CN114664319A - 频带扩展方法、装置、设备、介质及程序产品 - Google Patents
频带扩展方法、装置、设备、介质及程序产品 Download PDFInfo
- Publication number
- CN114664319A CN114664319A CN202210315140.2A CN202210315140A CN114664319A CN 114664319 A CN114664319 A CN 114664319A CN 202210315140 A CN202210315140 A CN 202210315140A CN 114664319 A CN114664319 A CN 114664319A
- Authority
- CN
- China
- Prior art keywords
- frequency
- noise
- spectrum
- band
- 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 51
- 230000007480 spreading Effects 0.000 title description 6
- 238000001228 spectrum Methods 0.000 claims abstract description 123
- 230000009466 transformation Effects 0.000 claims abstract description 90
- 230000009467 reduction Effects 0.000 claims abstract description 75
- 238000012545 processing Methods 0.000 claims abstract description 46
- 238000010606 normalization Methods 0.000 claims description 16
- 238000013527 convolutional neural network Methods 0.000 claims description 15
- 208000037170 Delayed Emergence from Anesthesia Diseases 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 230000001629 suppression Effects 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 18
- 238000004891 communication Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 5
- 230000004913 activation Effects 0.000 description 4
- 230000000306 recurrent effect Effects 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011410 subtraction method Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000011800 void material Substances 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
-
- 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
- G10L21/0232—Processing in the frequency domain
-
- 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
- G10L21/038—Speech enhancement, e.g. noise reduction or echo cancellation using band spreading techniques
-
- 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
- G10L25/30—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Noise Elimination (AREA)
