CN117351975A - 一种信号处理方法、装置、设备和介质 - Google Patents
一种信号处理方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN117351975A CN117351975A CN202210751746.0A CN202210751746A CN117351975A CN 117351975 A CN117351975 A CN 117351975A CN 202210751746 A CN202210751746 A CN 202210751746A CN 117351975 A CN117351975 A CN 117351975A
- Authority
- CN
- China
- Prior art keywords
- original
- frequency point
- frequency
- mask
- full
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 24
- 238000001228 spectrum Methods 0.000 claims abstract description 130
- 230000009467 reduction Effects 0.000 claims abstract description 73
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000012545 processing Methods 0.000 claims description 34
- 238000004590 computer program Methods 0.000 claims description 16
- 230000015654 memory Effects 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 12
- 230000003595 spectral effect Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 9
- 230000000875 corresponding effect Effects 0.000 description 52
- 238000010586 diagram Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000006243 chemical reaction 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
- 238000011946 reduction process Methods 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 239000013598 vector Substances 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
- 230000001413 cellular effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Circuit For Audible Band Transducer (AREA)
Abstract
本发明公开了一种信号处理方法、装置、设备和介质。该方法包括:获取一帧原始语音信号或每个频点组中每个频点的原始频谱信息和全频带降噪后频谱幅度值;其中,每帧原始语音信号至少包括两个频点组;根据原始频谱信息、全频带降噪后频谱幅度值和上一频点的掩码特征确定当前频点的原始掩码;根据每个频点的原始掩码和原始频谱信息确定原始语音信号对应的降噪语音信号。本实施例解决了现有技术中未考虑每个频点之间相关性的问题,更好地利用了每个频点之间的相关性,从而提升了对语音信号的降噪效果。
Description
技术领域
本发明涉及信号处理技术领域,尤其涉及一种信号处理方法、装置、设备和介质。
背景技术
