基于波形和频域信息融合网络的声音信号增强方法及装置

专利内容

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114783457 A (43)申请公布日 2022.07.22 (21)申请号 202210627965.8 (22)申请日 2022.06.01 (71)申请人 中国科学院半导体研究所 地址 100083 北京市海淀区清华东路甲35 号 (72)发明人 郭慧敏　鉴海防　王洪昌　朱文旗　 李文昌　 (74)专利代理机构 中科专利商标代理有限责任 公司 11021 专利代理师 孙蕾 (51)Int.Cl. G10L 21/0216 (2013.01) G10L 21/0224 (2013.01) G10L 21/0232 (2013.01) 权利要求书3页 说明书14页 附图6页 (54)发明名称 基于波形和频域信息融合网络的声音信号 增强方法及装置 (57)摘要 本公开提供了一种基于波形和频域信息融 合网络的声音信号增强方法及装置。该方法包括 获取声音训练样本集，其中，声音训练样本集包 括多个声音训练样本和对应的标签数据，每个声 音训练样本包括训练声音信号和训练幅度谱；将 声音训练样本输入初始融合网络模型，输出增强 后的训练声音数据，其中，初始融合网络模型为 用于融合声音信号时域信息和频域信息的多模 态融合网络模型；根据标签数据和增强后的训练 声音数据计算损失函数，得到损失结果；根据损 失结果迭代地调整初始融合网络模型的网络参 A 数，生成经训练的多模态融合网络模型；将待增