[发明专利]基于掩码时域解码器的实时语音降噪方法和装置有效
| 申请号： | 202110299114.0 | 申请日： | 2021-03-20 |
| 公开（公告）号： | CN113096682B | 公开（公告）日： | 2023-08-29 |
| 发明（设计）人： | 李平平 | 申请（专利权）人： | 杭州知存智能科技有限公司 |
| 主分类号： | G10L21/0224 | 分类号： | G10L21/0224;G10L25/30 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 311121 浙江省杭州市余杭*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 掩码 时域 解码器 实时 语音 方法 装置 | ||
1.一种基于掩码时域解码器的实时语音降噪方法，其特征在于，包括：
将带噪语音通过Stft提取特征；
将提取的特征输入预训练的神经网络得到掩码；
将所述掩码以及所述带噪语音输入时域解码器进行解码得到增强后的语音；
其中，所述将所述掩码以及所述带噪语音输入时域解码器进行解码得到增强后的语音，包括：
将所述掩码以及所述带噪语音输入时域解码器；
利用所述时域解码器对所述带噪语音在不同子带上用所述掩码进行滤波得到增强后的语音；
其中，时域解码器为IIR带通滤波器或FIR滤波器，所述神经网络结构为[GRU(48) ,GRU(96) ,GRU(128) ,FC(512) ,FC(40)]，其中，GRU为 门控循环神经网络，FC为全连接层，反向传播更新学习参数，最后一层全连接的激活函数为 sigmoid，将隐层空间信息映射到实数空间；
其中，将所述带噪语音的频域划分为多个子带，对带噪语音的多个子带分别提取特征，掩码是代表各子带增益的多维的掩码。
2.根据权利要求1所述的基于掩码时域解码器的实时语音降噪方法，其特征在于，所述将带噪语音通过Stft提取特征，包括：
对所述带噪语音进行预加重、分帧、加窗以及傅里叶变换得到所述带噪语音的特征。
3.一种基于掩码时域解码器的实时语音降噪装置，其特征在于，包括：
特征提取模块，将带噪语音通过Stft提取特征；
推理模块，将提取的特征输入预训练的神经网络得到掩码；
时域解码模块，将所述掩码以及所述带噪语音输入时域解码器进行解码得到增强后的语音；
其中，所述时域解码模块包括：
将所述掩码以及所述带噪语音输入时域解码器；
利用所述时域解码器对所述带噪语音在不同子带上用所述掩码进行滤波得到增强后的语音；
其中，时域解码器为IIR带通滤波器或FIR滤波器，所述神经网络结构为[GRU(48) ,GRU(96) ,GRU(128) ,FC(512) ,FC(40)]，其中，GRU为 门控循环神经网络，FC为全连接层，反向传播更新学习参数，最后一层全连接的激活函数为 sigmoid，将隐层空间信息映射到实数空间；其中，将所述带噪语音的频域划分为多个子带，对带噪语音的多个子带分别提取特征，掩码是代表各子带增益的多维的掩码。
4.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至2任一项所述的基于掩码时域解码器的实时语音降噪方法的步骤。
5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至2任一项所述的基于掩码时域解码器的实时语音降噪方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于杭州知存智能科技有限公司，未经杭州知存智能科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202110299114.0/1.html，转载请声明来源钻瓜专利网。