在单通道语音降噪任务中,对于一些突发的非稳态噪声信号,传统的信号处理技术已经遇到极大瓶颈,难以突破。最近将深度神经网络技术用在了语音降噪场景,取得了较好的效果。其中,一般神经网络降噪的训练方式是使用纯净语音混合噪声信号的方式生成带噪语音,然后让带噪语音经过神经网络,并采用纯净语音作为目标信号进行训练,从而让模型具有降噪的功能。
现有技术中,采用FullSubNet网络进行语音降噪的过程中,子频带(Sub-band)网络对每个频点使用相同的模型进行独立预测,并未充分利用FFT后的每个频点和其相邻频点之间的相关性,从而导致降噪效果得到了限制。
发明内容
本发明提供了一种信号处理方法、装置、设备和介质,更好地利用了每个频点之间的相关性,从而提升了对语音信号的降噪效果。
根据本发明的一方面,提供了一种信号处理方法,包括:
获取一帧原始语音信号或每个频点组中每个频点的原始频谱信息和全频带降噪后频谱幅度值;其中,每帧原始语音信号至少包括两个频点组;
根据所述原始频谱信息、所述全频带降噪后频谱幅度值和上一频点的掩码特征确定当前频点的原始掩码;
根据每个频点的原始掩码和原始频谱信息确定所述原始语音信号对应的降噪语音信号。
根据本发明的另一方面,提供了一种信号处理装置,包括:
获取模块,用于确定一帧原始语音信号或每个频点组中每个频点的原始频谱信息和全频带降噪后频谱幅度值;其中,每帧原始语音信号至少包括两个频点组;
第一确定模块,用于根据所述原始频谱信息、所述全频带降噪后频谱幅度值和上一频点的掩码特征确定当前频点的原始掩码;
第二确定模块,用于根据每个频点的原始掩码和原始频谱信息确定所述原始语音信号对应的降噪语音信号。
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信号处理方法。
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信号处理方法。
本发明实施例的技术方案,通过获取一帧原始语音信号或每个频点组中每个频点的原始频谱信息和全频带降噪后频谱幅度值,然后根据原始频谱信息、全频带降噪后频谱幅度值和上一频点的掩码特征确定当前频点的原始掩码,根据每个频点的原始掩码和原始频谱信息确定原始语音信号对应的降噪语音信号,解决了现有技术中未考虑每个频点之间相关性的问题,更好地利用了每个频点之间的相关性,从而提升了对语音信号的降噪效果。
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是现有技术中提供的一种原始FullSubNet网络的结构示意图;
图2是本发明实施例提供的一种信号处理方法的流程图;
图3是本发明实施例提供的另一种信号处理方法的流程图;
图4是本发明实施例提供的又一种信号处理方法的流程图;
图5是本发明实施例提供的一种原始语音信号的降噪示意图;
图6是本发明实施例提供的一种目标FullSubNet网络的结构示意图;
图7是本发明实施例提供的另一种目标FullSubNet网络的结构示意图;
图8为本发明实施例提供的一种信号处理装置的结构示意图;
图9是本发明实施例提供的一种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“原始”、“降噪”、“目标”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。
需要说明的是,图1是现有技术中提供的一种原始FullSubNet网络的结构示意图。如图1所示,假设原始语音信号中有N个频点,XN=x1,x2,…xN,表示一帧原始语音信号中每个频点的原始频谱信息,并作为原始FullSubNet网络的输入;FN=f1,f2,…fN表示Full-band网络的输出,并作为Sub-band网络的输入补充;YN=y1,y2,…yN表示经过Sub-band网络预测的掩码;若下标越界,则采用循环补充的方式补齐数据。
如图1所示,原始FullSubNet网络中结合Full-band网络和Sub-band网络,可以实现较好地平衡降噪效果和计算量。但在Sub-band网络降噪的过程中,相邻频点的预测值未充分利用。有鉴于此,本发明实施例提供一种信号处理方法,以充分利用每个频点之间的相关性,从而提升了对语音信号的降噪效果。
