申请/专利权人：深圳远虑科技有限公司

申请日：2021-08-09

公开（公告）日：2024-04-12

公开（公告）号：CN113593598B

主分类号：G10L21/0224

分类号：G10L21/0224;G10L21/0232;G10L25/30;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2021.11.19#实质审查的生效;2021.11.02#公开

摘要：本申请公开了一种音频放大器在待机状态下的降噪方法、装置和电子设备，其通过使用第一卷积神经网络提取时域特征和第二卷积神经网络提取频域特征并融合，实现了充分利用音频信号在时域和频域上的高维统计信息来对音频信号进行分类，保证了音频信号的分类的准确性。另外，通过分类损失函数值+余弦损失函数值+最大似然估计项的损失函数值训练第一卷积神经网络和第二卷积神经网络，保证了在同时以第一卷积神经网络和第二卷积神经网络提取时域特征和频域特征的情况下，所提取出的特征在高维特征空间中的分布的一致性，从而使得融合后的分类特征图能够以彼此相符合的方式准确地表达时域信息和频域信息，进一步提高了分类的准确性。

主权项：1.一种音频放大器在待机状态下的降噪方法，其特征在于，包括：训练阶段，包括：获取到达音频放大器的音频信号作为训练数据；使用第一卷积神经网络对所述音频信号的波形图像进行空间卷积处理以提取出所述音频信号的波形图像的高维时域关联特征，以获得训练时域特征图；对所述音频信号进行傅里叶变换后以获得所述音频信号的频域分量；使用第二卷积神经网络对所述音频信号的频域分量进行空间卷积处理以提取出所述音频信号的频域分量之间的高维频域关联特征，以获得训练频域特征图；将所述训练频域特征图映射到所述训练时域特征图的特征空间中，以获得训练融合特征图；计算所述训练融合特征图与所述训练时域特征图之间的加权和以获得训练分类特征图；将所述训练分类特征图通过分类器以获得分类损失函数值；以及计算所述训练融合特征图与所述训练频域特征图之间的余弦距离以获得余弦距离损失函数值；构造所述训练分类特征图与所述训练时域特征图之间的最大似然估计项，所述最大似然估计项为用于表示所述训练分类特征图与所述训练时域特征图之间的角度的余弦距离的二范数；以及以所述分类损失函数值、所述余弦距离损失函数值和所述最大似然估计项的加权和作为损失函数值，来对所述第一卷积神经网络和所述第二卷积神经网络进行训练；以及预测阶段，包括：获取待处理的音频信号；使用经训练阶段训练而成的所述第一卷积神经网络对所述待处理的音频信号的波形图像进行处理，以获得时域特征图；对所述待处理的音频信号进行傅里叶变换后，使用经训练阶段训练而成的所述第二卷积神经网络从所述待处理的音频信号获得频域特征图；融合所述时域特征图和所述频域特征图，以获得分类特征图；以及将所述分类特征图通过分类器以获得分类结果，所述分类结果用于表示待处理的音频信号是底噪声或者是包含底噪声和待播放音频信号的音频信号。

全文数据：

权利要求：

百度查询： 深圳远虑科技有限公司 音频放大器在待机状态下的降噪方法、装置和电子设备

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