[发明专利]一种基于GRU神经网络的去除噪声方法及系统

说明书

本发明公开了一种基于GRU神经网络的去除噪声方法、服务器及存储介质，所述方法包括：搭建GRU神经网络模型，训练GRU神经网络模型；将带有加噪的音频文件通过Python的Librosa库转为频谱图数据；将频谱图数据传输到训练好的GRU神经网络当中，输出去除加噪之后的音频频谱图数据，通过开源的vocoder解码网络将去除加噪之后的音频频谱图数据转为音频数据；将音频数据保存为音频文件形式。采用本发明采用GRU深度学习神经网络的方法实现端到端网络结构模型来进行去除音频中的噪声，该方法能够去除不同场景下的噪声声音，具有较高的适应能力，较高的稳定性，提高语音识别的准确率，减少错误识别的概率。

技术领域

本发明涉及去除噪声技术领域，涉及一种基于GRU神经网络的去除噪声方法及系统。

背景技术

在当前语音预处理的系统当中，去除声音中的噪声是预处理过程当中非常重要的一个环节，噪声将会影响音频在语音识别和其他应用当中的效果，所以降噪算法也是音频预处理中非常重要的一部分部分。

目前传统的降噪方法常见的有谱减法和统计方法。其中，谱减法是通过在功率谱中减去噪声谱，起到去噪的功能；统计方法是通过对语音谱进行概率估计来提取纯净语音。上述谱减法和统计方法都需要是建立在对语音的观察经验来进行降噪，无法很好的使用在实际情况，同时还存在引入音乐噪声的问题。

发明内容

本发明的目的在于克服现有技术问题，提出一种基于GRU神经网络的去除噪声方法及系统。本发明通过RNN神经网络的方法来去除音频中的噪声，通过深度学习端到端的方式将原始音频转为去除噪声后的音频，实现输入原始带噪音频输出即为去除噪声之后的音频。

本发明提供了一种基于GRU神经网络的去除噪声方法，所述方法包括：

步骤一，搭建GRU神经网络模型，所述GRU网络模型包括三层GRU网络层和全连接网络层；

步骤二，训练GRU神经网络模型；

步骤三，将带有加噪的音频文件通过Python的Librosa库转为频谱图数据；

步骤四，将频谱图数据传输到训练好的GRU神经网络当中，输出去除加噪之后的音频频谱图数据，

所述频谱图数据将会是二维的矩阵结构，矩阵结构的第一个维度为音频的帧数，第二个维度为频谱图的特征维度；

步骤五，通过开源的vocoder解码网络将去除加噪之后的音频频谱图数据转为音频数据；

步骤六，将音频数据保存为音频文件形式。

进一步的，在本发明实施例中，上述步骤二训练GRU神经网络模型前，还包括，收集第一数量的干净无噪声音频；将第二数量的噪声音频分别添加至无噪声音频中制作出加噪音频，所述噪声音频包含办公室环境噪声、食堂环境噪声、学校环境噪声、室外环境噪声中的至少一种。

进一步的，所述将噪声音频添加至无噪声音频中的添加方式为无噪声音频与噪声音频点对点求和。

进一步的，采用Ai Shell音频作为的干净无噪声音频。

进一步的，在本发明实施例中，所述训练GRU神经网络模型步骤包括：

将加噪音频的频谱图特征数据输入到GRU神经网络模型中，得到的预测干净音频频谱图；

预测的干净音频频谱图与该加噪音频对应的原始干净音频频谱图进行损失值的计算；

进行迭代训练，得到训练好的GRU神经网络模型。

在本发明实施例中，通过Tensor Flow中的Adam Optimizer进行损失值的迭代训练。

在本发明实施例中，通过欧式距离的方式来计算损失值。