CN115223583A - 一种语音增强方法、装置、设备及介质 - Google Patents
一种语音增强方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115223583A CN115223583A CN202210882138.3A CN202210882138A CN115223583A CN 115223583 A CN115223583 A CN 115223583A CN 202210882138 A CN202210882138 A CN 202210882138A CN 115223583 A CN115223583 A CN 115223583A
- Authority
- CN
- China
- Prior art keywords
- voice signal
- pitch
- result
- target
- filtering
- 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 62
- 238000004458 analytical method Methods 0.000 claims abstract description 93
- 238000001914 filtration Methods 0.000 claims abstract description 93
- 238000012545 processing Methods 0.000 claims abstract description 49
- 238000012549 training Methods 0.000 claims abstract description 49
- 230000009467 reduction Effects 0.000 claims abstract description 43
- 230000006870 function Effects 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 17
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000000306 recurrent effect Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims 1
- 238000013135 deep learning Methods 0.000 abstract description 13
- 230000000694 effects Effects 0.000 description 22
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000000605 extraction Methods 0.000 description 7
- 238000001228 spectrum Methods 0.000 description 4
- 230000001629 suppression Effects 0.000 description 4
- 238000009432 framing Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 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
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000037433 frameshift Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000001755 vocal effect Effects 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
- G10L25/12—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being prediction coefficients
-
- 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
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
- G10L25/24—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being the cepstrum
-
- 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)
- 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)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种语音增强方法、装置、设备及介质。语音增强方法,包括:获取预处理语音信号;将预处理语音信号进行频域维纳滤波处理,得到第一滤波语音信号;根据第一滤波语音信号,确定基音分析结果,并根据基音分析结果以及预处理语音信号,确定目标特征;将目标特征输入至完成训练的RNN,得到各目标增益;根据基音分析结果以及预处理语音信号,确定基音滤波结果;根据各目标增益以及基音滤波结果,确定目标降噪语音信号。本发明实施例的技术方案实现传统信号处理理论与深度学习的结合,在不显著增加计算量的前提下,能够有效地抑制噪声。
Description
技术领域
本发明涉及信号处理技术领域,尤其涉及一种语音增强方法、装置、设备及介质。
背景技术
在现实场景中,语音信号会被各种各样的噪声干扰、甚至淹没,从噪声背景中提取有用的语音信号,成为信号处理的研究热点。
