申请/专利权人：清华大学苏州汽车研究院(相城)

申请日：2021-08-26

公开（公告）日：2024-04-09

公开（公告）号：CN113782011B

主分类号：G10L15/06

分类号：G10L15/06;G10L15/16;G10L15/20;G10L21/0208;G10L25/24;G10L25/30;G06N3/048;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2021.12.28#实质审查的生效;2021.12.10#公开

摘要：本发明公开了频带增益模型的训练方法及用于车载场景的语音降噪方法，训练方法包括以下步骤：将纯语音信号和纯噪声信号分别分帧后，并逐帧按照频率进行分带，得到纯语音频带和纯噪声频带，将纯语音信号和纯噪声信号混合后，对其进行分帧处理，并逐帧按照相应频率进行分带，得到带噪语音频带，根据各纯噪声、纯语音、带噪语音频带的能量，以得到纯噪声频带相应的对数谱、增益期望值和特征值；将特征值输入频带增益模型，以输出各带噪语音频带对应的增益值，并利用增益期望值以及对数谱作为标签进行神经网络训练，以实现对所述频带增益模型的参数优化。本发明提供的训练方法及语音降噪方法对带噪语音进行降噪的同时保证语音识别系统的鲁棒性。

主权项：1.一种频带增益模型的训练方法，其特征在于，所述频带增益模型基于神经网络模型，采用SRU架构，所述频带增益模型能够依据带噪语音信号的特征值对其多个频段的信号进行降噪增益；所述频带增益模型包括第一SRU层、第二SRU层、第三SRU层、第四SRU层、第五SRU层、第一全连接层和第二全连接层，所述特征值输入至所述第一SRU层，使用tanh激活函数处理后输出；所述特征值输入至所述第一全连接层，使用tanh激活函数处理后输出至所述第二SRU层，在所述第二SRU层，使用Relu激活函数处理后输出至所述第三SRU层；在所述第三SRU层中，对所述第一全连接层的输出和第二SRU层的输出使用Relu激活函数处理后输出；在所述第四SRU层中，对所述第一SRU层的输出和第三SRU层的输出使用Relu激活函数处理后输出；在所述第五SRU层中，对所述第一SRU层的输出、第三SRU层的输出和第四SRU层的输出使用Relu激活函数处理后输出；在所述第二全连接层中，对所述第五SRU层的输出使用sigmoid激活函数处理后输出，以得到所述带噪语音频带的增益值；所述训练方法包括以下步骤：S1、将纯语音信号和纯噪声信号分别分帧后，并逐帧按照频率进行分带，得到n个纯语音频带和n个纯噪声频带，计算各纯语音频带和各纯噪声频带的能量；将所述纯语音信号和纯噪声信号混合后，得到带噪语音信号，对其进行分帧处理，并逐帧按照相应频率进行分带，得到n个带噪语音频带，计算各带噪语音频带的能量；根据各纯噪声频带的能量，以得到所述纯噪声频带相应的n个对数谱；根据所述纯语音频带的能量与相应频段的所述带噪语音频带的能量的比值，以得到n个增益期望值；根据各带噪语音频带的能量，得到相应的对数功率谱，并通过反离散余弦变换得到n个MFCC系数，以作为所述带噪语音频带相应的n个特征值；S2、将所述n个特征值输入所述频带增益模型，以输出各带噪语音频带对应的增益值，并利用所述增益期望值以及所述对数谱作为标签进行神经网络训练，以实现对所述频带增益模型的参数优化。

全文数据：

权利要求：

百度查询： 清华大学苏州汽车研究院(相城) 频带增益模型的训练方法及用于车载场景的语音降噪方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD