[發(fā)明專利]一種多模塊抑制不同種類噪聲的雙噪聲語音增強方法

有效

• 申請?zhí)枺?/td>: 201910914176.0
• 申請日: 2019-09-25
• 公開（公告）號: CN110491406B
• 公開（公告）日: 2020-07-31
• 發(fā)明（設計）人: 藍天;葉文政;惠國強;劉嶠;李森;錢宇欣;呂憶藍;彭川;李萌
• 申請（專利權）人: 電子科技大學
• 主分類號: G10L21/0208
• 分類號: G10L21/0208;G10L21/0316;G10L25/30
• 代理公司: 成都東恒知盛知識產(chǎn)權代理事務所(特殊普通合伙) 51304
• 代理人: 何健雄;廖祥文

本發(fā)明公開一種多模塊抑制不同種類噪聲的雙噪聲語音增強方法，包括以下步驟：S1：對多種類型的噪聲進行分階段建模，對于輸入的帶噪語音，在每個階段通過噪聲抑制模塊提取并過濾一種或多種噪聲特征；其中，每個噪聲抑制模塊的損失函數(shù)均不相同；S2：過程中被抑制部分噪聲的幅度譜和原始帶噪語音幅度譜拼接并輸入最終的神經(jīng)網(wǎng)絡；本發(fā)明提出一種多模塊分階段抑制不同種類噪聲的雙噪聲語音增強方法，每個模塊分別抑制一種或幾種不同類型的噪聲，同時提高其在混合噪聲環(huán)境和低信噪比環(huán)境的性能，再將增強結果集成到后一階段，它在每個階段使用神經(jīng)網(wǎng)絡學習帶噪幅度譜到較純凈幅度譜的映射，對特征進行提煉，得到更加純凈的幅度譜。

技術領域

本發(fā)明屬于語音增強技術領域，尤其涉及一種多模塊抑制不同種類噪聲的雙噪聲語音增強方法。

背景技術

語音增強算法是一項重要的語音處理技術，可為語音識別系統(tǒng)、聽覺輔助設備和軍事竊聽裝置提供支持。目前語音識別算法準確率已經(jīng)達到較高水平，在一些公開數(shù)據(jù)集中甚至超過熟練的聽寫轉錄人員。然而由于噪聲或混響干擾的存在，語音增強后語音識別算法才能達到理想的效果。現(xiàn)在的語音增強算法只對較高信噪比的含單種噪聲的帶噪語音有良好的表現(xiàn)。在會議環(huán)境、戰(zhàn)場環(huán)境和街道環(huán)境等真實場景下，環(huán)境中會存在多種噪聲而且信噪比有較大的變化范圍。對于雙噪聲場景，一般算法不易表現(xiàn)出良好的泛化性。而在低信噪比環(huán)境下，由于音頻中噪聲能量占主導，語音增強算法性能會明顯惡化。

發(fā)明內(nèi)容

本發(fā)明提供一種多模塊抑制不同種類噪聲的雙噪聲語音增強方法，旨在解決上述存在的問題。

本發(fā)明是這樣實現(xiàn)的，一種多模塊抑制不同種類噪聲的雙噪聲語音增強方法，包括以下步驟：

S1：對多種類型的噪聲進行分階段建模，對于輸入的帶噪語音，在每個階段通過噪聲抑制模塊提取并過濾一種或多種噪聲特征；其中，每個噪聲抑制模塊的損失函數(shù)均不相同；

S2：過程中被抑制部分噪聲的幅度譜和原始帶噪語音幅度譜拼接并輸入最終的神經(jīng)網(wǎng)絡；

S3：使用神經(jīng)網(wǎng)絡學習帶噪幅度譜到純凈幅度譜的映射，對特征進行提煉，得到純凈的幅度譜；

S4：中間噪聲抑制模塊損失函數(shù)的擬合目標為帶噪語音，最終噪聲抑制模塊損失函數(shù)的擬合目標為純凈語音。

進一步的，所述帶噪語音由以下公式表示：

式中X表示帶噪語音，S表示純凈語音，N_i表示一種加性噪聲，共有k種噪聲。

進一步的，所述噪聲抑制模塊包含2層全連接層和2層LSTM，其執(zhí)行基本的抑制帶噪語音中某一種或多種噪聲的任務，其功能由以下公式表示：

X′＝f(X)

上式表示增強語音X′，其噪聲數(shù)量少于降噪以前，f表示NRM網(wǎng)絡。

進一步的，步驟S1中，包含兩個階段，所述第一階段包含兩個噪聲抑制模塊，其中，每個噪聲抑制模塊的輸入都為含兩種噪聲的帶噪語音，輸出幅度譜的帶噪語音中噪聲種類少于輸入。

進一步的，第一階段得到2個含不同噪聲類型的語音幅度譜，每個幅度譜含有不同的語音特征信息；兩個噪聲抑制模塊及其損失函數(shù)分別由以下公式表示：

X₂₁＝f_1l(X₁)

X₂₂＝f₁₂(X₁)