[發(fā)明專利]基于循環(huán)幀序列門控循環(huán)單元網(wǎng)絡(luò)的語音超分辨率方法

有效

• 申請?zhí)枺?/td>: 202011374653.8
• 申請日: 2020-11-30
• 公開（公告）號: CN112562702B
• 公開（公告）日: 2022-12-13
• 發(fā)明（設(shè)計）人: 關(guān)鍵;柳友德;肖飛揚(yáng);蘆瑤;蘭宇晨;田左;王愷瀚;謝明杰;董喆
• 申請（專利權(quán)）人: 哈爾濱工程大學(xué)
• 主分類號: G10L21/003
• 分類號: G10L21/003;G10L25/18;G10L25/24
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于循環(huán)幀序列的門控循環(huán)單元網(wǎng)絡(luò)的語音超分辨率方法，其特征是：包括如下步驟：

(1)對原始語音信號進(jìn)行預(yù)處理：①對原始語音信號進(jìn)行預(yù)加重處理；②對預(yù)加重處理后的語音信號進(jìn)行分幀處理；

(2)提出構(gòu)建CFS-GRU模型：①分別構(gòu)建兩種使單位時間步特征參數(shù)增大和減小上采樣倍率的GRU；②將兩個GRU組合使得時間步和特征參數(shù)之間交叉乘上上采樣倍率并能夠循環(huán)輸入，構(gòu)建CFS-GRU模型；具體如下：

輸入的語音信號為(time_step,dim)，其中time_step為時間步長，取值20，dim為單位時間步長的特征參數(shù)，大小與分幀處理的幀長一致，取值為512，經(jīng)過GRU0處理后輸出信號time_step,ratio*dim),其中ratio為語音的上采樣率,將信號重塑為(ratio*time_step,dim),輸入GRU1后得到輸出信號將輸出信號重塑為(time_step,dim)，再將重塑后的信號輸入GRU0,形成循環(huán)模型；

(3)完成基于循環(huán)幀序列網(wǎng)絡(luò)的語音超分辨率：①經(jīng)過預(yù)加重和分幀處理的語音信號輸入CFS-GRU模型；②使用SegSNRLoss損失函數(shù)并使用分幀處理后的高分辨率語音信號進(jìn)行監(jiān)督訓(xùn)練；③將訓(xùn)練好的CFS-GRU模型的輸出信號幀進(jìn)行合并得到高分辨率語音，實現(xiàn)語音的超分辨率。

2.根據(jù)權(quán)利要求1所述的基于循環(huán)幀序列的門控循環(huán)單元網(wǎng)絡(luò)的語音超分辨率方法，其特征是：在步驟(1)中對原始語音信號進(jìn)行預(yù)加重處理，y(t)＝x(t)-αx(t-1)，其中，y(t)為預(yù)加重后的語音信號，x(t)為原始語音信號，t是時間，α是加權(quán)系數(shù)，α取值為0.97，對預(yù)加重后的語音進(jìn)行分幀處理，幀長為512，幀移為256。

3.根據(jù)權(quán)利要求1所述的基于循環(huán)幀序列的門控循環(huán)單元網(wǎng)絡(luò)的語音超分辨率方法，其特征是：在步驟(2)中根據(jù)上采樣率構(gòu)建兩種輸出不同特征參數(shù)長度的GRU單元，其中將特征參數(shù)增大上采樣倍率的為GRU0，將特征參數(shù)減小上采樣倍率的為GRU1，組合兩種GRU單元使語音信號能夠循環(huán)輸入，構(gòu)建CFS-GRU模型。

4.根據(jù)權(quán)利要求1所述的基于循環(huán)幀序列的門控循環(huán)單元網(wǎng)絡(luò)的語音超分辨率方法，其特征是：在步驟(3)中的損失函數(shù)SegSNRLoss定義為：其中L_MSE為均方損失誤差：SegSNR為語音信號的分段信噪比：其中S_i為原始高分辨率語音信號，P_i為模型預(yù)測的高分辨率語音信號，n為信號幀長，和m為可調(diào)參數(shù)，值設(shè)置為0.001，m值設(shè)置為5。

5.根據(jù)權(quán)利要求1所述的基于循環(huán)幀序列的門控循環(huán)單元網(wǎng)絡(luò)的語音超分辨率方法，其特征是：所述步驟(3)中CFS-GRU模型的輸出幀信號合并時重疊幀信號部分取平均值。