深度学习语音降噪方法对比_一种语音降噪方法与流程

本发明涉及音频处理领域，特别涉及一种语音降噪方法。

背景技术：

：现实生活中，语音信号一般都带有噪声，在进一步处理信号前，往往要对信号进行降噪，随着信噪比的减小，降噪方法处理的效果也随之变差，也经常使得语音丢字或者波形失真。如何在低信噪比情况下，达到不错的降噪效果，是一个值得探究的问题。现在的语音降噪一般分为，传统信号处理方式：如最小均方算法、谱减法、维纳滤波法；以及神经网络方式，使用深度学习网络直接在时域处理，使用带噪声语音以及干净语音样本训练降噪模型，使用模型对输入语音进行降噪处理。上述两种语音降噪分别的缺陷如下：传统信号处理方法可扩展性差，不同的噪声环境需要不同的；神经网络虽然能够处理所有噪声情况，但是该方法非常依赖于训练样本。技术实现要素：本发明的目的在于：提供了一种语音降噪方法，解决了传统信号处理方法可扩展性差，不同的噪声环境需要不同的；神经网络虽然能够处理所有噪声情况，但是该方法非常依赖于训练样本的问题。本发明采用的技术方案如下：一种语音降噪方法，包括基于神经网络模型的深度降噪模型，还包括以下步骤：A、对带噪语音信号进行预处理得到预处理过的语音信号；B、使用语音端点检测技术VAD对步骤A中预处理过的语音信号进行端点检测，根据信号的短时能量和过零率，确定该段语音信号的有效起点和终点；C、根据步骤B检测到语音信号的有效起点和终点，剪裁整个语音信号；D、将步骤C中裁剪后的语音信号转换为预定格式的带噪语音信号；E、将步骤D中预定格式的带噪语音信号