噪声的来源众多,因应用场合而异,它们的特性也各不相同。针对不同噪声,采用不同的语音增强对策,传统的RNN(Recurrent Neural Network,循环神经网络)降噪算法的性能主要取决于基音滤波和RNN训练数据集,然而传统的RNN降噪算法的基音分析效果较差,导致降噪效果不理想。
发明内容
本发明提供了一种语音增强方法、装置、设备及介质,实现传统信号处理理论与深度学习的结合,在不显著增加计算量的前提下,能够有效地抑制噪声。
根据本发明的一方面,提供了一种语音增强方法,包括:
获取预处理语音信号;
将预处理语音信号进行频域维纳滤波处理,得到第一滤波语音信号;
根据第一滤波语音信号,确定基音分析结果,并根据基音分析结果以及预处理语音信号,确定目标特征;其中,基音分析结果包括基音周期;
将目标特征输入至完成训练的循环神经网络RNN,得到各目标增益;
根据基音分析结果以及预处理语音信号,确定基音滤波结果;
根据各目标增益以及基音滤波结果,确定目标降噪语音信号。
根据本发明的另一方面,提供了一种语音增强装置,包括:
信号获取模块,用于获取预处理语音信号;
第一滤波语音信号获取模块,用于将预处理语音信号进行频域维纳滤波处理,得到第一滤波语音信号;
目标特征确定模块,用于根据第一滤波语音信号,确定基音分析结果,并根据基音分析结果以及预处理语音信号,确定目标特征;其中,基音分析结果包括基音周期;
目标增益获取模块,用于将目标特征输入至完成训练的RNN,得到各目标增益;
基音滤波结果确定模块,用于根据基音分析结果以及预处理语音信号,确定基音滤波结果;
目标降噪语音信号确定模块,用于根据各目标增益以及基音滤波结果,确定目标降噪语音信号。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
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计算机程序,所述计算机程序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本发明任一实施例所述的语音增强方法。
根据本发明的另一方面,提供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指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的语音增强方法。
本发明实施例的技术方案,通过获取预处理语音信号,从而将预处理语音信号进行频域维纳滤波处理,得到第一滤波语音信号,进而根据第一滤波语音信号,确定基音分析结果,并根据基音分析结果以及预处理语音信号,确定目标特征,进一步将目标特征输入至完成训练的RNN,得到各目标增益,从而根据基音分析结果以及预处理语音信号,确定基音滤波结果,进而根据各目标增益以及基音滤波结果,确定目标降噪语音信号。基音分析结果中的基音周期对降噪效果有直接影响,对预处理语音信号进行频域维纳滤波处理可以提高基音分析结果中基音周期估计的准确性,还不会明显增加计算量。在本方案中获取目标特征属于传统信号处理理论,将传统信号处理理论与深度学习结合,能够在准确估计基音周期的前提下,有效抑制带噪语音中的噪声,起到事半功倍的效果,解决了现有技术中RNN降噪算法的基音分析效果较差,降噪效果不佳的问题,实现传统信号处理理论与深度学习的结合,在不显著增加计算量的前提下,能够有效地抑制噪声。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明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
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的一种语音增强方法的流程图;
图2为本发明实施例二提供的一种语音增强方法的流程图;
图3是本发明实施例二提供的一种语音增强计算流程的示意图;
图4是本发明实施例二提供的一种基音分析中基音分析的流程图;
图5是本发明实施例二提供的一种GRU框架示意图;
图6是本发明实施例二提供的一种RNN结构的示意图;
图7是本发明实施例二提供的一种传统RNN降噪与改进RNN降噪的效果对比图;
图8为本发明实施例三提供的一种语音增强装置的结构示意图;
图9示出了可以用来实施本发明的实施例的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供的一种语音增强方法的流程图,本实施例可适用于有效抑制带噪语音中噪声的情况,该方法可以由语音增强装置来执行,该语音增强装置可以采用硬件和/或软件的形式实现,该语音增强装置可配置于电子设备中。如图1所示,该方法包括:
S110、获取预处理语音信号。
其中,预处理语音信号可以是完成信号预处理的语音信号。
在本发明实施例中,在获取到初始语音信号之后,可以对初始语音信号进行信号预处理,得到预处理语音信号。
S120、将预处理语音信号进行频域维纳滤波处理,得到第一滤波语音信号。
其中,频域维纳滤波处理可以是在频域基于维纳滤波器对特定频段信号进行滤除的操作。第一滤波语音信号可以是对预处理语音信号进行频域维纳滤波处理后的信号。
在本发明实施例中,可以在频域基于维纳滤波器对预处理语音信号进行频域维纳滤波处理,得到第一滤波语音信号。
S130、根据第一滤波语音信号,确定基音分析结果,并根据基音分析结果以及预处理语音信号,确定目标特征。
其中,基音分析结果可以是基于基音分析技术对第一滤波语音信号进行基音分析得到的分析结果。可选的,基音分析结果可以包括基于基音分析技术对第一滤波语音信号进行分析得到的基音周期等。目标特征可以是预处理语音信号具备的信号特征,用于对预处理语音信号进行降噪处理。
在本发明实施例中,可以基于基音检测分析技术对第一滤波语音信号进行基音分析,确定基因分析结果,如基音周期等,进而对基音分析结果以及预处理语音信号进行特征提取,得到目标特征。
S140、将目标特征输入至完成训练的RNN,得到各目标增益。
其中,目标增益可以是RNN的输出结果,用于与频带进行乘积,实现语音信号的降噪。
在本发明实施例中,可以根据语音样本对RNN进行训练,以使完成训练的RNN能够输出语音样本的理想增益,从而将目标特征输入至完成训练的RNN,得到分别与各频带对应的各目标增益。
