[发明专利]噪音识别的方法、装置、电子设备及介质

说明书

本申请公开了一种噪音识别的方法、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之后，将待识别语音数据输入至具有第一斜率的软阈值函数以及第二斜率的软阈值函数的目标软阈值残差网络，得到噪音识别结果，并根据噪音识别结果，确定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，可以通过采用两种不同斜率的软阈值残差网络实现更全面的过滤语音中噪声信号的目的。从而避免相关技术中存在的仅具备单一斜率的深度残差收缩网络所出现的去噪效果不明显的问题。

技术领域

本申请中涉及数据处理技术，尤其是一种噪音识别的方法、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(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。因此深度残差收缩网络(Residual Shrinkage Network)，也已经证明了其在信号降噪领域的实用性。

然而，相关技术中的深度残差收缩网络仅具备一个斜率的软阈值参数，这也导致会出现其去噪效果不明显的现象。

发明内容

本申请实施例提供一种噪音识别的方法、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深度残差收缩网络仅具备一个斜率的软阈值参数所导致的，去噪效果不明显的问题。

其中，根据本申请实施例的一个方面，提供的一种噪音识别的方法，包括：

获取待识别语音数据；

将所述待识别语音数据输入至目标软阈值残差网络，得到噪音识别结果，其中所述目标软阈值残差网络具有第一斜率的软阈值函数以及第二斜率的软阈值函数，所述第一斜率与所述第二斜率不相同；

根据所述噪音识别结果，确定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：

获取第一输入特征，并对所述第一输入特征执行至少两次的卷积化操作，以及执行批正则归一化操作，以及执行线性整流函数化操作，得到第一输出结果；

对所述第一输出结果执行绝对值算法，以及执行全局平均池化操作，得到第二输出结果；

基于所述第二输出结果，得到所述第一斜率以及所述第二斜率。

可选地，在基于本申请上述方法的另一个实施例中，所述基于所述第二输出结果征，得到所述第一斜率以及所述第二斜率，包括：

对所述第二输出结果执行卷积化操作，以及执行批正则归一化操作，以及执行全连接操作，以及执行线性整流函数化操作，得到第三输出结果；

对所述第三输出结果进行sigmoid函数化，得到目标软阈值函数。

可选地，在基于本申请上述方法的另一个实施例中，在所述得到第一输出结果之后，还包括：

对所述第一输出结果执行第一次数的绝对值算法，以及执行全局平均池化操作，得到第四输出结果；

对所述第四输出结果执行全连接操作，以及执行批正则归一化操作，以及执行线性整流函数化操作，以及执行全连接操作，得到所述第一斜率值。

可选地，在基于本申请上述方法的另一个实施例中，在所述得到所述第一斜率值之后，还包括：