[发明专利]语音信号的处理方法、装置、电子设备及存储介质

说明书

本公开是关于一种语音信号的处理方法、装置、电子设备及存储介质，属于语音处理技术领域。方法包括：确定原始语音信号中的多个语音信号帧的第一语音特征；调用非局部注意力网络对所述多个语音信号帧的第一语音特征进行融合，得到所述每个语音信号帧的非局部语音特征；调用局部注意力网络对所述每个语音信号帧的非局部语音特征分别进行处理，得到所述每个语音信号帧的混合语音特征；基于所述多个语音信号帧的混合语音特征获取去噪参数；按照所述去噪参数对所述原始语音信号进行去噪，得到目标语音信号。该方法在处理过程中考虑该语音信号帧的上下文信息，使得到的去噪参数更加准确，从而提高原始语音信号的去噪效果。

技术领域

本公开涉及语音处理技术领域，尤其涉及一种语音信号的处理方法、装置、电子设备及存储介质。

背景技术

通常采集的语音信号中会包含噪声，噪声的存在对语音信号的处理会产生不利影响，因此噪声的去除对于语音信号的处理来说有着至关重要的作用。

相关技术中，采用谱减法对语音信号进行去噪，即获取语音信号中的静音片段，从静音片段中提取出噪声信号，将语音信号与噪声信号相减即可去除语音信号中的噪声，但是对于语音信号中噪声发生变化的情况，谱减法难以去除噪声，去噪效果较差。

发明内容

本公开提供了一种语音信号的处理方法、装置、电子设备及存储介质，提高了语音信号的去噪效果。

根据本公开实施例的一方面，提供一种语音信号的处理方法，所述方法包括：

确定原始语音信号中的多个语音信号帧的第一语音特征；

调用非局部注意力网络对所述多个语音信号帧的第一语音特征进行融合，得到所述每个语音信号帧的非局部语音特征；

调用局部注意力网络对所述每个语音信号帧的非局部语音特征分别进行处理，得到所述每个语音信号帧的混合语音特征；

基于所述多个语音信号帧的混合语音特征获取去噪参数；

按照所述去噪参数对所述原始语音信号进行去噪，得到目标语音信号。

本公开实施例提供的方法，调用非局部注意力网络和局部注意力网络，对原始语音信号中的多个语音信号帧的第一语音特征进行处理，得到去噪参数，该去噪参数能够表示每个语音信号帧中除噪声信号之外的信号所占的比例，因此采用该去噪参数对原始语音信号进行去噪，实现原始语音信号中噪声的去除，且调用非局部注意力网络在对每个语音信号帧的第一语音特征进行处理时，能够考虑该语音信号帧的上下文信息，使得到的去噪参数更加准确，从而提高原始语音信号的去噪效果。

在一种可能实现方式中，所述确定原始语音信号中的多个语音信号帧的第一语音特征，包括：

调用特征提取网络分别对所述多个语音信号帧的原始幅度进行特征提取，得到所述多个语音信号帧的第一语音特征。

本公开实施例中，由于语音信号帧中的噪声信号存在于语音信号帧的原始幅度中，因此对语音信号帧的原始幅度进行特征提取，而无需对原始语音信号中的原始相位进行处理，减少了处理量。

在另一种可能实现方式中，所述按照所述去噪参数对所述原始语音信号进行去噪，得到目标语音信号，包括：

调用语音去噪网络，按照所述去噪参数分别对所述多个语音信号帧的原始幅度进行去噪，得到所述多个语音信号帧的目标幅度；

对所述多个语音信号帧的原始相位和目标幅度进行组合，得到所述目标语音信号。

本公开实施例中，根据获取的去噪参数对原始幅度进行去噪，得到不包含噪声信号的目标幅度，实现对原始语音信号的原始幅度的去噪，再根据目标幅度和原始相位即可恢复出不包含噪声信号的目标语音信号，从而实现原始语音信号的去噪。这种去噪方式，只需对语音信号中的幅度进行处理而无需对相位进行处理，减少了需要处理的特征，提高了处理速度。