申请/专利权人:西北工业大学深圳研究院;西北工业大学
申请日:2022-05-31
公开(公告)日:2022-09-27
公开(公告)号:CN115116464A
主分类号:G10L21/0208
分类号:G10L21/0208;G10L25/30
优先权:
专利状态码:在审-实质审查的生效
法律状态:2022.10.18#实质审查的生效;2022.09.27#公开
摘要:本发明提供了一种多分辨率UNet去混响网络,通过在不同的分辨率块中将语音频谱沿时间维度进行切块,并在不同的分辨率块之间加入信息交互,实现了不同分辨率块间信息的互补,有助于语音去混响性能的提升。本发明由于使用了多分辨率特征,将下层分辨率块中的信息与上层分辨率块之间的信息进行交互,从而渐进式的提高了去混响的性能,解决了基线方法中采用单分辨率特征带来的性能局限问题。在实际录制的强混响环境中进行了实验验证,实验结果表明所提出的去混响网络仍然有很好的去混响性能,解决了原有方法在强混响环境中性能较差的问题。
主权项:1.一种多分辨率UNet去混响网络,其特征在于:所述多分辨率UNet去混响网络,包括三个分辨率块,每个分辨率块的输入特征为特定分辨率的时频特征,去混响网络采用编码器-解码器结构三个分辨率块分别称作B1,B2和B3,其中每个分辨率块所输入的时频特征的分辨率均不相同,在分辨率块B3中,输入特征沿着时间维度均匀切分为4个部分,每个部分经过卷积块以及编码器编码后沿时间维度进行两两拼接,拼接后的特征送入解码器进行解码,解码器的输出经过掩模块后得到B3的去混响结果;同理,分辨率块B2中的输入特征被沿着时间维度切分为相同大小的2个部分,每个部分经过卷积块、编码器后沿时间维度拼接后,送入解码器进行解码,然后经过掩模块后得到B2的去混响结果;在分辨率块B1中不进行任何分割操作,直接经过编码器和解码器输出后,经二维卷积得到B1的去混响结果;通过信息的直接相加和通道拼接,将当前分辨率块输出的有用信息传递到下一分辨率块中,从而渐进式的提高MR-UNet网络的去混响性能。
全文数据:
权利要求:
百度查询: 西北工业大学深圳研究院;西北工业大学 多分辨率UNet去混响网络
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。