[发明专利]用于语音编码的蓝牙音频的传送方法、系统和电子设备

说明书

本申请公开了一种用于语音编码的蓝牙音频的传送方法、系统和电子设备，其通过使用作为基于语义理解模型的预测编码模型的编码器‑掩码器结构，可以通过对发送端的语音数字信号进行编码来得到接收端的语音数字信号，从而通过编码器‑解码器模型来并入通信环境因素，另外，利用上述编码器‑掩码器结构中的语义理解模型的用于掩码预测的变换器机制，可以基于语音数字信号的整体对语音数字信号的模型进行标注，从而体现出音频的模式。这样在编码时，除了考虑到音频模式外，还结合了通信环境的表征，以提高编码的精度。

技术领域

本申请涉及语音编码的领域，且更为具体地，涉及一种用于语音编码的蓝牙音频的传送方法、用于语音编码的蓝牙音频的传送系统和电子设备。

背景技术

语音编码就是对模拟的语音信号进行编码，将模拟信号转化成数字信号，从而降低传输码率并进行数字传输。常用的语音编码是波形编码，其将时域的模拟话音的波形信号经过取样、量化、编码而形成的数字话音信号。但这种编码方式没有考虑音频信号的具体音频模式。例如，在对激昂的音乐模式进行编码以及缓和情绪下的音乐模式等进行编码时，需要基于音频数据的音频模式来进行自适应地编码。否则就会使得编码的准确度降低，从而影响音频传输的质量。

并且，在通过蓝牙进行音频传递时，还需要考虑到通信环境，尤其是通信距离和环境噪声。否则就会使得音频的传输质量受损，同时还可能会导致最终的传输音频错误。

因此，期望一种用于语音编码的蓝牙音频的传送方案。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种用于语音编码的蓝牙音频的传送方法、系统和电子设备，其通过使用作为基于语义理解模型的预测编码模型的编码器-掩码器结构，可以通过对发送端的语音数字信号进行编码来得到接收端的语音数字信号，从而通过编码器-解码器模型来并入通信环境因素，另外，利用上述编码器-掩码器结构中的语义理解模型的用于掩码预测的变换器机制，可以基于语音数字信号的整体对语音数字信号的模型进行标注，从而体现出音频的模式。这样在编码时，除了考虑到音频模式外，还结合了通信环境的表征，以提高编码的精度。

根据本申请的一个方面，提供了一种用于语音编码的蓝牙音频的传送方法，其包括：

训练阶段，包括：

获取训练数据集，所述训练数据集包括发送端发送的语音信号和真实的接收端接收到的语音信号；

将所述训练数据集中的所述发送端发送的语音信号通过作为预测编码模型的语义理解模型以获得多个语音特征向量，其中，所述多个语义特征向量中每个语音特征向量对应于所述发送端发送的语音信号中的一段语音信号；

将所述多个语音特征向量输入由多个全连接层组成的解码器模型以从所述多个语音特征向量组成的语音特征向量序列中恢复出解码语音信号；

通过最小化所述解码语音信号和所述真实的接收端接收到的语音信号之间的差异来训练所述预测编码模型和所述解码器模型；

将所述多个语音特征向量分别通过所述预测编码模型的转换器以获得多个编码的语音特征向量；

基于所述转换器的内在结构，计算所述多个编码的语音特征向量中每个编码的语音特征向量的掩码转换值以获得由多个掩码转换值组成的分类特征向量，其中，所述掩码转换值基于所述多个编码的语音特征向量中两个编码的语音特征向量之间的距离和所述多个编码的语音特征向量中各个编码的语音特征向量是否被编码的表征值计算而得；

将所述分类特征向量通过多标签分类器来标注所述分类特征向量的类别，其中，所述分类特征向量的类别用于表示所述多个编码的语音特征向量作为整体的类别；以及

基于所述分类特征向量的类别与真实类别之间的交叉熵损失函数值来训练所述预测编码模型的转换器和所述多标签分类器；以及

推断阶段，包括：