[发明专利]用于处理声音信号的方法有效
申请号: | 201480040398.X | 申请日: | 2014-07-04 |
公开(公告)号: | CN105393305B | 公开(公告)日: | 2019-04-23 |
发明(设计)人: | J·勒鲁克斯;渡部晋治;J·R·赫尔歇 | 申请(专利权)人: | 三菱电机株式会社 |
主分类号: | G10L21/0208 | 分类号: | G10L21/0208 |
代理公司: | 北京三友知识产权代理有限公司 11127 | 代理人: | 吕俊刚 |
地址: | 日本*** | 国省代码: | 日本;JP |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 用于 处理 声音 信号 方法 | ||
1.一种用于处理声音信号的方法,其中,该声音信号是目标信号和干扰信号的混合物,该方法包括以下步骤:
通过一组增强过程增强所述声音信号,以产生一组初始增强信号;以及
向所述声音信号和所述一组初始增强信号应用集成学习过程,使用所述一组初始增强信号获得所述目标信号的特征;其中,使用所述声音信号分别针对所述一组初始增强信号应用掩码生成以生成一组初始特征,并组合所述一组初始特征来获得所述目标信号的特征,
其中,所述步骤在处理器中执行。
2.根据权利要求1所述的方法,该方法还包括:
使用所述特征从所述声音信号合成所述目标信号。
3.根据权利要求1所述的方法,其中,所述一组增强过程是从由矢量泰勒级数VTS、间接VTS、具有改进的最小控制递归平均的最佳改良的最小均方误差对数谱振幅、最小均方误差MMSE、对数MMSE过程以及它们的组合组成的组中选择的。
4.根据权利要求1所述的方法,其中,所述特征是连续掩码,并且所述集成学习过程是回归法。
5.根据权利要求1所述的方法,其中,所述特征是二进制掩码,所述集成学习过程是分类法。
6.根据权利要求1所述的方法,其中,所述目标信号是语音,并且所述方法还包括:
向所述目标信号应用自动语音识别。
7.根据权利要求1所述的方法,其中,所述集成学习过程的参数是从训练数据学习的。
8.根据权利要求1所述的方法,其中,所述特征包括目标掩码,该目标掩码将所述声音信号的有噪频谱变换成所述目标信号的纯净频谱。
9.根据权利要求1所述的方法,其中,所述特征是以时间-频率表示的掩码,并且所述声音信号的时间-频率表示可用,并且所述方法还包括:
在时间-频率表示中向所述声音信号应用所述掩码。
10.根据权利要求9所述的方法,其中,所述声音信号的所述时间-频率表示包括离散的时间-频率元素并且所述掩码包括权重,并且所述方法还包括:
向所述时间-频率元素应用所述权重。
11.根据权利要求10所述的方法,其中,所述时间-频率表示是从由耳蜗图、短时距傅立叶变换和小波组成的组中选择的。
12.根据权利要求1所述的方法,其中,所述特征是加权掩码,该加权掩码具有表示所述目标信号和所述声音信号之间的能量比的连续值。
13.根据权利要求1所述的方法,其中,所述集成学习过程在时间-频率表示中分析所述初始增强信号。
14.根据权利要求13所述的方法,其中,所述集成学习过程将所述初始增强信号的所述时间-频率表示转换成掩码。
15.根据权利要求1所述的方法,其中,所述集成学习过程使用投票、平均或堆叠。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于三菱电机株式会社,未经三菱电机株式会社许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201480040398.X/1.html,转载请声明来源钻瓜专利网。