在一实施例中,图2是本发明实施例提供的一种信号处理方法的流程图,本实施例可适用于对单通道语音信号进行降噪的情况,该方法可以由信号处理装置来执行,该信号处理装置可以采用硬件和/或软件的形式实现,该信号处理装置可配置于电子设备中。示例性地,电子设备可以包括但不限于个人计算机、智能手机、iPad等具备数据处理功能的终端。
如图2所示,该方法包括:
S210、获取一帧原始语音信号或每个频点组中每个频点的原始频谱信息和全频带降噪后频谱幅度值。
其中,每帧原始语音信号至少包括两个频点组。在实施例中,原始语音信号指的是未经处理的单通道语音信号。可以理解为,原始语音信号中包括纯净语音信号和噪声信号。示例性地,噪声信号可以包括但不限于敲击交互智能平板的声音、与会者的手机铃声、拖动椅子的声音、窗户外的汽车鸣笛声以及鸟叫声等。在实施例中,频点组指的是对每帧原始语音信号中所有频点进行划分,得到的分组。可以理解为,对每帧原始语音信号进行频点划分,得到多个频点组,并且每个频点组中至少包括两个频点。当然,频点组中所包含频点的总数量与电子设备的计算资源有关,或者,与每帧原始语音信号中每个频点之间的相关性有关。示例性地,频点组中所包含频点的总数量可以为2的n次幂,其中,n为大于等于1的正整数。
其中,原始频谱信息指的是对原始语音信号中的原始时域信号进行傅里叶变换得到的信息;全频带降噪后频谱幅度值指的是通过预先创建的目标全频带模型对原始频谱信息进行降噪之后得到的频谱幅度。全频带降噪后频谱幅度值可以理解为只考虑频谱的幅度。在实施例中,对每个频点的原始时域信号进行傅里叶变换,得到对应频点的原始频谱信息;然后通过目标全频带模型对原始频谱信息进行降噪,得到对应的全频带降噪后频谱幅度值。
S220、根据原始频谱信息、全频带降噪后频谱幅度值和上一频点的掩码特征确定当前频点的原始掩码。
其中,掩码特征为一维数值,表示原始掩码的低维变换特征。在实施例中,获取当前频点的原始频谱信息、全频带降噪后频谱幅度值和上一频点的掩码特征;然后将原始频谱信息、全频带降噪后频谱幅度值和上一频点的掩码特征进行组合,并输入至预先创建的目标子频带模型中,通过目标子频带模型对原始频谱信息、全频带降噪后频谱幅度值和上一频点的掩码特征的组合信息进行计算,即可得到当前频点的原始掩码。在实际操作过程中,原始掩码可以为一维数值,也可以为二维数值。在原始掩码为二维数值的情况下,对原始掩码进行降维处理,以得到对应的一维数值。
S230、根据每个频点的原始掩码和原始频谱信息确定原始语音信号对应的降噪语音信号。
其中,降噪语音信号指的是对原始语音信号进行降噪之后得到的语音信号。在实施例中,根据每个频点的原始掩码和原始频谱信息确定对应频点的降噪频域信号;然后对降噪频域信号进行傅里叶逆变换,即可得到对应频点的降噪时域信号;最后将每个频点的降噪时域信号进行组合,得到原始语音信号对应的降噪语音信号。
本实施例的技术方案,通过获取一帧原始语音信号或每个频点组中每个频点的原始频谱信息和全频带降噪后频谱幅度值,然后根据原始频谱信息、全频带降噪后频谱幅度值和上一频点的掩码特征确定当前频点的原始掩码,根据每个频点的原始掩码和原始频谱信息确定原始语音信号对应的降噪语音信号,解决了现有技术中未考虑每个频点之间相关性的问题,更好地利用了每个频点之间的相关性,从而提升了对语音信号的降噪效果。
在一实施例中,图3是本发明实施例提供的另一种信号处理方法的流程图,本实施例是在上述实施例的基础上,对原始频谱信息、全频带降噪后频谱幅度值、原始掩码降噪语音信号的确定过程作进一步的细化说明。如图3所示,该方法包括:
S310、对一帧原始语音信号进行傅里叶变换,得到对应的原始频谱信息。
在实施例中,识别并提取一帧原始语音信号,并对原始语音信号进行傅里叶变换,得到对应的原始频谱信息。
S320、将原始频谱信息输入至预先创建的目标全频带模型中,得到对应的全频带降噪后频谱幅度值。
