信号组成，且所述目标声音信号为声源发出的原始声音信号沿路径传输到声音采集设备得到的声音信号；
第二波束形成模块502，对所述多个通道的声音信号做两路波束信号形成；其中，第一路波束信号中目标声音信号的成份多于第二路波束信号中的目标声音信号的成份，第二路波束信号中噪音信号的成份多于第一路波束信号中的噪音信号的成份；
训练目标计算模块503，用于根据所述第一路波束信号计算训练目标；
预测模块504，用于提取所述第一路波束信号和所述第二路波束信号的特征并输入多通道声音增强模型得到预测目标；
损失计算模块505，用于根据所述训练目标和所述预测目标计算损失值；
参数更新模块506，用于根据所述损失值更新所述多通道声音增强模型的参数。
进一步的，所述训练目标计算模块503，还用于：
计算所述第一路波束信号的时频掩蔽作为所述训练目标，其中所述时频掩蔽为所述第一路波束信号中的目标声音成份与所述第一路波束信号的比值。
进一步的，所述训练目标计算模块503，还用于：
根据公式
计算所述时频掩蔽，其中Y1(f,t)为所述第一路波束信号，Sn(f,t)表示单个通道内的目标声音信号，n表示通道的数量。
进一步的，所述损失计算模块505，还用于：
根据代价函数
计算损失值；其中，Weight(f,t)为频点(f,t)的权重，O(f,t)为所述预测目标信号。
有关多通道声音增强模型的训练装置实施例的工作原理、实现的技术效果等详细说明可以参考前述多通道声音增强模型的训练方法实施例中的相关说明，在此不再赘述。
实施例五
下面参考图6，其示出了适于用来实现本公开实施例的电子设备600的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperTextTransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：执行上述实施例中的任何一种方法。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (12)
1.一种多通道声音增强方法，其特征在于，包括：
获取多个声音采集设备采集到的声音信号；其中，所述声音信号由目标声音信号和噪声信号组成，且所述目标声音信号为声源发出的原始声音信号沿路径传输到声音采集设备得到的声音信号；
对所述多个声音采集设备的采集到的声音信号做两路波束信号形成；其中，第一路波束信号中目标声音信号的成份多于第二路波束信号中的目标声音信号的成份，第二路波束信号中噪音信号的成份多于第一路波束信号中的噪音信号的成份；
根据所述第一路波束信号和所述第二路波束信号确定增强目标声音信号。
2.根据权利要求1所述的多通道声音增强方法，其特征在于，所述根据所述第一路波束信号和所述第二路波束信号确定增强目标声音信号，包括：
将所述第一路波束信号和所述第二路波束信号输入多通道声音增强模型，通过所述多通道声音增强模型输出预测结果；
根据所述预测结果和所述第一路波束信号确定增强声音信号。
3.如权利要求2所述的多通道声音增强方法，其特征在于，所述预测结果为时频掩蔽，所述根据所述预测结果和所述第一路波束信号确定增强声音信号，包括：
计算所述时频掩蔽与所述第一路波束信号的乘积得到所述增强目标声音信号。
4.如权利要求1所述的多通道声音增强方法，其特征在于，所述对所述多个声音采集设备的采集到的声音信号做两路波束信号形成，包括：
获取第一路波束形成的波束系数和第二路波束形成的波束系数；
根据所述第一路波束形成的波束系数生成第一路波束；
根据所述第二路波束形成的波束系数生成第二路波束。
5.一种多通道声音增强模型的训练方法，其特征在于，包括：
获取训练集合中的训练样本，其中每个训练样本中包括多个通道中的声音信号，所述声音信号由目标声音信号和噪声信号组成，且所述目标声音信号为声源发出的原始声音信号沿路径传输到声音采集设备得到的声音信号；
对所述多个通道的声音信号做两路波束信号形成；其中，第一路波束信号中目标声音信号的成份多于第二路波束信号中的目标声音信号的成份，第二路波束信号中噪音信号的成份多于第一路波束信号中的噪音信号的成份；
根据所述第一路波束信号计算训练目标；
提取所述第一路波束信号和所述第二路波束信号的特征并输入多通道声音增强模型得到预测目标；
根据所述训练目标和所述预测目标计算损失值；
根据所述损失值更新所述多通道声音增强模型的参数。
6.如权利要求5所述的多通道声音增强模型的训练方法，其特征在于，所述根据所述第一路波束信号计算训练目标，包括：
计算所述第一路波束信号的时频掩蔽作为所述训练目标，其中所述时频掩蔽为所述第一路波束信号中的目标声音成份与所述第一路波束信号的比值。
7.如权利要求6所述的多通道声音增强模型的训练方法，其特征在于，所述计算所述第一路波束信号的时频掩蔽包括：
根据公式
计算所述时频掩蔽，其中Y1(f,t)为所述第一路波束信号，Sn(f,t)表示单个通道内的目标声音信号，n表示通道的数量。
8.如权利要求5所述的多通道声音增强模型的训练方法，其特征在于，所述根据所述训练目标和所述预测目标计算损失值，包括：
根据代价函数
计算损失值；其中，Weight(f,t)为频点(f,t)的权重，O(f,t)为所述预测目标信号。
