[发明专利]一种音频降噪方法、系统、设备及介质

说明书

本发明提供一种基于深度学习的音频降噪方法、系统、设备及介质，通过获取带噪音频信号，提取出该带噪音频信号的幅度值和角度值，并基于幅度值利用神经网络模型预测出与该带噪音频信号关联的理想幅度比值；根据预测的理想幅度比值、该带噪音频信号的幅度值和角度值确定出纯净音频信号的复频谱；在该纯净音频信号的复频谱上进行逆变换，获取与该带噪音频信号对应的纯净音频信号。本发明针对目前存在的问题，设计了一种基于深度学习方法的能够在多种噪声的场景下都具有降噪能力的方法。基于深度学习方法对音频信号进行处理，不需要过于理想的假设条件，同时能够在更广泛的噪声数据集上训练模型，能够克服传统算法鲁棒性不足和降噪能力不足的缺点。

技术领域

本发明涉及噪声处理技术领域，特别是涉及一种音频降噪方法、系统、设备及介质。

背景技术

在真实世界中，存在各种各样的噪声，而噪声的存在会严重影响语音产品的应用。如在会议语音记录场景中，会议记录员通常需要后续播放录音，以辅助整理会议内容。但是由于录音环境、录音设备等会产生一些嘈杂的噪声，导致录音回放后的声音并不清晰。在语音通话过程中，通话现场通常存在环境噪声，这些噪声也会影响到通话质量。因此降噪是语音应用中一个重要的环节。然而，目前广泛使用的传统降噪算法，存在着降噪性能有限和降噪鲁棒性差的问题，不足以应对日益广泛的语音应用的降噪场景。真实环境中噪声来源可能是多种多样的，如机器运行噪声，音乐，嘈杂人声等。传统的降噪方法通常只对有限的几种噪声来源有降噪效果，这就降低了降噪的鲁棒性。而且传统降噪算法假设条件过于理想，从而降低了真实场景中的降噪能力。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种音频降噪方法、系统、设备及介质，用于解决现有技术中存在的技术问题。

为实现上述目的及其他相关目的，本发明提供一种音频降噪方法，包括以下步骤：

获取一个或多个带噪音频信号；

提取出所述一个或多个带噪音频信号的幅度值和角度值，并基于提取出的幅度值利用一个或多个神经网络模型预测出与所述一个或多个带噪音频信号关联的理想幅度比值；

根据预测的理想幅度比值、所述一个或多个带噪音频信号的幅度值和角度值确定出一个或多个纯净音频信号的复频谱；

在所述一个或多个纯净音频信号的复频谱上进行逆变换，获取与所述一个或多个带噪音频信号对应的一个或多个纯净音频信号。

可选地，所述一个或多个神经网络模型的训练过程包括：

采集真实环境下的语音信号和噪音信号，并根据真实环境下的语音信号和噪音信号得到真实环境下的带噪语音信号；

分别提取真实环境下语音信号对应的振幅、真实环境下带噪语音信号对应的振幅，并根据真实环境下语音信号对应的振幅和带噪语音信号对应的振幅确定出真实环境下的幅度比值；

对真实环境下的带噪语音信号取log，并将得到的数值输入至所述一个或多个神经网络模型中获取预测出的理想幅度比值；

根据预测出的理想幅度比值与真实环境下的幅度比值确定所述一个或多个神经网络模型是否收敛，并在收敛时结束对所述一个或多个神经网络模型的训练；

其中，所述一个或多个神经网络模型的网络结构至少包括：加密网络层、解密网络层和循环网络；所述循环网络嵌入在所述加密网络层与解密网络层之间，且所述加密网络层与所述解密网络层彼此对应形成U型网络结构。

可选地，还包括根据预测出的理想幅度比值与真实环境下的幅度比值确定出一个损失函数；

判断相邻两次训练的损失函数的差值的绝对值是否小于预设目标值；

若小于预设目标值，则结束对所述一个或多个神经网络模型的训练；