申请/专利权人:武汉TCL集团工业研究院有限公司
申请日:2019-12-27
公开(公告)日:2024-06-07
公开(公告)号:CN113053400B
主分类号:G10L21/0208
分类号:G10L21/0208;G10L21/0216;G10L25/30
优先权:
专利状态码:有效-授权
法律状态:2024.06.07#授权;2021.07.16#实质审查的生效;2021.06.29#公开
摘要:本申请适用于通信技术领域,提供了一种音频信号降噪模型的训练方法、音频信号降噪方法及设备,音频信号降噪方法包括:将当前采集到的带噪音频信号转换成带噪音频向量;将所述带噪音频向量输入已训练的音频信号降噪模型进行降噪处理,得到降噪音频信号。上述方法,音频信号降噪模型是基于带噪音频信号对应的带噪音频向量,直接提取用于区分音频信号和噪声信号的特征信息,基于提取的特征信息进行降噪处理,可准确分离出带噪音频向量对应的音频信号和噪声信号,提高带噪音频信号的降噪效果,提高音频质量,进而提高语音通话质量。
主权项:1.一种音频信号降噪模型的训练方法,其特征在于,包括:对样本带噪音频信号进行预处理,得到样本带噪音频向量;将样本带噪音频信号对应的样本带噪音频向量输入深度学习网络进行噪声分离处理,得到分离音频信号和分离噪声信号;基于所述样本带噪音频信号对应的样本音频信号、样本噪声信号,以及所述分离音频信号、分离噪声信号,对所述深度学习网络的模型参数进行修正,直至所述深度学习网络的训练情况满足预设条件,得到音频信号降噪模型;所述对样本带噪音频信号进行预处理包括:对样本带噪音频信号进行一维卷积,并采用Relu函数对卷积结果进行处理,以将样本带噪音频信号编码为样本带噪音频向量;所述将样本带噪音频信号对应的样本带噪音频向量输入深度学习网络进行噪声分离处理,得到分离音频信号和分离噪声信号,包括:将样本带噪音频信号对应的样本带噪音频向量先后经由深度学习网络的比值膜估计层和噪声分离层进行处理,得到所述样本带噪音频信号对应的分离音频信号和分离噪声信号。
全文数据:
权利要求:
百度查询: 武汉TCL集团工业研究院有限公司 音频信号降噪模型的训练方法、音频信号降噪方法及设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。