Abstract
本公开提供了频带扩展方法、装置、设备、介质及程序产品，涉及计算机技术领域，尤其涉及语音技术领域。具体实现方案为：对带噪窄带语音信号进行降噪处理，得到降噪窄带语音信号；确定降噪窄带语音信号在变换域中的低频变换特征，并对低频变换特征进行频带扩展，得到高频变换特征；根据高频变换特征，确定宽带语音信号。本公开实施例可以在噪声场景下实现良好的扩频效果。
Description
技术领域
本公开涉及计算机技术领域，尤其涉及语音技术领域，具体涉及一种频带扩展方法、装置、设备、介质及程序产品。
背景技术
在目前的公共交换电话网(Public Switched Telephone Networks，PSTN)以及一些无线通信系统中，由于受到语音采集设备、信道带宽以及编码方式等限制，语音信号在传输过程中只能保留低频信号，例如，仅保留300Hz到3400Hz。而高频部分缺失会导致语音质量下降。
语音频带扩展是从频带受限的窄带语音信号中恢复宽带语音信号，以提高语音质量。但在语音通话过程中经常会包含噪声，而在噪声场景下，频带扩展则面临更大的挑战。如何在噪声场景下实现频带扩展对于提升语音质量十分重要。
发明内容
本公开提供了一种频带扩展方法、装置、设备、介质及程序产品。
根据本公开的一方面，提供了一种频带扩展方法，包括：
对带噪窄带语音信号进行降噪处理，得到降噪窄带语音信号；
确定所述降噪窄带语音信号在变换域中的低频变换特征，并对所述低频变换特征进行频带扩展，得到高频变换特征；
根据所述高频变换特征，确定宽带语音信号。
根据本公开的另一方面，提供了一种频带扩展装置，包括：
语音降噪模块，用于对带噪窄带语音信号进行降噪处理，得到降噪窄带语音信号；
频带扩展模块，用于确定所述降噪窄带语音信号在变换域中的低频变换特征，并对所述低频变换特征进行频带扩展，得到高频变换特征；
宽带语音信号确定模块，用于根据所述高频变换特征，确定宽带语音信号。
根据本公开的另一方面，提供了一种电子设备，包括：
至少一个处理器；以及
与至少一个处理器通信连接的存储器；其中，
存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本公开任一实施例的频带扩展方法。
根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行本公开任一实施例的频带扩展方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现本公开任一实施例的频带扩展方法。
本公开实施例可以在噪声场景下实现良好的扩频效果。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开实施例提供的一种频带扩展方法的示意图；
图2a是根据本公开实施例提供的一种频带扩展方法的示意图；
图2b是根据本公开实施例提供的一种频带扩展方法的流程图；
图2c是根据本公开实施例提供的带噪窄带语音信号的示意图；
图2d是根据本公开实施例提供的宽带语音信号的示意图；
图3a是根据本公开实施例提供的一种频带扩展方法的示意图；
图3b是根据本公开实施例提供的宽带语音信号的示意图；
图3c是根据本公开实施例提供的降噪后的宽带语音信号的示意图；
图4是根据本公开实施例提供的一种频带扩展装置的示意图；
图5是用来实现本公开实施例的频带扩展方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1是根据本公开实施例公开的一种频带扩展方法的流程图，本实施例可以适用于在降噪处理的基础上进行频带扩展的情况。本实施例方法可以由频带扩展装置来执行，该装置可采用软件和/或硬件的方式实现，并具体配置于具有一定数据运算能力的电子设备中，该电子设备可以是客户端设备或服务器设备，客户端设备例如手机、平板电脑、车载终端和台式电脑等。
S110、对带噪窄带语音信号进行降噪处理，得到降噪窄带语音信号。
频带扩展在很多实际场景中都有需求，例如，公用电话交换网。由于受到语音采集设备、信道带宽以及编码方式等因素限制，通话语音的频带被限制在300Hz-3400Hz，高频部分的缺失则会导致语音质量下降，因此进行频带扩展十分重要。
在通话环境中包含稳态噪声或非稳态噪声的情况下，若直接对包含噪声的窄带语音信号进行频带扩展，则最终得到宽带语音信号中会存大量噪声，影响用户通讯体验。其中，包含噪声的窄带语音信号即为带噪窄带语音信号。示例性的，带噪窄带语音信号包含了室内空调、吸尘器或者抽排油烟机等发出的稳态噪声。又示例性的，带噪窄带语音信号还可以包含桌面敲击声或者开关门声等非稳态噪声。
