【技术实现步骤摘要】
一种基于深度学习语音降噪方法、装置、系统及存储介质
[0001]本申请涉及语音降噪领域，具体涉及一种基于深度学习语音降噪方法、系统及存储介质。
技术介绍
[0002]随着语音技术的发展，以及移动互联网终端的普及，语音通讯功能被广泛应用。然而在日常使用中，由于使用者所处的环境具有多样性，可能处于闹市、工厂、公共交通中，此时，使用者在进行语音通话时，周围背景的噪声会极大地影响通话双方的通话质量，语音质量和可懂度都会受到影响；同时对于使用移动互联网终端聆听音乐、观赏电影或进行电玩游戏的使用者而言，噪声会极大地影响使用者的使用体验。
[0003]为解决噪声带来的干扰，在现有相关技术中，有很多关于语音降噪的研究，也提供了很多语音降噪产品，但大多用于语音降噪的产品都是基于传统的算法，例如谱减法、维纳滤波法、自适应滤波器法等，而这些方案无论是在降噪使用的时间还是去掉噪音的准确率方面都存在一定的缺陷。
技术实现思路
[0004]有鉴于此，本申请提供一种基于深度学习语音降噪方法、系统及存储介质，旨在解决或至少部分解决上...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习语音降噪方法，其特征在于，所述方法包括：接收待处理的带噪语音文件；提取所述带噪语音文件中的多分辨率耳蜗图谱特征；基于所述多分辨率耳蜗图谱特征和网络模型获得所述带噪语音文件的先验信噪比估计值；基于所述先验信噪比估计值获得增益函数；基于所述增益函数对所述带噪语音文件进行降噪处理，获得降噪后的干净语音文件。2.根据权利要求1所述的基于深度学习语音降噪方法，其特征在于，所述基于所述多分辨率耳蜗图谱特征和网络模型获得所述带噪语音文件的先验信噪比估计值包括：基于所述多分辨率耳蜗图谱特征获得先验信噪比的映射；将所述先验信噪比的映射加载到所述网络模型中，获得所述先验信噪比估计值。3.根据权利要求2所述的基于深度学习语音降噪方法，其特征在于，所述基于所述多分辨率耳蜗图谱特征获得先验信噪比的映射包括：根据所述多分辨率耳蜗图谱特征获得瞬时先验信噪比；对所述瞬时先验信噪比进行映射获得所述先验信噪比的映射，所述映射采用的方法为累积分布函数。4.根据权利要求1
‑
3任意一项所述的基于深度学习语音降噪方法，其特征在于，所述网络模型为至少含有权重参数的网络模型。5.根据权利要求4所述的基于深度学习语音降噪方法，其特征在于，所述至少含有权重参数的网络模型通过下述训练方法获得：收集用于训练的训练干净语音文件和训练噪音语音文件；对所述训练干净语音文件和训练噪音语音文件进行融合获得训练混合语音文件；分别提取所述训练干净语音文件、训练噪音语音文件和训练混合语音文件的多分辨率耳蜗图谱特征；根据提取得到的多分辨率...
【专利技术属性】
技术研发人员：梁兴伟，杨波，
申请(专利权)人：康佳集团股份有限公司，
类型：发明
国别省市：
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。