【技术实现步骤摘要】
【国外来华专利技术】电子装置及其控制方法
本公开涉及一种电子装置及其控制方法，并且更具体地，涉及一种能够重构音频的声音质量的电子装置及其控制方法。
技术介绍
人工智能(AI)系统是一种实现人类级别智能的计算机系统，更是一种机器学习、判断和变得智能的系统，并且不同于现有的基于规则的智能系统。随着人工智能系统使用的改进，可以更准确地执行识别率和对用户喜好的理解或预测。如此，现有的基于规则的智能系统正在被基于深度学习的AI系统代替。AI技术包括机器学习(例如，深度学习)和利用机器学习的基本技术。机器学习是能够分类或学习输入数据特征的算法技术。元素技术(elementtechnology)是使用机器学习算法(诸如深度学习)的技术。机器学习由诸如语言理解、视觉理解、推理、预测、知识表示、运动控制等
组成。其中应用人工智能技术的各个领域如下所示。语言理解是用于识别、应用和/或处理人类的语言或字符的技术，并且包括自然语言处理、机器翻译、对话系统、查询和应答、语音识别或合成等等。视觉理解是用于如人类视觉一样识别和处理对象的技术，包...
【技术保护点】
1.一种电子装置，其包括：/n存储器，其用于存储分别在多个卷积神经网络CNN中训练的多个滤波器；以及/n处理器，其配置成：/n获取对应于受损音频信号的第一频谱图，/n将所述第一频谱图输入到对应于每个频带的CNN，以分别应用在所述多个CNN中训练的所述多个滤波器，/n通过合并其中应用了所述多个滤波器的CNN的输出值来获取第二频谱图，以及/n获取基于所述第二频谱图重构的音频信号。/n
【技术特征摘要】
【国外来华专利技术】20171025 US 62/576,8871.一种电子装置，其包括：
存储器，其用于存储分别在多个卷积神经网络CNN中训练的多个滤波器；以及
处理器，其配置成：
获取对应于受损音频信号的第一频谱图，
将所述第一频谱图输入到对应于每个频带的CNN，以分别应用在所述多个CNN中训练的所述多个滤波器，
通过合并其中应用了所述多个滤波器的CNN的输出值来获取第二频谱图，以及
获取基于所述第二频谱图重构的音频信号。
2.如权利要求1所述的电子装置，其中
所述多个CNN包括第一CNN和第二CNN，其中第一频带的第一频谱图输入到所述第一CNN，以及第二频带的第一频谱图输入到所述第二CNN，
所述多个滤波器包括在所述第一CNN中训练的第一滤波器和第二滤波器以及在所述第二CNN中训练的第三滤波器和第四滤波器，
基于所述第一频带训练所述第一滤波器和所述第三滤波器，并且基于所述第二频带训练所述第二滤波器和所述第四滤波器，
所述处理器还配置成：
通过合并其中应用了所述第一滤波器的所述第一CNN的输出值和其中应用了所述第三滤波器的所述第二CNN的输出值来获取对应于所述第一频带的第二频谱图，并且通过合并其中应用了所述第二滤波器的所述第一CNN的输出值和其中应用了所述第四滤波器的所述第二CNN的输出值来获取对应于所述第二频带的第二频谱图。
3.如权利要求1所述的电子装置，其中所述处理器还配置成：
以帧为单位识别所述第一频谱图，
以预定数量对当前帧和前一帧进行分组，以将所述分组的帧输入到对应于每个频带的所述CNN，以及
通过分别合并所述CNN的输出值，获取重构的当前帧。
4.如权利要求1所述的电子装置，其中所述多个CNN包括在第一CNN层中，
其中所述处理器还配置成：
通过将所述第一CNN层的输出值输入到包括多个其它CNN的第二CNN层来获取所述第二频谱图，以及
包括在所述第二CNN层中的滤波器的尺寸不同于包括在所述第一CNN层中的滤波器的尺寸。
5.如权利要求1所述的电子装置，其中所述处理器还配置成通过将所述第一频谱图分别按照其中应用所述多个滤波器的频带输入到sigmoid门，并且通过将从所述sigmoid门输出的第一频谱图按照频带合并来获取所述第二频谱图。
6.如权利要求1所述的电子装置，其还包括：
输入器，
其中所述处理器还配置成：
基于时间和频率将通过所述输入器输入的所述受损音频信号转换为所述第一频谱图，以及
通过基于时间和幅度将所述第二频谱图逆变换成音频信号来获取所述重构的音频信号。
7.如权利要求6所述的电子装置，其中所述处理器还配置成通过获取所述第一频谱图中的幅度分量并按照频带输入到相应的CNN来获取补偿幅度分量，以及通过组合所述第一频谱图的相位分量和所述补偿幅度分量来获取所述第二频谱图。
8.如权利要求1所述的电子装置，其中所述处理器配置成将所述第一频谱图的频带中大...
【专利技术属性】
技术研发人员：朱基岘，A波洛夫，郑钟勋，成昊相，吴殷美，柳宗烨，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：韩国;KR
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。