[发明专利]数据处理方法、音频降噪方法和神经网络模型

权利要求书

1.一种数据处理方法，其特征在于，包括：

获取子序列的用于输入神经网络模型的第一特征数据；所述子序列为对目标序列进行分帧处理获得的数据子集；

获得子序列的第一特征数据对应的短时记忆缓存数据；所述短时记忆缓存数据为在时间次序上子序列的前一子序列的第一特征数据的部分数据；

将子序列的第一特征数据和所述对应的短时记忆缓存数据输入神经网络模型的第一卷积层进行降噪处理，得到第二特征数据；所述第二特征数据为去除部分噪声的第一特征数据。

2.根据权利要求1所述的方法，其特征在于，所述第一卷积层为神经网络模型的第一层卷积层，所述获取子序列的用于输入神经网络模型的第一特征数据，包括：

获得目标序列数据；

按照指定帧数对所述目标序列数据进行分帧处理，得到子序列的原始数据；

对所述子序列的原始数据进行特征转换处理，得到子序列的用于输入神经网络模型的第一特征数据。

3.根据权利要求1所述的方法，其特征在于，所述第一卷积层不是神经网络模型的第一层卷积层，所述获得子序列的用于输入神经网络模型的的第一特征数据，包括：

获取所述第一卷积层的上一层卷积层针对子序列输出的特征数据；

将所述针对子序列输出的特征数据作为子序列的用于输入神经网络模型的第一特征数据。

4.根据权利要求1所述的方法，其特征在于，所述获得子序列的第一特征数据对应的短时记忆缓存数据，包括：

判断缓存中是否存在子序列的第一特征数据对应的短时记忆缓存数据；

当不存在时，针对子序列的第一特征数据进行数据填充处理，得到子序列的第一特征数据对应的短时记忆缓存数据；

当存在时，从缓存中获得子序列的第一特征数据对应的短时记忆缓存数据。

5.根据权利要求4所述的方法，其特征在于，所述判断缓存中是否存在子序列的第一特征数据对应的短时记忆缓存数据，包括：

判断子序列的第一特征数据对应的子序列是否为第一子序列；所述第一子序列为目标序列中位于时间最先的子序列；

若是，判断为缓存中不存在子序列的第一特征数据对应的短时记忆缓存数据；

若否，判断为缓存中存在子序列的第一特征数据对应的短时记忆缓存数据。

6.根据权利要求5所述的方法，其特征在于，缓存中存在的子序列的第一特征数据对应的短时记忆缓存数据通过下述方式获得：

获得上一子序列的第一特征数据；

从所述上一子序列的第一特征数据的末尾部分，截取预设长度的特征数据；

将所述预设长度的特征数据，作为缓存中存在的子序列的第一特征数据对应的短时记忆缓存数据。

7.根据权利要求6所述的方法，其特征在于，所述预设长度为第一卷积层所需的短时记忆帧数；所述第一卷积层所需的短时记忆帧数，根据第一卷积层的卷积核的大小、第一卷积层的卷积的空洞率确定。

8.根据权利要求1所述的方法，其特征在于，所述将子序列的第一特征数据和所述对应的短时记忆缓存数据输入神经网络模型的第一卷积层进行降燥处理，得到第二特征数据，包括：

将子序列的第一特征数据和所述对应的短时记忆缓存数据输入神经网络模型的第一卷积层进行卷积运算和正则化处理，得到第二特征数据。

9.根据权利要求8所述的方法，其特征在于，所述将子序列的第一特征数据和所述对应的短时记忆缓存数据输入神经网络模型的第一卷积层进行卷积运算和正则化处理，得到第二特征数据，包括：

根据子序列的第一特征数据和所述对应的短时记忆缓存数据，获得子序列中每一帧的特征数据的均值和标准差；

根据所述每一帧的特征数据的均值和标准差，对同一帧的特征数据进行归一化处理，得到每一帧对应的归一化后的特征数据；

获得用于正则化运算的正则化变换参数值；

根据所述正则化变换参数、每一帧对应的归一化后的特征数据，进行卷积运算和正则化处理，得到第二特征数据。