[发明专利]一种基于GRU网络的结构的音频降噪系统及方法

说明书

本发明属于因特网音频处理技术领域，公开了一种基于GRU网络的结构的音频降噪系统及方法，输入信号首先经过重叠窗口，重叠窗口采用Vorbis窗口，并且满足Princen‑Bradley标准；基音分析，利用基音滤波器去除谐波噪声；基音分析后，对音频进行特征提取；经过特征提取步骤后，输入信号经过特征提取后转换为包含有N*42个特征值的数据，其中N为序列长度；在进行RNN降噪时，数据经过三层GRU处理后，估计出噪声频谱，通过谱减法计算得出22项频带增益；对分割成22个频段的原始音频信号进行增益处理即可实现降噪功能。本发明在一定程度上实现了比传统音频降噪方案，如Speex更好的性能。

技术领域

本发明属于因特网音频处理技术领域，尤其涉及一种基于GRU网络的结构的音频降噪系统及方法。

背景技术

目前，最接近的现有技术：目前，移动互联网技术中已经开始应用于生活的各个方面，而移动互联网通信技术则在一定程度上代替了手机功能，如微信、QQ电话等功能使我们可以在移动互联网环境下使用网络电话，达到与传统电话相同的功能，但是收费更加廉价。但是，由于移动互联网环境下网络质量难以保证，因此网络电话的通信质量往往较低，在通信过程中常有各种干扰因素存在，传统音频降噪方案往往使用谱减法对网络音频信号进行降噪，但是其效果在一定程度上并不理想。

综上所述，现有技术存在的问题是：现有音频降噪技术存在网络电话中通信质量往往噪声较多，影响通信体验，在一定程度上限制了网络电话的发展。

发明内容

针对现有技术存在的问题，本发明提供了一种基于GRU网络的结构的音频降噪系统及方法。

本发明是这样实现的，一种基于GRU网络的结构的音频降噪方法，所述基于GRU网络的结构的音频降噪方法包括：

第一步，输入信号首先经过重叠窗口，重叠窗口采用Vorbis窗口，并且满足Princen-Bradley标准；在使用重叠窗口处理输入音频的同时，对输入音频进行基音分析；进行基音分析时，输入音频按照Opus编码器编码方式被划分为22个Bark尺度相同的近似值；

第二步，基音分析，利用基音滤波器去除谐波噪声；基音滤波器基于每频段滤波系数采用启发式算法对音频进行滤波操作；

第三步，基音分析后，对音频进行特征提取；对输入信号对数谱进行离散余弦变换，得到22个Bark频谱倒谱系数；同时，对于前六个Bark频谱倒谱系数，计算得到其一阶时间导数、二阶时间导数、基音增益作为输入特征，最后结合基频周期值以及用于检测语音的频谱非平稳度量值，一共42个值作为神经网络的输入特征值；

第四步，经过特征提取步骤后，输入信号经过特征提取后转换为包含有N*42个特征值的数据，其中N为序列长度；在进行RNN降噪时，数据经过三层GRU处理后，估计出噪声频谱，通过谱减法计算得出22项频带增益；对分割成22个频段的原始音频信号进行增益处理即可实现降噪功能。

进一步，所述基于GRU网络的结构的音频降噪方法的输入信号首先经过重叠窗口，重叠窗口采用Vorbis窗口，并且满足Princen-Bradley标准；窗口函数定义如下：

其中，符号N表示窗口长度；使用的重叠窗口长度为20ms，其中包含50％重叠，即为两个相邻窗口存在10ms的重叠部分。

进一步，所述基于GRU网络的结构的音频降噪方法在频率较高时，输入音频划分方式与Bark标度一致，但是频段较低时，输入音频至少被划分为四个频段；对于22个频段，循环神经网络将会有22个区间[0,1]内的输出值；

设w_b(k)为频段b在频率k处的幅度，则存在：

∑_bω_b(k)＝1；