[发明专利]训练盲源分离模型的方法、装置及存储介质

说明书

本发明实施例提供一种训练盲源分离模型的方法、装置及存储介质。该训练盲源分离模型的方法包括：根据加噪控制参数在线加噪确定训练语音信号，其中，该加噪控制参数为满足预设分布的用于控制噪声的参数；采用训练语音信号训练卷积神经网络，得到盲源分离模型。本发明实施例可以得到性能更优的盲源分离模型，即该盲源分离模型可以在尽量少的损伤前景音的情况下，把背景音抑制到最强程度。

技术领域

本发明实施例涉及语音识别技术，尤其涉及一种训练盲源分离模型的方法、装置及存储介质。

背景技术

近年来，语音识别技术被越来越多地应用到工业、家电、通信、汽车电子、医疗、家庭服务、消费电子产品等领域。在安静环境下，语音识别技术的准确度可以达到97％，已经超过人类的听觉系统；但是嘈杂环境下，语音识别技术的准确度还远低于人类的听觉系统。其中，人类的听觉系统可以分辨出嘈杂环境中的感兴趣的声音，这个现象叫做“鸡尾酒会效应”。

“鸡尾酒会效应”在技术上被描述为盲源分离，也就是在没有参考信号的情况下，把感兴趣的“前景音”从嘈杂的“背景音”中分离出来。盲源分离本质上是回归模型，即盲源分离模型。现有的盲源分离模型的训练中，采用离线加噪声的方式，将语音加完噪声后保存在硬盘上。

通过上述现有技术训练得到的盲源分离模型性能较差，具体表现在以下三种情况：1、背景音没有消除；2、前景音也被消除；3、背景音没有消除干净但前景音被损伤。

发明内容

本发明实施例提供一种训练盲源分离模型的方法、装置及存储介质，以得到性能更优的盲源分离模型，即该盲源分离模型可以在尽量少的损伤前景音的情况下，把背景音抑制到最强程度。

第一方面，本发明实施例提供一种训练盲源分离模型的方法，包括：根据加噪控制参数在线加噪确定训练语音信号，其中，所述加噪控制参数为满足预设分布的用于控制噪声的参数；采用所述训练语音信号训练卷积神经网络，得到盲源分离模型。

在一种可能的设计中，所述加噪控制参数为信噪比。

在一种可能的设计中，所述预设分布为均匀分布或高斯分布。

在一种可能的设计中，所述根据加噪控制参数在线加噪确定训练语音信号，包括：获取所述加噪控制参数、语音信号和噪声；根据所述加噪控制参数计算所述语音信号和所述噪声的混合系数；根据所述混合系数、所述语音信号和所述噪声，确定所述训练语音信号。

在一种可能的设计中，所述采用所述训练语音信号训练卷积神经网络，得到盲源分离模型，包括：

对所述训练语音信号进行分帧处理，得到多帧语音信号；

采用所述多帧语音信号训练所述卷积神经网络，得到所述盲源分离模型。

在一种可能的设计中，所述采用所述多帧语音信号训练所述卷积神经网络，得到所述盲源分离模型，包括：

对每一帧语音信号，通过以下任一方式提取所述语音信号的特征值：

方式一：提取所述语音信号的幅值谱；

方式二：提取所述语音信号的梅尔频谱；

方式三：提取所述语音信号的梅尔频率倒谱系数MFCC；

将所述语音信号对应的特征值作为所述卷积神经网络的入参，通过控制所述卷积神经网络的均方误差得到所述盲源分离模型。

第二方面，本发明实施例提供一种训练盲源分离模型的装置，包括：确定模块，用于根据加噪控制参数在线加噪确定训练语音信号，其中，所述加噪控制参数为满足预设分布的用于控制噪声的参数；处理模块，用于采用所述训练语音信号训练卷积神经网络，得到盲源分离模型。

在一种可能的设计中，所述加噪控制参数为信噪比。