买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：宁波星巡智能科技有限公司

摘要：本发明涉及音频处理技术领域，解决了现有技术中收集到的婴幼儿哭声受限于杂音的干扰，难以准确区分和提取出有效婴幼儿哭声的问题，提供了一种基于机器学习的婴幼儿哭声增强方法、装置及设备。该方法包括：获取第一音频数据，其中，所述第一音频数据包括至少一段含有婴幼儿哭声的音频数据；对所述第一音频数据进行预处理，得到第一音频数据对应的频谱图；将所述频谱图输入自编码器模型，输出所述第一音频数据中与婴幼儿哭声对应的音频特征信息；根据所述音频特征信息，对含有婴幼儿哭声的音频数据进行处理，得到增强后的第二音频数据。本发明有效地从嘈杂环境中提取并增强了婴幼儿哭声，显著提高了哭声信号的纯净度和识别率。

主权项：1.一种基于机器学习的婴幼儿哭声增强方法，其特征在于，所述方法包括：获取第一音频数据，其中，所述第一音频数据包括至少一段含有婴幼儿哭声的音频数据；对所述第一音频数据进行预处理，得到第一音频数据对应的频谱图；将所述频谱图输入自编码器模型，输出所述第一音频数据中与婴幼儿哭声对应的音频特征信息；根据所述音频特征信息，对含有婴幼儿哭声的音频数据进行处理，得到增强后的第二音频数据；其中，所述将所述频谱图输入自编码器模型，输出所述第一音频数据中与婴幼儿哭声对应的音频特征信息包括：将所述频谱图进行标准化处理，得到标准化频谱图，其中，所述标准化处理方式采用高斯标准化处理，公式为：，其中，X是频谱图数据，μ是频谱图数据的均值，σ是频谱图数据的标准差,Xnorm是标准化频谱图；构建用于提取婴幼儿哭声特征的自编码器模型，其中，自编码器模型的每层转换的公式为：，其中，hl+1：第l+1层神经元的输出，σ：激活函数，包括sigmoid、ReLU、tanh，W（l）:第l层的权重矩阵，用于计算从第l层到第l+1层的权重，hl：第l层神经元的输出,b（l）：第l层的偏置项，是一个常数；根据所述标准化频谱图输入所述自编码器模型进行训练，得到训练后的自编码器模型，其中，通过反向传播算法训练自编码器模型，反向传播算法的损失函数的表达式为：，其中，Ltotal：总损失函数，是自编码器输出的重构频谱图，为加入到损失函数中的正则化项，公式为：，其中，Wi，j是模型的权重向量，λ是正则化参数，β是KL散度的权重参数,：KL散度，ρ：模型预测的概率分布，：期望概率分布；将所述标准化频谱图输入训练后的自编码器模型，输出所述第一音频数据中与婴幼儿哭声对应的音频特征信息；所述根据所述音频特征信息，对含有婴幼儿哭声的音频数据进行处理，得到增强后的第二音频数据包括：根据所述婴幼儿哭声特征，对所述第一音频数据对应的频谱图进行重构，得到第二频谱图，其中，逆高斯标准化公式为：，其中，为第二频谱图，是自编码器输出的重构频谱图，μ是频谱图数据的均值，σ是频谱图数据的标准差；将所述第二频谱图进行转换，得到所述第二频谱图对应的音频数据，其中，使用逆快速傅里叶变换将第二频谱图从频域转换为时域，公式为：，其中，是第二频谱图，是转换回的时域音频信号；IFFT为逆快速傅里叶变换；对所述第二频谱图对应的音频数据进行信号增强处理，得到增强后的第二音频数据。

全文数据：

权利要求：

百度查询： 宁波星巡智能科技有限公司 基于机器学习的婴幼儿哭声增强方法、装置及设备