[發(fā)明專利]輕量級時域卷積網(wǎng)絡語音增強方法與系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202011329491.6
• 申請日: 2020-11-24
• 公開（公告）號: CN112331224A
• 公開（公告）日: 2021-02-05
• 發(fā)明（設計）人: 劉明;周彥兵;王貝;孫沖武;趙學華
• 申請（專利權）人: 深圳信息職業(yè)技術學院
• 主分類號: G10L21/02
• 分類號: G10L21/02;G10L21/0216;G10L25/30
• 代理公司: 深圳市添源知識產權代理事務所(普通合伙) 44451
• 代理人: 羅志偉

1.一種輕量級時域卷積網(wǎng)絡語音增強方法，其特征在于：首先，將帶噪語音信號進行分幀加窗處理，然后進行短時傅里葉變換，得到帶噪語音信號的幅度譜和相位譜，隨后將帶噪語音信號的幅度譜送入時域卷積網(wǎng)絡模型，進行先驗信噪比的估計，緊接著利用估計的先驗信噪比進行增益函數(shù)的估計，最后在幅度域進行濾波降噪，并利用帶噪語音信號的相位譜作為增強后的相位，進行語音信號的重構。

2.根據(jù)權利要求1所述的輕量級時域卷積網(wǎng)絡語音增強方法，其特征在于：語音信號的重構包括反傅里葉變換和重疊相加。

3.根據(jù)權利要求1所述的輕量級時域卷積網(wǎng)絡語音增強方法，其特征在于：所述時域卷積網(wǎng)絡模型的構建過程如下：

1)，根據(jù)先驗信噪比的定義，其取值范圍為大于零的任意數(shù)，如式子(1)所示：

其中，|X_clean(n,k)|和|N_noise(n,k)|分別代表純凈語音和噪聲信號的幅度譜，n和k分別為幀索引和頻率索引，為了降低時域卷積網(wǎng)絡模型的學習難度，對其進行值域范圍進行壓縮，通過對先驗信噪比的統(tǒng)計研究發(fā)現(xiàn)，其對數(shù)變換形式，如式(2)所示，是服從高斯分布的，因此利用一種累積分布函數(shù)，對其進行壓縮，如式子(3)所示：

ξ_dB(n,k)＝10·log₁₀(ξ(n,k)) (2)

其中，ξ_dB(n,k)為對數(shù)壓縮后的先驗信噪比，而則是通過累積分布函數(shù)壓縮后的先驗信噪比，其取值范圍為[0,1]，erf(·)代表的是累積分布函數(shù)，μ_k和σ_k分別為在不同頻點上，通過統(tǒng)計分析得到的ξ_dB(n,k)所對應的均值和方差；

2)，考慮到語音信號之間的時序依賴性，利用空洞卷積設計了一種輕量級的時域卷積網(wǎng)絡模型，來學習帶噪語音幅度譜|X_noisy(n,k)|和先驗信噪比之間的映射關系。

4.根據(jù)權利要求3所述的輕量級時域卷積網(wǎng)絡語音增強方法，其特征在于：所述時間卷積網(wǎng)絡模型訓練時的損失函數(shù)用交叉熵來計算，計算式如式子(4)所示，其中y_i和分別為理想的先驗信噪比和神經(jīng)網(wǎng)絡輸出層預測的先驗信噪比結果：

5.根據(jù)權利要求4所述的輕量級時域卷積網(wǎng)絡語音增強方法，其特征在于：對進行降噪濾波的增益函數(shù)進行估計，采用的是以貝葉斯理論和最小均方誤差準則推導出的增益函數(shù)表達形式，如下式子(5)所示：

其中，G(n,k)為估計的增益函數(shù)，ξ(n,k)為先驗信噪比的估計值，也是積分的下限，但是由于時間卷積網(wǎng)絡輸出的先驗信噪比是壓縮變換后的值，因此，還需要對其進行反變換，才能得到式子(5)中所需要的先驗信噪比，而反變換的過程如式子(6)和(7)所示：

將反變換后的先驗信噪比代入到式子(5)中的增益函數(shù)表達式中，便可以得到每一幀帶噪語音幅度譜在每個頻點上的增益值，與每個頻點進行點乘就得到了增強后的語音幅度值，最后利用帶噪語音的相位譜便可以合成最終的增強語音信號。

6.根據(jù)權利要求1所述的輕量級時域卷積網(wǎng)絡語音增強方法，其特征在于：所述時域卷積網(wǎng)絡模型由兩層全連接層和N個殘差模塊構成，輸入的特征為帶噪語音的幅度譜特征。