本公开实施例的方案，为了提高语音质量，在获取到窄带语音信号后可以先进行降噪处理，去除其中包含的噪声，得到降噪窄带语音信号，以便于在降噪窄带语音信号的基础上进行频带扩展，避免频带扩展得到的宽带语音信号中包含大量噪声影响通讯体验。具体的，可以采用谱减法或者维纳滤波法等传统算法进行语音降噪，还可以采用卷积神经网络、递归神经网络或者深度神经网络等进行语音降噪。
在一个具体的例子中，对带噪语音信号进行傅里叶变换，得到带噪语音信号的语音频谱。进一步的，将语音频谱输入至卷积神经网络，并得到卷积神经网络输出的降噪后的语音频谱。最终，对降噪后的语音频谱进行逆傅里叶变换，得到降噪窄带语音信号。
在另一个具体的例子中，对带噪语音信号进行子带分解，得到带噪窄带语音信号的语音频谱，其中，语音频谱包括幅度谱和相位谱。进一步的，为优化降噪效果，将幅度谱中各频点的幅度值转换到对数域，得到带噪窄带语音信号匹配的频域特征数据。进而将频域特征数据输入至降噪模型中，获取降噪模型输出的掩膜值。基于掩膜值和带噪窄带语音信号的语音频谱，确定降噪后的语音频谱。最终，对降噪后的语音频谱进行子带融合，得到降噪窄带语音信号。其中，降噪模型可以包括至少一层卷积神经网络、至少一层递归神经网络、全连接层以及激活层。
S120、确定降噪窄带语音信号在变换域中的低频变换特征，并对低频变换特征进行频带扩展，得到高频变换特征。
本公开实施例中，为了提升语音信号质量，在对带噪窄带语音信号进行降噪处理，得到降噪窄带语音信号之后，会对降噪窄带语音信号进行频带扩展，预测并补全降噪窄带语音信号的高频部分。首先对降噪窄带语音信号进行变换，得到降噪窄带语音信号在变换域中的低频变换特征。进一步的，针对低频变换特征进行频带扩展，得到高频变换特征。具体的，可以通过对降噪窄带语音信号进行编码，将降噪窄带语音信号变换至变换域，得到低频变换特征。进一步的，可以将低频变换特征输入至扩频模型，得到扩频模型所预测的高频变换特征。
在一个具体的例子中，通过由一维卷积构成的编码器对降噪窄带语音信号进行编码，得到降噪窄带语音信号在变换域中的低频变换特征。进一步的，将低频变换特征输入至扩频模型中进行频带扩展，得到扩频模型预测的高频变换特征。其中，扩频模型可以包括至少一层残差块；残差块中包含空洞卷积神经网络。
S130、根据高频变换特征，确定宽带语音信号。
本公开实施例中，在得到扩频模型预测的高频变换特征后，对高频变换特征进行解码，得到语音信号的高频部分。最终，可以将窄带语音信号和语音信号的高频部分结合，得到最终的宽带语音信号。
示例性的，可以通过由一位卷积构成的解码器对高频变换特征进行解码，得到语音信号的高频部分。最终将窄带语音信号和语音信号的高频部分结合，得到最终的宽带语音信号。
本公开实施例的技术方案，首先对带噪窄带语音信号进行降噪处理，进而确定降噪处理后的降噪窄带语音信号在变换域中的低频变换特征，并对低频变换特征进行频带扩展，得到高频变换特征，最终根据高频变换特征，确定宽带语音信号，可以在噪声场景下实现对语音信号的频带扩展。
图2a是本公开实施例中的一种频带扩展方法的示意图，在上述实施例的基础上进一步细化，提供了对带噪窄带语音信号进行降噪处理，得到降噪窄带语音信号的具体步骤，以及对低频变换特征进行频带扩展，得到高频变换特征的具体步骤。下面结合图2a对本公开实施例提供的一种频带扩展方法进行说明，包括以下：
S210、确定带噪窄带语音信号的第一频谱；第一频谱包括第一幅度谱和相位谱。
其中，第一频谱是将带噪窄带语音信号变换至频域得到的频谱，其中，第一频谱包括幅度谱和相位谱。示例性的，第一频谱是对带噪窄带语音信号进行傅里叶变换得到的频谱。
本公开实施例中，为避免带噪窄带语音信号中包含的噪声影响信号质量，需要对带噪语音信号进行降噪。为实现带噪窄带语音信号的降噪，首先将带噪窄带语音信号变换至频域，得到带噪窄带语音信号的第一频谱。其中，第一频谱包括幅度谱和相位谱。示例性的，可以通过对带噪窄带语音信号进行傅里叶变换，得到窄带语音信号的第一频谱；还可以通过子带分解将窄带语音信号转换至频域，得到第一频谱。
图2b是本公开实施例中提供的一种频带扩展方法的流程图，在该流程中，可以通过子带分解，将带噪窄带语音信号变换到频域，得到第一频谱。
S220、将第一幅度谱中各频点的幅度值转换到对数域，得到带噪窄带语音信号匹配的频域特征数据。
本公开实施例中，对第一幅度谱进行特征提取，具体的，在幅度谱中获取每个频点的幅度值，并将幅度值转换到对数域，得到从窄带语音信号中提取的频域特征数据。通过将幅度值转换到对数域，可以提高后续的语音降噪效果。
S230、基于频域特征数据，对带噪窄带语音信号进行降噪处理，得到降噪窄带语音信号。