S150、根据基音分析结果以及预处理语音信号,确定基音滤波结果。
其中,基音滤波结果可以是基于基音分析结果对预处理语音信号进行基音滤波的结果。
在本发明实施例中,可以基于基音分析结果以及基音滤波器,对预处理语音信号进行基音滤波,得到基音滤波结果。
S160、根据各目标增益以及基音滤波结果,确定目标降噪语音信号。
其中,目标降噪语音信号可以是基于目标增益以及基音滤波结果,对预处理语音信号进行噪音消除的结果。
在本发明实施例中,可以将基音滤波结果以及目标增益相结合,确定目标降噪语音信号。
本发明实施例的技术方案,通过获取预处理语音信号,从而将预处理语音信号进行频域维纳滤波处理,得到第一滤波语音信号,进而根据第一滤波语音信号,确定基音分析结果,并根据基音分析结果以及预处理语音信号,确定目标特征,进一步将目标特征输入至完成训练的RNN,得到各目标增益,从而根据基音分析结果以及预处理语音信号,确定基音滤波结果,进而根据目标增益以及基音滤波结果,确定目标降噪语音信号。基音分析结果中的基音周期对降噪效果有直接影响,对预处理语音信号进行频域维纳滤波处理可以提高基音分析结果中基音周期估计的准确性,还不会明显增加计算量。在本方案中获取目标特征属于传统信号处理理论,将传统信号处理理论与深度学习结合,能够在准确估计基音周期的前提下,有效抑制带噪语音中的噪声,起到事半功倍的效果,解决了现有技术中RNN降噪算法的基音分析效果较差,降噪效果不佳的问题,实现传统信号处理理论与深度学习的结合,在不显著增加计算量的前提下,能够有效地抑制噪声。
实施例二
图2为本发明实施例二提供的一种语音增强方法的流程图,本实施例以上述实施例为基础进行具体化,给出了获取预处理语音信号的具体的可选的实施方式,如图2所示,该方法包括:
S210、获取待处理语音信号以及窗函数。
其中,待处理语音信号可以是需要进行噪音消除的语音信号,可以作为初始语音信号。窗函数可以用于对语音帧进行分析和合成。示例性的,窗函数可以包括VorbisWindow等,定义为其中N为窗长,n为线性线性序列长度,ω(n)表示窗函数序列。本发明实施例并不对窗函数的类型进行限定,满足Princen-Bradley准则即可。
在本发明实施例中,可以先获取待处理语音信号,进而根据语音帧分析和合成的需要选择窗函数。
S220、根据窗函数,对待处理语音信号进行重叠加窗处理,得到重叠加窗语音信号。
其中,重叠加窗语音信号可以是完成重叠加窗处理的待处理语音信号。
在本发明实施例中,可以根据选择的窗函数对待处理语音信号进行重叠加窗处理,即对待处理语音信号进行分帧,得到分帧信号,并将分帧信号与窗函数相乘,得到重叠加窗语音信号。
S230、对重叠加窗语音信号进行傅里叶变换,得到预处理语音信号。
在本发明实施例中,可以基于快速傅里叶变换算法对对重叠加窗语音信号进行傅里叶变换,得到预处理语音信号。
S240、将预处理语音信号进行频域维纳滤波处理,得到第一滤波语音信号。
S250、根据第一滤波语音信号,确定基音分析结果,并根据基音分析结果以及预处理语音信号,确定目标特征。
在本发明的一个可选实施例中,根据第一滤波语音信号,确定基音分析结果,可以包括:对第一滤波语音信号进行傅里叶逆变换,得到第一逆变换结果,并对第一逆变换结果进行重叠相加处理,得到第一重叠相加结果;将第一重叠相加结果进行基音分析,得到基音分析结果。
其中,第一逆变换结果可以是第一滤波语音信号进行傅里叶逆变换的变换结果。第一重叠相加结果可以是对第一逆变换结果的信号帧,按照重叠区域进行重叠相加的结果。
在本发明实施例中,可以基于快速傅里叶逆变换函数,对第一滤波语音信号进行傅里叶逆变换,得到第一逆变换结果,进而获取第一逆变换结果信号帧的重叠区域,从而按照信号帧的重叠区域,对第一逆变换结果进行重叠相加处理,得到第一重叠相加结果。在得到第一重叠相加结果之后,可以基于基音分析技术对第一重叠相加结果进行基音分析,得到基音分析结果。
在本发明的一个可选实施例中,根据基音分析结果以及预处理语音信号,确定目标特征,可以包括:获取预处理语音信号的巴克频率倒谱系数,以及巴克频率倒谱系数在时域的一阶导数和二阶导数;计算预处理语音信号频带上基音相关度的离散余弦变换系数;根据基音分析结果,确定基音周期以及基音平稳度;根据巴克频率倒谱系数、巴克频率倒谱系数在时域的一阶导数以及二阶导数、离散余弦变换系数、基音周期以及基音平稳度,确定目标特征。
其中,基音相关度可以是基音信号与基音延迟信号在频带的相似度。基音平稳度可以是表征基音平稳程度的数据。
在本发明实施例中,可以将预处理语音信号的对数频谱进行离散余弦变换,得到巴克频率倒谱系数,进而计算巴克频率倒谱系数在时域的一阶导数以及二阶导数,进一步对基音分析结果进行数据解析,确定基音周期以及基音平稳度,从而分别从巴克频率倒谱系数在时域的一阶导数以及二阶导数、离散余弦变换系数中选择一定数量的数据,并将选择出的数据、巴克频率倒谱系数、基音周期以及基音平稳度作为目标特征。
S260、将目标特征输入至完成训练的RNN,得到各目标增益。
在本发明的一个可选实施例中,在将目标特征输入至完成训练的RNN之前,还可以包括:根据纯净语音信号以及预配置噪音,生成训练语音数据;基于训练语音数据对预训练RNN进行训练,确定模型参数数表;根据模型参数数表以及预训练RNN,确定完成训练的RNN。
其中,纯净语音信号可以是未添加噪音的语音信号。示例性的,可以从McGill TSP语音数据库,和/或用于语音测量的NTT多语言语音数据库中选取纯净语音信号。预配置噪音可以是基于噪音源获取的噪音。训练语音数据可以是用于训练RNN的语音特征样本。预训练RNN可以是未进行训练的RNN。模型参数数表可以是RNN权重参数的数表。
在本发明实施例中,可以从各种噪音源中获取预配置噪音,并将纯净语音信号以及预配置噪音以所需的信噪比进行混音,从而对混音进行特征提取,得到训练语音数据,从而将与训练语音数据输入至预训练RNN,通过训练语音数据对预训练RNN进行训练,得到模型参数,从而将模型参数以数表形式进行存储,得到模型参数数表,进而利用模型参数数表对预训练RNN,进行参数配置,生成完成训练的RNN。
