[发明专利]基于多模型神经网络的语音处理方法和装置

权利要求书

1.一种基于多模型神经网络的语音处理方法，其特征在于，包括：

获取目标语音帧中的声学特征，所述目标语音帧中包括源信号和噪音；

将所述声学特征分别作为N个第一神经网络模型的输入参数，得到N个第一掩蔽阈值，N为大于1的整数，所述N个第一神经网络模型均不同；

将所述声学特征作为第二神经网络模型的输入参数，得到N个权重，所述N个权重与所述N个第一掩蔽阈值一一对应；

根据所述N个权重和所述N个第一掩蔽阈值，得到第二掩蔽阈值；

根据所述第二掩蔽阈值对所述声学特征进行处理，得到所述目标语音帧的源信号的估计值；

所述根据所述N个权重和所述N个第一掩蔽阈值，得到第二掩蔽阈值，包括：

根据所述N个权重计算所述N个第一掩蔽阈值的加权平均值；

根据所述加权平均值得到所述第二掩蔽阈值。

2.根据权利要求1所述的方法，其特征在于，所述根据所述加权平均值得到所述第二掩蔽阈值，包括：

将所述加权平均值和1中的较小者作为所述第二掩蔽阈值。

3.根据权利要求1所述的方法，其特征在于，所述根据所述加权平均值得到所述第二掩蔽阈值，包括：

若所述加权平均值小于或等于1，则将所述加权平均值作为所述第二掩蔽阈值；

若所述加权平均值大于1，则计算所述加权平均值与修正因子的乘积，得到所述第二掩蔽阈值，其中，所述修正因子大于0且小于1。

4.根据权利要求1-3任一项所述的方法，其特征在于，

所述第一神经网络模型包括至少一个卷积层、至少一个循环神经网络层以及一个输出层；或者，

所述第一神经网络模型包括至少一个卷积层以及一个输出层；或者，

所述第一神经网络模型包括至少一个门控循环单元层以及一个输出层。

5.根据权利要求1-3任一项所述的方法，其特征在于，

所述第二神经网络模型包括至少一个卷积层、至少一个循环神经网络层以及一个输出层；或者，

所述第二神经网络模型包括至少一个卷积层以及一个输出层；或者，

所述第二神经网络模型包括至少一个卷积层、至少一个门控循环单元层以及一个输出层。

6.根据权利要求1-3任一项所述的方法，其特征在于，所述根据所述第二掩蔽阈值对所述声学特征进行处理，得到所述目标语音帧的源信号的估计值，包括：

计算所述第二掩蔽阈值与所述声学特征的乘积，得到所述目标语音帧的源信号的估计值。

7.根据权利要求1所述的方法，其特征在于，所述目标语音帧的声学特征包括以下特征中的任意一种：

快速傅里叶变换FFT的幅值谱、梅尔频率倒谱系数MFCC特征、梅尔标度滤波器组FBank特征或者感知线性预测PLP特征。

8.一种基于多模型神经网络的语音处理装置，其特征在于，包括：

获取模块，用于获取目标语音帧中的声学特征，所述目标语音帧中包括源信号和噪音；

第一训练模块，用于将所述声学特征分别作为N个第一神经网络模型的输入参数，得到N个第一掩蔽阈值，N为大于1的整数，所述N个第一神经网络模型均不同；

第二训练模块，用于将所述声学特征作为第二神经网络模型的输入参数，得到N个权重，所述N个权重与所述N个第一掩蔽阈值一一对应；

融合模块，用于根据所述N个权重和所述N个第一掩蔽阈值，得到第二掩蔽阈值；

分离模块，用于根据所述第二掩蔽阈值对所述声学特征进行处理，得到所述目标语音帧的源信号的估计值；

所述融合模块具体用于：

根据所述N个权重计算所述N个第一掩蔽阈值的加权平均值；

根据所述加权平均值得到所述第二掩蔽阈值。

9.根据权利要求8所述的装置，其特征在于，所述融合模块具体用于：

将所述加权平均值和1中的较小者作为所述第二掩蔽阈值。