其中,目标全频带模型指的是可以捕捉全局频域内容以及长程跨带依赖的模型。示例性地,目标全频带模型可以为预先创建的Full-band模型。需要说明的是,目标全频带模型的输入为全频带的噪声频域特征,并输出全频带的语音目标。示例性地,目标全频带模型可以为长短期记忆网络(Long Short-Term Memory,LSTM)模型,也可以为门控循环单元(Gated Recurrent Units,GRU)模型。在实施例中,将一帧原始语音信号对应的原始频谱信息输入至预先创建的目标全频带模型中,以通过目标全频带模型对原始频谱信息进行降噪处理,并输出对应的全频带降噪后频谱幅度值。需要说明的是,目标全频带模型输出全频带降噪后频谱幅度值所对应频点的数量与作为目标全频带模型输入的原始频谱信息所对应频点的数量是等同的。
S330、获取一帧原始语音信号中每个频点的原始频谱信息和全频带降噪后频谱幅度值。
其中,每帧原始语音信号至少包括两个频点组。
S340、对当前频点的原始频谱信息、与当前频点相邻的预设数量频点的原始频谱信息,以及全频带降噪后频谱幅度值进行拼接,得到对应的拼接信息。
其中,与当前频点相邻的预设数量频点的原始频谱信息,指的是在当前频点附近的预设数量频点的原始频谱信息。拼接信息指的是当前频点的原始频谱信息、与当前频点相邻的预设数量频点的原始频谱信息,以及全频带降噪后频谱幅度值的组合信息。在实施例中,可以按照原始频谱信息、与当前频点相邻的预设数量频点的原始频谱信息,以及全频带降噪后频谱幅度值的先后顺序进行拼接,得到当前频点的拼接信息,即将全频带降噪后频谱幅度值放在与当前频点相邻的预设数量频点的原始频谱信息之后,以及将与当前频点相邻的预设数量频点的原始频点信息放在当前频点的原始频谱信息之后,即可得到对应的拼接信息。当然,也可以按照其它拼接方式进行拼接组合,对此并不进行限定。示例性地,假设当前频点为第一个频点,以及预设数量为m,则当前频点的原始频谱信息可以为x1,与当前频点相邻的预设数量频点的原始频谱信息为x1±m,则全频带降噪后频谱幅度值为f1,拼接信息为
S350、将上一频点的原始掩码输入至预先创建的全连接层,以对上一频点的原始掩码进行尺度变换处理,得到对应的掩码特征。
其中,原始掩码指的是未经尺度变换或降维处理的掩码;相对应的,掩码特征指的是经过尺度变换和/或降维处理之后的特征值。需要说明的是,掩码特征均为一维数值;而原始掩码可以为一维数值,也可以为二维数值。在实际操作过程中,目标子频带模型输出的当前频点的原始掩码的维度与输入的原始掩码的维度是等同的。
其中,全连接层用于对输入的原始掩码进行尺度变换,或者,进行尺度变换和降维处理。在实施例中,在目标子频带模型输入的原始掩码为一维数值的情况下,对该原始掩码进行尺度变换即可;在目标子频带模型输入的原始掩码为二维或多维数值的情况下,对该原始掩码进行降维处理和尺度变换,即将二维或多维的原始掩码预测到一维数值,作为对应的掩码特征。示例性地,假设原始掩码为二维(包括实部和虚部),则将原始掩码输入至全连接层,并通过全连接层将原始掩码预测到1维,得到2*M,M*1这种结构;假设原始掩码为一维,则将原始掩码输入至全连接层,并通过全连接层对原始掩码进行尺度变换,得到1*M,M*1这种结构。
S360、将拼接信息和上一频点的掩码特征进行组合,得到对应的组合信息。
在实施例中,将上一频点的掩码特征放在拼接信息之后,以进行组合,得到对应的组合信息。
S370、将组合信息输入至预先创建的目标子频带模型,得到当前频点的原始掩码。
其中,目标子频带模型可以单独处理每一个频率,并且可以将一个频率或多个频率的噪声频域特征作为目标子频带模型的输入。在实施例中,分别将当前频点的组合信息输入至目标子频带模型中,以通过目标子频带模型输出当前频点的原始掩码。
S380、根据每个频点的原始掩码和原始频谱信息确定对应频点的降噪频域信号。
在实施例中,将当前频点的原始掩码和原始频谱信息进行相乘,得到对应的乘积值,作为当前频点的降噪频域信号。依次类推,将每个频点的原始掩码和对应频点的原始频谱信息进行相乘,即可得到每个频点的降噪频域信号。
S390、对所有频点的降噪频域信号进行傅里叶逆变换,得到原始语音信号对应的降噪语音信号。
在实施例中,对每个频点的降噪频域信号进行傅里叶逆变换,以得到对应频点的降噪语音信号。
本实施例的技术方案,在上述实施例的基础上,通过对上一频点的原始掩码进行尺度变换处理,得到对应的掩码特征;然后通过上一频点的掩码特征和当前频点的原始频谱信息以及全频带降噪后频谱幅度值即可确定当前频点的原始掩码,从而充分利用了相邻频点的相关性,进而可以得到更好地降噪效果。