可选的,可以使用如下损失函数进行训练:
在本发明的一个可选实施例中,在将目标特征输入至完成训练的RNN,得到各目标增益之后,还可以包括:获取待插值频带;按照各待插值频带,对各目标增益依次进行线性插值,得到线性插值结果。
其中,待插值频带可以是需要根据目标增益进行信号处理的频带。线性插值结果可以是目标增益进行线性插值的结果。
在本发明实施例中,可以先确定与预处理语音信号匹配的待插值频带,进而分别确定与各待插值频带对应的目标增益,从而依次对各待插值频带,按照与待插值频带对应的目标增益进行线性插值,得到线性插值结果。
S270、根据基音分析结果以及预处理语音信号,确定基音滤波结果。
S280、根据各目标增益以及基音滤波结果,确定目标降噪语音信号。
在本发明的一个可选实施例中,根据各目标增益以及所述基音滤波结果,确定目标降噪语音信号,可以包括:根据基音滤波结果以及线性插值结果,确定目标待处理语音信号;对目标待处理语音信号进行傅里叶逆变换,得到第二逆变换结果,并对第二逆变换结果进行重叠相加处理,得到第二重叠相加结果;将第二重叠相加结果,作为目标降噪语音信号。
其中,目标待处理语音信号可以是根据基音滤波结果以及线性插值结果确定的语音信号。第二逆变换结果可以是目标待处理语音信号的傅里叶逆变换结果。第二重叠相加结果可以是对第二逆变换结果的信号帧,按照重叠区域进行重叠相加的结果。
在本发明实施例中,可以根据基音滤波结果以及线性插值结果,计算目标待处理语音信号,从而对目标待处理语音信号进行傅里叶逆变换,得到第二逆变换结果,并获取第二逆变换结果的重叠区域,从而按照信号帧的重叠区域,对第二逆变换结果进行重叠相加处理,得到第二重叠相加结果,最终将第二重叠相加结果作为目标降噪语音信号。
图3是本发明实施例二提供的一种语音增强计算流程的示意图,如图3所示,在降噪时需要精细调整的部分使用RNN深度学习方法,而其他部分使用传统信号处理方法,待处理语音信号作为流程输入,进而对输入进行重叠加窗处理以及FFT(fast Fouriertransform,快速傅里叶变换),得到预处理语音信号,从而对预处理语音信号进行频域维纳滤波处理、IFFT(Inverse Fast Fourier Transform,快速傅里叶逆变换)、重叠相加处理,得到第一重叠相加结果,并对第一重叠相加结果进行基音分析(如基音估计等),得到基音分析结果。基音分析结果一方面用于进行特征提取,并一方面用于进行基音滤波。具体的,可以从预处理语音信号以及基音分析结果中进行特征提取,得到目标特征,并将目标特征输入至训练完成的RNN,进一步将RNN输出的目标增益进行增益插值(即对目标增益进行线性插值),得到线性插值结果。在根据基音分析结果对预处理语音信号进行基音滤波,得到基音滤波结果之后,将基音滤波结果以及线性插值结果相结合,得到目标待处理语音信号,从而对目标待处理语音信号进行IFFT以及重叠相加处理,得到目标降噪语音信号,最终将目标降噪语音信号进行输出。
在IFFT中,频带划分选择Bark scale,相应的变换也在倒谱域进行。对于频域信号X(k),某一个频带的能量为E(b)=∑kωb(k)|X(k)|2,每一个频带增益定义为其中Es(b)是纯净语音信号的频带能量,Ex(b)是带噪语音的频带能量,降噪就是对理想增益进行插值然后将每个r(k)作用于第k个频点上。
图4是本发明实施例二提供的一种基音分析中基音分析的流程图,如图4所示,首先进行低通滤波和降采样操作,进而对数据求自相关,利用平方最小法进行线性预测分析得到线性预测系数,作用于低通滤波后的信号(A(z,m))得到了LPC残差,此残差便是计算得到的声带原始激励信号。对残差求自相关,进而利用周期检测函数求出基音周期。
当特征提取采用Bark scale进行处理,会带来一定的平滑效果,使共振峰凸显效果变弱,因而需要使用一个基音滤波器对共振峰进行加强。在两段语音有着相似的共振峰时,两者的噪声谱的相关程度就相对弱一些,因而可以求和加强共振峰。利用梳状滤波器来抑制谐波之间的噪声。每个频带的滤波器系数记为αb,X(k)表示基音信号DFT(离散傅里叶变换)变换后的信号,用P(k)表示基音延迟信号x(n-pindex)进行DFT变换后的信号,基音周期为pindex,滤波操计算X(k)+αbP(k),其中, 为x(n)和x(n-pindex)在频带b上的基音相关度。
在本发明实施例中,特征提取时可以将预处理语音信号的对数频谱进行离散余弦变换,得到18个巴克频率倒谱系数(BFCC),计算前6个巴克频率倒谱系数在时域上的一阶导数以及二阶导数,并计算整个频带上基音相关度的离散余弦变换系数,将18个巴克频率倒谱系数、前6个离散余弦变换系数、前6个巴克频率倒谱系数在时域上的一阶导数以及二阶导数、基音周期以及基音平稳度作为目标特征,共得到38维特征。
将提取出的38维特征输入至RNN,输出18维目标增益对于Bark scale每个频带,语音越纯净,越大,对于含噪语音,给每个频带乘以增益,便可以增强语音、抑制噪声。插值方式:第b个频带的增益为采用线性插值,对于每个频带做类似操作。
在本实施例中,RNN使用GRU网络优于LSTM框架,GRU框架如图5所示,通过上一个传输下来的状态ht-1和当前节点的输入xt来获取两个门控状态:
更新门zt=σ(Wz·[ht-1,xt])
重置门rt=σ(Wr·[ht-1,xt])
重置门决定了如何将新的输入信息与前面的记忆相结合,更新门定义了前面记忆保存到当前时间步的量。σ为sigmoid函数,这个函数可以将数据变换为0-1范围内的数值,充当门控信号。候选隐藏层状态:
其中ht-1包含了过去的信息,rt为重置门,*为按元素相乘,则最终隐藏状态:
其中ht-1包含了过去的信息,rt为重置门,*为按元素相乘。则最终隐藏状态:
RNN结构如下图6所示,训练就是计算矩阵的系数,可根据不同场景录制特定的语音和噪声的特征来训练数据,训练好的系数直接存成数表。参与训练的数据集可以来自不同场景的噪声和语音。模型参数数表大概400KB,16KHz采样下,总的运算量25Mips。
