[发明专利]一种用于声音事件检测的声音编码器的生成方法

权利要求书

1.一种用于声音事件检测的声音编码器的生成方法，其特征在于，包括：

对第一训练集中的预训练音频信号进行失真处理，得到失真训练信号，其中，所述第一训练集包括多个无标签的预训练音频信号；

将所述失真训练信号输入初始声音编码器，得到所述预训练音频信号对应的第一特征向量；

基于所述预训练音频信号和感知机集合，确定所述预训练音频信号对应的第二特征向量；

基于所述第一特征向量和所述第二特征向量修改所述初始声音编码器的参数，并继续执行所述对第一训练集中的预训练音频信号进行失真处理，得到失真训练信号的步骤，直至满足第一预设训练条件，得到候选声音编码器；

通过第二训练集中的微调音频信号对所述候选声音编码器进行训练，得到目标声音编码器，其中，所述第二训练集包括多个配置有标签的微调音频信号，所述标签用于反映所述微调音频信号的类别；

所述通过第二训练集中的微调音频信号对所述候选声音编码器进行训练，得到目标声音编码器，具体包括：

对于所述第二训练集中每个微调音频信号，对该微调音频信号进行随机变化，得到第一随机信号和第二随机信号；

提取所述第一随机信号的特征，以得到第一输出特征向量，以及提取所述第二随机信号的特征，以得到第二输出特征向量；

基于所有第一输出特征向量和所有第二输出特征向量修改所述候选声音编码器的参数，得到目标声音编码器。

2.根据权利要求1所述的用于声音事件检测的声音编码器的生成方法，其特征在于，所述对第一训练集中的预训练音频信号进行失真处理，得到失真训练信号，包括：

将所述第一训练集中的预训练音频信号输入失真处理模块，通过所述失真处理模块得到所述失真训练信号，其中，所述失真处理模块配置有若干失真处理方法，每个失真处理方法均有各自分别对应的权重。

3.根据权利要求1所述的用于声音事件检测的声音编码器的生成方法，其特征在于，所述基于所述预训练音频信号和感知机集合，确定所述预训练音频信号对应的第二特征向量，具体包括：

提取所述预训练音频信号对应的若干变换特征，所述若干变换特征包括：预训练音频信号的原始声音波形特征、对数功率谱特征、梅尔倒谱系数特征、Filter Bank特征、GammaTone特征和韵律特征；

将所述若干变换特征输入所述感知机集合，得到所述预训练音频信号对应的第二特征向量。

4.根据权利要求1所述的用于声音事件检测的声音编码器的生成方法，其特征在于，所述提取所述第一随机信号的特征，以得到第一输出特征向量，以及提取所述第二随机信号的特征，以得到第二输出特征向量，具体包括：

对于每个第一随机信号，将该第一随机信号输入所述候选声音编码器，得到该第一随机信号对应的第一随机特征向量，将该第一随机特征向量输入投影模块，得到该第一随机信号对应的第一输出特征向量；

对于每个第二随机信号，将该第二随机信号输入所述候选声音编码器，得到该第二随机信号对应的第二随机特征向量，将该第二随机特征向量输入所述投影模块，得到该第二随机信号对应的第二输出特征向量。

5.根据权利要求1所述的用于声音事件检测的声音编码器的生成方法，其特征在于，所述基于所有第一输出特征向量和所有第二输出特征向量修改所述候选声音编码器的参数，具体包括：

基于所述微调音频信号的标签，将所述所有第一输出特征向量和所有第二输出特征向量划分为若干锚样本、若干正样本和若干负样本；

基于所述若干锚样本、若干正样本和若干负样本计算损失函数值，并基于所述损失函数值修改所述候选声音编码器的参数。