[发明专利]混合声音信号的分离方法、装置、电子设备和可读介质

权利要求书

1.一种混合声音信号的分离方法，其特征在于，包括：

从混合声音信号中提取混合声音特征数据；

将混合声音特征数据输入到混合声音编码模型中，得到第一隐变量和第二隐变量，所述第一隐变量表征人声特征，所述第二隐变量表征伴奏声音特征；

将所述第一隐变量和所述第二隐变量分别输入到人声解码模型和伴奏解码模型，得到人声特征数据和伴奏声音特征数据；以及

基于所述人声特征数据和所述伴奏声音特征数据得到人声和伴奏；

其中，所述分离方法还包括：

构建人声训练样本；

利用以下步骤进行迭代处理，直至损失函数最小化：

将人声训练样本输入到当前的人声编码器中，得到输出的第三隐变量，所述第三隐变量表征人声特征；

将所述第三隐变量输入到当前的人声解码器，得到对应的人声验证样本；

基于当前的人声训练样本和对应的人声验证样本构建第一损失函数，基于所述第一损失函数反向传播更新当前的人声编码器和人声解码器的权重参数；

当所述迭代处理结束后，将当前的人声编码器和人声解码器作为人声编码模型和所述人声解码模型。

2.根据权利要求1所述的分离方法，其特征在于，还包括：

构建伴奏声音训练样本；

利用以下步骤进行迭代处理，直至损失函数最小化：

将伴奏声音训练样本输入到当前的伴奏编码器中，得到输出的第四隐变量，所述第四隐变量表征伴奏声音特征；

将所述第四隐变量输入到当前的伴奏解码器，得到对应的伴奏验证样本；

基于当前的伴奏训练样本和对应的伴奏验证样本构建第二损失函数，基于第二损失函数反向传播更新当前的伴奏编码器和伴奏解码器的权重参数；

当所述迭代处理结束后，将当前的伴奏编码器和伴奏解码器作为伴奏编码模型和所述伴奏解码模型。

3.根据权利要求2所述的分离方法，其特征在于，还包括：

基于所述人声训练样本和所述伴奏声音训练样本构建混合声音训练样本；

利用以下步骤进行迭代处理，直至损失函数最小化：

将混合声音训练样本输入到当前的混合编码器中，得到输出的第五隐变量和第六隐变量，所述第五隐变量表征人声特征，所述第六隐变量表征伴奏声音特征；

基于当前的第五隐变量和第六隐变量、对应的第三隐变量和第四隐变量以及第一损失函数和第二损失函数构建第三损失函数，基于所述第三损失函数的反向传播更新当前的混合编码器的权重参数；

当所述迭代处理结束后，将当前的混合编码器作为所述混合声音编码模型。

4.根据权利要求3所述的分离方法，其特征在于，所述人声编码器、所述人声解码器、所述伴奏编码器、所述伴奏解码器和所述混合编码器为CNN、DNN和RNN神经网络中的一种。

5.根据权利要求1所述的分离方法，其特征在于，基于傅里叶变换从所述混合声音信号中提取频域特征作为所述混合声音特征数据。

6.根据权利要求5所述的分离方法，其特征在于，基于傅里叶的逆变换得到所述人声和所述伴奏。