本公开实施例中，在获取到频域特征数据后，可以将频域特征数据输入至降噪模型进行降噪处理，得到降噪窄带语音信号。在提取到频域特征数据的基础上，进行降噪处理，相对于针对第一频谱进行降噪，可以提高降噪效果。
示例性的，可以将频域特征数据输入至卷积神经网络模型中进行降噪处理，得到降噪后的语音频谱，并对降噪后的语音频谱进行子带合成，得到降噪窄带语音信号
可选的，基于频域特征数据，对带噪窄带语音信号进行降噪处理，得到降噪窄带语音信号，包括：
根据频域特征数据，确定与幅度谱中各频点对应的掩膜值；
基于掩膜值，对第一幅度谱中对应频点的幅度值进行调节，得到第二幅度谱；
基于第二幅度谱和所述相位谱，确定降噪后的第二频谱；
根据第二频谱，确定降噪窄带语音信号。
本可选的实施例中，提供一种基于频域特征数据，对带噪窄带语音信号进行降噪处理，得到降噪窄带语音信号的具体方式：首先将频带特征数据输入至降噪模型，确定与幅度谱中各频点对应的掩膜值。进一步的，将第一幅度谱中各频点的幅度值与频点对应的掩膜值相乘，得到第二幅度谱。进一步的，由第二幅度谱和第一幅度谱包含的相位谱结合，构成降噪后的第二频谱。最终，对第二频谱进行子带合成得到降噪窄带语音信号。基于频域特征数据来预测各频点对应的掩膜值，相较于直接基于第一幅度谱预测掩膜值，可以起到更优的降噪效果。并且，在进行频带扩展之前，先对带噪窄带语音信号进行降噪，可以提高后续频带扩展得到的语音信号的质量。
其中，通过降噪模型预测掩膜值的流程如图2b所示，在将窄带语音信号转换至频域，并进行特征提取，得到频域特征数据之后，将频域特征数据输入至降噪模型中，得到降噪模型输出的与幅度谱中各频点对应的掩膜值。其中，降噪模型包括至少一层卷积神经网络、至少一层递归神经网络、全连接层以及激活层。具体的，首先通过至少一层卷积神经网络，对频域特征数据进行特征提取，得到第一频域特征。进而通过至少一层递归神经网络，对第一频谱特征进行递归学习，得到第二频谱特征。进一步的，通过全连接层，对第二频域特征的维度进行调节，使得第二频域特征的维度与频域特征数据的维度保持一致。通过激活层，对全连接层的输出结果进行激活，得到与幅度谱中各频点对应的掩膜值。通过卷积神经网络和递归神经网络的结构，使得降噪模型计算量较小，对于即时通讯应用更加友好。
S240、确定降噪窄带语音信号在变换域中的低频变换特征，并将低频变换特征输入至扩频模型中，得到扩频模型所预测的高频变换特征；扩频模型包括至少一层残差块；残差块中包含空洞卷积神经网络。
其中，扩频模型是全卷积结构的前馈神经网络，包括至少一层残差块，每个残差块中包含空洞卷积神经网络结构。
本公开实施例中，在对带噪窄带语音信号进行降噪处理，得到降噪窄带语音信号后，通过一维卷积结构的编码器对降噪窄带语音信号进行编码，将降噪窄带语音变换至变换域，得到低频变换特征。进一步的，将低频变换特征输入至扩频模型中，得到扩频模型所预测的高频变换特征。通过全卷积结构的扩频模型进行频带扩展，模型计算量相对较小，可以使得本实施例提供的频带扩展方法应用在即时通讯设备中。并且，采用包含空洞卷积神经网络的残差块结构可以在拓宽感受野的同时，加快收敛速度，提升频带扩展的实时性。
可选的，空洞卷积神经网络中的归一化层采用权重归一化方式进行特征归一化操作。
本可选的实施例中，扩频模型中包含的空洞卷积神经网络包括卷积层、池化层、归一化层以及激活层。其中，归一化层采用归一化方式进行特征归一化操作，相较于实例归一化方式，权重归一化方式仅对权值进行归一化处理，可以避免因直接对特征数据进行归一化导致的信息损失，从而提高语音信号的扩频效果。
S250、根据高频变换特征，确定宽带语音信号。
本公开实施例中，在得到扩频模型预测的高频变换特征后，对高频变换特征进行解码，得到语音信号的高频部分。最终，可以将窄带语音信号和语音信号的高频部分结合，得到最终的宽带语音信号。
图2c是带噪窄带语音信号分别在时域和频域中的信号示意图，带噪窄带语音信号中包含稳态噪声和非稳态噪声。图2d是通过本公开实施例提供的方案对带噪窄带语音信号进行降噪和频带扩展之后的宽带语音信号分别在时域和频域中的信号示意图，图2d中平稳噪声和非平稳噪声均得到了抑制，实现了对降噪后的语音信号进行频带扩展。
本公开实施例的技术方案，对带噪窄带语音信号进行降噪处理，得到降噪窄带语音信号，进而确定降噪窄带语音信号在变换域中的低频变换特征，并将低频变换特征输入至扩频模型中，得到扩频模型所预测的高频变换特征，在进行频带扩展之前先进行降噪，可以在噪声场景下实现对语音信号的频带扩展，提高扩频得到的宽带语音信号的质量。
