[发明专利]一种语音增强网络的训练方法、装置及电子设备

权利要求书

1.一种语音增强网络的训练方法，其特征在于，所述方法包括：

获取训练样本集，所述训练样本集中包括加噪音频数据和无噪音频数据，所述加噪音频数据是在所述无噪音频数据中添加噪声后得到的；所述无噪音频数据包括N个无噪音频帧，所述加噪音频数据包括与N个无噪音频帧一一对应的N个加噪音频帧；N为正整数；

提取所述训练样本集中第i个加噪音频帧的第一特征数据，所述第一特征数据用于描述所述第i个加噪音频帧的频谱特征；i为小于或等于N的正整数；

根据所述第i个加噪音频帧的第一特征数据以及所述第i-1个加噪音频帧的第二特征数据，针对所述第i个加噪音频帧在所述第i个加噪音频帧包括的M个子频带上分别执行去噪操作得到第i个第一去噪音频帧；所述第二特征数据是通过所述语音增强网络针对第i-1个加噪音频帧执行去噪操作过程中得到的；所述第二特征数据用于描述所述第i-1个加噪音频帧的M个子频带中每个子频带与其它M-1个子频带的特征相关性，M为正整数；

根据所述第i个第一去噪音频帧与所述第i个加噪音频帧对应的无噪音频帧的第一损失值调整所述语音增强网络的网络参数。

2.根据权利要求1所述的方法，其特征在于，所述语音增强网络包括第一神经网络、第二神经网络；

所述根据所述第i个加噪音频帧的第一特征数据以及所述第i-1个加噪音频帧的第二特征数据，针对所述第i个加噪音频帧在所述第i个加噪音频帧包括的M个子频带上分别执行去噪操作得到第i个第一去噪音频帧，包括：

通过所述第一神经网络，根据所述第i个加噪音频帧的第一特征数据以及所述第i-1个加噪音频帧的第二特征数据，进行平稳噪声去除得到所述第i个加噪音频帧中M个子频带的第三特征数据；

通过所述第二神经网络，根据所述第i个加噪音频帧中M个子频带的第三特征数据进行非平稳噪声去除得到所述第i个加噪音频帧的第二特征数据；

将所述第i个加噪音频帧的第二特征数据转换为所述第i个第一去噪音频帧。

3.根据权利要求2所述的方法，其特征在于，所述第一特征数据包括对数功率谱LPS、相位差、基于滤波器组的特征Fbank、梅尔倒谱系数MFCC中的一种。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

提取所述第i个加噪音频帧的第四特征数据；所述第四特征数据用于描述所述第i个加噪音频帧的频谱特征，所述第四特征数据包括LPS、相位差、Fbank、MFCC中与所述第一特征数据不同的一种。

5.根据权利要求4所述的方法，其特征在于，所述语音增强网络还包括第三神经网络，所述方法还包括：

通过所述第三神经网络，根据所述第i个加噪音频帧的第一特征数据执行非平稳噪声去除得到所述第i个加噪音频帧的第五特征数据；

或者，通过所述第三神经网络，根据所述第i个加噪音频帧的第四特征数据执行非平稳噪声去除得到所述第i个加噪音频帧的第五特征数据；

所述通过所述第一神经网络，根据所述第i个加噪音频帧的第一特征数据以及所述第i-1个加噪音频帧的第二特征数据，进行平稳噪声去除得到所述第i个加噪音频帧中M个子频带的第三特征数据，包括：

通过所述第一神经网络，根据所述第i个加噪音频帧的第一特征数据、所述第i-1个加噪音频帧的第二特征数据以及所述第i个加噪音频帧的第五特征数据，进行平稳噪声去除得到所述第i个加噪音频帧中M个子频带的第三特征数据。

6.根据权利要求4或5所述的方法，其特征在于，所述通过所述第二神经网络，根据所述第i个加噪音频帧中M个子频带的第三特征数据进行非平稳噪声去除得到所述第i个加噪音频帧的第二特征数据，包括：

通过所述第二神经网络，根据所述第i个加噪音频帧中M个子频带的第三特征数据和所述第i个加噪音频帧的第一特征数据执行非平稳噪声去除得到第i个加噪音频帧的第二特征数据；

或者，通过所述第二神经网络，根据所述第i个加噪音频帧中M个子频带的第三特征数据和所述第i个加噪音频帧的第四特征数据执行非平稳噪声去除得到第i个加噪音频帧的第二特征数据。