[发明专利]车载多音区语音分离方法及电子设备和存储介质

权利要求书

1.一种车载多音区语音分离方法，包括：

将获取的高保真音频与获取的房间脉冲响应数据进行卷积，得到混合信号和至少一个语音标签；

基于所述混合信号和所述至少一个语音标签训练融合波束成形的网络模型；

基于预设的仿真测试集测试所述融合波束成形的网络模型，判断所述融合波束成形的网络模型是否达到预设要求；

若达到预设要求，基于所述融合波束成形的网络模型预测所述混合信号和所述至少一个语音标签的波束成形的权重，得到每一音区分离信号。

2.根据权利要求1所述的方法，其中，在所述若达到预设要求，基于所述融合波束成形的网络模型预测所述混合信号和所述至少一个语音标签的波束成形的权重，得到每一音区分离信号之后，所述方法还包括；

基于所述每一音区分离信号指导传统盲源分离算法进行分离，得到分离结果；

基于预设实车测试集验证所述分离结果是否达到指标要求；

若达到指标要求则输出多音区分离音频，用于后续的语音交互系统。

3.根据权利要求1所述的方法，其中，在所述将获取的高保真音频与获取的房间脉冲响应数据进行卷积，得到混合信号和至少一个语音标签之前，所述方法还包括；

采集车辆的麦克风三维坐标信息、声源位置信息和车内尺寸；

基于所述麦克风三维坐标信息、声源位置信息和车内尺寸进行多音区房间脉冲响应仿真；

对房间脉冲响应仿真区域的声源位置进行随机模拟采样生成批量房间脉冲响应数据。

4.根据权利要求1所述的方法，其中，所述高保真音频数据包括：

实车采集的噪声和大批量不同人录制的高保真人声。

5.根据权利要求2所述的方法，其中所述多音区至少包括：双音区、四音区和五音区。

6.根据权利要求1所述的方法，其中，所述融合波束成形的网络模型包括编码器、长短期记忆网络和解码器，其中，所述编码器和解码器进行上下采样获取空间以及频段特征，中间使用所述长短期记忆网络进行时间维度建模。

7.根据权利要求1所述的方法，其中，所述将获取的高保真音频与获取的房间脉冲响应数据进行卷积，得到混合信号和至少一个语音标签包括：

获取所述高保真音频与所述房间脉冲响应数据的卷积结果；

将所述卷积结果与车内的实际信噪比和信干比进行混合，得到混合音频以及至少一个语音标签。

8.根据权利要求1所述的方法，其中，在所诉判断所述融合波束成形的网络模型是否达到预设要求之后，还包括：

若没有达到要求则重新调整房间脉冲响应与训练参数后进行重新训练。

9.一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至8任一项所述方法的步骤。

10.一种存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至8任一项所述方法的步骤。