[發明專利]基于循環幀序列門控循環單元網絡的語音超分辨率方法

有效

• 申請號: 202011374653.8
• 申請日: 2020-11-30
• 公開（公告）號: CN112562702B
• 公開（公告）日: 2022-12-13
• 發明（設計）人: 關鍵;柳友德;肖飛揚;蘆瑤;蘭宇晨;田左;王愷瀚;謝明杰;董喆
• 申請（專利權）人: 哈爾濱工程大學
• 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.基于循環幀序列的門控循環單元網絡的語音超分辨率方法，其特征是：包括如下步驟：

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

(2)提出構建CFS-GRU模型：①分別構建兩種使單位時間步特征參數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之間交叉乘上上采樣倍率并能夠循環輸入，構建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，大小與分幀處理的幀長一致，取值為512，經過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,形成循環模型；

(3)完成基于循環幀序列網絡的語音超分辨率：①經過預加重和分幀處理的語音信號輸入CFS-GRU模型；②使用SegSNRLoss損失函數并使用分幀處理后的高分辨率語音信號進行監督訓練；③將訓練好的CFS-GRU模型的輸出信號幀進行合并得到高分辨率語音，實現語音的超分辨率。

2.根據權利要求1所述的基于循環幀序列的門控循環單元網絡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行預加重處理，y(t)＝x(t)-αx(t-1)，其中，y(t)為預加重后的語音信號，x(t)為原始語音信號，t是時間，α是加權系數，α取值為0.97，對預加重后的語音進行分幀處理，幀長為512，幀移為256。

3.根據權利要求1所述的基于循環幀序列的門控循環單元網絡的語音超分辨率方法，其特征是：在步驟(2)中根據上采樣率構建兩種輸出不同特征參數長度的GRU單元，其中將特征參數增大上采樣倍率的為GRU0，將特征參數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輸入，構建CFS-GRU模型。

4.根據權利要求1所述的基于循環幀序列的門控循環單元網絡的語音超分辨率方法，其特征是：在步驟(3)中的損失函數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為模型預測的高分辨率語音信號，n為信號幀長，和m為可調參數，值設置為0.001，m值設置為5。

5.根據權利要求1所述的基于循環幀序列的門控循環單元網絡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。