语音分离方法、装置、移动终端及计算机可读存储介质制造方法及图纸

本发明专利技术公开了一种语音分离方法、装置、移动终端及计算机可读存储介质，所述语音分离方法包括：获取带噪语音信息，并提取所述带噪语音信息的特征向量，将所述特征向量输入至语音分离模型，并获取所述特征向量对应的目标振幅谱，对所述目标振幅谱进行后处理，以获取目标语音信息，可有效快速地将噪声从带噪语音中分离出来，以获取干净的语音信息。

Speech separation method, device, mobile terminal and computer readable storage medium

【技术实现步骤摘要】
语音分离方法、装置、移动终端及计算机可读存储介质
本专利技术涉及语音分离领域，尤其涉及一种语音分离方法、装置、移动终端及计算机可读存储介质。
技术介绍
在嘈杂的环境中，往往同时存在着许多不同的声源，且在声波的传递过程中，不同声源所发出的声波之间以及直达声和反射声之间会在传播介质中相叠加而形成复杂的混合声波。因此，在语音识别领域，如何能够实现在嘈杂环境中分离出干净的语音信息是目前亟待解决的技术问题。上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
本专利技术的主要目的在于提供一种语音分离方法、装置、移动终端及计算机可读存储介质，旨在解决从带噪语音信息中获取干净的语音信息的技术问题。为实现上述目的，本专利技术提供一种语音分离方法，所述语音分离方法包括以下步骤：获取带噪语音信息，并提取所述带噪语音信息的特征向量；将所述特征向量输入至语音分离模型，并获取所述特征向量对应的目标振幅谱；对所述目标振幅谱进行后处理，以获取目标语音信息。优选地，获取所述带噪语音信息的时域信号和频域信号；分别对所述带噪语音信息的时域信号和频域信号进行特征提取，以获取带噪语音信息的时域特征和频域特征；基于所述带噪语音信息的时域特征和频域特征，获取所述带噪语音信息的特征向量。优选地，获取带噪语音信息的时域信号；对所述带噪语音信息的时域信号进行滤波处理，以获取所述带噪语音信息的滤波时域信号；将所述带噪语音信息的滤波时域信号进行傅立叶变换，以获取所述带噪语音信息的频域信号。优选地，对所述带噪语音信息的时域信号进行短时能量分析，以获取所述时域信号的第一时域特征；对所述带噪语音信息的时域信号进行短时平均幅度值分析，以获取所述时域信号的第二时域特征；对所述带噪语音信息的时域信号进行过零率分析，以获取所述时域信号的第三时域特征；对所述带噪语音信息的频域信号进行小波分解，以获取所述频域信号的频域特征。优选地，基于主成分分析函数，对所述带噪语音信息的时域特征进行特征抽取，以获取目标时域特征，其中，所述目标时域特征包括：第一目标时域特征、第二目标时域特征与第三目标时域特征；基于线性判别分析函数，对所述带噪语音信息的频域特征进行特征抽取，以获取目标频域特征；将所述目标时域特征与所述目标频域特征进行结合，以获取所述带噪语音信息的特征向量。优选地，对所述目标振幅谱进行掩模处理，以获取掩模的目标振幅谱；对所述掩模的目标振幅谱进行短时傅立叶逆变换，以获取目标语音信息。优选地，获取标识的语音与标识的噪声，并对所述标识的语音与标识的噪声进行特征提取，以获取标识的语音特征与标识的噪声特征；将所述标识的语音与标识的噪声均匀混合，以获取带噪语音，并对所述带噪语音进行特征提取，以获取带噪语音特征；基于所述标识的语音特征、标识的噪声特征与带噪语音特征训练神经网络，以获取所述语音分离模型。优选地，第一获取模块，用于获取带噪语音信息，并提取所述带噪语音信息的特征向量；第二获取模块，用于将所述特征向量输入至语音分离模型，并获取所述特征向量对应的目标振幅谱；处理模块，用于对所述目标振幅谱进行后处理，以获取目标语音信息。此外，为实现上述目的，本专利技术还提供一种语音分离装置，所述监控场景下语音分离装置包括：第一获取模块，用于获取带噪语音信息，并提取所述带噪语音信息的特征向量；第二获取模块，用于将所述特征向量输入至语音分离模型，并获取所述特征向量对应的目标振幅谱；处理模块，用于对所述目标振幅谱进行后处理，以获取目标语音信息。优选地，所述第一获取模块还用于，获取所述带噪语音信息的时域信号和频域信号；分别对所述带噪语音信息的时域信号和频域信号进行特征提取，以获取带噪语音信息的时域特征和频域特征；基于所述带噪语音信息的时域特征和频域特征，获取所述带噪语音信息的特征向量。优选地，所述第一获取模块还用于，获取带噪语音信息的时域信号；对所述带噪语音信息的时域信号进行滤波处理，以获取所述带噪语音信息的滤波时域信号；将所述带噪语音信息的滤波时域信号进行傅立叶变换，以获取所述带噪语音信息的频域信号。优选地，所述第一获取模块还用于，对所述带噪语音信息的时域信号进行短时能量分析，以获取所述时域信号的第一时域特征；对所述带噪语音信息的时域信号进行短时平均幅度值分析，以获取所述时域信号的第二时域特征；对所述带噪语音信息的时域信号进行过零率分析，以获取所述时域信号的第三时域特征；对所述带噪语音信息的频域信号进行小波分解，以获取所述频域信号的频域特征。优选地，所述第一获取模块还用于，基于主成分分析函数，对所述带噪语音信息的时域特征进行特征抽取，以获取目标时域特征，其中，所述目标时域特征包括：第一目标时域特征、第二目标时域特征与第三目标时域特征；基于线性判别分析函数，对所述带噪语音信息的频域特征进行特征抽取，以获取目标频域特征；将所述目标时域特征与所述目标频域特征进行结合，以获取所述带噪语音信息的特征向量。优选地，所述处理模块还用于，对所述目标振幅谱进行掩模处理，以获取掩模的目标振幅谱；对所述掩模的目标振幅谱进行短时傅立叶逆变换，以获取目标语音信息。优选地，所述第二获取模块还用于，获取标识的语音与标识的噪声，并对所述标识的语音与标识的噪声进行特征提取，以获取标识的语音特征与标识的噪声特征；将所述标识的语音与标识的噪声均匀混合，以获取带噪语音，并对所述带噪语音进行特征提取，以获取带噪语音特征；基于所述标识的语音特征、标识的噪声特征与带噪语音特征训练神经网络，以获取所述语音分离模型。此外，为实现上述目的，本专利技术还提供一种移动终端，所述移动终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的语音分离程序，所述语音分离程序被所述处理器执行时实现以上所述的语音分离方法的步骤。此外，为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有语音分离程序，所述语音分离程序被处理器执行时实现以上所述的语音分离方法的步骤。本专利技术通过获取带噪语音信息，并提取带噪语音信息的特征向量，接着将特征向量输入至语音分离模型，并获取特征向量对应的目标振幅谱，对目标振幅谱进行后处理，以获取目标语音信息，可有效快速地将噪声从带噪语音中分离出来，以获取干净的语音信息。附图说明图1是本专利技术实施例方案涉及的硬件运行环境的移动终端结构示意图；图2为本专利技术语音分离方法第一实施例的流程示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不本文档来自技高网...