图3a是本公开实施例中的一种频带扩展方法的示意图，在上述实施例的基础上进一步细化，提供了根据高频变换特征，确定宽带语音信号之后的具体步骤。下面结合图3a对本公开实施例提供的一种频带扩展方法进行说明，包括以下：
S310、对带噪窄带语音信号进行降噪处理，得到降噪窄带语音信号。
S320、确定降噪窄带语音信号在变换域中的低频变换特征，并对低频变换特征进行频带扩展，得到高频变换特征。
S330、根据高频变换特征，确定宽带语音信号。
S340、对宽带语音信号进行噪声估计，得到估计噪声。
在对带噪窄带语音信号进行降噪处理，得到降噪窄带语音信号之后，进一步对降噪窄带语音信号进行扩频，得到宽带语音信号。但由于宽带语音信号是基于降噪窄带语音信号预测的，预测过程可能会产生噪声。具体的，可以体现为宽带语音信号中包含持续的稳态噪声。
本公开实施例中，为了对预测过程中产生的噪声进行抑制，可以进一步通过噪声抑制算法，对宽带语音信号进行噪声估计，得到估计噪声，以便于对宽带语音信号生成过程中产生的信号进行抑制。
S350、基于估计噪声，对宽带语音信号进行噪声抑制。
本公开实施例中，在得到基于宽带语音信号的估计噪声后，可以基于估计噪声，对宽带语音信号进行噪声抑制，进一步提高扩频后的语音信号的质量，进而提升通讯用户体验。
S360、通过动态增益控制算法，对宽带语音信号进行均衡处理。
本公开实施例中，对降噪窄带语音信号进行扩频时，还可能出现部分语段高频成分过强，降低用户通话体验。因此，可以进一步通过动态增益控制算法，对宽带语音信号进行均衡处理，使得宽带语音信号中的高频成分更加均衡，进一步提升了语音信号的质量。
图3b是对带噪窄带语音信号进行降噪和频带扩展之后的宽带语音信号分别在时域和频域中的信号示意图。可以看到，图3b中包含一些在进行频带扩展时产生的噪声，并且部分高频成分过强，这些均会影响用户的通话体验。图3c是对生成的宽带语音信号进行噪声抑制和动态增益控制后的宽带语音信号在时域和频域中的信号示意图。图3c中，频带扩展时产生的噪声得到了抑制，并且对于高频成分过强的部分进行了均衡处理，进一步提高了宽带语音信号的质量。
本公开实施例的技术方案，对带噪窄带语音信号进行降噪处理，得到降噪窄带语音信号，进而确定降噪窄带语音信号在变换域中的低频变换特征，并对低频变换特征进行频带扩展，得到高频变换特征，根据高频变换特征，确定宽带语音信号。进一步的，对宽带语音信号进行噪声估计，得到估计噪声，并基于估计噪声，对宽带语音信号进行噪声抑制，并且通过动态增益控制算法，对宽带语音信号进行均衡处理。一方面，在进行频带扩展之前先进行降噪，可以在噪声场景下实现对语音信号的频带扩展，另一方面，对扩频得到的宽带语音信号进行进一步的噪声抑制和信号均衡处理，可以去除生成高频部分时产生的噪声，使得高频成分更加均匀，进一步提升宽带语音信号质量。
根据本公开的实施例，图4是本公开实施例中的频带扩展装置的结构图，本公开实施例适用于在降噪处理的基础上进行频带扩展的情况。该装置采用软件和/或硬件实现，并具体配置于具备一定数据运算能力的电子设备中。
如图4所示的一种频带扩展装置400，包括：语音降噪模块410、频带扩展模块420和宽带语音信号确定模块430；其中，
语音降噪模块410，用于对带噪窄带语音信号进行降噪处理，得到降噪窄带语音信号；
频带扩展模块420，用于确定所述降噪窄带语音信号在变换域中的低频变换特征，并对所述低频变换特征进行频带扩展，得到高频变换特征；
宽带语音信号确定模块430，用于根据所述高频变换特征，确定宽带语音信号。
本公开实施例的技术方案，首先对带噪窄带语音信号进行降噪处理，进而确定降噪处理后的降噪窄带语音信号在变换域中的低频变换特征，并对低频变换特征进行频带扩展，得到高频变换特征，最终根据高频变换特征，确定宽带语音信号，可以在噪声场景下实现对语音信号的频带扩展。
进一步的，频带扩展模块420，具体用于：
将所述低频变换特征输入至扩频模型中，得到所述扩频模型所预测的高频变换特征；所述扩频模型包括至少一层残差块；所述残差块中包含空洞卷积神经网络。
进一步的，语音降噪模块410，包括：
第一频谱确定单元，用于确定所述带噪窄带语音信号的第一频谱；所述第一频谱包括第一幅度谱和相位谱；
频域特征数据确定单元，用于将所述第一幅度谱中各频点的幅度值转换到对数域，得到所述带噪窄带语音信号匹配的频域特征数据；
语音降噪单元，用于基于所述频域特征数据，对所述带噪窄带语音信号进行降噪处理，得到降噪窄带语音信号。
进一步的，语音降噪单元，具体用于：
根据所述频域特征数据，确定与所述幅度谱中各频点对应的掩膜值；
基于所述掩膜值，对所述第一幅度谱中对应频点的幅度值进行调节，得到第二幅度谱；
