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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。