[发明专利]语音降噪的训练方法、语音降噪系统及语音降噪方法

说明书

本发明的语音降噪的训练方法，基于深度学习来进行，其包括以下步骤：构建噪声和语音的训练样本；对不带噪声的语音和带噪声的语音进行傅里叶变换，以获取各自的幅值和相位特征；将带噪声的语音的幅值输入到神经网络中，通过神经网络处理而得到降噪后的幅值；将降噪后的幅值与不带噪声的语音的幅值通过模型训练损失函数进行训练，以优化神经网络的权值。

技术领域

本发明涉及一种语音降噪的训练方法、语音降噪系统及语音降噪方法。

背景技术

在交互式的实时语音应用中，信号采集通常会带有非目标说话人的噪声，这些噪声会严重影响交互中的语音品质，从而降低了例如语音对话，语音会议等场景中的用户体验，因此语音降噪是交互式语音应用中不可缺少的一部分。

噪声按照时间变化的特性，可以分为稳态噪声和非稳态噪声。一般声音强度起伏小于lOdB的连续噪声被认为是稳态噪声，而起伏大于1OdB的连续噪声和脉冲噪声被认为是非稳态噪声。在传统的语音降噪中，通常在时频域利用统计学模型对语音和噪声进行建模，从而去除噪声，由于稳态噪声的频率比较固定，因此具有较好的效果，但这种方式对非稳态噪声的去除存在一定的局限性。例如，当估计的背景噪声过小，则会有噪声残留，残余的噪声会形成“音乐噪声”，如果估计的背景噪声过大，则会导致语音被消除。

深度学习(DL,Deep Learning)是机器学习(ML,Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(AI,ArtificialIntelligence)。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字、图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术，因此，基于深度学习的语音降噪方法对稳态和非稳态效果均有比较好的效果。

发明内容

发明所要解决的技术问题

然而，基于深度学习的语音降噪需要芯片具有足够的计算能力，且对存储单元也具有相应的要求，因而在资源受限的情况下，无法发挥出较好的效果。

此外，基于深度学习的语音降噪虽然能直接应用到资源受限的离线终端，但在进行实时交互的情况下，依然存在资源受限的问题，进而无法发挥出较好的效果。

本发明是鉴于上述问题而完成的，其目的在于提供一种语音降噪的训练方法、语音降噪系统及语音降噪方法，即使在实时交互的情况下，也能应用在资源受限的边缘端、例如耳机通话等应用场景中。

解决技术问题所采用的技术方案

本发明的一个实施方式所涉及的语音降噪的训练方法基于深度学习来进行，其特征在于，包括以下步骤：构建噪声和语音的训练样本；对不带噪声的语音和带噪声的语音进行傅里叶变换，以获取各自的幅值和相位特征；将带噪声的语音的幅值输入到神经网络中，通过神经网络处理而得到降噪后的幅值；将降噪后的幅值与不带噪声的语音的幅值通过模型训练损失函数进行训练，以优化神经网络的权值。

本发明的一个实施方式所涉及的语音降噪系统的特征在于，包括：神经网络模块，该神经网络模块应用本发明的一个实施方式所涉及的语音降噪的训练方法，对带噪声的语音进行降噪处理；以及信号处理模块，该信号处理模块设置在所述神经网络模块的后级，对从所述神经网络模块输出的降噪后的语音进行信号处理，进一步去除噪声。

本发明的一个实施方式所涉及的语音降噪方法的特征在于，包括：获取音频信号，其中，所述音频信号包括语音信号、稳态噪声信号和非稳态噪声信号；利用神经网络模块对所述音频信号执行使所述非稳态噪声信号减小的第一降噪处理，以生成第一降噪信号；利用信号处理模块对所述第一降噪信号执行使所述稳态噪声信号减小的第二降噪处理，进而生成第二降噪信号。

发明效果