[发明专利]降噪模型训练方法、装置及存储介质

权利要求书

1.一种降噪模型训练方法，其特征在于，包括：

生成至少一个随机数，基于所述随机数确定加噪信息，根据加噪信息对安静数据进行加噪操作，获得加噪数据，所述加噪信息包括：目标噪声数据、所述目标噪声数据与所述安静数据的合并时间段以及所述目标噪声数据与所述安静数据合成的信噪比；

从所述加噪数据中提取声学特征，并基于所述声学特征对降噪模型进行训练以得到目标降噪模型。

2.根据权利要求1所述的方法，其特征在于，所述基于所述随机数确定加噪信息包括以下的一项或多项：

基于所述随机数中的第一随机数确定从预设的所述噪声库中选择与所述第一随机数对应的所述噪声数据，将所述噪声数据作为目标噪声数据；

基于所述随机数中的第二随机数确定所述目标噪声数据与所述安静数据的合并时间段；

基于所述随机数中的第三随机数确定所述目标噪声数据与所述安静数据合成的信噪比。

3.根据权利要求1所述的方法，其特征在于，所述基于所述声学特征对降噪模型进行训练包括：

对于一条所述加噪数据，分别将所述加噪数据输入所述降噪模型和训练好的语音识别模型，在所述降噪模型中根据第一损失函数得到所述加噪数据的第一损失值，在所述语音识别模型中根据第二损失函数得到第二损失值；

基于插值合并的方式判断所述第一损失值和所述第二损失值的合并损失值是否超过预设损失阈值；

在所述合并损失值超过预设损失阈值时，剔除所述加噪数据；

在所述合并损失值未超过预设损失阈值时，判断使用所述第一损失值训练所述降噪模型。

4.根据权利要求2所述的方法，其特征在于，所述基于所述随机数中的第一随机数确定从预设的所述噪声库中选择与所述第一随机数对应的所述噪声数据，将所述噪声数据作为目标噪声数据包括：

基于混合同余算法，生成所述第一随机数，所述第一随机数为在第一预设区间上均匀分布的所有随机数中的一个随机数，所述第一预设区间中的每一个数对应所述噪声库中的一条所述噪声数据

从所述噪声库中选择与所述第一随机数对应的所述噪声数据作为目标噪声数据。

5.根据权利要求2所述的方法，其特征在于，所述基于所述随机数中的第二随机数确定所述目标噪声数据与所述安静数据的合并时间段包括：

基于混合同余算法，生成所述第二随机数，所述第二随机数为在第二预设区间上均匀分布的所有随机数中的一个随机数，所述第二预设区间为(0，In-Is)，In为所述目标噪声数据的时长，Is为所述安静数据的时长；

将所述第二随机数的值作为所述目标噪声数据与所述安静数据的合并时间段的时长，从而确定所述目标噪声数据与所述安静数据的合并时间段。

6.根据权利要求2所述的方法，其特征在于，所述基于所述随机数中的第三随机数确定所述目标噪声数据与所述安静数据合成的信噪比包括：

基于公式生成所述第三随机数，所述第三随机数为符合正态分布的所有随机数中的一个随机数，μ为均值，σ为标准差；

将所述第三随机数作为所述目标噪声数据与所述安静数据合成的信噪比的比值。

7.根据权利要求1所述的方法，其特征在于，所述从所述加噪数据中提取声学特征包括：

基于滤波器调整所述加噪数据的频谱；

以帧为单位划分所述加噪数据；

基于窗函数对每一帧所述加噪数据加窗；

对加窗的所述加噪数据进行快速傅里叶变换以得到所述加噪数据的频域信号；

基于梅尔滤波器对所述频域信号进行滤波，以得到所述声学特征。

8.根据权利要求1-7任一项所述的方法，其特征在于，在所述基于所述声学特征对降噪模型进行训练以得到目标降噪模型之后，所述方法还包括：

从待处理的数据中提取实际声学特征；

将所述实际声学特征输入所述目标降噪模型中以得到降噪后的声学特征；

基于所述降噪后的声学特征对所述待处理的数据进行语音识别。