[发明专利]一种音频降噪方法、装置、设备及介质

权利要求书

1.一种音频降噪方法，其特征在于，所述方法包括：

获取目标对象的语音音频；

基于频域与巴克域变换关系，确定目标语音信号在多个预设频率的幅值对应的目标巴克带，所述目标语音信号为所述语音音频的任一帧语音信号；

利用确定出的目标巴克带组成的矩阵，确定所述目标语音信号的音频特征；

将所述目标语音信号的音频特征输入降噪网络模型后，得到目标语音信号对应的音噪比值矩阵；

基于所述音噪比值矩阵，以及所述目标语音信号在所述多个预设频率的幅值，确定去噪后的所述目标语音信号。

2.如权利要求1所述的方法，其特征在于，所述基于所述音噪比值矩阵，以及所述目标语音信号在所述多个预设频率的幅值，确定去噪后的目标语音信号，包括：

基于所述音噪比值矩阵，以及所述目标语音信号在所述多个预设频率的幅值，确定去噪后的目标语音信号在所述多个预设频率的幅值；

基于预设转换关系，将所述去噪后的所述目标语音信号在所述多个预设频率的幅值，转换为去噪后的所述目标语音信号。

3.如权利要求2所述的方法，其特征在于，所述基于所述音噪比值矩阵，以及所述目标语音信号在所述多个预设频率的幅值，确定去噪后的目标语音信号在所述多个预设频率的幅值，包括：

利用所述频域与巴克域变换关系，将所述音噪比值矩阵变换到频域后的矩阵确定为所述目标语音信号的降噪矩阵；

将所述目标语音信号在所述多个预设频率的幅值组成的第一矩阵，与所述目标语音信号的降噪矩阵的乘积，确定为第二矩阵，所述第二矩阵由去噪后的目标语音信号在所述多个预设频率的幅值组成的。

4.如权利要求1所述的方法，其特征在于，所述获取所述目标对象的语音音频，包括：

获取多路音频信号，所述多路音频信号是利用设置在同一场景中的多个音频采集设备同时采集的，且每路音频信号中包含多个对象的语音信号，所述目标对象为所述多个对象中的任一对象；

基于预先确定的每路音频信号中各帧音频信号在多个预设频率的幅值，确定各帧音频信号的幅值矩阵；

根据所述各帧音频信号的幅值矩阵、预先确定的各帧音频信号的解混矩阵，确定每个对象的各帧语音信号在所述多个预设频率的幅值；

根据所述每个对象的各帧语音信号在所述多个预设频率的幅值，确定每个对象的语音音频。

5.如权利要求4所述的方法，其特征在于，所述各帧音频信号的解混矩阵，采用如下步骤确定：

确定每路音频信号中首帧音频信号的中间解混矩阵，并基于所述每路音频信号中首帧音频信号的中间解混矩阵，确定所述首帧音频信号的解混矩阵；

确定每路音频信号中非首帧音频信号的中间解混矩阵，并基于所述每路音频信号中非首帧音频信号的中间解混矩阵，确定所述非首帧音频信号的解混矩阵。

6.如权利要求1所述的方法，其特征在于，所述降噪网络模型采用如下步骤进行训练：

将无噪声音频样本的巴克带矩阵与纯噪声音频样本的巴克带矩阵点除后得到的音噪比值矩阵、以及所述纯噪声音频样本的音频特征、所述无噪声音频样本的音频特征作为神经网络模型的输入，将所述无噪声音频样本的巴克带矩阵与纯噪声音频样本的巴克带矩阵点除后得到的音噪比值矩阵为输出对所述神经网络进行训练；

将训练结束后的所述神经网络模型作为所述降噪网络模型；

其中，所述无噪声音频样本的音频特征是根据所述无噪声音频样本的巴克带矩阵确定的，所述纯噪声音频样本的音频特征是根据所述纯噪声音频样本的巴克带矩阵确定的。

7.如权利要求1所述的方法，其特征在于，所述利用确定出的目标巴克带组成的矩阵，确定所述目标语音信号的音频特征，包括：

计算所述目标巴克带组成的矩阵中全部元素的平均值和方差；

将所述目标巴克带组成的矩阵进行预设处理后得到的矩阵，确定为所述目标语音信号的音频特征，其中，所述预设处理为对矩阵中的每个元素与所述平均值作差并除以所述方差。