[發明專利]一種面向語音識別的語音增強方法

有效

• 申請號: 201911180882.3
• 申請日: 2019-11-27
• 公開（公告）號: CN110970044B
• 公開（公告）日: 2022-06-07
• 發明（設計）人: 楊玉紅;馮佳倩;蔡林君;涂衛平;艾浩軍;高戈
• 申請（專利權）人: 武漢大學
• 主分類號: G10L21/02
• 分類號: G10L21/02;G10L25/30;G10L15/06;G10L15/22
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 嚴彥

1.一種面向語音識別的語音增強方法，其特征在于，包括以下步驟：

步驟1，利用近端麥克風和遠端麥克風錄制得到的語音，對干凈語音進行估計；

步驟2，將步驟1中得到的估計語音作為參考語音信號，計算參考語音和待測降噪語音的包絡相關系數，構造和語音識別相關的模型優化目標函數；

步驟3，構建語音增強的深度神經網絡模型，訓練目標為估計語音，模型優化目標函數由步驟2得到；根據優化結果實現語音增強；

步驟1的實現包括以下子步驟，

步驟1.1，對近端和遠端麥克風錄制的帶噪語音分別做分幀、加窗和短時傅里葉變換，得到C(n,f)和X_i(n,f)，其中n為幀索引，f為頻點索引，i為遠端陣列麥克風的索引；

步驟1.2，估計干凈語音為S_i(n,f)，計算每個時頻單元的殘差R_i(n,f)，公式如下，

R_i(n,f)＝X_i(n,f)-S_i(n,f)

其中，設定幀搜索范圍l，L_min為向前搜索參數，L_max為向后搜索參數，G_i(l,f)表示從近端麥克風信號到遠端麥克風的傳輸函數，由最小化總殘差推出，公式如下，

其中，*表示對矩陣做復共軛運算，H表示對矩陣做復共軛和轉置運算；

步驟1.3，將估計的干凈語音S_id(n,f)做逆傅里葉變換，從頻域轉化到時域上，作為參考語音信號。

2.根據權利要求1所述的面向語音識別的語音增強方法，其特征在于：向前搜索參數L_min＝-3，向后搜索參數L_max＝8。

3.根據權利要求1或2所述的面向語音識別的語音增強方法，其特征在于：步驟2的實現包括以下子步驟，

步驟2.1，對參考語音和待測降噪語音分別做分幀、加窗和短時傅里葉變換，將信號從時域轉換到頻域；

步驟2.2，找到參考語音中能量最大的幀，去掉參考語音和待測降噪語音中低于該幀40db以下的信號，然后分別對兩個信號進行頻帶分析；

步驟2.3，根據步驟2.2所得結果計算參考語音和待測降噪語音的短時頻譜包絡，并用向量表示，得到x_j,m和y_j,m；

步驟2.4，將待測降噪語音進行歸一化剪裁；

步驟2.5，計算每個時頻單元的相關系數，得到x_j,m和y_j,m的相關系數d_j,m；

步驟2.6，計算所有幀對應的所有頻帶對應的相關系數的平均值，

其中，J是子帶數量，M是幀的數量，d為目標函數的最終表示，范圍從0到1，越靠近1，說明語音質量越好。

4.根據權利要求1或2所述的面向語音識別的語音增強方法，其特征在于：語音增強的深度神經網絡模型采用全卷積神經網絡FCN。

5.根據權利要求3所述的面向語音識別的語音增強方法，其特征在于：語音增強的深度神經網絡模型采用全卷積神經網絡FCN。