买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜长沙东玛克信息科技有限公司申请的专利一种基于深度学习的音频降噪方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119541515B 。

龙图腾网通过国家知识产权局官网在2025-04-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510084221.X，技术领域涉及：G10L21/01；该发明授权一种基于深度学习的音频降噪方法及系统是由刘建洪;阳锐;龙成设计研发完成，并于2025-01-20向国家知识产权局提交的专利申请。

本一种基于深度学习的音频降噪方法及系统在说明书摘要公布了：本发明涉及音频降噪技术领域，尤其涉及一种基于深度学习的音频降噪方法及系统。所述方法包括以下步骤：获取原始音频和与原始音频所关联的发声设备运行数据；对原始音频进行无效音频剔除，从而生成有效音频；对有效音频进行音频时间对齐，从而生成预处理后的标准音频；将预处理后的标准音频和与原始音频所关联的发声设备进行音频输出模式检测，生成单设备输出音频和多设备输出音频；对单设备输出音频进行音频周期规律性分段，生成单设备短周期输出频谱数据和单设备长周期输出频谱数据。本发明通过无效音频剔除、时间对齐、分层噪声提取和异常噪声识别，提高了降噪效果的准确性和实时性。

本发明授权一种基于深度学习的音频降噪方法及系统在权利要求书中公布了：1.一种基于深度学习的音频降噪方法，其特征在于，包括以下步骤：步骤S1：获取原始音频和与原始音频所关联的发声设备运行数据；对原始音频进行无效音频剔除，从而生成有效音频；对有效音频进行音频时间对齐，从而生成预处理后的标准音频；步骤S2：将预处理后的标准音频和与原始音频所关联的发声设备进行音频输出模式检测，生成单设备输出音频和多设备输出音频；对单设备输出音频进行音频周期规律性分段，生成单设备短周期输出频谱数据和单设备长周期输出频谱数据；对单设备短周期输出频谱数据和单设备长周期输出频谱数据进行分层噪声提取，得到单设备短期运动频振噪声和单设备长周期环境干扰噪声；步骤S2包括以下步骤：步骤S21：将预处理后的标准音频和与原始音频所关联的发声设备进行音频输出模式检测，当预处理后的标准音频和与原始音频所关联的发声设备的数量等于1时，则将预处理后的标准音频标记为单设备输出音频；步骤S22：当预处理后的标准音频和与原始音频所关联的发声设备的数量大于1时，则将预处理后的标准音频标记为多设备输出音频；对单设备输出音频进行音频频域转换，生成单设备输出音频频谱数据；步骤S23：基于预设的周期阈值对单设备输出音频频谱数据进行音频周期规律性分段，生成单设备短周期输出频谱数据和单设备长周期输出频谱数据；利用原始音频所关联的发声设备运行数据对单设备短周期输出频谱数据进行音频设备短期频振噪声分析，生成单设备短期运动频振噪声；步骤S24：对单设备长周期输出频谱数据进行长周期环境干扰噪声分析，生成单设备长周期环境干扰噪声；步骤S3：对多设备输出音频进行设备集群地面回路噪声提取，得到多设备集群噪声；对单设备短期运动频振噪声、单设备长周期环境干扰噪声以及多设备集群噪声进行异常噪声模式识别，生成异常噪声模式识别数据；步骤S3包括以下步骤：步骤S31：对多设备输出音频进行设备集群地面回路影响分析，生成设备集群地面回路影响频率；根据设备集群地面回路影响频率对多设备输出音频进行设备集群噪声提取，得到多设备集群噪声；步骤S32：通过单设备短期运动频振噪声、单设备长周期环境干扰噪声以及多设备集群噪声进行数据特征整合，生成异常噪声特征数据；步骤S33：将异常噪声特征数据进行数据集划分，生成模型训练集和模型测试集；利用深度残差网络算法对模型训练集进行模型训练，生成音频噪声识别预模型；通过模型测试集对音频噪声识别预模型进行模型优化迭代，从而生成音频噪声识别模型；步骤S34：基于音频噪声识别模型对预处理后的标准音频进行异常噪声模式识别，生成异常噪声模式识别数据；步骤S4：根据异常噪声模式识别数据对单设备短期运动频振噪声、单设备长周期环境干扰噪声以及多设备集群噪声进行每个时间帧上的功率谱相减，生成降噪后的有效音频功率谱；通过逆傅里叶变换对降噪后的有效音频功率谱进行音频重构，得到降噪后的音频信号。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人长沙东玛克信息科技有限公司，其通讯地址为：410205 湖南省长沙市高新开发区尖山路39号长沙中电软件园19栋210室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。