[发明专利]噪音去除的方法、装置、电子设备及介质

说明书

本申请公开了一种噪音去除的方法、装置、电子设备及介质。其中，本申请中，在获取待识别语音数据；将待识别语音数据输入至预设的编解码模型，得到噪音识别结果，编解码模型为基于目标软阈值化函数生成的目标深度残差收缩网络以及特征还原网络所构成；基于噪音识别结果，去除待识别语音数据中的噪音数据。通过应用本申请的技术方案，可以通过将噪音数据和无噪音数据训练由目标软阈值化函数生成的深度残差网络以及特征还原网络，直至得到满足训练条件的编码器网络。以使将该编码器网络网络部署到噪音识别设备上以实现噪音去除的目的。

技术领域

本申请中涉及数据处理技术，尤其是一种噪音去除的方法、装置、电子设备及介质。

背景技术

随着科技的发展，产品高质量化在整个国家的生产中的比重越来越多。无论是生产产品还是生活产品，随着产品的使用增加，产品必然会出现损耗，因此精准的故障诊断系统直接决定了产品的质量的优劣。

进一步的，相关技术中对许多产品的运行声音判断是对其故障诊断的一个重要方法。目前相关技术中通常存在利用软阈值化进行去噪的方法。其中，软阈值化函数(SoftThreshlding)作为一种经典的方法，尤其在信号降噪领域是非常实用的，软阈值天然的非线性的属性是很适合用作深度神经网络的计算和传导过程中的。

然而，如何能够更加精确的利用软阈值化函数来进行噪音去除，成为了本领域人员需要解决的问题。

发明内容

本申请实施例提供一种噪音去除的方法、装置、电子设备及介质，本申请实施例用于解决相关技术中存在的如何利用软阈值化函数生成模型以进行噪音识别的问题。

其中，根据本申请实施例的一个方面，提供的一种噪音去除的方法，其特征在于，包括：

获取待识别语音数据；

将所述待识别语音数据输入至预设的编解码模型，得到噪音识别结果，所述编解码模型为基于目标软阈值化函数生成的目标深度残差收缩网络以及特征还原网络所构成；

基于所述噪音识别结果，去除所述待识别语音数据中的噪音数据。

可选地，在基于本申请上述方法的另一个实施例中，在所述获取待识别语音数据之前，还包括：

获取至少一个无噪音语音数据；

在每个无噪音语音数据中加入噪音信号，得到对应的噪音语音数据；

利用所述至少一个无噪音语音数据，以及所述至少一个对应的噪音语音数据训练所述目标深度残差收缩网络，以及训练所述特征还原网络，直至得到满足预设训练条件的所述编解码模型。

可选地，在基于本申请上述方法的另一个实施例中，在所述得到满足预设训练条件的所述编解码模型，包括：

将所述目标深度残差收缩网络作为所述编解码模型中的编码模块；以及，将所述特征还原网络作为所述编解码模型中的解码模块。

可选地，在基于本申请上述方法的另一个实施例中，所述得到满足预设训练条件的所述编解码模型，包括：

将所述噪音语音数据输入至所述目标深度残差收缩网络，得到编码端输出结果；

将所述编码端输出结果输入至所述特征还原网络，得到解码端输出结果；

利用所述解码端输出结果与对应的无噪音语音数据构造损失函数；

检测到所述损失函数满足预设条件，确定训练所述编解码模型至满足所述预设训练条件。

可选地，在基于本申请上述方法的另一个实施例中，所述损失函数通过以下公式得到：