[发明专利]语音降噪的方法、装置、电子设备及存储介质

权利要求书

1.一种语音降噪的方法，其特征在于，所述方法包括：

获取第一音频，所述第一音频为混合有语音信号以及背景噪声信号的音频；

对所述第一音频进行预处理，以将所述第一音频的频谱能量特征由线性时域转换到Bark频域，得到所述第一音频的Bark特征；

将所述Bark特征输入预先训练得到的目标神经网络模型，获取所述目标神经网络模型输出的Bark特征比例参数，所述目标神经网络模型包括至少一个分离门卷积层以及至少一个长短期记忆层，所述Bark特征比例参数表征所述语音信号的频谱幅值特征在所述Bark频域中所占的比例，所述将所述Bark特征输入预先训练得到的目标神经网络模型，获取所述目标神经网络模型输出的Bark特征比例参数的步骤包括：将所述Bark特征输入所述分离门卷积层，再将所述分离门卷积层的输出输入到所述长短期记忆层，输出得到所述Bark特征比例参数；

基于所述Bark特征比例参数，计算所述语音信号的幅值参数；

基于所述幅值参数获取目标语音。

2.根据权利要求1所述的方法，其特征在于，所述将所述Bark特征输入预先训练得到的目标神经网络模型，获取所述目标神经网络模型输出的Bark特征比例参数的步骤包括：

将所述Bark特征输入预先训练得到的目标神经网络模型，得到所述语音信号在所述Bark频域的频谱幅值比例；

所述基于所述Bark特征比例参数，计算所述语音信号的幅值参数的步骤包括：

对所述Bark频域的频谱幅值比例进行Bark特征逆转换，得到所述语音信号在线性时域的频谱幅值比例；

基于所述线性时域的频谱幅值比例以及所述第一音频在线性时域的频谱能量计算所述语音信号的频谱幅值。

3.根据权利要求2所述的方法，其特征在于，所述方法，还包括：

计算所述第一音频的相位值；

所述基于所述幅值参数获取目标语音的步骤包括：

基于所述频谱幅值以及所述相位值获取目标语音。

4.根据权利要求3所述的方法，其特征在于，所述基于所述频谱幅值以及所述相位值获取目标语音的步骤包括：

对所述相位值以及所述频谱幅值进行反傅立叶变换，得到目标语音。

5.根据权利要求1所述的方法，其特征在于，所述对所述第一音频进行预处理的步骤包括：

对第一音频信号进行分帧加窗；

对每个窗内的所述第一音频信号进行短时傅立叶变换，以将所述第一音频的频谱能量特征由线性时域转换到Bark频域，得到所述第一音频的Bark特征。

6.根据权利要求1所述的方法，其特征在于，所述分离门卷积层包括四个二维卷积层、第一激活函数模块以及第二激活函数模块，所述四个二维卷积层包括第一因果卷积层、第二因果卷积层、第三卷积层以及第四卷积层，所述第一激活函数模块与所述第三卷积层连接，所述第二激活函数模块与所述第四卷积层连接，所述第一因果卷积层的卷积核尺寸为kw*1，所述第二因果卷积层的卷积核尺寸为1*kh，所述第一因果卷积层与所述第二因果卷积层的卷积核的通道数相同，所述第三卷积层以及第四卷积层的卷积核的尺寸相同，其中，每个所述分离门卷积层的处理步骤包括：

将输入数据输入所述第一因果卷积层；

将所述第一因果卷积层的输出输入至所述第二因果卷积层；

将所述第二因果卷积层的输出分别输入至所述第三卷积层以及所述第四卷积层；

将所述第三卷积层的输出输入至所述第一激活函数模块，并将所述第四卷积层的输出输入至所述第二激活函数模块；

将所述第一激活函数模块的输出与所述第二激活函数模块的输出相乘，得到所述分离门卷积层的输出。

7.根据权利要求1或6所述的方法，其特征在于，所述目标神经网络模型包括三个分离门卷积层以及两个长短期记忆层。