[发明专利]一种语音降噪训练数据的处理方法及其装置、训练方法

权利要求书

1.一种语音降噪训练数据的处理方法，其中，所述语音降噪训练数据用于训练深度神经网络模型，其特征在于，所述处理方法包括：

接收待处理的语音降噪训练数据；

将所述语音降噪训练数据进行分帧，获得多帧语音降噪训练数据单元；

计算所述多帧语音降噪训练数据单元中的每帧语音降噪训练数据单元的第一均方根值；

计算所述多帧语音降噪训练数据单元的第一均方根值中的最大均方根值；

根据所述最大均方根值对每帧语音降噪训练数据单元的第一均方根值进行归一化处理，得到每帧语音降噪训练数据单元的第二均方根值；

依次判断每帧语音降噪训练数据单元的第二均方根值是否小于噪音阈值；

如果判断结果为该帧语音降噪训练数据单元的第二均方根值小于所述噪音阈值，则识别该帧语音降噪训练数据单元为噪音帧；

如果判断结果为该帧语音降噪训练数据单元的第二均方根值不小于所述噪音阈值，则识别该帧语音降噪训练数据单元为语音帧。

2.如权利要求1所述的处理方法，其特征在于，所述计算所述多帧语音降噪训练数据单元中的每帧语音降噪训练数据单元的第一均方根值具体为：

采用如下公式计算每帧语音降噪训练数据单元的第一均方根值：

其中，i表示帧索引；

n表示每帧语音降噪训练数据单元中的时域采样点个数；

j表示每帧语音降噪训练数据单元中的各时域采样点索引；

x表示每个时域采样点的分贝值；

RMS_i表示第i帧语音降噪训练数据单元的第一均方根值。

3.如权利要求2所述的处理方法，其特征在于，所述根据所述最大均方根值对每帧语音降噪训练数据单元的第一均方根值进行归一化处理，得到每帧语音降噪训练数据单元的第二均方根值具体为：

根据所述最大均方根值对每帧语音降噪训练数据单元的第一均方根值采用如下公式进行归一化处理，得到每帧语音降噪训练数据单元的第二均方根值：

其中，RMS_max表示所述最大均方根值；

RMS_ref表示归一化参考值；

RMS′_i表示每帧语音降噪训练数据单元的第二均方根值。

4.如权利要求1所述的处理方法，其特征在于，在依次判断每帧语音降噪训练数据单元的第二均方根值是否小于噪音阈值之前，所述处理方法还包括：

从多个语音降噪训练数据单元中预先抽取出设定个数的噪音帧；

计算所述设定个数的语音降噪训练数据单元的第一均方根值的均值和标准差；

按照如下公式计算所述噪音阈值：

其中，RMS_threshold表示所述噪音阈值；

表示所述设定个数的语音降噪训练数据单元的第一均方根值的均值；

RMS_σ表示所述设定个数的语音降噪训练数据单元的第一均方根值的标准差；

b表示调整系数，b＝2～4。

5.如权利要求2所述的处理方法，其调整在于，还包括：

对于被识别为语音帧的语音降噪训练数据单元，设置每个语音帧的增益恒为1；

对于被识别为噪音帧的语音降噪训练数据单元，采用如下公式计算每个噪音帧的增益：

其中，g_i表示每个噪音帧的增益；

RMS_tdrget表示目标信号的均方根值；

g_min表示容许的最小增益值；

根据每个语音帧和噪音帧的增益，调整所述语音降噪训练数据的包络线。