专利交易市场

本发明公开了一种基于卷积神经网络和联合优化的单通道语音分离方法,属于语音分离技术领域,包括对语音信号进行预处理,提取单个信号和混合语音信号的幅度谱特征,并计算多通道特征和目标信号的理想浮值掩蔽;将多通道特征输入卷积神经网络,并提取深度特征;将深度特征和多通道特征进行融合,作为全连接层的输入,输出为目标信号的理想浮值掩蔽,并进行参数寻优以训练卷积神经网络;将混合语音信号输入训练后的卷积神经网络,以实现对混合语音信号进行分离。本发明通过将混合幅度谱特征与深度特征在融合层进行融合来训练分离模型,使输入特征所包含的语音信息更加的丰富;对网络参数进行联合优化,使得分离语音的清晰度和可懂度大幅提高。

本发明公开了一种基于改进BCA盲源分离的信号分离和去噪方法，用于分离混合声信号。本发明首先将接收到的几路叠加高斯噪声后的源信号通过短时傅里叶变化到频域；然后使用改进的迭代步长次梯度搜索算法基于BCA框架求解最优分离矩阵，利用最小失真原则和归一化原则对分离矩阵处理用于分离频域的混合信号，并基于频谱的相关性进行频谱排序；最后通过反傅里叶变换将信号恢复到时域。本发明能有效分离噪声环境下的信号，不仅可以分离独立信号，还可以分离相关信号；实现高斯去噪和信号分离的有效结合，提高水声信号接收质量和抗噪性能。

本发明公开了一种基于短时傅里叶变换和BP神经网络的频域盲源分离方法，该方法包括：利用不同调制方式的信号来训练BP神经网络；接收混合信号，对混合信号进行短时傅里叶变换，得到信号的时频信息；利用基于峰度最大化的ICA算法在频域对时频信息进行分离，得到分离后的频域信号；提取频域信号频谱的多个特征，基于训练的BP神经网络利用频谱特征对该信号进行频谱分类；对谱分类后的信号按照类别分别进行傅里叶反变换得到分离后的各个时域信号。本发明通通过使用短时傅里叶变换和BP神经网络分类方式增加了算法的鲁棒性，使得其频域盲源分离性能更好，保证了后续的信号解调过程的有效性。本发明有效实现了信号的频域盲源分离。

本发明公开了一种采用局部敏感哈希的声源分离方法、装置和存储介质。本发明方法包括：(1)获取若干单帧混合声音信号作为训练集样本，构建训练集的频谱字典和IBM矩阵Y；(2)采用二类分类器，学习得到若干投影向量，并采用学习得到的投影向量将频谱字典转为哈希二值码，得到哈希频谱字典；(3)提取待分离混合信号的频谱，采用学习得到的投影向量将待分离混合信号的频谱转为哈希二值码；(4)在哈希频谱字典中查找到与待分离混合信号的频谱哈希二值码最相近的#imgabs0#个频谱的索引值，在IBM矩阵Y中找到所对应的#imgabs1#个IBM向量，并利用#imgabs2#个IBM向量的加权平均估计待分离混合信号中源信号的IBM向量#imgabs3#(5)根据#imgabs4#恢复出源信号。本发明准确度更高，更轻量化。

本发明公开一种基于卷积神经网络的多说话人语音分离方法，包括以下步骤：S1：构建基于卷积神经网络的语音分离模型，所述模型包括嵌入生成网络和吸引子估计网络；所述嵌入生成网络用于将时频点从频谱图映射到嵌入空间，所述吸引子网络用于在高维嵌入空间中直接估计每个源的吸引子；S2：使用基于可分离门控卷积神经网络的嵌入生成网络将语谱图中的时频点映射到高维嵌入空间；S3：使用基于门控一维卷积的吸引子估计网络估计每个声源的吸引子。该网络在嵌入维度中完成卷积操作，将时间及频率维度作为通道维度。最后通过在高维空间计算每个吸引子与各个时频点的相似度，得到每个源的时频掩膜。

本公开实施例提供一种音频处理网络的训练及立体声重构方法和装置，获取训练场景的单通道音频样本和所述训练场景的混合音频样本；基于所述单通道音频样本对所述音频处理网络进行第一训练，以使所述音频处理网络执行立体声重构任务；基于所述混合音频样本对所述音频处理网络进行第二训练，以使所述音频处理网络执行声源分离任务；基于所述第一训练和第二训练，确定所述音频处理网络。

本发明涉及语音处理技术领域，尤其涉及一种卷积增强外部注意力的多说话人时域语音分离方法。方法包括：S1.通过编码器将多说话人混合语音，进行卷积运算，转换为其潜在特征表示；通过基于卷积增强外部注意力模块的分离器学习得到语音掩码；语音掩码与编码器输出的潜在特征表示相乘，再通过解码器的反卷积运算重建波形得到分离后的语音。本发明能够满足语音分离较小模型、高时效性的需求，并且以其序列建模的优势来达到更好的分离效果；增强了外部注意力机制学习到更多的特征和相关性，且保持了其分离速度快的优势；在双路结构中的应用可以较好地平衡时效性、模型大小和分离效果。