基于所述第二幅度谱和所述相位谱，确定降噪后的第二频谱；
根据所述第二频谱，确定降噪窄带语音信号。
进一步的，所述空洞卷积神经网络中的归一化层采用权重归一化方式进行特征归一化操作。
进一步的，频带扩展装置400，还包括：
噪声估计模块，用于在根据所述高频变换特征，确定宽带语音信号之后，对所述宽带语音信号进行噪声估计，得到估计噪声；
噪声抑制模块，用于基于所述估计噪声，对所述宽带语音信号进行噪声抑制。
进一步的，频带扩展装置400，还包括：
信号均衡处理模块，用于通过动态增益控制算法，对所述宽带语音信号进行均衡处理。
本公开实施例所提供的频带扩展装置可执行本公开任意实施例所提供的频带扩展方法，具备执行方法相应的功能模块和有益效果。
本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如频带扩展方法。例如，在一些实施例中，频带扩展方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的频带扩展方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行频带扩展方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
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。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (17)
1.一种频带扩展方法，包括：
对带噪窄带语音信号进行降噪处理，得到降噪窄带语音信号；
确定所述降噪窄带语音信号在变换域中的低频变换特征，并对所述低频变换特征进行频带扩展，得到高频变换特征；
根据所述高频变换特征，确定宽带语音信号。
2.根据权利要求1所述的方法，其中，所述对所述低频变换特征进行频带扩展，得到高频变换特征，包括：
将所述低频变换特征输入至扩频模型中，得到所述扩频模型所预测的高频变换特征；所述扩频模型包括至少一层残差块；所述残差块中包含空洞卷积神经网络。
3.根据权利要求1所述的方法，其中，所述对带噪窄带语音信号进行降噪处理，得到降噪窄带语音信号，包括：
确定所述带噪窄带语音信号的第一频谱；所述第一频谱包括第一幅度谱和相位谱；
将所述第一幅度谱中各频点的幅度值转换到对数域，得到所述带噪窄带语音信号匹配的频域特征数据；
基于所述频域特征数据，对所述带噪窄带语音信号进行降噪处理，得到降噪窄带语音信号。
4.根据权利要求3所述的方法，其中，所述基于所述频域特征数据，对所述带噪窄带语音信号进行降噪处理，得到降噪窄带语音信号，包括：
根据所述频域特征数据，确定与所述幅度谱中各频点对应的掩膜值；
基于所述掩膜值，对所述第一幅度谱中对应频点的幅度值进行调节，得到第二幅度谱；
基于所述第二幅度谱和所述相位谱，确定降噪后的第二频谱；
根据所述第二频谱，确定降噪窄带语音信号。
5.根据权利要求2所述的方法，其中，所述空洞卷积神经网络中的归一化层采用权重归一化方式进行特征归一化操作。
6.根据权利要求1所述的方法，在根据所述高频变换特征，确定宽带语音信号之后，还包括：
对所述宽带语音信号进行噪声估计，得到估计噪声；
基于所述估计噪声，对所述宽带语音信号进行噪声抑制。
7.根据权利要求1-6中任一所述的方法，在根据所述高频变换特征，确定宽带语音信号之后，还包括：
通过动态增益控制算法，对所述宽带语音信号进行均衡处理。
8.一种频带扩展装置，包括：
语音降噪模块，用于对带噪窄带语音信号进行降噪处理，得到降噪窄带语音信号；
频带扩展模块，用于确定所述降噪窄带语音信号在变换域中的低频变换特征，并对所述低频变换特征进行频带扩展，得到高频变换特征；
宽带语音信号确定模块，用于根据所述高频变换特征，确定宽带语音信号。
9.根据权利要求8所述的装置，其中，所述频带扩展模块，具体用于：
将所述低频变换特征输入至扩频模型中，得到所述扩频模型所预测的高频变换特征；所述扩频模型包括至少一层残差块；所述残差块中包含空洞卷积神经网络。
10.根据权利要求8所述的装置，其中，所述语音降噪模块，包括：
第一频谱确定单元，用于确定所述带噪窄带语音信号的第一频谱；所述第一频谱包括第一幅度谱和相位谱；
频域特征数据确定单元，用于将所述第一幅度谱中各频点的幅度值转换到对数域，得到所述带噪窄带语音信号匹配的频域特征数据；
语音降噪单元，用于基于所述频域特征数据，对所述带噪窄带语音信号进行降噪处理，得到降噪窄带语音信号。
11.根据权利要求10所述的装置，其中，所述语音降噪单元，具体用于：