在一实施例中,在用于信号处理的电子设备的计算资源比较充足的情况下,目标子频带模型无法并行计算,可将每帧原始语音信号中的所有频点进行分组,得到多个频点组;然后采用分组预测结构,即每个频点组可以独立进行预测,以达到并行加速的目的。图4是本发明实施例提供的又一种信号处理方法的流程图。如图4所示,本实施例中的信号处理方法包括如下步骤:
S410、确定每个频点组中所包含的频点总数量。
在一实施例中,确定每个频点组中所包含的频点总数量,包括:根据每个频点之间的相关性确定每个频点组中所包含的频点总数量;或者,根据计算资源确定每个频点组中所包含的频点总数量。
其中,每个频点之间的相关性,可以理解为两个频点所对应向量的乘积为0,即两个频点的向量是正交的。在语音分帧过程中,由于窗长限制和频谱泄露,FFT后的每个频点和其相邻频点是有相关性的。可以根据每个频点之间的相关性进行频点组的划分,示例性地,假设相邻3个频点之间具备相关性,则可以将3个相邻的频点划分成一个频点组,但由于用于信号处理的电子设备的计算资源的限制,频点组中所包含的频点总数量需要满足2的n次幂,则需在3个具备相关性的相邻频点的基础上,额外增加一个相邻频点,即将4个相邻频点划分为一个频点组。
当然,在一实施例中,也可以直接根据用于信号处理的电子设备的计算资源确定每个频点组中所包含的频点总数量。示例性地,在用于信号处理的电子设备的计算资源较低的情况下,可以将相邻2个频点划分为一个频点组;在用于信号处理的电子设备的计算资源稍高的情况下,也可以将相邻4个频点划分为一个频点组;在用于信号处理的电子设备的计算资源充足的情况下,也可以将相邻8个频点划分为一个频点组。
S420、按照频点总数量对一帧原始语音信号中包含的所有频点进行划分,得到至少两个频点组。
在实施例中,按照每个频点组中所包含的频点总数量对一帧原始语音信号进行频点划分,得到多个频点组。可以理解为,一帧原始语音信号中所包含频点组的数量为一帧原始语音信号中频点总数量与每个频带组中所包含频点总数量的比值。示例性地,假设一帧原始语音信号中包含的频点总数量为M,并且,每个频点组中所包含频点总数量为L,则一帧原始语音信号中所包含频点组的总数量为M/L。
S430、获取每个频点组中每个频点的原始频谱信息和全频带降噪后频谱幅度值。
其中,每帧原始语音信号至少包括两个频点组。
S440、根据原始频谱信息、全频带降噪后频谱幅度值和上一频点的掩码特征确定当前频点的原始掩码。
在实施例中,对每个频点组进行并行计算,即首先根据首个频点的原始频谱信息、全频带降噪后频谱幅度值和初始掩码确定每个频点组中的首个频点的原始掩码;然后根据首个频点的原始掩码、第二个频点的原始频谱信息和全频带降噪后频谱幅度值确定第二个频点的原始掩码;以此类推,直至确定每个频点组中每个频点的原始掩码。需要说明的是,每个频点组中每个频点的原始掩码的确定过程可以并行执行。
S450、根据每个频点的原始掩码和原始频谱信息确定原始语音信号对应的降噪语音信号。
本实施例的技术方案,在上述实施例的基础上,通过将每个频点组并行输入至目标子频带模型中,即对每个频点组进行独立地进行预测,以可以达到并行加速的目的,提高了原始掩码的计算效率,进而提升了对原始语音信号的降噪速率。
在一实施例中,图5是本发明实施例提供的一种原始语音信号的降噪示意图。在实施例中,以将原始语音信号输入至预先创建的目标FullSubNet网络为例,对原始语音信号的降噪过程进行说明。其中,目标FullSubNet网络为改进之后的FullSubNet网络,并且,预先对目标FullSubNet进行训练,其中,训练输入是带噪语音信号,训练标签为干净语音信号。一旦完成并成功训练之后,可以输入一帧原始语音信号,即可输出对应的一帧降噪语音信号。
如图5所示,假设XN为原始语音信号,YN为降噪语音信号,则将XN作为目标FullSubNet网络的输入,即可输出降噪语音信号YN。
