预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共17页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115083429A(43)申请公布日2022.09.20(21)申请号202210669556.4G06N3/04(2006.01)(22)申请日2022.06.14G06N3/08(2006.01)H04L65/60(2022.01)(71)申请人北京百瑞互联技术有限公司H04L65/80(2022.01)地址100085北京市海淀区上地三街9号AH04M9/08(2006.01)座9层A1009(72)发明人李强王尧叶东翔朱勇(74)专利代理机构北京国科程知识产权代理事务所(普通合伙)11862专利代理师曹晓斐(51)Int.Cl.G10L21/0208(2013.01)G10L25/24(2013.01)G10L25/30(2013.01)H04W4/80(2018.01)H04W76/14(2018.01)权利要求书3页说明书10页附图3页(54)发明名称语音降噪的模型训练方法、语音降噪方法、装置及介质(57)摘要本申请公开了一种语音降噪的模型训练方法、语音降噪方法、装置及介质,属于语音编解码技术领域。该方法包括对预先获取的纯净语音与噪声进行声音混合,获取混合语音;对纯净语音与混合语音进行特征提取,获取理想子带增益与混合语音对应的倒谱系数;以及利用理想子带增益与倒谱系数对预设的神经网络进行训练,获取语音降噪模型。本申请提供一种语音降噪模型,通过将该语音降噪模型插入蓝牙编码器中,在编码过程中实现语音降噪的目的;在语音降噪的过程中,利用蓝牙编码器自身的时频转换模块获取谱系数,再进行后续的降噪步骤,使得本方案的降噪过程达到节省码率、减少系统的运算量、加快编码效率的效果。CN115083429ACN115083429A权利要求书1/3页1.一种语音降噪的模型训练方法,其特征在于,包括:对预先获取的纯净语音与噪声进行声音混合,获取混合语音;对所述纯净语音与所述混合语音进行特征提取,获取理想子带增益与所述混合语音对应的倒谱系数;以及利用所述理想子带增益与所述倒谱系数对预设的神经网络进行训练,获取语音降噪模型。2.根据权利要求1所述的语音降噪的模型训练方法,其特征在于,所述对预先获取的纯净语音与噪声进行声音混合,获取混合语音,进一步包括:将所述纯净语音中的单帧纯净语音与所述噪声中的单帧噪声相加,获取单帧混合语音,其中所述混合语音包括单帧混合语音。3.根据权利要求1所述的语音降噪的模型训练方法,其特征在于,所述对所述纯净语音与所述混合语音进行特征提取,获取理想子带增益与所述混合语音对应的倒谱系数,进一步包括:根据LC3编码器中自身的低延迟改进型离散余弦变换模块,对所述纯净语音与所述混合语音分别进行变换,获取所述纯净语音对应的纯净谱系数与所述混合语音对应的混合谱系数;分别对所述纯净谱系数与所述混合谱系数进行子带划分,并计算所述子带的子带能量,其中所述子带能量包括纯净子带能量与混合子带能量;根据所述纯净子带能量与所述混合子带能量,计算获取所述理想子带增益。4.根据权利要求3所述的语音降噪的模型训练方法,其特征在于,所述对所述纯净语音与所述混合语音进行特征提取,获取理想子带增益与所述混合语音对应的倒谱系数,还包括:对所述混合子带能量进行对数变换获取所述混合子带能量对应的能量对数;将所述能量对数进行离散余弦变换获取所述倒谱系数。5.根据权利要求3或4所述的语音降噪的模型训练方法,其特征在于,所述分别对所述纯净谱系数与所述混合谱系数进行子带划分,并计算所述子带的子带能量,进一步包括:根据预设频率分别对所述纯净谱系数与所述混合谱系数进行子带划分,获取所述纯净谱系数对应的多个纯净子带谱系数与所述混合谱系数对应的多个混合子带谱系数;分别计算所述纯净子带谱系数与所述混合子带谱系数对应的伪谱系数,其中所述伪谱系数包括所述纯净子带谱系数对应的纯净子带伪谱系数与所述混合子带谱系数对应的混合子带伪谱系数;根据所述伪谱系数分别计算所述纯净子带能量与所述混合子带能量。6.根据权利要求3或4所述的语音降噪的模型训练方法,其特征在于,所述利用所述理想子带增益与所述倒谱系数对预设的神经网络进行训练,获取语音降噪模型,进一步包括:将所述倒谱系数输入所述神经网络模型中,获取所述倒谱系数对应的降噪子带增益;计算所述降噪子带增益与所述理想子带增益之间的第N损失函数;若所述第N损失函数小于或等于预设损失阈值,则将所述神经网络模型确定为所述语音降噪模型;若所述第N损失函数大于预设损失阈值,则对所述神经网络模型中的相关参数进行调2CN115083429A权利要求书2/3页整,获取所述语音降噪模型。7.根据权利要求6所述的语音降噪的模型训练方法,其特征在于,所述对所述神经网络模型中的相关参数进行调整,获取所述语音降噪模型