[发明专利]用深特征损失训练的用于语音去噪的神经网络

说明书

本公开涉及用深特征损失训练的用于语音去噪的神经网络。提供了使用利用从音频分类器神经网络(NN)获得的深特征损失训练的去噪NN进行语音去噪的技术。一种实现根据一个实施例的技术的方法包括将待训练的语音去噪NN应用于训练语音信号的有噪声样本以生成经处理的训练语音信号。该方法还包括将经训练的音频分类器NN应用于经处理的训练语音信号以生成第一组激活特征，以及将经训练的音频分类器NN应用于训练语音信号的干净样本以生成第二组激活特征。该方法还包括基于第一和第二组激活特征来计算损失值，以及基于该损失值来执行去噪NN的反向传播训练更新。该方法包括迭代该过程以进一步训练去噪NN。

相关申请的交叉引用

本申请要求在2018年6月22日提交的美国临时申请No.62/763,593的权益，该临时申请通过引用整体并入本文。

技术领域

本公开涉及用深特征损失(deep feature loss)训练的用于语音去噪的神经网络。

背景技术

语音处理系统(包括语音识别系统、支持语音的设备、助听器等)常常需要处理由于存在背景噪声而降级的接收音频信号。去除该噪声的技术(有时称为去噪或增强)用于改善音频信号质量，使得人类听众或后续处理系统可以识别和理解基础语音。

发明内容

根据本公开的一方面，提供了一种由处理器实现的用于语音去噪的方法，该方法包括：由基于处理器的系统将语音去噪神经网络应用于训练语音信号的有噪声样本，以生成经处理的训练语音信号；由所述基于处理器的系统将经训练的音频分类器神经网络应用于所述经处理的训练语音信号，以生成第一组激活特征；由所述基于处理器的系统将所述经训练的音频分类器神经网络应用于所述训练语音信号的干净样本，以生成第二组激活特征；由所述基于处理器的系统基于所述第一组激活特征和所述第二组激活特征来计算损失值；以及由所述基于处理器的系统基于所述损失值来执行所述语音去噪神经网络的反向传播训练更新，以生成经训练的语音去噪神经网络。

根据本公开的另一方面，提供了一种用于语音去噪的系统，该系统包括：语音去噪神经网络，用于基于所提供的训练语音信号的有噪声样本来生成经处理的训练语音信号；经训练的音频分类器神经网络，用于基于所述经处理的训练语音信号来生成第一组激活特征并基于所述训练语音信号的干净样本来生成第二组激活特征；损失计算电路，用于基于所述第一组激活特征和所述第二组激活特征来计算损失值；以及反向传播训练更新电路，用于基于所述损失值来执行所述语音去噪神经网络的反向传播训练更新，以生成经训练的语音去噪神经网络。

根据本公开的又一方面，提供了至少一种非暂时性计算机可读存储介质，其具有在其上编码的指令，所述指令当由一个或多个处理器执行时使得执行用于语音去噪的过程，该过程包括：将语音去噪神经网络应用于训练语音信号的有噪声样本，以生成经处理的训练语音信号；将经训练的音频分类器神经网络应用于所述经处理的训练语音信号，以生成第一组激活特征；将所述经训练的音频分类器神经网络应用于所述训练语音信号的干净样本，以生成第二组激活特征；基于所述第一组激活特征和所述第二组激活特征来计算损失值；以及基于所述损失值来执行所述语音去噪神经网络的反向传播训练更新，以生成经训练的语音去噪神经网络。

根据本公开的再一方面，提供了一种用于语音去噪的装置，该装置包括：用于将语音去噪神经网络应用于训练语音信号的有噪声样本以生成经处理的训练语音信号的装置；用于将经训练的音频分类器神经网络应用于所述经处理的训练语音信号以生成第一组激活特征的装置；用于将所述经训练的音频分类器神经网络应用于所述训练语音信号的干净样本以生成第二组激活特征的装置；用于基于所述第一组激活特征和所述第二组激活特征来计算损失值的装置；以及用于基于所述损失值来执行所述语音去噪神经网络的反向传播训练更新以生成经训练的语音去噪神经网络的装置。

附图说明