[發(fā)明專利]一種基于DNN噪聲分類的語音增強(qiáng)方法

在審

• 申請?zhí)枺?/td>: 201811587392.0
• 申請日: 2018-12-25
• 公開（公告）號: CN109559755A
• 公開（公告）日: 2019-04-02
• 發(fā)明（設(shè)計(jì)）人: 高天寒;陳爽
• 申請（專利權(quán)）人: 沈陽品尚科技有限公司
• 主分類號: G10L21/02
• 分類號: G10L21/02;G10L25/30;G10L25/24;G10L15/16;G10L15/06;G10L25/18
• 代理公司: 沈陽東大知識產(chǎn)權(quán)代理有限公司 21109
• 代理人: 劉曉嵐

1.一種基于DNN噪聲分類的語音增強(qiáng)方法，其特征在于：包括以下步驟：

步驟1、通過均值、標(biāo)準(zhǔn)化和預(yù)加重，分幀加窗這些方法對噪聲信號進(jìn)行預(yù)處理，在語音處理系統(tǒng)的語音活動檢測模塊中加窗確定非語音段信號；然后對每幀語音信號進(jìn)行快速傅里葉變換并計(jì)算譜線能量；使語音信號的頻譜通過梅爾濾波器組，用頻譜能量乘以梅爾濾波器的頻率響應(yīng)H_m(k)來獲得梅爾濾波能量，如下公式所示：

其中，s(m)為梅爾濾波能量，X_a(k)為輸入語音離散余弦變換值，k為濾波器個(gè)數(shù)，N表示傅里葉變換點(diǎn)數(shù)，m表示當(dāng)前幀，M表示該語音中包含的所有幀數(shù)；

然后對每幀信號的梅爾濾波能量的對數(shù)進(jìn)行離散余弦變換，得到梅爾倒譜參數(shù)，將其作為語音每幀的梅爾濾波的特征向量，如下公式所示：

其中，C(n)為每幀信號的梅爾倒譜參數(shù)，n表示進(jìn)行離散余弦變換的每幀信號，L表示該語音中包含的進(jìn)行離線變換的所有幀數(shù)；

步驟2、將每幀的梅爾濾波的特征向量作為一個(gè)24維的向量，并作為深度神經(jīng)網(wǎng)絡(luò)的輸入；

所述深度神經(jīng)網(wǎng)絡(luò)采用具有3個(gè)反向神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò)系列的深度神經(jīng)網(wǎng)絡(luò)模型，該模型分為輸入層，輸出層和競爭層，并且3個(gè)反向神經(jīng)網(wǎng)絡(luò)處于并行模式；

步驟3、利用步驟2所述的深度神經(jīng)網(wǎng)絡(luò)模型對噪聲進(jìn)行訓(xùn)練與分類。

2.根據(jù)權(quán)利要求1所述的一種基于DNN噪聲分類的語音增強(qiáng)方法，其特征在于：所述步驟3的具體方法為：

步驟3.1、由學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò)將N種噪聲信號分為3大類，然后由反向傳播神經(jīng)網(wǎng)絡(luò)再細(xì)分為15個(gè)類，設(shè)定輸出層的每一類的值為z，如下公式所示：

其中，O_k為每一個(gè)噪聲對應(yīng)的分量；

步驟3.2、初始化深度神經(jīng)網(wǎng)絡(luò)的輸入層和競爭層之間的權(quán)重和學(xué)習(xí)效率；

步驟3.3、定義深度神經(jīng)網(wǎng)絡(luò)輸入向量和競爭神經(jīng)元之間的距離，如下公式所示：

其中，R為輸入向量個(gè)數(shù)，為權(quán)值矩陣W中的元素，I為單位矩陣；

步驟3.4根據(jù)步驟3.3得到的距離，隨機(jī)調(diào)整神經(jīng)元權(quán)值，使得深度神經(jīng)網(wǎng)絡(luò)輸出層結(jié)果與設(shè)定的z矩陣相同，若與z矩陣不同，則反向調(diào)整神經(jīng)元權(quán)值，使得輸出結(jié)果與z矩陣相同。