训练盲源分离模型的方法、装置及存储介质制造方法及图纸

本发明专利技术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。本发明专利技术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。

Method, Device and Storage Media for Training Blind Source Separation Model

The embodiment of the present invention provides a method, device and storage medium for training blind source separation model. The training method of Blind Source Separation Model includes: the training speech signal is determined by on-line noise adding according to the control parameters of noise adding, in which the noise adding control parameters satisfy the preset distribution of the parameters used to control the noise; the training speech signal is used to train the convolution neural network, and the Blind Source Separation Model is obtained. According to the embodiment of the invention, a better performance Blind Source Separation Model can be obtained, that is, the Blind Source Separation Model can suppress the background sound to the strongest extent with as little damage to the foreground sound as possible.

【技术实现步骤摘要】
训练盲源分离模型的方法、装置及存储介质
本专利技术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。
技术介绍
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。
技术实现思路
本专利技术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，本专利技术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，本专利技术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。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，所述确定模块具体用于：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，所述处理模块包括：分帧单元，用于对所述训练语音信号进行分帧处理，得到多帧语音信号；训练单元，用于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，所述训练单元具体用于：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。第三方面，本专利技术实施例提供一种训练盲源分离模型的装置，包括：处理器和存储器；所述存储器存储计算机执行指令；所述处理器执行所述存储器存储的计算机执行指令，使得所述处理器执行如第一方面任一项所述的训练盲源分离模型的方法。第四方面，本专利技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如第一方面任一项所述的训练盲源分离模型的方法。本专利技术实施例提供的训练盲源分离模型的方法、装置及存储介质，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；采用所述训练语音信号训练卷积神经网络，得到盲源分离模型。由于加噪控制参数为满足预设分布的用于控制噪声的参数，因此，相比现有技术，本专利技术实施例通过设置加噪控制参数满足预设分布，以增加噪声数量和种类；并通过在线加噪使得盲源分离模型易于调整。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术一实施例提供的训练盲源分离模型的方法的流程图；图2为本专利技术另一实施例提供的训练盲源分离模型的方法的流程图；图3为本专利技术一实施例提供的训练盲源分离模型的网络架构图；图4为本专利技术一实施例提供的训练盲源分离模型的装置的结构示意图；图5为本专利技术另一实施例提供的训练盲源分离模型的装置的结构示意图。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本专利技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本专利技术的一些方面相一致的装置和方法的例子。本专利技术的说明书和权利要求书中的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本专利技术实施例中的“第一”和“第二”等只起标识作用，而不能理解为指示或暗示顺序关系、相对重要性或者隐含指明所指示的技术特征的数量。“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本专利技术的说明书中通篇提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。专利技术人发现：盲源分离的必要性在于以下几个方面：一方面，盲源分离可以将目标说话人的语音从一段多说话人同时说话的音频信号中提取出来。例如，客厅里电视正在播放新闻联播，用户想和茶几上智能音箱进行语音交互。智能本文档来自技高网...

【技术保护点】
1.一种训练盲源分离模型的方法，其特征在于，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。

【技术特征摘要】
1.一种训练盲源分离模型的方法，其特征在于，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。2.根据权利要求1所述的方法，其特征在于，所述加噪控制参数为信噪比。3.根据权利要求1所述的方法，其特征在于，所述预设分布为均匀分布或高斯分布。4.根据权利要求1至3任一项所述的方法，其特征在于，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。5.根据权利要求1至3任一项所述的方法，其特征在于，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。6.根据权利要求5所述的方法，其特征在于，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。7.一种训练盲源分离模型的装置，其特征在于，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；...

【专利技术属性】
技术研发人员：李超，朱唯鑫，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11