在本发明实施例中可以使用训练集中未使用的语音和噪声数据测试噪声抑制的质量,在进行如图3所示的语音增强计算流程时,基于具有50%混叠(10ms帧移)的20ms窗口,分析和合成使用相同的Vorbis窗函数,对频域维纳滤波处理后的信号,进行分析提取基音周期,进而可以获取RNN的输入特征,大部分噪声是使用RNN计算的增益实现抑制的,而使用FIR滤波器进行基音滤波,还可以去除基音谐波间的噪声。稳态噪声条件下,针对同一段纯净语音,输入不同信噪比时,分别计算其加入频域维纳滤波和不加入频域维纳滤波时进行RNN降噪后的信噪比,如图7所示,单纯频域维纳滤波即传统RNN降噪可实现信噪比提升1.15dB,频域维纳滤波和RNN降噪相结合即改进RNN降噪,所贡献的信噪比提升2.5dB-2.7dB,在传统方法的基础上增加了单通道频域维纳滤波,对噪声抑制起到了事半功倍的效果。传统的深度学习方法受限于数据集和模型的高要求,运算量都比较大。本方案可基于人的听觉感知在Bark域进行频谱划分和特征提取,所需要训练参数少,降低了运算量,是可实时的噪声抑制方法,并且基于深度学习的语音增强算法噪声抑制效果依赖于训练数据集,可根据不同场景录制特定的语音和噪声来训练数据,有针对性的抑制背景噪声。
本发明实施例的技术方案,通过获取待处理语音信号以及窗函数,进而根据窗函数,对待处理语音信号进行重叠加窗处理,得到重叠加窗语音信号,从而对重叠加窗语音信号进行傅里叶变换,得到预处理语音信号,实现对待处理语音信号中干扰的抑制,进一步将预处理语音信号进行频域维纳滤波处理,得到第一滤波语音信号,从而根据第一滤波语音信号,确定基音分析结果,并根据基音分析结果以及预处理语音信号,确定目标特征,并将目标特征输入至完成训练的RNN,得到各目标增益,从而根据基音分析结果以及预处理语音信号,确定基音滤波结果,进而根据各目标增益以及基音滤波结果,确定目标降噪语音信号。基音分析结果中的基音周期对降噪效果有直接影响,对预处理语音信号进行频域维纳滤波处理可以提高基音分析结果中基音周期估计的准确性,还不会明显增加计算量。在本方案中获取目标特征属于传统信号处理理论,将传统信号处理理论与深度学习结合,能够在准确估计基音周期的前提下,有效抑制带噪语音中的噪声,起到事半功倍的效果,解决了现有技术中RNN降噪算法的基音分析效果较差,降噪效果不佳的问题,实现传统信号处理理论与深度学习的结合,在不显著增加计算量的前提下,能够有效地抑制噪声。
需要说明的是,本案中未详尽介绍部分(如本发明实施例中的公式部分等)为本领域的公知常识。
实施例三
图8为本发明实施例三提供的一种语音增强装置的结构示意图。如图8所示,该装置包括:信号获取模块310、第一滤波语音信号获取模块320、目标特征确定模块330、目标增益获取模块340、基音滤波结果确定模块350以及目标降噪语音信号确定模块360,其中,
信号获取模块310,用于获取预处理语音信号;
第一滤波语音信号获取模块320,用于将预处理语音信号进行频域维纳滤波处理,得到第一滤波语音信号;
目标特征确定模块330,用于根据第一滤波语音信号,确定基音分析结果,并根据基音分析结果以及预处理语音信号,确定目标特征;其中,基音分析结果包括基音周期;
目标增益获取模块340,用于将目标特征输入至完成训练的RNN,得到各目标增益;
基音滤波结果确定模块350,用于根据基音分析结果以及预处理语音信号,确定基音滤波结果;
目标降噪语音信号确定模块360,用于根据目标增益以及基音分析结果,确定目标降噪语音信号。
本发明实施例的技术方案,通过获取预处理语音信号,从而将预处理语音信号进行频域维纳滤波处理,得到第一滤波语音信号,进而根据第一滤波语音信号,确定基音分析结果,并根据基音分析结果以及预处理语音信号,确定目标特征,进一步将目标特征输入至完成训练的RNN,得到各目标增益,从而根据基音分析结果以及预处理语音信号,确定基音滤波结果,进而根据各目标增益以及基音滤波结果。基音分析结果中的基音周期对降噪效果有直接影响,对预处理语音信号进行频域维纳滤波处理可以提高基音分析结果中基音周期估计的准确性,还不会明显增加计算量。在本方案中获取目标特征属于传统信号处理理论,将传统信号处理理论与深度学习结合,能够在准确估计基音周期的前提下,有效抑制带噪语音中的噪声,起到事半功倍的效果,解决了现有技术中RNN降噪算法的基音分析效果较差,降噪效果不佳的问题,实现传统信号处理理论与深度学习的结合,在不显著增加计算量的前提下,能够有效地抑制噪声。
可选的,信号获取模块310,用于获取待处理语音信号以及窗函数;根据所述窗函数,对所述待处理语音信号进行重叠加窗处理,得到重叠加窗语音信号;对所述重叠加窗语音信号进行傅里叶变换,得到所述预处理语音信号。
可选的,目标特征确定模块330包括基音分析结果确定单元,用于对所述第一滤波语音信号进行傅里叶逆变换,得到第一逆变换结果,并对所述第一逆变换结果进行重叠相加处理,得到第一重叠相加结果;将所述第一重叠相加结果进行基音分析,得到所述基音分析结果。
可选的,目标特征确定模块330包括特征确定单元,用于获取所述预处理语音信号的巴克频率倒谱系数,以及所述巴克频率倒谱系数在时域的一阶导数和二阶导数;计算所述预处理语音信号频带上基音相关度的离散余弦变换系数;根据所述基音分析结果,确定基音周期以及基音平稳度;根据所述巴克频率倒谱系数、所述巴克频率倒谱系数在时域的一阶导数以及二阶导数、所述离散余弦变换系数、所述基音周期以及所述基音平稳度,确定所述目标特征。
可选的,语音增强装置还包括线性插值结果确定模块,用于获取待插值频带;按照各待插值频带,对各目标增益依次进行线性插值,得到线性插值结果。
可选的,目标降噪语音信号确定模块360,用于根据所述基音滤波结果以及所述线性插值结果,确定目标待处理语音信号;对所述目标待处理语音信号进行傅里叶逆变换,得到第二逆变换结果,并对所述第二逆变换结果进行重叠相加处理,得到第二重叠相加结果;将所述第二重叠相加结果,作为所述目标降噪语音信号。
可选的,语音增强装置还包括RNN训练模块,用于根据纯净语音信号以及预配置噪音,生成训练语音数据;基于所述训练语音数据对预训练RNN进行训练,确定模型参数数表;根据所述模型参数数表以及所述预训练RNN,确定所述完成训练的RNN。
本发明实施例所提供的语音增强装置可执行本发明任意实施例所提供的语音增强方法,具备执行方法相应的功能模块和有益效果。
