CN110491407A 语音降噪的方法、装置、电子设备及存储介质 （广州华多网络科技有限公司）

万博二路79号万博商务区万达商业广质一音频的频谱能量特征由线性时域转换到Bark频的Bark特征输入预先训练得到的目标神经网2对所述第一音频进行预处理，以将所述第一音频的频谱能量特征由线性时域转换到将所述Bark特征输入预先训练得到的目标神经网络模将所述Bark特征输入预先训练得到的目标神经网络模型，得到所述语音信号在所述对所述Bark频域的频谱幅值比例进行Bark特征逆转换基于所述线性时域的频谱幅值比例以及所述第一音频在线性时域的频谱能量计算所对每个窗内的所述第一音频信号进行短时傅立叶变换将所述Bark特征输入所述分离门卷积层，再将所述分离3将所述第二因果卷积层的输出分别输入至所述第三卷积层以将所述第三卷积层的输出输入至所述第一激活函数模块将所述第一激活函数模块的输出与所述第二激活函数模块将所述语音信号以及背景噪声信号按照预设信噪比在线性时域上第一获取模块，用于获取第一音频，所述第一音频为混第一计算模块，用于将所述Bark特征输入预4的音频；继而对第一音频进行预处理，以将第一音频的频谱能量特征由线性时域转换到5[0010]图1示出了适用于本申请实施例提供的语音降噪的方法中的分离门卷积层的网络[0011]图2示出了适用于本申请实施例提供的语音降噪的方法中的长短时记忆网络的结[0017]图8示出了本申请实施例的用于保存或者携带实现根据本申请实施例的语音降噪6计算量，提升音频的降噪效果，发明人发现，将音频的频谱能量由线性时域转换至频域核的学习视野的同时减少神经网络计算量的增加，同时增加神经网络模型的非线性程度，[0024]请参阅图1，为本申请实施例提供的语音降噪的方法中的一种示例性的分离门卷[0025]其中，第一激活函数模块可以采用Relu(RectifiedLinearUnit，线性整流函7(即上述的声音信号)做短时傅里叶变换后得到的值(即音频的频谱特征或者叫做音频的频记忆层用于根据纹理特征输出去噪后的音频特征，即目标语音在Bark域的频谱特征(包括频谱幅值以及频谱能量)。其中，长短期记忆层即长短时记忆网络(LongShort-Term[0044]请参阅图2，为适用于本申请实施例提供的语音降噪的方法中的长短时记忆网络8[0054]可选的，LSTM可以包含多层如图2所示的结构，每一层均接受上一层的隐藏层输[0058]其中，第一音频可以为混合有目标采样率的语音信号以及背景噪声信号声音的电磁干扰或者是周围环境等，背景噪声可以使许多语音处理系统的性能急剧下降，么在这种情况下，电子设备可以将任意一段音频(包括视频中的音频数据)识别为第一音类应用程序在运行过程中的视频播放音效、或者是获取电子设备在启动过程中的启动音9频的语音信号的幅值减少失真；使目标神经网络模型可以按照上述的包括3个分离门卷积门卷积层的输出输入到长短期记忆层，可输出得到Bark特征比例参数(目标神经网络模型神经网络模型可以输出频谱幅值为0.8的语音信号，即该目标神经网络出来，得到表征语音信号的频谱幅值特征在Bark频域中所占的比例的Bark特征比例参数，再基于Bark特征比例参数计算语音信号的幅值参数，基于幅值参数获取目标语音(即消除[0082]其中，本申请实施例的训练样本集中包括预设时长的语音信号以及背景噪声信信号，也可以将不连续的预设时长内的不同类型的背景噪声作为预设时长的背景噪声信的值(即stft值)。本实施例中所采取的Bark特征的维度为48维，那么stft_energy转换到Bark特征的转换矩阵stft2bark_matrix的维度为1[0104]其中，Bark特征被输入分离门卷积层后每个分离门卷到带噪歌声在线性时域的频谱能量(stft_energy)，再将带噪歌声的频谱能量做Bark特征出得到带噪歌声的歌声信号在Bark频谱的频谱幅值比例(Bark_mask)，然后对频谱幅值比频谱幅值比例(mask)以及对带噪歌声进行反傅立叶变换时计算出的带噪歌声在线性时域的频谱能量(stft_energy)计性时域的相位(stft_phase)合成歌声信号降噪后在线性时域的波形，从而得到歌声信号，语音信号在Bark频域的频谱幅值比例，再对Bark频域的频谱幅值比例进行Bark特征逆转的相位值获取目标语音。实现了通过全新的分离门卷积结构对输入的Bark特征进行处理，[0127]作为一种方式，第一计算模块330具体可以用于将Bark特征输入预先训练得到的计算语音信号的幅值参数；然后基于幅值参数获取目标语音。本方法通过将第一音频的执行前述语音降噪的方法的电子设备12。电子设备12包括存储器122以及相互耦合的一个122中存储有可以执行前述实施例中内容的程序，而处理器124可以执行存储器122中存储编程门阵列(Field－ProgrammableGateArray，FPGA)、可编程逻辑阵列(Programmable该计算机可读存储介质400中存储有程序代码，所述程序代码可被处理器调用执行上述方算机可读介质(non-transitorycomputer-readablestoragemedium)。计算机可读存储以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结