[發明專利]基于稀疏編碼和理想二進制掩膜相結合的語音增強方法

有效

• 申請號: 201410476932.3
• 申請日: 2014-09-17
• 公開（公告）號: CN104240717B
• 公開（公告）日: 2017-04-26
• 發明（設計）人: 湯一彬;談雅文;李旭斐;蔣愛民;徐寧;殷澄
• 申請（專利權）人: 河海大學常州校區
• 主分類號: G10L21/0208
• 分類號: G10L21/0208
• 代理公司: 南京縱橫知識產權代理有限公司32224
• 代理人: 董建林

技術領域

本發明涉及一種稀疏編碼和理想二進制掩膜的語音增強方法，具體涉及到基于理想二進制掩膜算法和字典學習的信號稀疏表示的語音處理技術。

背景技術

語音增強技術，簡單的說就是一種當純凈的語音信號被各種各樣的噪聲干擾、甚至淹沒后，抑制、降低噪聲干擾,從噪聲背景中提取有用的語音信號的技術。這些噪聲主要包括背景噪聲、混響、其他人說話聲等干擾信號，它不僅會降低語音的質量和可懂度，而且會導致語音信號在其他應用中的退化。因而，有效的進行語音增強是非常有必要的。

具有代表性的傳統的語音增強算法包括譜減法、理想二進制掩膜法(IBM)、維納濾波法、最小誤差估計法等等，但這些典型的算法也存在一些缺陷。例如，譜減法雖然復雜度比較低，易于實現，但增強后的語音信號往往存在著影響聽覺效果的音樂噪聲；理想二進制掩膜算法(IBM)雖然可以在一定程度上去除噪聲，但其存在語音信號丟失和殘留部分噪聲等問題。

在信號處理方面，信號稀疏表示和重構理論是近幾年出現的新興的信號表示手段，目前已有效用于圖像處理、語音信號處理等方面。語音信號處理方面包括語音分割、語音降噪和語音識別等。信號稀疏表示和重構理論不要求精確的恢復原始數據，而是在一定的基集(字典)空間中依照某種準則尋找最少個數的稀疏系數在最大程度上逼近原始數據，實現數據重構。

發明內容

發明目的：為了克服現有技術IBM算法存在的不足，本發明提供一種基于稀疏編碼和理想二進制掩膜相結合的語音增強方法。即針對傳統的理想二進制掩膜(IBM)存在語音信號丟失和殘留部分噪聲等缺陷，本發明將信號稀疏編碼理論和理想二進制掩膜算法相結合來獲得可理解性更高的語音信號。主要體現在：一是將IBM處理后的語音信號S^r中包含的噪聲進一步剔除；二是從干擾信號V^r中提取有效的語音成分，從而達到語音增強的效果，提高語音信號的可理解性。

技術方案：為實現上述目的，本發明采用的技術方案為：

基于稀疏編碼和理想二進制掩膜算法相結合的語音增強方法，針對傳統的理想二進制掩膜(IBM)算法的缺陷，首先利用理想的二進制掩膜算法(IBM)對信號功率譜進行初步降噪處理；其次通過稀疏編碼對初步處理后的信號做進一步處理，從而實現語音增強的效果；具體包含以下步驟：

(1)將時域信號轉換為頻域信號；

(2)采用理想二進制掩膜算法(IBM)對語音信號功率譜進行初步降噪處理；

(3)利用稀疏編碼理論對初步處理后的信號作進一步降噪處理，同時從被認為是干擾信號中提取有效的語音成分；

(4)由于人耳對相位信息不敏感的特性，因而采用語音信號的初始相位信息恢復出頻域信號，進而對其進行反傅里葉變換，得到增強后的目標語音信號。

所述步驟(1)中的域變換的工作過程包括如下步驟：

(a1)對語音信號進行較短的固定時長的分幀；

(a2)對每一幀作快速傅里葉變換(FFT),并保存初始相位。

所述步驟(2)的工作過程包括如下步驟：

(b1)根據語音信號受污染的程度，選定一個閾值；

(b2)計算出每一個時頻點的信噪比，若該時頻點的信噪比大于選定的閾值，則掩膜中相應位置的元素為1；反之，該元素為0；

(b3)將時頻信號和掩膜進行點乘，即可得到經過理想二進制掩膜算法初步處理后的語音信號S^r。

(b4)將時頻信號和掩膜的邏輯逆矩陣進行點乘，即可得到在IBM算法中被認為是噪聲的干擾信號V^r。

所述步驟(3)的工作過程包括如下步驟：

(c1)根據稀疏理論，將步驟(b3)中初步處理后的語音信號S^r作訓練樣本，采用K-SVD算法訓練出語音信號字典D_s以及相對應的稀疏系數X^e；

(c2)根據稀疏理論，將步驟(b4)中的干擾信號V^r作訓練樣本，同樣采用K-SVD算法訓練出干擾信號字典D_v以及采用正交匹配算法(OMP)計算出該字典相應的稀疏系數X^v；

(c3)由于(c2)中的訓練樣本V^r主要是干擾信號，所以我們將用(c2)訓練出的字典D_v表示步驟(2)中語音信號S^r；

(c4)依據原子表示語音信號的比例，將字典D_v中的原子進行排序；