实施例四
图9示出了可以用来实施本发明的实施例的电子设备的结构示意图。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(如头盔、眼镜、手表等)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/或者要求的本发明的实现。
如图9所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10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。
处理器11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。处理器11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处理器、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。处理器11执行上文所描述的各个方法和处理,例如语音增强方法。
在一些实施例中,语音增强方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的语音增强方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行语音增强方法。
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、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)、负载可编程逻辑设备(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。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序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,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序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。
在本发明的上下文中,计算机可读存储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计算机程序。计算机可读存储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。备选地,计算机可读存储介质可以是机器可读信号介质。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,可以在电子设备上实施此处描述的系统和技术,该电子设备具有: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电子设备。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)、区块链网络和互联网。
计算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,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
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,本发明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,只要能够实现本发明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,并不构成对本发明保护范围的限制。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。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种语音增强方法,其特征在于,包括:
获取预处理语音信号;
将所述预处理语音信号进行频域维纳滤波处理,得到第一滤波语音信号;
根据第一滤波语音信号,确定基音分析结果,并根据所述基音分析结果以及所述预处理语音信号,确定目标特征;其中,基音分析结果包括基音周期;
将所述目标特征输入至完成训练的循环神经网络RNN,得到各目标增益;
根据所述基音分析结果以及所述预处理语音信号,确定基音滤波结果;
根据各目标增益以及所述基音滤波结果,确定目标降噪语音信号。
2.根据权利要求1所述的方法,其特征在于,获取预处理语音信号,包括:
获取待处理语音信号以及窗函数;
根据所述窗函数,对所述待处理语音信号进行重叠加窗处理,得到重叠加窗语音信号;
对所述重叠加窗语音信号进行傅里叶变换,得到所述预处理语音信号。
3.根据权利要求1所述的方法,其特征在于,根据第一滤波语音信号,确定基音分析结果,包括:
对所述第一滤波语音信号进行傅里叶逆变换,得到第一逆变换结果,并对所述第一逆变换结果进行重叠相加处理,得到第一重叠相加结果;
将所述第一重叠相加结果进行基音分析,得到所述基音分析结果。
4.根据权利要求1所述的方法,其特征在于,根据所述基音分析结果以及所述预处理语音信号,确定目标特征,包括:
获取所述预处理语音信号的巴克频率倒谱系数,以及所述巴克频率倒谱系数在时域的一阶导数和二阶导数;
计算所述预处理语音信号频带上基音相关度的离散余弦变换系数;
根据所述基音分析结果,确定基音周期以及基音平稳度;
根据所述巴克频率倒谱系数、所述巴克频率倒谱系数在时域的一阶导数以及二阶导数、所述离散余弦变换系数、所述基音周期以及所述基音平稳度,确定所述目标特征。
5.根据权利要求1所述的方法,其特征在于,在将所述目标特征输入至完成训练的RNN,得到各目标增益之后,还包括:
获取待插值频带;
按照各待插值频带,对各目标增益依次进行线性插值,得到线性插值结果。