根据所述频域特征数据，确定与所述幅度谱中各频点对应的掩膜值；
基于所述掩膜值，对所述第一幅度谱中对应频点的幅度值进行调节，得到第二幅度谱；
基于所述第二幅度谱和所述相位谱，确定降噪后的第二频谱；
根据所述第二频谱，确定降噪窄带语音信号。
12.根据权利要求9所述的装置，其中，所述所述空洞卷积神经网络中的归一化层采用权重归一化方式进行特征归一化操作。
13.根据权利要求8所述的装置，还包括：
噪声估计模块，用于在根据所述高频变换特征，确定宽带语音信号之后，对所述宽带语音信号进行噪声估计，得到估计噪声；
噪声抑制模块，用于基于所述估计噪声，对所述宽带语音信号进行噪声抑制。
14.根据权利要求8-13中任一所述的装置，还包括：
信号均衡处理模块，用于通过动态增益控制算法，对所述宽带语音信号进行均衡处理。
15.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的频带扩展方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的频带扩展方法。
17.一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令在被处理器执行时实现根据权利要求1-7中任一项所述的频带扩展方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210315140.2A CN114664319A (zh) | 2022-03-28 | 2022-03-28 | 频带扩展方法、装置、设备、介质及程序产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210315140.2A CN114664319A (zh) | 2022-03-28 | 2022-03-28 | 频带扩展方法、装置、设备、介质及程序产品 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114664319A true CN114664319A (zh) | 2022-06-24 |
Family
ID=82032613
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210315140.2A Pending CN114664319A (zh) | 2022-03-28 | 2022-03-28 | 频带扩展方法、装置、设备、介质及程序产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114664319A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080126082A1 (en) * | 2004-11-05 | 2008-05-29 | Matsushita Electric Industrial Co., Ltd. | Scalable Decoding Apparatus and Scalable Encoding Apparatus |
| US9245538B1 (en) * | 2010-05-20 | 2016-01-26 | Audience, Inc. | Bandwidth enhancement of speech signals assisted by noise reduction |
| CN107705801A (zh) * | 2016-08-05 | 2018-02-16 | 中国科学院自动化研究所 | 语音带宽扩展模型的训练方法及语音带宽扩展方法 |
| CN110556123A (zh) * | 2019-09-18 | 2019-12-10 | 腾讯科技（深圳）有限公司 | 频带扩展方法、装置、电子设备及计算机可读存储介质 |
| CN111312273A (zh) * | 2020-05-11 | 2020-06-19 | 腾讯科技（深圳）有限公司 | 混响消除方法、装置、计算机设备和存储介质 |
| CN113539238A (zh) * | 2020-03-31 | 2021-10-22 | 中国科学院声学研究所 | 一种基于空洞卷积神经网络的端到端语种识别分类方法 |
-
2022
