[发明专利]语音降噪方法、装置、设备及介质

权利要求书

1.一种语音降噪方法，其特征在于，包括以下步骤：

获取语音数据；

对所述语音数据进行预处理，提取预处理后的所述语音数据的多维特征；

将所述多维特征输入预设语音降噪模型，得到频带增益系数及语音活动检测参数；

当所述语音活动检测参数为1时，将所述语音数据分为若干频带，根据所述频带增益系数过滤所述频带中的噪音数据；

当所述语音活动检测参数为0时，将所述频带增益系数设为0，并过滤所述频带中的噪音数据；

将过滤后的所述语音数据恢复成语音数据流，输出所述语音数据流。

2.如权利要求1所述的语音降噪方法，其特征在于，获取语音数据，包括以下步骤：

每隔10ms采集一帧所述语音数据，采样率为48kHz。

3.如权利要求1所述的语音降噪方法，其特征在于，所述预处理包括：对所述语音数据进行FFT变换。

4.如权利要求1所述的语音降噪方法，其特征在于，将所述语音数据分为若干频带，根据所述频带增益系数过滤所述频带中的噪音数据，包括以下步骤：

通过梳状滤波器过滤所述语音数据，并根据所述预设语音降噪模型中的频带数量，将过滤后的所述语音数据分为若干频带；

根据所述频带增益系数对每个频带的语音数据进行滤波。

5.如权利要求1所述的语音降噪方法，其特征在于，提取预处理后的所述语音数据的多维特征，包括以下步骤：

将每一帧所述语音数据的频谱划分为22个不等分频带，并对每个所述频带的能量进行dct变换，得到22个巴克频率倒谱系数，作为第一特征；

提取所述第一特征中的前6维特征，计算一阶和二阶导数，得到12维特征，作为第二特征；

提取所述频带的前6个频带，进行基因周期dct变换，得到六维特征及1个基因周期系数，作为第三特征；

提取所述频带的前8个频带，计算所述前八个频带的差异值之和，得到1个稳定性系数，作为第四特征；

计算每一帧所述语音数据的帧能量、过零率、延迟一个位置处标准化自相关系数、12阶线性预测的第一个系数及12阶线性预测误差，作为第五特征；

所述多维特征包括所述第一特征、所述第二特征、所述第三特征、所述第四特征及所述第五特征。

6.如权利要求1所述的语音降噪方法，其特征在于，所述预设语音降噪模型的训练过程包括以下步骤：

获取预先构建的循环神经网络，所述循环神经网络包括3个全连接层和3个GRU网络；

获取训练数据，所述训练数据包括纯净语音数据及噪声数据；

对所述训练数据进行分帧处理，并提取每一帧训练数据的多维特征；

初始化所述循环神经网络的网络参数，将所述每一帧训练数据的多维特征输入所述循环神经网络进行模型训练，并根据损失函数进行模型优化，得到所述预设语音降噪模型。

7.如权利要求6所述的语音降噪方法，其特征在于，将所述多维特征输入预设语音降噪模型，得到频带增益系数，所述频带增益系数的计算公式为：，其中g_b为所述频带增益系数，为纯净语音的能量，为含有噪声的能量；

所述损失函数计算公式为：，其中为将增益的估计值，γ为感知参数，为频带增益系数感知值, 为增益估计值的感知值。

8.一种语音降噪装置，其特征在于，其包括：

获取模块，用于获取语音数据；

过滤模块，用于对所述语音数据进行预处理，提取预处理后的所述语音数据的多维特征及语音活动检测参数；当所述语音活动检测参数为1时，将所述语音数据分为若干频带，根据所述频带增益系数过滤所述频带中的噪音数据；当所述语音活动检测参数为0时，将所述频带增益系数设为0，并过滤所述频带中的噪音数据；

输出模块，用于将过滤后的所述语音数据恢复成语音数据流，输出所述语音数据流。