[发明专利]用于语音降噪的方法、装置、电子设备和计算机可读介质

权利要求书

1.一种用于语音降噪的方法，包括：

获取目标语音；

对所述目标语音进行预处理，得到所述目标语音的梅尔谱；

将所述梅尔谱输入至预先训练的特征神经网络，得到所述梅尔谱的幅度掩膜增益系数；

根据所述幅度掩膜增益系数对所述梅尔谱进行幅度掩膜，得到降噪梅尔谱；

将所述降噪梅尔谱输入至预先训练的神经网络声码器，得到降噪语音。

2.根据权利要求1所述的方法，其中，所述对所述目标语音进行预处理，得到所述目标语音的梅尔谱，包括：

对所述目标语音进行分帧操作，得到所述目标语音的帧级别语音；

对所述帧级别语音进行加窗和短时傅立叶变换，得到帧级别语音频谱的幅度谱；

利用梅尔滤波器对所述幅度谱进行处理，得到梅尔能量谱；

对所述梅尔能量谱进行能量归一化处理，得到能量归一化梅尔能量谱；

将所述梅尔能量谱与所述归一化梅尔能量谱进行拼接，得到目标语音的梅尔谱。

3.根据权利要求2所述的方法，其中，所述对所述梅尔能量谱进行能量归一化处理，得到能量归一化梅尔能量谱，包括：

根据以下公式对所述梅尔能量谱进行能量归一化处理：

PCEN(t,f)＝(E(t,f)/(M(t,f)+ε)^α+δ)^r-δ^r，

其中，PCEN(t，f)表示对每个频带通道进行能量归一化；

t表示时域序列；

f表示频域序列；

ε表示一个常数；

α表示能量归一化系数；

δ和r表示动态范围系数；

E(t,f)表示梅尔能量谱；

M(t,f)表示平滑能量谱，根据以下公式确定：

M(t,f)＝(1-s)·M(t-1,f)+s·E(t,f)，

其中，s表示平滑系数。

4.根据权利要求1所述的方法，其中，所述特征神经网络包括顺序连接的卷积模块、自注意力模块、门控循环单元模块和/或反卷积模块。

5.根据权利要求1或4之一所述的方法，其中，所述特征神经网络是根据以下步骤训练得到的：

获取训练样本集，其中，所述训练样本集包括样本梅尔谱以及与所述样本语音对应的样本幅度掩膜增益系数；

将所述样本梅尔谱输入至待训练模型，得到幅度掩膜增益系数；

根据预设的损失函数对所述幅度掩膜增益系数和所述样本幅度掩膜增益系数进行对比，确定损失值；

响应于所述损失值满足预设条件，确定所述待训练模型训练完成，将所述待训练模型确定为特征神经网络。

6.根据权利要求5所述的方法，其中，所述方法还包括：

响应于所述损失值未满足预设条件，调整待训练模型中的相关参数。

7.一种用于语音降噪的装置，包括：

获取单元，被配置成获取目标语音；

预处理单元，被配置成对所述目标语音进行预处理，得到所述目标语音的梅尔谱；

特征单元，被配置成将所述梅尔谱输入至预先训练的特征神经网络，得到所述梅尔谱的幅度掩膜增益系数；

幅度掩膜单元，被配置成根据所述幅度掩膜增益系数对所述梅尔谱进行幅度掩膜，得到降噪梅尔谱；

生成单元，被配置成将所述降噪梅尔谱输入至预先训练的神经网络声码器，得到降噪语音。

8.根据权利要求7所述的装置，其中，所述特征神经网络包括顺序连接的卷积模块、自注意力模块、门控循环单元模块和/或反卷积模块。

9.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。