6.根据权利要求5所述的方法,其特征在于,根据各目标增益以及所述基音滤波结果,确定目标降噪语音信号,包括:
根据所述基音滤波结果以及所述线性插值结果,确定目标待处理语音信号;
对所述目标待处理语音信号进行傅里叶逆变换,得到第二逆变换结果,并对所述第二逆变换结果进行重叠相加处理,得到第二重叠相加结果;
将所述第二重叠相加结果,作为所述目标降噪语音信号。
7.根据权利要求1所述的方法,其特征在于,在将所述目标特征输入至完成训练的RNN之前,还包括:
根据纯净语音信号以及预配置噪音,生成训练语音数据;
基于所述训练语音数据对预训练RNN进行训练,确定模型参数数表;
根据所述模型参数数表以及所述预训练RNN,确定所述完成训练的RNN。
8.一种语音增强装置,其特征在于,包括:
信号获取模块,用于获取预处理语音信号;
第一滤波语音信号获取模块,用于将所述预处理语音信号进行频域维纳滤波处理,得到第一滤波语音信号;
目标特征确定模块,用于根据第一滤波语音信号,确定基音分析结果,并根据所述基音分析结果以及所述预处理语音信号,确定目标特征;其中,基音分析结果包括基音周期;
目标增益获取模块,用于将所述目标特征输入至完成训练的RNN,得到各目标增益;
基音滤波结果确定模块,用于根据所述基音分析结果以及所述预处理语音信号,确定基音滤波结果;
目标降噪语音信号确定模块,用于根据各目标增益以及所述基音滤波结果,确定目标降噪语音信号。
9.一种电子设备,其特征在于,所述电子设备包括:
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计算机程序,所述计算机程序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中任一项所述的语音增强方法。
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指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的语音增强方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210882138.3A CN115223583A (zh) | 2022-07-26 | 2022-07-26 | 一种语音增强方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210882138.3A CN115223583A (zh) | 2022-07-26 | 2022-07-26 | 一种语音增强方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115223583A true CN115223583A (zh) | 2022-10-21 |
Family
ID=83614526
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210882138.3A Pending CN115223583A (zh) | 2022-07-26 | 2022-07-26 | 一种语音增强方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115223583A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116612778A (zh) * | 2023-07-18 | 2023-08-18 | 腾讯科技(深圳)有限公司 | 回声及噪声抑制方法、相关装置和介质 |
CN117854536A (zh) * | 2024-03-09 | 2024-04-09 | 深圳市龙芯威半导体科技有限公司 | 一种基于多维语音特征组合的rnn降噪方法及系统 |
CN117854536B (zh) * | 2024-03-09 | 2024-06-07 | 深圳市龙芯威半导体科技有限公司 | 一种基于多维语音特征组合的rnn降噪方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110120225A (zh) * | 2019-04-01 | 2019-08-13 | 西安电子科技大学 | 一种基于gru网络的结构的音频降噪系统及方法 |
CN111261183A (zh) * | 2018-12-03 | 2020-06-09 | 珠海格力电器股份有限公司 | 一种语音去噪的方法及装置 |
CN113450816A (zh) * | 2021-06-16 | 2021-09-28 | 合肥三恩信息科技有限公司 | 一种基于深度神经网络的语音主动降噪方法 |
-
2022
- 2022-07-26 CN CN202210882138.3A patent/CN115223583A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111261183A (zh) * | 2018-12-03 | 2020-06-09 | 珠海格力电器股份有限公司 | 一种语音去噪的方法及装置 |
CN110120225A (zh) * | 2019-04-01 | 2019-08-13 | 西安电子科技大学 | 一种基于gru网络的结构的音频降噪系统及方法 |
CN113450816A (zh) * | 2021-06-16 | 2021-09-28 | 合肥三恩信息科技有限公司 | 一种基于深度神经网络的语音主动降噪方法 |
Non-Patent Citations (1)
Title |
---|
