[发明专利]基于神经网络的降噪方法、系统、电子设备及存储介质

权利要求书

1.一种基于神经网络的降噪方法，其特征在于，包括以下步骤：

构建神经网络并训练；

对音频信号进行语音特征提取，并将提取得到的语音特征作为输入信号输入训练好的神经网络中，得到不同频带的增益系数；所述的增益系数均在0-1之间；

将所述增益系数作用于频域信号，并对所述频域信号进行逆傅里叶变换，得到降噪后的语音信号。

2.根据权利要求1所述的基于神经网络的降噪方法，其特征在于：

所述的神经网络包括：顺次连接的全连接层FC1、激活层ReLU1、长短时记忆层LSTM、全连接层FC2、激活层ReLU2、全连接层FC3、激活层SIGMOID；

和\或

所述的全连接层FC1用于将语音特征映射到隐层空间；

激活层ReLU1用于对隐层空间的输出信号进行处理，增大网络的稀疏性；

长短时记忆层LSTM用于对激活层ReLU1的输出数据进行处理，解决语音帧之间存在的长时依赖问题；

全连接层FC2用于将长短时记忆层LSTM的输出数据映射到隐层空间；

激活层ReLU2用于对隐层空间的输出信号进行处理，增大网络的稀疏性；

全连接层FC3用于将激活层ReLU2的输出数据映射到隐层空间；

激活层SIGMOID用于对全连接层FC3的输出数据进行处理，将最后的输出结果映射到0-1之间，并作为不同频带的增益系数。

3.根据权利要求1所述的基于神经网络的降噪方法，其特征在于，

所述的全连接层FC1的输入维度是34，输出维度是48；全连接层FC2的输入维度是48，输出维度是36；全连接层FC3的输入维度是36，输出维度是24，即得24个子带的增益系数；

和/或

采用梯度下降法对构建的神经网络进行优化。

4.根据权利要求1所述的基于神经网络的降噪方法，其特征在于，通过以下方法对音频信号进行语音特征提取：

对音频信号进行分帧处理；

对于分帧处理后的信号，计算获得语音特征——梅尔倒谱系数、倒谱系数的一阶和二阶差分、信号能量、VAD系数。

5.根据权利要求4所述的基于神经网络的降噪方法，其特征在于，对音频信号进行分帧处理前，还包括：对音频信号进行预加重处理；

所述预加重处理消除发声过程中声带及口唇对语音的影响，加强高频部分，还原原始的声音。

6.根据权利要求4所述的基于神经网络的降噪方法，其特征在于，对音频信号进行分帧处理后、计算获得语音特征前，还包括：对分帧后的数据利用窗函数进行处理。

7.根据权利要求1所述的基于神经网络的降噪方法，其特征在于，所述的语音特征包括34个，具体包括16个梅尔倒谱系数、8个倒谱系数的一阶差分、8个倒谱系数的二阶差分、本帧信号能量和VAD系数。

8.根据权利要求1-7任一项所述的基于神经网络的降噪方法，其特征在于，在步骤对音频信号进行语音特征提取之前还包括：

通过A2DP或HFP码流接收智能终端的音频信号；

判断音频信号的来源信息是否是预设类型；

若所述音频信号符合预设类型，则对所述音频信号进行下行降噪处理。

9.根据权利要求8所述的基于神经网络的降噪方法，其特征在于，所述的若所述音频信号符合预设类型，则对所述音频信号进行下行降噪处理，包括：

若所述音频信号是第一预设类型的音频信号，则对所述音频信号进行下行降噪处理；

若所述音频信号是第二预设类型的音频信号，则跳过对所述音频信号进行下行降噪处理的步骤。