9.一种多通道声音增强装置，其特征在于，包括：
信号获取模块，用于获取多个声音采集设备采集到的声音信号；其中，所述声音信号由目标声音信号和噪声信号组成，且所述目标声音信号为声源发出的原始声音信号沿路径传输到声音采集设备得到的声音信号；
第一波束形成模块，用于对所述多个声音采集设备的采集到的声音信号做两路波束信号形成；其中，第一路波束信号中目标声音信号的成份多于第二路波束信号中的目标声音信号的成份，第二路波束信号中噪音信号的成份多于第一路波束信号中的噪音信号的成份；
信号增强模块，用于根据所述第一路波束信号和所述第二路波束信号确定增强目标声音信号。
10.一种多通道声音增强模型的训练装置，其特征在于，包括：
样本获取模块，用于获取训练集合中的训练样本，其中每个训练样本中包括多个通道中的声音信号，所述声音信号由目标声音信号和噪声信号组成，且所述目标声音信号为声源发出的原始声音信号沿路径传输到声音采集设备得到的声音信号；
第二波束形成模块，对所述多个通道的声音信号做两路波束信号形成；其中，第一路波束信号中目标声音信号的成份多于第二路波束信号中的目标声音信号的成份，第二路波束信号中噪音信号的成份多于第一路波束信号中的噪音信号的成份；
训练目标计算模块，用于根据所述第一路波束信号计算训练目标；
预测模块，用于提取所述第一路波束信号和所述第二路波束信号的特征并输入多通道声音增强模型得到预测目标；
损失计算模块，用于根据所述训练目标和所述预测目标计算损失值；
参数更新模块，用于根据所述损失值更新所述多通道声音增强模型的参数。
11.一种电子设备，包括：
存储器，用于存储非暂时性计算机可读指令；以及
处理器，用于运行所述计算机可读指令，使得所述处理器执行时实现根据权利要求1-8中任一项所述的方法。
12.一种计算机可读存储介质，用于存储非暂时性计算机可读指令，当所述非暂时性计算机可读指令由计算机执行时，使得所述计算机执行权利要求1-8中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011514292.2A CN112634930A (zh) | 2020-12-21 | 2020-12-21 | 多通道声音增强方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011514292.2A CN112634930A (zh) | 2020-12-21 | 2020-12-21 | 多通道声音增强方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112634930A true CN112634930A (zh) | 2021-04-09 |
Family
ID=75317786
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011514292.2A Pending CN112634930A (zh) | 2020-12-21 | 2020-12-21 | 多通道声音增强方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112634930A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180220007A1 (en) * | 2017-02-01 | 2018-08-02 | Cisco Technology, Inc. | Full-duplex adaptive echo cancellation in a conference endpoint |
| CN108831495A (zh) * | 2018-06-04 | 2018-11-16 | 桂林电子科技大学 | 一种应用于噪声环境下语音识别的语音增强方法 |
| CN109102822A (zh) * | 2018-07-25 | 2018-12-28 | 出门问问信息科技有限公司 | 一种基于固定波束形成的滤波方法及装置 |
| US20190043491A1 (en) * | 2018-05-18 | 2019-02-07 | Intel Corporation | Neural network based time-frequency mask estimation and beamforming for speech pre-processing |
| CN109473118A (zh) * | 2018-12-24 | 2019-03-15 | 苏州思必驰信息科技有限公司 | 双通道语音增强方法及装置 |
| WO2020042708A1 (zh) * | 2018-08-31 | 2020-03-05 | 大象声科（深圳）科技有限公司 | 基于时频掩蔽和深度神经网络的声源方向估计方法 |
-
2020
