1.一种基于学习补偿的背景噪声去除方法,其特征在于:包括以下步骤:
步骤(1):基于场景的噪声分类:按照会议规模,将会议场景背景噪声数据集分为小型会议背景噪声、中等会议背景噪声、大型会议背景噪声;
步骤(2):背景噪声估计,具体方法如下:
步骤(2.1):采用GMM模型学习背景噪声的特征,分别得出小型会议背景噪声、中等会议背景噪声、以及大型会议背景噪声的背景噪声分布;
步骤(2.2):通过GMM识别出采集的语音信号属于何种规模的背景噪声,最后根据识别结果,选择对应规模的背景噪声分布;
步骤(3):根据采集的语音信号所估计出的背景噪声分布,采用噪声学习补偿算法对采集的语音信号进行补偿,从而去除采集的语音信号中的背景噪声。
2.根据权利要求1所述的一种基于学习补偿的背景噪声去除方法,其特征在于:在步骤(1)中,基于场景的噪声分类具体包括:先从会议场景背景噪声数据集中筛选出有代表性的、背景噪声分布均匀、易提取的部分样本,然后将这些样本按照会议规模分为小型会议背景噪声、中等会议背景噪声、大型会议背景噪声,接着再对这些分类后的背景噪声分别进行数据清洗,再从样本语音数据中分离出背景噪声信号,并将噪声信号拼接成多个时间长度一致的噪声文件,最后对这些噪声文件进行人工标注完成分类。
3.根据权利要求1所述的一种基于学习补偿的背景噪声去除方法,其特征在于:在步骤(3)中,噪声学习补偿算法中,采集的语音信号中说话人信号的具体计算公式为:其中,y(t)是采集的语音信号,x(t)是说话人信号,n(t)是步骤(2)中采集的语音信号所估计出的背景噪声,k是调节参数,是一个实验值。