[发明专利]高频信号重建模型的训练方法和高频信号重建方法及装置

权利要求书

1.一种高频信号重建模型的训练方法，其特征在于，应用于骨传导传感器，包括：

将用于模型训练的音频信号分别进行第一频率和第二频率的低通滤波，获得对应所述第一频率的样本信号和对应所述第二频率的目标信号，其中，所述第一频率小于所述第二频率；

根据所述样本信号获得样本特征参数，以及，根据所述目标信号获得目标特征参数；

将所述样本特征参数输入神经网络，以所述目标特征参数为输出目标训练所述神经网络，直至获得满足收敛条件的神经网络，并将满足收敛条件的神经网络作为高频重建模型，所述神经网络为有监督学习神经网络中的卷积递归神经网络；

所述根据所述样本信号获得样本特征参数，以及，根据所述目标信号获得目标特征参数的步骤，包括：

根据所述样本信号获得样本相位谱，以及，根据所述目标信号获得目标相位谱；

所述将所述样本特征参数输入神经网络，以所述目标特征参数为输出目标训练所述神经网络，直至获得满足收敛条件的神经网络的步骤，包括：

将所述样本相位谱输入所述神经网络，以所述目标相位谱为输出目标训练所述神经网络，直至获得满足相位谱对应收敛条件的神经网络；

所述根据所述样本信号获得样本特征参数，以及，根据所述目标信号获得目标特征参数的步骤，还包括：

根据所述样本信号获得样本幅度谱，以及，根据所述目标信号获得目标幅度谱；

所述将所述样本特征参数输入神经网络，以所述目标特征参数为输出目标训练所述神经网络，直至获得满足收敛条件的神经网络的步骤，包括：

将所述样本幅度谱输入所述神经网络，以所述目标幅度谱为输出目标训练所述神经网络，直至获得满足幅度谱对应的收敛条件的神经网络；

所述将所述样本相位谱输入所述神经网络，以所述目标相位谱为输出目标训练所述神经网络，直至获得满足相位谱对应收敛条件的神经网络的步骤，以及，将所述样本幅度谱输入所述神经网络，以所述目标幅度谱为输出目标训练所述神经网络，直至获得满足幅度谱对应的收敛条件的神经网络的步骤，包括：

将所述样本相位谱输入第一神经网络，以所述目标相位谱为输出目标训练所述第一神经网络，直至获得满足相位谱对应收敛条件的第一神经网络，以及，将所述样本幅度谱输入第二神经网络，以所述目标幅度谱为输出目标训练所述第二神经网络，直至获得满足幅度谱对应的收敛条件的第二神经网络；

所述将所述样本相位谱输入第一神经网络，以所述目标相位谱为输出目标训练所述第一神经网络，直至获得满足相位谱对应收敛条件的第一神经网络的步骤，包括：

计算每次将所述样本相位谱输入所述第一神经网络训练后输出的预测相位谱与所述目标相位谱的加权余弦距离；

若所述加权余弦距离大于或者等于预设距离值，利用所述加权余弦距离作为损失函数调整所述第一神经网络的网络参数；

若所述加权余弦距离小于所述预设距离值，将此时的所述第一神经网络作为满足预设收敛条件的神经网络；

所述将所述样本幅度谱输入第二神经网络，以所述目标幅度谱为输出目标训练所述第二神经网络，直至获得满足幅度谱对应的收敛条件的第二神经网络的步骤，包括：

计算每次将所述样本幅度谱输入所述第二神经网络训练后输出的预测幅度谱与所述目标幅度谱的平均绝对误差；

若所述平均绝对误差大于或者等于预设误差值，利用所述预测幅度谱与所述目标幅度谱的误差幅度谱调整所述第二神经网络；

若所述平均绝对误差小于所述预设误差值，将此时的所述第二神经网络作为满足预设收敛条件的第二神经网络；

上述高频信号重建过程进行多步推理，至少两次高频扩展。

2.根据权利要求1所述的方法，其特征在于，所述根据所述样本信号获得样本特征参数，以及，根据所述目标信号获得目标特征参数的步骤，包括：

将所述样本信号进行短时傅里叶变换，获得所述样本幅度谱和所述样本相位谱；

所述根据所述目标信号获得目标幅度谱和目标相位谱的步骤，包括：

将所述目标信号进行短时傅里叶变换，获得所述目标幅度谱和所述目标相位谱。