[发明专利]音频降噪方法、装置、电子设备及介质有效
申请号: | 201911315761.5 | 申请日: | 2019-12-19 |
公开(公告)号: | CN111128214B | 公开(公告)日: | 2022-12-06 |
发明(设计)人: | 黄振胜 | 申请(专利权)人: | 网易(杭州)网络有限公司 |
主分类号: | G10L21/0208 | 分类号: | G10L21/0208;G10L21/028;G10L25/30 |
代理公司: | 北京同立钧成知识产权代理有限公司 11205 | 代理人: | 杨俊辉;臧建明 |
地址: | 310052 浙江省*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 音频 方法 装置 电子设备 介质 | ||
1.一种音频降噪方法,其特征在于,包括:
从待降噪音频信号中分离出第一伴奏信号和第一语音信号;
对所述第一伴奏信号进行过滤得到第二伴奏信号,根据第一预设广义权重滤波器过滤所述第一伴奏信号中的第一噪声信号得到所述第二伴奏信号;
对所述第一语音信号进行过滤得到第二语音信号,根据第二预设广义权重滤波器过滤所述第一语音信号中的第二噪声信号得到所述第二语音信号;
根据所述第二伴奏信号和所述第二语音信号合成降噪音频信号;
在所述对所述第一伴奏信号进行过滤得到第二伴奏信号之前,还包括:
根据第二预设深度循环神经网络模型从所述待降噪音频信号中分离出主体信号和第一噪声信号,其中,所述第二预设深度循环神经网络模型的训练采用第二混合音频作为训练样本,采用所述第二混合音频在混合前的主体信号以及噪声信号作为监督数据,所述第一噪声信号用于对所述第一伴奏信号进行降噪。
2.根据权利要求1所述的音频降噪方法,其特征在于,所述从待降噪音频信号中分离出第一伴奏信号和第一语音信号,包括:
根据第一预设深度循环神经网络模型从所述待降噪音频信号中分离出所述第一伴奏信号以及所述第一语音信号,其中,所述待降噪音频信号包括伴奏信号以及语音信号,所述第一预设深度循环神经网络模型的训练采用第一混合音频作为训练样本,采用所述第一混合音频在混合前的伴奏信号以及语音信号作为监督数据。
3.根据权利要求1所述的音频降噪方法,其特征在于,所述对所述第一伴奏信号进行过滤得到第二伴奏信号,包括:
其中,所述第一预设广义权重滤波器根据所述待降噪音频信号的第一先验信噪比与第一后验信噪比进行构造,所述第一先验信噪比为所述主体信号的功率与所述第一噪声信号的功率之间的比值,所述第一后验信噪比为所述待降噪音频信号的功率与所述第一噪声信号的功率之间的比值。
4.根据权利要求2所述的音频降噪方法,其特征在于,在所述对所述第一语音信号进行过滤得到第二语音信号之前,包括:
根据最小值跟踪法分离出所述第一语音信号中的人声信号以及第二噪声信号,所述第二噪声信号用于对所述第一语音信号进行降噪。
5.根据权利要求4所述的音频降噪方法,其特征在于,所述对所述第一语音信号进行过滤得到第二语音信号,包括:
其中,所述第二预设广义权重滤波器根据所述第一语音信号的第二先验信噪比与第二后验信噪比进行构造,所述第二先验信噪比为所述人声信号的功率与所述第二噪声信号的功率之间的比值,所述第二后验信噪比为所述第一语音信号的功率与所述第二噪声信号的功率之间的比值。
6.根据权利要求2、4-5中任意一项所述的音频降噪方法,其特征在于,还包括:
构建第一训练数据集,所述第一训练数据集包括多个所述第一混合音频,所述第一混合音频为歌曲音频;
构建第一监督数据集,所述第一监督数据集包括所述第一训练数据集中每一个所述第一混合音频对应的伴奏信号以及语音信号;
采用所述第一训练数据集作为预设深度循环神经网络模型的训练样本,采用所述第一监督数据集中的伴奏信号以及语音信号存放至不同的通道进行监督学习,以构建所述第一预设深度循环神经网络模型。
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网易(杭州)网络有限公司,未经网易(杭州)网络有限公司许可,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/201911315761.5/1.html,转载请声明来源钻瓜专利网。