[发明专利]语音降噪的方法、装置、电子设备及存储介质

说明书

本申请公开了一种语音降噪的方法、装置、电子设备以及存储介质，该方法包括获取第一音频，第一音频为混合有语音信号以及背景噪声信号的音频；继而对第一音频进行预处理，以将第一音频的频谱能量特征由线性时域转换到Bark频域，得到第一音频的Bark特征；再将Bark特征输入预先训练得到的目标神经网络模型，获取目标神经网络模型输出的Bark特征比例参数；再基于Bark特征比例参数计算语音信号的幅值参数；然后基于幅值参数获取目标语音。通过将第一音频的Bark特征输入预先训练得到的目标神经网络模型，进而计算出语音信号的幅值参数，再基于幅值参数获取目标语音，减小了神经网络模型的计算量，降低语音信息中的背景噪声。

技术领域

本申请涉及语音降噪技术领域，更具体地，涉及一种语音降噪的方法、装置、电子设备及存储介质。

背景技术

语音降噪技术是一种从混合了目标语音和背景噪声的音频中，消除或抑制背景噪声得到目标语音的技术。作为一种方式，可以将大量现实中的目标语音信号和噪声信号随机混合，作为神经网络的输入，经过监督训练后，神经网络能够自动地从训练样本中学习输出目标语音信号。然而，随着目标语音采样率的提高，神经网络的计算量将不断增大，使其无法得到广泛的应用。

发明内容

鉴于上述问题，本申请提出了一种语音降噪的方法、装置、电子设备及存储介质，以改善上述问题。

第一方面，本申请实施例提供了一种语音降噪的方法，该方法包括：获取第一音频，第一音频为混合有语音信号以及背景噪声信号的音频；对第一音频进行预处理，以将第一音频的频谱能量特征由线性时域转换到Bark频域，得到第一音频的Bark特征；将Bark特征输入预先训练得到的目标神经网络模型，获取目标神经网络模型输出的Bark特征比例参数，Bark特征比例参数表征语音信号的频谱幅值特征在Bark频域中所占的比例；基于Bark特征比例参数，计算语音信号的幅值参数；基于幅值参数获取目标语音。

第二方面，本申请实施例提供了一种语音降噪的装置，该装置包括：第一获取模块，用于获取第一音频，第一音频为混合有语音信号以及背景噪声信号的音频；预处理模块，用于对第一音频进行预处理，以将第一音频的频谱能量特征由线性时域转换到Bark频域，得到第一音频的Bark特征；第一计算模块，用于将Bark特征输入预先训练得到的目标神经网络模型，获取目标神经网络模型输出的Bark特征比例参数，Bark特征比例参数表征语音信号的频谱幅值特征在Bark频域中所占的比例；第二计算模块，用于基于Bark特征比例参数，计算语音信号的幅值参数；第二获取模块，用于基于幅值参数获取目标语音。

第三方面，本申请实施例提供了一种电子设备，包括存储器以及一个或多个处理器；一个或多个程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序配置用于执行上述第一方面所述的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质中存储有程序代码，其中，在程序代码由处理器运行时执行上述第一方面所述的方法。

本申请实施例提供的一种语音降噪的方法、装置、电子设备及存储介质，涉及语音降噪技术领域。本方法通过获取第一音频，第一音频为混合有语音信号以及背景噪声信号的音频；继而对第一音频进行预处理，以将第一音频的频谱能量特征由线性时域转换到Bark频域，得到第一音频的Bark特征；再将Bark特征输入预先训练得到的目标神经网络模型，获取目标神经网络模型输出的Bark特征比例参数，Bark特征比例参数表征语音信号的频谱幅值特征在Bark频域中所占的比例；再基于Bark特征比例参数计算语音信号的幅值参数；然后基于幅值参数获取目标语音。本方法通过将第一音频的Bark特征输入预先训练得到的目标神经网络模型，进而计算出语音信号的幅值参数，再基于幅值参数获取目标语音，减小了神经网络模型的计算量，降低语音信息中的背景噪声。

附图说明