[发明专利]一种基于机器学习及深度学习的声纹降噪方法及系统

权利要求书

1.一种基于机器学习及深度学习的声纹降噪方法，其特征在于，包括如下步骤：

S1、获取特定人在野外实地工作环境中对地质现象和地质认识描述的说话音频；

S2、将步骤S1获取的所述说话音频通过机器学习及深度学习模型分别进行学习，对说话音频中夹杂的环境音进行识别区分；

S3、将步骤S2中得到的识别过的语音进行过滤，剔除掉该语音中不属于所述特定人说话音频的环境音，得到经过初步筛查的语音；

S4、判断经过初步筛查的语音信噪比是否达到预设的阈值，若否，则跳转步骤S3，若是，则继续步骤S5；

S5、将步骤S4所述语音与该人声纹识别模型进行对比提取，保留与该人声纹识别模型相符合的语音频率及语谱图像，剔除掉与该人声纹识别模型不符合的语音，得到声纹降噪处理的语音；

S6、判断声纹降噪处理后的语音中的人声纹纯净度是否达到预设的阈值，若否，则跳转步骤S5，若是，则继续步骤S7；

S7、对步骤S6所述声纹降噪后的语音进行增强；

S8、判断经过增强的语音清晰度是否达到预设的阈值，若否，则跳转步骤S7，若是则继续S9；

S9、将步骤S8中获得的结果语音输出到语音文字识别系统，完成后续处理。

2.根据权利要求1所述基于机器学习及深度学习的声纹降噪方法，其特征在于，在步骤S1之前还包括建立机器学习及深度学习模型的步骤，具体为，获取大量人在野外嘈杂环境下的说话音频，将音频全部都转换成为波谱图并导入到计算机中，对机器学习及深度学习模型进行大量反复训练，机器学习及深度学习识别区分人说话音频中夹杂的环境音，从而获得训练好的机器学习及深度学习模型。

3.根据权利要求1所述基于机器学习及深度学习的声纹降噪方法，其特征在于，在步骤S5之前还包括建立特定说话人的人声纹识别模型，具体为用已有的该特定说话人的声纹建立声纹语谱图，进行声纹语谱图上的特征提取后便可以建立起只属于该人的声纹识别模型，经过大量该人声纹数据的反复训练，得到一个声纹识别率高的该人的声纹识别模型。

4.一种基于机器学习及深度学习的声纹降噪系统，其特征在于，包含如下模块：

初始化模块，用于获取特定人在野外实地工作环境中对地质现象和地质认识描述的说话音频；

机器学习及深度学习处理识别模块，用于将初始化模块中获取的所述说话音频通过机器学习及深度学习模型分别进行学习，对说话音频中夹杂的环境音进行识别区分；

语音过滤模块，用于将机器学习及深度学习处理识别模块得到的识别过的语音进行过滤，剔除掉该语音中不属于所述特定人说话音频的环境音，得到经过初步筛查的语音；

语音过滤判断模块，用于判断过滤后的语音信噪比是否达到预设的阈值，若否，则跳转语音过滤模块，若是，则继续声纹提取模块；

声纹对比提取模块，用于将过滤判断模块中获得的语音与该人声纹识别模型进行对比提取，保留与该人声纹识别模型相符合的语音频率及语谱图像，剔除掉与该人声纹识别模型不符合的语音，得到声纹降噪处理的语音；

语音纯净度判断模块：用于判断提取的人声纹纯净度是否达到预设的阈值，若否，则跳转声纹提取模块，若是，则进行语音增强模块；

语音增强模块，对声纹提取模块中获得的声纹降噪后的语音进行进一步增强；

语音清晰度判断模块，用于判断提取的人声纹纯净度是否达到预设的阈值，若否，则跳转语音增强模块，若是，则继续语音录入模块；

语音输出模块，将语音增强模块中获得的结果语音输出到语音文字识别系统，完成后续处理。

5.根据权利要求4所述基于机器学习及深度学习的声纹降噪系统，其特征在于，在初始化模块之前还包含：建立机器学习及深度学习模型模块：用于获取大量人在野外嘈杂环境下的说话音频，将语音全部都转换成为波谱图并导入到计算机中，对机器学习及深度学习模型进行大量反复训练，机器学习及深度学习识别区分人说话音频中夹杂的环境音，从而获得训练好的机器学习及深度学习模型。

6.根据权利要求4所述基于机器学习及深度学习的声纹降噪系统，其特征在于，在声纹提取模块之前还包含：建立声纹识别模型模块，用于建立特定说话人的人声纹识别模型，具体为用已有的该特定说话人的声纹建立声纹语谱图，进行声纹语谱图上的特征提取后便可以建立起只属于该人的声纹识别模型，经过大量该人声纹数据的反复训练，得到一个声纹识别率高的该人声纹识别模型。