- 2020-12-21 CN CN202011514292.2A patent/CN112634930A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180220007A1 (en) * | 2017-02-01 | 2018-08-02 | Cisco Technology, Inc. | Full-duplex adaptive echo cancellation in a conference endpoint |
| US20190043491A1 (en) * | 2018-05-18 | 2019-02-07 | Intel Corporation | Neural network based time-frequency mask estimation and beamforming for speech pre-processing |
| CN108831495A (zh) * | 2018-06-04 | 2018-11-16 | 桂林电子科技大学 | 一种应用于噪声环境下语音识别的语音增强方法 |
| CN109102822A (zh) * | 2018-07-25 | 2018-12-28 | 出门问问信息科技有限公司 | 一种基于固定波束形成的滤波方法及装置 |
| WO2020042708A1 (zh) * | 2018-08-31 | 2020-03-05 | 大象声科（深圳）科技有限公司 | 基于时频掩蔽和深度神经网络的声源方向估计方法 |
| CN109473118A (zh) * | 2018-12-24 | 2019-03-15 | 苏州思必驰信息科技有限公司 | 双通道语音增强方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 宫琴;郑硕;: "基于波束形成与最大似然估计的近距离双麦克风语音增强算法", 清华大学学报(自然科学版), no. 06 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110491407B (zh) | 语音降噪的方法、装置、电子设备及存储介质 | |
| EP3346462A1 (en) | Speech recognizing method and apparatus | |
| CN107068161B (zh) | 基于人工智能的语音降噪方法、装置和计算机设备 | |
| CN112634928B (zh) | 声音信号处理方法、装置和电子设备 | |
| CN106165015B (zh) | 用于促进基于加水印的回声管理的装置和方法 | |
| CN112259116B (zh) | 一种音频数据的降噪方法、装置、电子设备及存储介质 | |
| CN113345460B (zh) | 音频信号处理方法、装置、设备及存储介质 | |
| CN113077806B (zh) | 音频处理方法及装置、模型训练方法及装置、介质和设备 | |
| EP4266308A1 (en) | Voice extraction method and apparatus, and electronic device | |
| CN114974280A (zh) | 音频降噪模型的训练方法、音频降噪的方法及装置 | |
| CN114898762A (zh) | 基于目标人的实时语音降噪方法、装置和电子设备 | |
| CN112767959A (zh) | 语音增强方法、装置、设备及介质 | |
| CN110875049A (zh) | 语音信号的处理方法及装置 | |
| CN111462727A (zh) | 用于生成语音的方法、装置、电子设备和计算机可读介质 | |
| CN116403594B (zh) | 基于噪声更新因子的语音增强方法和装置 | |
| CN113782044A (zh) | 一种语音增强方法及装置 | |
| CN116913258A (zh) | 语音信号识别方法、装置、电子设备和计算机可读介质 | |
| CN116959469A (zh) | 语音增强模型的训练方法、装置、电子设备和存储介质 | |
| Kim et al. | High‐performance DSP platform for digital hearing aid SoC with flexible noise estimation | |
| CN111276134A (zh) | 语音识别方法、装置和计算机可读存储介质 | |
| CN113674752A (zh) | 音频信号的降噪方法、装置、可读介质和电子设备 | |
| CN113823312B (zh) | 语音增强模型生成方法和装置、语音增强方法和装置 | |
| WO2022213825A1 (zh) | 基于神经网络的端到端语音增强方法、装置 | |
| CN114783455A (zh) | 用于语音降噪的方法、装置、电子设备和计算机可读介质 | |
| CN112634930A (zh) | 多通道声音增强方法、装置及电子设备 |
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 |