[发明专利]训练盲源分离模型的方法、装置及存储介质

权利要求书

1.一种训练盲源分离模型的方法，其特征在于，包括：

根据加噪控制参数在线加噪确定训练语音信号，其中，所述加噪控制参数为满足预设分布的用于控制噪声的参数；

采用所述训练语音信号训练卷积神经网络，得到盲源分离模型。

2.根据权利要求1所述的方法，其特征在于，所述加噪控制参数为信噪比。

3.根据权利要求1所述的方法，其特征在于，所述预设分布为均匀分布或高斯分布。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述根据加噪控制参数在线加噪确定训练语音信号，包括：

获取所述加噪控制参数、语音信号和噪声；

根据所述加噪控制参数计算所述语音信号和所述噪声的混合系数；

根据所述混合系数、所述语音信号和所述噪声，确定所述训练语音信号。

5.根据权利要求1至3任一项所述的方法，其特征在于，所述采用所述训练语音信号训练卷积神经网络，得到盲源分离模型，包括：

对所述训练语音信号进行分帧处理，得到多帧语音信号；

采用所述多帧语音信号训练所述卷积神经网络，得到所述盲源分离模型。

6.根据权利要求5所述的方法，其特征在于，所述采用所述多帧语音信号训练所述卷积神经网络，得到所述盲源分离模型，包括：

对每一帧语音信号，通过以下任一方式提取所述语音信号的特征值：

方式一：提取所述语音信号的幅值谱；

方式二：提取所述语音信号的梅尔频谱；

方式三：提取所述语音信号的梅尔频率倒谱系数MFCC；

将所述语音信号对应的特征值作为所述卷积神经网络的入参，通过控制所述卷积神经网络的均方误差得到所述盲源分离模型。

7.一种训练盲源分离模型的装置，其特征在于，包括：

确定模块，用于根据加噪控制参数在线加噪确定训练语音信号，其中，所述加噪控制参数为满足预设分布的用于控制噪声的参数；

处理模块，用于采用所述训练语音信号训练卷积神经网络，得到盲源分离模型。

8.根据权利要求7所述的装置，其特征在于，所述加噪控制参数为信噪比。

9.根据权利要求7所述的装置，其特征在于，所述预设分布为均匀分布或高斯分布。

10.根据权利要求7至9任一项所述的装置，其特征在于，所述确定模块具体用于：

获取所述加噪控制参数、语音信号和噪声；

根据所述加噪控制参数计算所述语音信号和所述噪声的混合系数；

根据所述混合系数、所述语音信号和所述噪声，确定所述训练语音信号。

11.根据权利要求7至9任一项所述的装置，其特征在于，所述处理模块包括：

分帧单元，用于对所述训练语音信号进行分帧处理，得到多帧语音信号；

训练单元，用于采用所述多帧语音信号训练所述卷积神经网络，得到所述盲源分离模型。

12.根据权利要求11所述的装置，其特征在于，所述训练单元具体用于：

对每一帧语音信号，通过以下任一方式提取所述语音信号的特征值：

方式一：提取所述语音信号的幅值谱；

方式二：提取所述语音信号的梅尔频谱；

方式三：提取所述语音信号的梅尔频率倒谱系数MFCC；

将所述语音信号对应的特征值作为所述卷积神经网络的入参，通过控制所述卷积神经网络的均方误差得到所述盲源分离模型。

13.一种训练盲源分离模型的装置，其特征在于，包括：处理器和存储器；

所述存储器存储计算机执行指令；

所述处理器执行所述存储器存储的计算机执行指令，使得所述处理器执行如权利要求1至6任一项所述的训练盲源分离模型的方法。

14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至6任一项所述的训练盲源分离模型的方法。