CN114974282B 基于深度学习的单通道语音降噪方法及装置 （云知声智能科技股份有限公司）_第1页
CN114974282B 基于深度学习的单通道语音降噪方法及装置 （云知声智能科技股份有限公司）_第2页
CN114974282B 基于深度学习的单通道语音降噪方法及装置 （云知声智能科技股份有限公司）_第3页
CN114974282B 基于深度学习的单通道语音降噪方法及装置 （云知声智能科技股份有限公司）_第4页
CN114974282B 基于深度学习的单通道语音降噪方法及装置 （云知声智能科技股份有限公司）_第5页
已阅读5页，还剩20页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于深度学习的单通道语音降噪方法及装置本发明公开一种基于深度学习的单通道语中的矩阵乘积和ConvLSTM中的单层卷积替换为网络结构每一层一维卷积网络均进行特征降维2-1是t-1时刻的网络输出；是输入门内部子网络；数据生成：将原始的干净语音数据和预设类型的噪声以给定特征提取：将训练输入数据和原始干净语音均进行分帧、3-1是t-1时刻的网络输出；是输入门内部子网络；是遗忘门内部子网络；数据生成子单元：用于将原始的干净语音数据和预设类型的噪声以给定的信噪比混4[0010]ct=f-c-1+it-tan5[0017]作为基于深度学习的单通道语音降噪方法优选方案，该语音降噪方法中Net网络[0018]作为基于深度学习的单通道语音降噪方法优选方案，该语音降噪方法中Net网络[0036]Nef、Netf"是输入门6[0041]该语音降噪装置中Net网络结构每一层一维卷积网络均进行特征降维和通道扩子网络结构将LSTM中的矩阵乘积和ConvLSTM中的单层卷积替换为网络；Net网络结构选用7[0058]由于实际模型参数绝大部分集中在LSTM层，而原始LSTM中可看作多组全链接网降噪方法中时序建模采用NetLSTM子网络，NetLSTM子网络结构将LSTM中的矩阵乘积和[0068]Nef、Netf"是输入门内部子网络；8网络，本质上扩展了LSTM内部结构，即该网络更具泛化性，LSTM、ConvLSTM均可认为是做傅里叶变换，能得到对语音数据的频域和时域信息的适当表达。帧的长度取值区间在9[0085]本实施例中，将增强语音和目标语音s使用损失函数计算误差。损失函数用络结构将LSTM中的矩阵乘积和ConvLSTM中的单层卷积替换为网络；Net网络结构选用多层积网络均进行特征降维和通道扩展，将特征维度与通道维度相互映射进行特征变换扩展。本发明借鉴U-Net、ConvLSTM思想，在ConvLSTM基础上使用多层堆叠卷积替代一层卷积网[0101]Net半、Netf"是输入门内部子网络；[0106]该语音降噪装置中Net网络结构每一层一维卷积网络均进行特征降维和通道扩公开时可以把各单元的功能在同一个或多个软件和/与本申请实施例1中的方法实施例基于同一构思，其带来的技术效果与本申请方法实施例[0119]本发明实施例3提供一种非暂态计算机可读存储介质，所述计算机可读存储介质施例1或其任意可能实现方式的基于深度学习的单通道语音降噪[0120]计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，述处理器执行的程序指令，所述处理器调用所述程序指令能够执行实施例

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论