[实用新型]一种基于深度学习的人声增强与环境预测系统有效

专利信息
申请号: 202022396375.8 申请日: 2020-10-26
公开(公告)号: CN213877572U 公开(公告)日: 2021-08-03
发明(设计)人: 张海天 申请(专利权)人: 武汉大学
主分类号: G10L25/51 分类号: G10L25/51;G10L25/30;G10L25/03;G10L21/0208
代理公司: 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 代理人: 许莲英
地址: 430072 湖*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 深度 学习 人声 增强 环境 预测 系统
【说明书】:

实用新型公开了一种基于深度学习的人声增强与环境预测系统,包括信号接收器、信号存储器、人声提取器、环境音提取器、信号放大器、环境预测系统、显示器、扬声器。信号接收器接收声音信号,存入信号存储器;信号存储器存取声音信号,将声音信号分别传输至人声提取器、环境音提取器;人声提取器对声音信号的人声进行提取;环境音提取器对声音信号的环境音进行提取;信号放大器放大人声提取器人声信号;环境预测系统通过深度学习技术,对环境声音信号进行处理和分类;显示器用于显示所预测的环境声音类型;扬声器用于输出放大后人声信号。本新型用于对语音信号进行降噪处理,获取更加清晰完整的语音信号,并且判断出其产生的环境种类。

技术领域

本实用新型涉及科学计算及智能分类领域,具体涉及一种基于深度学习的人声增强与环境预测系统。

背景技术

在日常生活中,由于环境的干扰,语音信号很可能会被破坏和污染,导致我们无法很好的去判断语音的内容;另外,当语音信号的信源过于嘈杂时,我们无法获取到其它有用的信息。譬如说,报警电话,在报警人过度紧张的情况下,我们可能无法从报警人的口中获取有用的信号,但是我们可以通过其进入到麦克风环境声音进行对其所在的环境进行分析和判断,从而得到其粗略的位置信息等等。对于人声信号增强和环境声信号的预测的研究对于家居、公安、军事方面都具有重要意义。

随着深度学习技术的迅速发展,我们可以将神经网络运用到语音信号的处理上面,通过对预知环境音的训练,我们可以快速准确的分析出不同环境声音信号对应的环境类型,进而帮助我们去处理一些生活社会上的问题。提高我们的生活质量。

实用新型内容

一种基于深度学习的人声增强与环境预测系统,其特征在于:信号接收器、信号存储器、人声提取器、环境音提取器、信号放大器、环境预测系统、显示器、扬声器;

所述信号接收器与所述信号存储器通过有线方式连接;所述信号存储器分别与所述的人声提取器、环境音提取器通过有线方式依次连接;所述的人声提取器、信号放大器、扬声器通过有线方式依次串联连接;所述的环境音提取器、环境预测系统、显示器通过有线方式依次串联连接;

所述人声提取器包括:模数转换器、反向抑噪器、数模转换器;

所述的模数转换器,反向抑噪器,数模转换器依次串联连接;

所述环境音提取器包括:高通滤波器、声道混合器、低通滤波器;

所述的高通滤波器、声道混合器、低通滤波器依次串联连接;

所述信号存储器分别与所述的模数转换器、高通滤波器通过有线方式依次连接;

所述低通滤波器分别与所述的模数转换器、环境声预测系统通过有线方式依次连接;

所述数模转换器与所述信号放大器通过有线方式连接;

所述信号接收器用于接收声音信号,将声音信号存入所述信号存储器;

所述信号存储器用于存取接收声音信号,将声音信号分别传输至所述的人声提取器、环境音提取器;

所述人声提取器接收所述信号存储器输出的声音信号,并接收所述环境音提取系统输出的环境声音信号,结合环境声音信号,进一步对声音信号的人声进行提取得到人声信号,并传输至所述信号放大器;

所述模数转换器接收所述环境音提取系统输出的环境声音信号,将环境声音信号通过模数转换得到环境音数字信号序列;

所述反向抑噪器计算获得与环境音数字信号序列频谱相同、相位相差180°的抑噪信号数字序列,将抑噪信号数字序列传输至所述数模转换器,通过数模转换得到抑噪模拟信号;

所述反向抑噪器接收所述信号存储器输出的声音信号,将抑噪模拟信号与声音信号混合,使得抑噪模拟信号与声音信号中环境声音信号互相抵消,从而获取人声信号;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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武汉大学,未经武汉大学许可,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/202022396375.8/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top