[发明专利]一种结合声纹识别和深度学习的回声消除方法

权利要求书

1.一种结合声纹识别和深度学习的回声消除方法，其特征在于：

1)从目标说话人的语音片段中提取声学特征，通过预先训练好的包含递归神经网络模型的声纹编码器得到表征说话人信息的嵌入式向量，即声纹向量；

2)从接收的信号中提取声学特征，所述信号包括近端信号和远端信号，通过AEC算法估计出出现的回声信号，即估计回声信号，同时得到线性方式消除后的包含残留回声的近端信号，即线性过滤信号；

3)将估计回声信号、线性过滤信号以及远端信号声学特征合并，通过预先训练的二维卷积网络得到一组新的特征向量，将新的特征向量与声纹向量做特征合并；

4)合并后的特征向量通过预先训练的多层的递归神经网络模型中进行迭代运算，计算所述声学特征的掩膜；

5)采用所述掩膜对所述线性过滤信号的声学特征进行掩蔽；

6)将经过掩蔽后的所述声学特征与所述麦克风信号的相位进行合成，得到经过回声消除后的近端信号。

2.如权利要求1所述的一种结合声纹识别和深度学习的回声消除方法，其特征在于：2)步中，从接收的麦克风信号中提取声学特征，所述麦克风信号包括近端信号和远端信号。

3.如权利要求2所述的一种结合声纹识别和深度学习的回声消除方法，其特征在于：1)步中，预先训练好的包含长短期记忆的递归神经网络模型的声纹编码器构建方法为：收集多个说话人的语音信号，并以此建立语音训练集，通过长短期记忆的递归神经网络对所述语音训练集进行训练；步骤包含：根据所述语音信号的提取单句的声学向量，并与相同说话人和不同的说话人做区分训练，得到一个区分表达声学向量的模型。

4.如权利要求2所述的一种结合声纹识别和深度学习的回声消除方法，其特征在于：3)步中，预先训练的卷积神经网络和长短期记忆的递归神经网络模型的构建方法包括：确定进行训练时的说话人声为近端和远端参考信号；收集远端信号、近端信号，并以此建立语音训练集，其中所述远端信号为回声信号，所述近端信号与所述回声信号形成麦克风信号；获取近端信号中目标说话人的其他音频信号的声纹向量，将通过估计回声信号、线性过滤信号和参考信号合并后通过所述二维卷积网路，在通过具有长短期记忆的递归神经网络模型得到估计的掩膜，将所述掩膜对所述线性过滤信号的声学特征进行掩蔽，目标就是将掩蔽后的声学特征逼近干净的近端信号声学特征，具体损失函数为幂律压缩重建误差：