[发明专利]一种基于RNN的实时会议降噪方法及装置

说明书

本发明公开了一种基于RNN的实时会议降噪方法，对语音信号进行分帧加窗处理得到语音信号的对数谱，将对数谱放入RNN模型中确定降噪抑制系数，通过降噪抑制系数到原始信号的对数谱得到降噪后的语音信号，实现了将RNN降噪方法在实时会议中的应用。由于本发明利用了GRU模型可以一定程度上保留前些时刻的信息的特点为语音信号的分帧加窗选择了合适的窗长，所以在输入RNN模型进行估算时，仅需输入当前帧的对数谱，本发明所述的RNN模型对输入信息的要求低，无需对接收到的语音信号做大量的预处理，这也进一步的减少了运算量，加快了响应速度，提高了实时性，提供了一种可以在实时会议中使用的基于RNN的降噪方法。

技术领域

本发明涉及实时会议降噪方法及系统，尤其涉及一种基于RNN的实时会议降噪方法及装置。

背景技术

实时会议系统数十年来都在解决一个问题，就是噪声与语音的是分离。主要解决的问题是实时会议过程中，当麦克风拾到发言人的同时也会同时拾取到周围环境的噪声(空调噪声，键盘噪声，环境底噪等)。现在应用方向主要分成两个方面。

一种是依靠多个麦克风装置的麦克风阵列降噪，这种是依赖多个麦克风同时拾音，计算多个信号之间的相位差，获取发声源的空间信息。通过MVDR等技术消去旁边的声源，提高信噪比。但是缺陷是需要装置成本高，部署麻烦。而且对与发言人同一个方向的噪声没有效果。一种是使用单个麦克风进行传统噪声抑制，通过噪声的特性进行噪声估计，然后再进行噪声抑制。优点是部署简易，缺点是只能针对环境平稳底噪有明显效果。利用环境底噪是基于平稳高斯分布。但是对突发性噪声无法进行正确的估计。

近些年来有开始利用深度学习技术进行噪声抑制的技术。深度学习基于机器学习理论，通过建立和模拟人脑进行分析学习的神经网络。Geoffery Hinton提出一种由多个受限玻尔兹曼机(RBM，Restricted Boltzmann machines)叠加而成的深度信念网络(DBN，Deep Belief Neworks)的深度学习(DNN)方法(A Fast Learning Algorithm for DeepBelief Nets)。近两年开始有通过大量标定的噪声数据和语音进行学习语音的特性，来进行语音降噪的功能。这种利用大量标定的噪声数据和语音学习语音的特性，来进行语音降噪的方法可以通过回归神经网络(RNN)来实现，但是目前利用RNN实现的语音降噪依旧存在许多问题限制了基于RNN的降噪方法在实时会议中的应用，首当其冲的一点是目前的RNN语音降噪方法难以满足实时会议提出的实时性要求，其次是基于RNN降噪方法的数据处理量大难以集成与实时会务系统中使用。由于RNN降噪方法存在实时性差，运算量大的缺点，致使这种具有较好效果的降噪方法不能使用在实时会议系统中，对此，人们需要只用可以在实时会议中使用的RNN降噪方法。

发明内容

本发明提供了一种基于RNN的实时会议降噪方法及装置，旨在解决目前RNN降噪方法存在实时性差，运算量大的缺点，不能在实时会议系统中使用的问题。

为实现上述目的，本发明提供了一种基于RNN的实时会议降噪方法，包括以下步骤：

S1，对使用GRU的RNN模型进行训练确定RNN模型的合适参数，得到训练完成的RNN模型；

S2，对采集单元传输的语音信号进行分帧加窗，计算得到语音信号每帧在频域上的对数谱；

S3，将当前帧的对数谱放入训练完成的RNN模型进行估算，得到当前语音的估计对数谱；

S4，根据估计对数谱与原始信号的对数谱进行估计，算出当前帧的信噪比，根据信噪比计算出当前的降噪抑制系数；

S5,应用降噪抑制系数到原始信号的对数谱，对结果进行窗重叠和傅里叶逆变换，通过网络发送到对应的播放设备上，对处理后的信号进行播放。