JEAN-MARC VALIN,ET AL.: "A Hybrid DSP/Deep Learning Approach to Real-Time Full-Band Speech Enhancement", 《2018 IEEE 20TH INTERNATIONAL WORKSHOP ON MULTIMEDIA SIGNAL PROCESSING (MMSP)》, 29 November 2018 (2018-11-29), pages 1 - 5 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116612778A (zh) * | 2023-07-18 | 2023-08-18 | 腾讯科技(深圳)有限公司 | 回声及噪声抑制方法、相关装置和介质 |
CN116612778B (zh) * | 2023-07-18 | 2023-11-14 | 腾讯科技(深圳)有限公司 | 回声及噪声抑制方法、相关装置和介质 |
CN117854536A (zh) * | 2024-03-09 | 2024-04-09 | 深圳市龙芯威半导体科技有限公司 | 一种基于多维语音特征组合的rnn降噪方法及系统 |
CN117854536B (zh) * | 2024-03-09 | 2024-06-07 | 深圳市龙芯威半导体科技有限公司 | 一种基于多维语音特征组合的rnn降噪方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106486131B (zh) | 一种语音去噪的方法及装置 | |
Lim et al. | All-pole modeling of degraded speech | |
US7313518B2 (en) | Noise reduction method and device using two pass filtering | |
Weninger et al. | Single-channel speech separation with memory-enhanced recurrent neural networks | |
Goh et al. | Kalman-filtering speech enhancement method based on a voiced-unvoiced speech model | |
CN108172231B (zh) | 一种基于卡尔曼滤波的去混响方法及系统 | |
CN109256144B (zh) | 基于集成学习与噪声感知训练的语音增强方法 | |
CN111261183B (zh) | 一种语音去噪的方法及装置 | |
US7957964B2 (en) | Apparatus and methods for noise suppression in sound signals | |
JP4586577B2 (ja) | 外乱成分抑圧装置、コンピュータプログラム、及び音声認識システム | |
JP2003337594A (ja) | 音声認識装置、その音声認識方法及びプログラム | |
Saleem et al. | Deepresgru: residual gated recurrent neural network-augmented kalman filtering for speech enhancement and recognition | |
CN112735456A (zh) | 一种基于dnn-clstm网络的语音增强方法 | |
CN111429932A (zh) | 语音降噪方法、装置、设备及介质 | |
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 | |
CN110875049A (zh) | 语音信号的处理方法及装置 | |
CN116013344A (zh) | 一种多种噪声环境下的语音增强方法 | |
Labied et al. | An overview of automatic speech recognition preprocessing techniques | |
CN115223583A (zh) | 一种语音增强方法、装置、设备及介质 | |
Poovarasan et al. | Speech enhancement using sliding window empirical mode decomposition and hurst-based technique | |
JP2014532891A (ja) | オーディオ信号ノイズ減衰 | |
Astudillo et al. | Uncertainty propagation | |
Schmidt et al. | Reduction of non-stationary noise using a non-negative latent variable decomposition | |
US20150162014A1 (en) | Systems and methods for enhancing an audio signal | |
Chen | Noise reduction of bird calls based on a combination of spectral subtraction, Wiener filtering, and Kalman filtering |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Room 102, Building 16, No. 77 Jinshajiang Road, Huangdao District, Qingdao City, Shandong Province, 266499 Applicant after: Chenxin Technology Co.,Ltd. Applicant after: Chen core technology Co.,Ltd. Address before: 266500 No. 687, Binhai street, Huangdao District, Qingdao, Shandong Applicant before: Chenxin Technology Co.,Ltd. Applicant before: Chen core technology Co.,Ltd. |