CN119418712A 一种边缘端实时语音的降噪方法 （西安赛普特信息科技有限公司）_第1页
CN119418712A 一种边缘端实时语音的降噪方法 （西安赛普特信息科技有限公司）_第2页
CN119418712A 一种边缘端实时语音的降噪方法 （西安赛普特信息科技有限公司）_第3页
CN119418712A 一种边缘端实时语音的降噪方法 （西安赛普特信息科技有限公司）_第4页
CN119418712A 一种边缘端实时语音的降噪方法 （西安赛普特信息科技有限公司）_第5页
已阅读5页，还剩21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

征参数。利用轻量化的可分离卷积神经网络对2根据所述原始频域信号计算其梅尔频率倒谱系数，以提取所述输入将所述MFCC特征参数输入至经过INT8定点量化处理过的可分离卷积神利用维纳滤波器分别对所述语音帧和所述非语遍历所有所述语音信号，得到所有所述语音信号对应的所述滤波时域将预加重后的所述输入语音信号分成若干帧y(n)=x(n)-a·x(n-1)每帧所述语音信号s(n)被加窗处理的表达式为：3IX()2为原始频域信号在k频点上的功率谱密输入至经过INT8定点量化处理过的可分离卷积神经网络中，以获取噪声估计结果的步骤将所述MFCC特征参数依次输入至所述输入层、所述第一深度可分离卷对所述语音帧和所述非语音帧进行自适应迭代维纳滤波，以得到滤波频域信号的步骤中，采用静音段的平均功率谱作为初始的噪声功率谱估计，并采用预设4其中，P(k)为当前帧第k个频点噪声功率谱估计利用所述维纳滤波器对当前帧的所述原始频域5[0001]本公开实施例涉及语音降噪技术领域，尤其涉及一种边缘端实时语音的降噪方[0002]随着信息技术的快速发展，语音通信和语音识别技术在各个领域得到了广泛应程度上克服由于相关技术的限制和缺陷而导致的一根据所述原始频域信号计算其梅尔频率倒谱系数，以提取所述输入语音信号的将所述MFCC特征参数输入至经过INT8定点量化处理过的可分离卷积神经网络中，6将预加重后的所述输入语音信号分成若干帧y(n)=x(n)-a·x(n-1)[0010]其中，x(n)为原始输入信号在第n个采样点的值，x(n-1)为原始输入信号在第每帧所述语音信号s(n)被加窗处理的表达式为：对所有所述梅尔滤波器的能量取对数并进行离散余弦变换，以得到MFCC特征参7深度可分离卷积层中，将所述第二深度可分离卷积层的输出展平并输入至所述全连接层根据更新后的所述噪声功率谱估计和语音功率谱，计算所述维纳滤波器的增益8图2示出本公开示例性实施例中为噪声语音负20db合成音频及其降噪后的音频示构或特性可以以任何合适的方式结合在一个或更多实9y(n)=x(n)-a·x(n-1)[0036]其中，x(n)为原始输入信号在第n个采样点的值，x(n-1)为原始输入信号在第[0042]具体的，对每帧加窗后的信号进行快速傅里叶变换（FastFourier在噪声估计步骤中，轻量化可分离卷积神经网络用来指示当前帧是否包含语音。值β为0.998。具体的，对滤波后的频域信号进行反快速傅里叶变换（InverseFastFourier法）与传统的降噪方法（具体包括RNNoise、DeepFilterNet和S_DCCRN）进行比较。在个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本公开中的具体含义。者适应性变化遵循本公开的一般性原

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