[发明专利]混响语音的混响抑制方法及装置

权利要求书

1.一种混响语音的混响抑制方法，应用于接收语音的终端，其特征在于，所述方法包括：

接收混响语音时域信号，将所述混响语音时域信号转换到频域中，并获取混响语音频域信号对应的第一幅度谱和相位值；

将所述第一幅度谱输入编码器模型，获得编码器模型输出的多个尺度的编码特征；

利用多个尺度的加权系数对所述多个尺度的编码特征进行加权求和处理；所述多个尺度的加权系数根据所述混响语音时域信号对应的混响时间，利用混响时间注意力模型获得；

将处理后的编码特征输入解码器模型，获得解码器模型输出的第二幅度谱；

根据所述相位值和所述第二幅度谱，获得所述混响语音时域信号对应的直达语音时域信号；

其中，所述编码器模型由多个并行的卷积神经网络模型组成，所述混响时间注意力模型由全连接神经网络模型组成，所述解码器模型由转置卷积卷积神经网络组成。

2.根据权利要求1所述的方法，其特征在于，所述将所述混响语音时域信号转换到频域中包括：

对所述混响语音时域信号进行分帧处理，以及对分帧处理后的信号进行加窗处理；

对加窗处理后的信号做傅里叶变换中，获得混响语音频域信号。

3.根据权利要求2所述的方法，其特征在于，所述对所述混响语音的时域信号进行分帧处理包括：

以固定的帧长度在所述混响语音时域信号中截取信号；

当所述混响语音时域信号中剩余信号的长度小于所述帧长度时，对所述混响语音时域信号中剩余信号做补零处理。

4.根据权利要求2所述的方法，其特征在于，所述对分帧处理后的信号进行加窗处理包括：

将分帧处理后的信号与汉宁窗函数相乘，获得加窗处理后的信号。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据混响语音样本及其对应的直达语音样本，采用梯度下降法迭代训练所述编码器模型、混响时间注意力模型和解码器模型。

6.根据权利要求5所述的方法，其特征在于，所述编码器模型中卷积神经网络模型的个数与所述尺度的个数相同，且在频率维度上，各卷积神经网络模型的卷积核大小均不相同；

所述全连接神经网络的输出层的神经元个数与所述尺度的个数相同。

7.根据权利要求1所述的方法，其特征在于，所述根据所述相位值和所述第二幅度谱，获得所述混响语音时域信号对应的直达语音时域信号包括：

根据所述相位值和所述第二幅度谱，获得所述混响语音时域信号对应的直达语音频域信号，对所述直达语音频域信号做傅里叶逆变换，获得所述直达语音时域信号。

8.一种混响语音的混响抑制装置，应用于接收语音的终端，其特征在于，所述装置包括：

处理单元，用于接收混响语音时域信号，将所述混响语音时域信号转换到频域中，并获取混响语音频域信号对应的第一幅度谱和相位值；

编码单元，用于将所述第一幅度谱输入编码器模型，获得编码器模型输出的多个尺度的编码特征；

特征处理单元，用于利用多个尺度的加权系数对所述多个尺度的编码特征进行加权求和处理；所述多个尺度的加权系数根据所述混响语音时域信号对应的混响时间，利用混响时间注意力模型获得；

解码单元，用于将处理后的编码特征输入解码器模型，获得解码器模型输出的第二幅度谱；

计算单元，用于根据所述相位值和所述第二幅度谱，获得所述混响语音时域信号对应的直达语音时域信号；

其中，所述编码器模型由多个并行的卷积神经网络模型组成，所述混响时间注意力模型由全连接神经网络模型组成，所述解码器模型由转置卷积卷积神经网络组成。