在一实施例中,图6是本发明实施例提供的一种目标FullSubNet网络的结构示意图。假设Full-band表示目标全频带模型,Sub-band表示目标子频带模型,prenet表示一个简洁的全连接层,begin表示初始掩码。在Sub-band中,每个频点的输入增加了前一个频点的输出值。如图6所示,XN=x1,x2,…xN表示一帧原始语音信号中N个频点的原始频谱信息;FN=f1,f2,…fN表示Full-band输出的降噪之后的N个频点的全频带降噪后频谱幅度值;YN=y1,y2,…yN表示Sub-band输出的降噪之后的N个频点的原始掩码。在实施例中,根据当前频点的原始频谱信息和全频带降噪后频谱幅度值和上一频点的掩码特征确定当前频点的原始掩码。示例性地,根据begin对应的掩码特征和确定第一个频点的原始掩码,即将f1、x1±m和begin对应的掩码特征进行组合拼接得到的组合信息,输入至Sub-band中,以得到对应的y1;然后根据y1对应的掩码特征和/>确定第二个频点的原始掩码,即将f2、x2±m和y1对应的掩码特征进行组合拼接得到的组合信息,输入至Sub-band中,以得到对应的y2。以此类推,直至确定每个频点的原始掩码,即确定yN。
在一实施例中,在用于信号处理的电子设备的计算资源比较充足的情况下,Sub-band部分无法并行计算,则在图6所示的基础上,对频点进行分组预测,以达到并行加速的目的。当然,由于每个频点组中的首个频点所对应上一频点的掩码特征为初始掩码的掩码特征,可能会损失微小的预测精度。图7是本发明实施例提供的另一种目标FullSubNet网络的结构示意图。如图7所示,将两个频点划分为一个频点组,即每个频点组可以独立地进行预测,以达到并行加速的目的。当然,也可以将每4个相邻频点划分为一个频点组,或者,将每8个相邻频点划分为一个频点组。
在一实施例中,图8为本发明实施例提供的一种信号处理装置的结构示意图。如图8所示,该装置包括:获取模块810、第一确定模块820和第二确定模块830。
其中,获取模块810,用于获取一帧原始语音信号或每个频点组中每个频点的原始频谱信息和全频带降噪后频谱幅度值;其中,每帧原始语音信号至少包括两个频点组;
第一确定模块820,用于根据原始频谱信息、全频带降噪后频谱幅度值和上一频点的掩码特征确定当前频点的原始掩码;
第二确定模块830,用于根据每个频点的原始掩码和原始频谱信息确定原始语音信号对应的降噪语音信号。
可选的,获取模块810包括:
变换单元,用于对一帧原始语音信号进行傅里叶变换,得到对应的原始频谱信息;
第一确定单元,用于将原始频谱信息输入至预先创建的目标全频带模型中,得到对应的全频带降噪后频谱幅度值。
可选的,第一确定模块820,包括:
拼接单元,用于对当前频点的原始频谱信息、与当前频点相邻的预设数量频点的原始频谱信息,以及全频带降噪后频谱幅度值进行拼接,得到对应的拼接信息;
组合单元,用于将拼接信息和上一频点的掩码特征进行组合,得到对应的组合信息;
第二确定单元,用于将组合信息输入至预先创建的目标子频带模型,得到当前频点的原始掩码。
可选的,在将拼接信息和上一频点的掩码特征进行组合,得到对应的组合信息之前,第一确定模块820,包括:
第三确定单元,用于将上一频点的原始掩码输入至预先创建的全连接层,以对上一频点的原始掩码进行尺度变换处理,得到对应的掩码特征。
可选的,第二确定模块830,包括:
第四确定单元,用于根据每个频点的原始掩码和原始频谱信息确定对应频点的降噪频域信号;
逆变换单元,用于对所有频点的降噪频域信号进行傅里叶逆变换,得到所有频点的对应的降噪语音信号。
可选的,信号处理装置,还包括:
第三确定模块,用于确定每个频点组中所包含的频点总数量;
划分模块,用于按照频点总数量对一帧原始语音信号中包含的所有频点进行划分,得到至少两个频点组。
可选的,第三确定模块,具体用于:
根据每个频点之间的相关性确定每个频点组中所包含的频点总数量;
或者,根据计算资源确定每个频点组中所包含的频点总数量。
可选的,每个频点组中首个频点所对应上一频点的掩码特征均为初始掩码。
本发明实施例所提供的信号处理装置可执行本发明任意实施例所提供的信号处理方法,具备执行方法相应的功能模块和有益效果。