【技术保护点】
1.一种语音分离方法，其特征在于，所述语音分离方法包括以下步骤：/n获取带噪语音信息，并提取所述带噪语音信息的特征向量；/n将所述特征向量输入至语音分离模型，并获取所述特征向量对应的目标振幅谱；/n对所述目标振幅谱进行后处理，以获取目标语音信息。/n

【技术特征摘要】
1.一种语音分离方法，其特征在于，所述语音分离方法包括以下步骤：
获取带噪语音信息，并提取所述带噪语音信息的特征向量；
将所述特征向量输入至语音分离模型，并获取所述特征向量对应的目标振幅谱；
对所述目标振幅谱进行后处理，以获取目标语音信息。


2.如权利要求1所述的语音分离方法，其特征在于，所述提取所述带噪语音信息的特征向量的步骤包括：
获取所述带噪语音信息的时域信号和频域信号；
分别对所述带噪语音信息的时域信号和频域信号进行特征提取，以获取带噪语音信息的时域特征和频域特征；
基于所述带噪语音信息的时域特征和频域特征，获取所述带噪语音信息的特征向量。


3.如权利要求2所述的语音分离方法，其特征在于，所述获取所述带噪语音信息的时域信号和频域信号的步骤包括：
获取带噪语音信息的时域信号；
对所述带噪语音信息的时域信号进行滤波处理，以获取所述带噪语音信息的滤波时域信号；
将所述带噪语音信息的滤波时域信号进行傅立叶变换，以获取所述带噪语音信息的频域信号。


4.如权利要求2所述的语音分离方法，其特征在于，所述时域特征包括：第一时域特征、第二时域特征与第三时域特征，所述分别对所述带噪语音信息的时域信号和频域信号进行特征提取，以获取带噪语音信息的时域特征和频域特征的步骤包括：
对所述带噪语音信息的时域信号进行短时能量分析，以获取所述时域信号的第一时域特征；
对所述带噪语音信息的时域信号进行短时平均幅度值分析，以获取所述时域信号的第二时域特征；
对所述带噪语音信息的时域信号进行过零率分析，以获取所述时域信号的第三时域特征；
对所述带噪语音信息的频域信号进行小波分解，以获取所述频域信号的频域特征。


5.如权利要求2所述的语音分离方法，其特征在于，所述基于所述带噪语音信息的时域特征和频域特征，获取所述带噪语音信息的特征向量的步骤包括：
基于主成分分析函数，对所述带噪语音信息的时域特征进行特征抽取...

【专利技术属性】
技术研发人员：陈昊亮，许敏强，杨世清，
申请(专利权)人：广州国音智能科技有限公司，
类型：发明
国别省市：广东;44