- 2022-03-28 CN CN202210315140.2A patent/CN114664319A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080126082A1 (en) * | 2004-11-05 | 2008-05-29 | Matsushita Electric Industrial Co., Ltd. | Scalable Decoding Apparatus and Scalable Encoding Apparatus |
| US9245538B1 (en) * | 2010-05-20 | 2016-01-26 | Audience, Inc. | Bandwidth enhancement of speech signals assisted by noise reduction |
| CN107705801A (zh) * | 2016-08-05 | 2018-02-16 | 中国科学院自动化研究所 | 语音带宽扩展模型的训练方法及语音带宽扩展方法 |
| CN110556123A (zh) * | 2019-09-18 | 2019-12-10 | 腾讯科技（深圳）有限公司 | 频带扩展方法、装置、电子设备及计算机可读存储介质 |
| CN113539238A (zh) * | 2020-03-31 | 2021-10-22 | 中国科学院声学研究所 | 一种基于空洞卷积神经网络的端到端语种识别分类方法 |
| CN111312273A (zh) * | 2020-05-11 | 2020-06-19 | 腾讯科技（深圳）有限公司 | 混响消除方法、装置、计算机设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109643554B (zh) | 自适应语音增强方法和电子设备 | |
| US20230298610A1 (en) | Noise suppression method and apparatus for quickly calculating speech presence probability, and storage medium and terminal | |
| US8571231B2 (en) | Suppressing noise in an audio signal | |
| JP5183828B2 (ja) | 雑音抑圧装置 | |
| CN111554315B (zh) | 单通道语音增强方法及装置、存储介质、终端 | |
| CN111418010A (zh) | 一种多麦克风降噪方法、装置及终端设备 | |
| CN111968658B (zh) | 语音信号的增强方法、装置、电子设备和存储介质 | |
| CN110634500B (zh) | 一种先验信噪比的计算方法、电子设备及存储介质 | |
| JP5595605B2 (ja) | 音声信号復元装置および音声信号復元方法 | |
| CN112602150B (zh) | 噪声估计方法、噪声估计装置、语音处理芯片以及电子设备 | |
| CN110556125B (zh) | 基于语音信号的特征提取方法、设备及计算机存储介质 | |
| WO2010046954A1 (ja) | 雑音抑圧装置および音声復号化装置 | |
| CN110875049B (zh) | 语音信号的处理方法及装置 | |
| CN104637491A (zh) | 用于内部mmse计算的基于外部估计的snr的修改器 | |
| CN114242098B (zh) | 一种语音增强方法、装置、设备以及存储介质 | |
| CN113539285A (zh) | 音频信号降噪方法、电子装置和存储介质 | |
| CN112491449A (zh) | 声回波消除方法、装置、电子设备和存储介质 | |
| CN113593599A (zh) | 一种去除语音信号中噪声信号的方法 | |
| CN103905656A (zh) | 残留回声的检测方法及装置 | |
| CN113345460A (zh) | 音频信号处理方法、装置、设备及存储介质 | |
| CN114171038B (zh) | 语音降噪方法、装置、设备及存储介质 | |
| CN104637493A (zh) | 改进噪声抑制性能的语音概率存在修改器 | |
| CN114664319A (zh) | 频带扩展方法、装置、设备、介质及程序产品 | |
| CN115662461A (zh) | 降噪模型训练方法、装置以及设备 | |
| CN114360572A (zh) | 语音去噪方法、装置、电子设备及存储介质 |
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 |