在一实施例中,图9是本发明实施例提供的一种电子设备的结构示意图,如图9所示,示出了可以用来实施本发明的实施例的电子设备10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,例如信号处理方法,包括:获取一帧原始语音信号或每个频点组中每个频点的原始频谱信息和全频带降噪后频谱幅度值;其中,每帧原始语音信号至少包括两个频点组;根据原始频谱信息、全频带降噪后频谱幅度值和上一频点的掩码特征确定当前频点的原始掩码;根据每个频点的原始掩码和原始频谱信息确定原始语音信号对应的降噪语音信号。
在一些实施例中,信号处理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信号处理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)而被配置为执行信号处理方法。
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 (11)
1.一种信号处理方法,其特征在于,包括:
获取一帧原始语音信号或每个频点组中每个频点的原始频谱信息和全频带降噪后频谱幅度值;其中,每帧原始语音信号至少包括两个频点组;
根据所述原始频谱信息、所述全频带降噪后频谱幅度值和上一频点的掩码特征确定当前频点的原始掩码;
根据每个频点的原始掩码和原始频谱信息确定所述原始语音信号对应的降噪语音信号。
2.根据权利要求1所述的方法,其特征在于,在所述获取一帧原始语音信号或每个频点组中每个频点的原始频谱信息和全频带降噪后频谱幅度值之前,还包括:
对一帧原始语音信号进行傅里叶变换,得到对应的原始频谱信息;
将所述原始频谱信息输入至预先创建的目标全频带模型中,得到对应的全频带降噪后频谱幅度值。
3.根据权利要求1所述的方法,其特征在于,所述根据所述原始频谱信息、所述全频带降噪后频谱幅度值和上一频点的掩码特征确定当前频点的原始掩码,包括:
对当前频点的原始频谱信息、与当前频点相邻的预设数量频点的原始频谱信息,以及所述全频带降噪后频谱幅度值进行拼接,得到对应的拼接信息;
将所述拼接信息和上一频点的掩码特征进行组合,得到对应的组合信息;
将所述组合信息输入至预先创建的目标子频带模型,得到当前频点的原始掩码。
4.根据权利要求3所述的方法,其特征在于,在所述将所述拼接信息和上一频点的掩码特征进行组合,得到对应的组合信息之前,还包括:
将上一频点的原始掩码输入至预先创建的全连接层,以对所述上一频点的原始掩码进行尺度变换处理,得到对应的掩码特征。
5.根据权利要求1所述的方法,其特征在于,所述根据每个频点的原始掩码和原始频谱信息确定所述原始语音信号对应的降噪语音信号,包括:
根据每个频点的原始掩码和原始频谱信息确定对应频点的降噪频域信号;
对所有频点的降噪频域信号进行傅里叶逆变换,得到原始语音信号对应的降噪语音信号。
6.根据权利要求1所述的方法,其特征在于,所述方法,还包括:
确定每个频点组中所包含的频点总数量;
按照所述频点总数量对一帧原始语音信号中包含的所有频点进行划分,得到至少两个频点组。
7.根据权利要求6所述的方法,其特征在于,所述确定每个频点组中所包含的频点总数量,包括:
根据每个频点之间的相关性确定每个频点组中所包含的频点总数量;
或者,根据计算资源确定每个频点组中所包含的频点总数量。
8.根据权利要求6所述的方法,其特征在于,每个所述频点组中首个频点所对应上一频点的掩码特征均为初始掩码。
9.一种信号处理装置,其特征在于,包括:
获取模块,用于获取一帧原始语音信号或每个频点组中每个频点的原始频谱信息和全频带降噪后频谱幅度值;其中,每帧原始语音信号至少包括两个频点组;
第一确定模块,用于根据所述原始频谱信息、所述全频带降噪后频谱幅度值和上一频点的掩码特征确定当前频点的原始掩码;
第二确定模块,用于根据每个频点的原始掩码和原始频谱信息确定所述原始语音信号对应的降噪语音信号。
10.一种电子设备,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1-8中任一项所述的信号处理方法。
