[发明专利]模型训练方法、回声消除方法、系统、设备及存储介质

权利要求书

1.一种模型训练方法，其特征在于，所述模型训练方法包括：

获取历史训练数据，所述历史训练数据包括近端信号和远端信号以及近端语音信号，所述近端信号为包含近端噪音信号、近端语音信号以及回声信号的混合信号；

基于所述历史训练数据训练神经网络模型，以得到回声消除模型；

所述回声消除模型以所述近端信号和所述远端信号为输入，以消除回声后得到的近端语音信号为输出。

2.如权利要求1所述的模型训练方法，其特征在于，所述获取历史训练数据的步骤之后，所述模型训练方法还包括：

对所述历史训练数据进行静音检测去除处理，以得到去除静音后的历史训练数据。

3.如权利要求1所述的模型训练方法，其特征在于，所述模型训练方法还包括：

从所述历史训练数据中获取测试数据；

利用所述测试数据测试所述回声消除模型的预测结果，以得到所述测试数据对应的预测近端语音信号；

获取所述测试数据对应的真实近端语音信号；

基于所述预测近端语音信号与所述真实近端语音信号计算所述回声消除模型的损失函数值；

基于所述损失函数值优化所述回声消除模型。

4.一种模型训练系统，其特征在于，所述模型训练系统包括：

第一获取模块，用于获取历史训练数据，所述历史训练数据包括近端信号和远端信号以及近端语音信号，所述近端信号为包含近端噪音信号、近端语音信号以及回声信号的混合信号；

训练模块，用于基于所述历史训练数据训练神经网络模型，以得到回声消除模型；

所述回声消除模型以所述近端信号和所述远端信号为输入，以消除回声后得到的近端语音信号为输出。

5.如权利要求4所述的模型训练系统，其特征在于，所述模型训练系统还包括：

处理模块，用于对所述历史训练数据进行静音检测去除处理，以得到去除静音后的历史训练数据。

6.如权利要求4所述的模型训练系统，其特征在于，所述模型训练系统还包括：

第二获取模块，用于从所述历史训练数据中获取测试数据；

测试模块，用于利用所述测试数据测试所述回声消除模型的预测结果，以得到所述测试数据对应的预测近端语音信号；

第三获取模块，用于获取所述测试数据对应的真实近端语音信号；

计算模块，用于基于所述预测近端语音信号与所述真实近端语音信号计算所述回声消除模型的损失函数值；

优化模块，用于基于所述损失函数值优化所述回声消除模型。

7.一种回声消除方法，其特征在于，所述回声消除方法包括：

获取待处理的近端信号；

将所述待处理的近端信号输入利用如权利要求1-3中任一项所述的模型训练方法训练得到的回声消除模型，以输出消除回声后的近端语音信号。

8.一种回声消除系统，其特征在于，所述回声消除方法包括：

待处理信号获取模块，用于获取待处理的近端信号；

输入模块，用于将所述待处理的近端信号输入利用如权利要求4-6中任一项所述的模型训练系统训练得到的回声消除模型，以输出消除回声后的近端语音信号。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-3中任一项所述的模型训练方法，或执行如权利要求7所述的回声消除方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-3中任一项所述的模型训练方法，或执行如权利要求7所述的回声消除方法。