11.一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1-8中任一项所述的信号处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210751746.0A CN117351975A (zh) | 2022-06-28 | 2022-06-28 | 一种信号处理方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210751746.0A CN117351975A (zh) | 2022-06-28 | 2022-06-28 | 一种信号处理方法、装置、设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117351975A true CN117351975A (zh) | 2024-01-05 |
Family
ID=89359984
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210751746.0A Pending CN117351975A (zh) | 2022-06-28 | 2022-06-28 | 一种信号处理方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117351975A (zh) |
-
2022
- 2022-06-28 CN CN202210751746.0A patent/CN117351975A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116051668B (zh) | 文生图扩散模型的训练方法和基于文本的图像生成方法 | |
CN108010538B (zh) | 音频数据处理方法及装置、计算设备 | |
CN110164467A (zh) | 语音降噪的方法和装置、计算设备和计算机可读存储介质 | |
CN115861131B (zh) | 基于图像生成视频、模型的训练方法、装置及电子设备 | |
CN110633717A (zh) | 一种目标检测模型的训练方法和装置 | |
CN113627536A (zh) | 模型训练、视频分类方法,装置,设备以及存储介质 | |
CN115456167A (zh) | 轻量级模型训练方法、图像处理方法、装置及电子设备 | |
CN113792876A (zh) | 骨干网络的生成方法、装置、设备以及存储介质 | |
CN113033408A (zh) | 数据队列动态更新方法、装置、电子设备及存储介质 | |
CN113823313A (zh) | 语音处理方法、装置、设备以及存储介质 | |
CN116310356B (zh) | 深度学习模型的训练方法、目标检测方法、装置及设备 | |
CN116230001A (zh) | 一种混合语音分离方法、装置、设备及存储介质 | |
CN117351975A (zh) | 一种信号处理方法、装置、设备和介质 | |
CN114171038B (zh) | 语音降噪方法、装置、设备及存储介质 | |
CN113807397B (zh) | 语义表示模型的训练方法、装置、设备和存储介质 | |
CN115457365A (zh) | 一种模型的解释方法、装置、电子设备及存储介质 | |
CN113887435A (zh) | 人脸图像处理方法、装置、设备、存储介质及程序产品 | |
CN115312042A (zh) | 用于处理音频的方法、装置、设备以及存储介质 | |
CN112036418A (zh) | 用于提取用户特征的方法和装置 | |
CN115035911B (zh) | 噪声生成模型训练方法、装置、设备及介质 | |
CN114221940B (zh) | 音频数据处理方法、系统、装置、设备以及存储介质 | |
CN113674755B (zh) | 语音处理方法、装置、电子设备和介质 | |
CN117251295B (zh) | 一种资源预测模型的训练方法、装置、设备及介质 | |
CN118132909A (zh) | 一种数据处理方法、装置以及电子设备 | |
CN115292662B (zh) | 一种卷积加速运算方法、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 |